Minggu_2

Peramalan

Pendahuluan
Jenis Peramalan
Penggunaan Peramalan
Horison dan Periode Peramalan
Data Peramalan dan Fluktuasi Permintaan
Metode-metode peramalan
 Hasil Pembelajaran
• Umum
 Mahasiswa mampu menerapkan model
matematik, heuristik dan teknik statistik untuk
menganalisis dan merancang suatu sistem
perencanaan dan pengendalian produksi

• Khusus
 Mampu menganalisis pola demand serta
menerapkan teknik-teknik peramalan

2
 1. Pendahuluan
• Peramalan:
 Is the art of specifying meaningful information
about the future (Narasimhan, et.al., 1995)
• Menjadi dasar dalam membuat keputusan-
keputusan, termasuk pembuatan rencana
produksi
• Peramalan lebih baik dibandingkan dengan
dugaan yang subyektif

3
 2. Jenis Metode Peramalan
• Secara garis besar
terdapat 2 kelompok Jenis Metode
Peramalan

metode peramalan
• Metode Kualitatif: Metode Metode

tidak menggunakan
Kualitatif Kuantitatif

pendekatan statistika-
matematika
Metode Metode Time
Kausal Series

• Metode Kuantitatif: Metode

menggunakan Smoothing

pendekatan statistika- Metode

metematika sebagai
Moving
Average

dasar peramalan
4
 Metode Kualitatif
• Metode yang paling banyak dipakai
 Market Surveys
 Life-cycles Analogy
 Informed Judgement

5
3. Penggunaan Metode
Peramalan diperlukan

Data
Tidak
tersedia

Data
Ya Analisis Data
terkumpul

Tidak Kuantitatif

Faktor Pendekatan Time

Tidak
Kausal Series

Pilih Model
Pendekatan Time
Pendekatan Kausal
Series

Pilih Metode
Pilih Metode Pilih Model

Estimasi Parameter
Validasi Pilih Metode

Validasi Model
Estimasi Parameter

Validasi Model

6
Sistem Peramalan (1)
Data Historis

Data checked for

accuracy and
reasonableness

Tujuan Update sesuai

model kebutuhan

Knowledge of
changed
condition

Forecast Pembandingan
(Prediction) dengan kondisi
aktual

Feedback on
forecast
accuracy

7
 ORGANIZATION & ITS

Sistem Peramalan (2)

ENVIRONMENT

INFORMAL INFORMAL
INFORMATION INFO

MIS

FORECASTER DECISION
MAKER
VALUE
VALUE
SELECT SELECT KEY LIKELY PLANNING
FORECASTING VARIABLES ACCURACY GUIDELINE OBJECTIVE
PROCEDURES ASSUMPTION

COST/TIME DECISION
CONSTRAIN REQUIREMENT

INITIAL
FORECAST

INFORMAL FORECAST WORKING

ADJUST RECOMMEND FORECAST

REVISE
Yes ASSUMPTION

No

FINAL
FORECAST

8
ACTION PLAN
 4. Penggunaan Metode untuk
Keputusan Operasi/Produksi
Time Accuracy Number of Management Forecasting
Horizon Required Forecasts Level Method
Process Qualitative
design Long Medium Single or few Top
or causal
Capacity
Qualitative
planning, Long Medium Single or few Top
and causal
facilities
Aggregate Causal and
planning Medium High Few Middle
time series

Scheduling Short Highest Many Lower Time series

Inventory
management Short Highest Many Lower Time series

9
 5. Horison dan Periode Peramalan
• Peramalan dilakukan untuk memperkirakan permintaan
pada periode waktu tertentu ke depan

menunjukkan kurun waktu dalam satu horison

jangkauan perencanaan atau perencanaan terdiri
HORISON PERENCANAAN dari beberapa PERIODE
(Planning Horizon) PERENCANAAN

• CONTOH: - Horison Perencanaan= 1 tahun

- Periode Perencanaan= bulanan = 12 bulan

10
 Horison…..
• Bagaimanakah Horison dan Periode Perencanaan
ditentukan ?
• Ditentukan antara lain oleh:

Jenis Produk misal, jika produk musiman; horison harus

mencakup seluruh musim secara lengkap

Kemampuan dikaitkan dengan kemampuan untuk mela-

manajemen kukan evaluasi terhadap rencana terutama
frekuensi evaluasi - dan - re-planning

Tujuan ekpansi kapasitas ? --- panjang !!

perencanaan tingkat produksi ? --- pendek !!

11
 6. Data Peramalan Produksi
• Perencanaan Produksi
memerlukan data
mengenai permintaan
(demand) di masa TOTAL PASAR

yang akan datang Pangsa

Pangsa Pasar
B
Pasar A

• Permintaan (demand),
menunjukkan
gambaran pasar: Permintaan
Potensi Pasar Perusahaan B saja
keseluruhan

12
 Data….
• Peramalan sangat baik jika menggunakan
data hasil survey konsumen secara
keseluruhan
 Relatif sulit diperoleh
 Memerlukan waktu yang lama untuk
mengumpulkan
• Sebagai pengganti dipakai data penjualan
(sales) produk tersebut.
• Tetapi ini bukan menunjukkan potensi
pasar; lebih menunjukkan pangsa pasar
perusahaan saja

13
 7. Fluktuasi Permintaan
• Untuk perencanaan produksi bagaimana
demand berfluktuasi harus diperhatikan.
• Metode Peramalan yang dikenal digunakan
dengan asumsi dasar bahwa pola
permintaan masa lalu akan terus berlanjut
pada masa yang akan datang.
• Perubahan kondisi sistem membuat
metode menjadi tidak valid; misalkan
kondisi pra-krismon dengan post-krismon
tidak memenuhi asumsi ini.
14
 Fluktuasi…
• Namun pada dasarnya
demand berfluktuasi
dari waktu ke waktu Jenis Fluktuasi Permintaan
dan secara teoritis Trend Cycle

Demand
Demand
dikenal beberapa pola Random

dasar; yaitu: Time

movement
Time

- stable, with random Seasonal

pattern

Demand
Demand
fluctuations
Trend with

- seasonal variations Time

seasonal pattern
Time

- cyclical variations
- trend

15
 Fluktuasi….
• Fluktuasi Demand terjadi
karena dipengaruhi oleh:
1. Siklus bisnis:
resesi, inflasi, depresi,
Product Life Cycle
1. Product development
2. Testing and introduction
3. Rapid growth of demand
4. Steady-state demand
5. Phase out

recovery Demand
4

3
5
2
2. Siklus Hidup Produk 1

Time

16
 Fluktuasi……
• Faktor-faktor lain antara lain adalah:
- kompetisi
- performansi produk
- kualitas produk
- reputasi produk
- kepercayaan konsumen
- harga
- promosi
• Pengaruh-pengaruh ini harus diperhatikan
dengan baik sebelum membuat peramalan
17
 8. Kesalahan peramalan
• Peramalan selalu diliputi kesalahan
• Memberikan arah sehingga pengambilan
keputusan lebih baik
• Bagaimana mengukur kesalahan
peramalan

18
 Kesalahan….

n n
et
Cumulative sum of
CFE =  et Mean Absolute | D | 100
Forecast Errors i=1 Percentage Error MAPE = i=1 t
n

e 2 n

Mean Square Error i=1

t
Tracking Signal e t
MSE = TS = i=1

n MAD

n n
Mean Absolute |e | t
Mean Error
e t
Deviation MAD = i=1
ME = i=1
n
n

19
dt'  f  t 

9. Metode Regresi
• Metode regresi mempergunakan Metode Least
Square yang pada prinsipnya adalah men-fit-kan
suatu fungsi pada satu set data dengan bentuk
umum sbb:
dt  f  t 
'

• dimana: d '  ramalan permintaan pada periode t

t
t = variabel independen
• Jika d t  nilai permintaan yang sebenarnya maka
konsep metode least square adalah:
minimasi:
e    dt  dt 
n
' 2

t 1
20
 Teknik Peramalan n

^ ^ ^ d t
• Konstan t 1
D (t )  a a n

^ ^ ^
• Regresi linier D (t )  a  bt
N N N N

^
N  t .d (t )   d (t ) t ^  d (t )
t 1 t 1 t 1
b N N
2 a  t 1N
N t  (  t )
2

t 1
t 1

• Siklis ^
2t 2t
D (t )  a  u cos N  v sin N
21
 Contoh
• Dari data 12 bulan terakhir tercata penjualan produk X:
t 1 2 3 4 5 6 7 8 9 10 11 12
dt 14 15 13 15 17 18 17 18 15 17 18 16
0 9 6 7 3 1 7 8 4 9 0 0

• Gambar diagram Pencar:

22
 Metoda Konstan
t dt dt' e = dt - dt' e2 SEE
1 140 165.33 -25.33 641.61
2 159 165.33 -6.33 40.07
3 136 165.33 -29.33 860.25
4 157 165.33 -8.33 69.39
5 173 165.33 7.67 58.83
6 181 165.33 15.67 245.55
7 177 165.33 11.67 136.19
8 188 165.33 22.67 513.93
9 154 165.33 -11.33 128.37
10 179 165.33 13.67 186.87
11 180 165.33 14.67 215.21
12 160 165.33 -5.33 28.41
3124.68 17

23
 Metoda Konstan

n n
d t  (dt dt ')
2

t 1 '
a d t SEE  t 1
N nf
3124. 68

12  1
3124. 68

11
 16. 85  17

24
 Metoda Linier
t dt t . dt t2 dt'=156+1.t e = dt - dt' e2
1 140 140 1 157 -17 289
2 159 318 4 158 1 1
3 136 408 9 159 -23 529
4 157 628 16 160 -3 9
5 173 865 25 161 12 144
6 181 1086 36 162 19 361
7 177 1239 49 163 14 196
8 188 1504 64 164 24 576
9 154 1386 81 165 -11 121
10 179 1790 100 166 13 169
11 180 1980 121 167 13 169
12 160 1920 144 168 -8 64
78 1984 13264 647 2628
t 6.5 dt 165.33
25
 Metoda Linier
n n n n
N  t .dt   dt  t  (dt dt ')
2
12(13264)  (1984)(78)
b t 1 t 1 t 1 b t 1
2 12(647)  (78)
2
SEE 
n n nf
N t  (  t )
2
157168  154752 2416 2628 2628
t 1
t 1    
7764  6084 1680 12  2 10
 1. 44  1  16. 21  16
n n
 dt bt
a t 1
 t 1
 dt  b.t a  dt  b.t
N N
 165. 33  1. 44(6. 5)  165. 33  9. 35
 155. 98  156

 dt '  156  1t
26
 Metoda Kuadratis
t dt t.dt t2 t2.dt t4 dt' e=dt- e2
dt'
-6 140 -840 36 5040 1296 118.36 21.64 468.29
-5 159 -795 25 3975 625 127.82 31.18 972.19
-4 136 -544 16 2176 256 143.88 -7.88 62.09
-3 157 -471 9 1413 81 146.74 10.26 105.27
-2 173 -346 4 692 16 147.6 23.4 547.56
-1 181 -181 1 181 1 152.46 28.54 814.53
1 177 177 1 171 1 156.86 20.14 405.62
2 188 376 4 752 16 158.4 29.6 876.16
3 154 462 9 1386 81 159.96 -5.96 35.52
4 179 716 16 2864 1256 161.48 17.52 306.95
5 180 900 25 4500 625 149.82 30.18 910.83
6 160 960 36 5760 1296 144.76 15.24 232.26
 1984 404 182 28710 4550 5737.2
7

27
 n n n
Metoda Kuadratis
n
404
 t .dt  dt t  N t .dt
2 2
b  2. 22  2. 2
b t 1
c= t=1 t 1 t 1 182
n n 2 n
t  (t ) t
2 n
2 4

t 1 t 1 t 1 (1984)(182)  12(28910) 361088  346920

c 
2
(182)  12(4550) 33124  54600
n n
 dt  C t
2
14168
a t 1 t 1   0. 6597  0. 66
N 21476

5737. 27 1984  0. 66(182) 1984  120.12

SEE  a 
12  3 12 12
 155. 32
5737. 27

9
2
 25. 25  25  dt '  155. 32  2. 2t  0. 66t

28
 Pemilihan Metoda Terbaik & Hasil
Peramalan
Konstan Linier Siklis
SEE 17 16 25
• Metode yang dipilih adalah metode peramalan
linier

• Dt' = 156 + t
t 13 14 15 16 17 18 19 20 21 22 23 24
Dt' 169 170 171 172 173 174 175 176 177 178 179 180

29
 Verifikasi Peramalan
• Dilakukan untuk memverifikasi apakah fungsi
peramalan yang digunakan mewakili pola data
yang ada.
• Metoda verifikasi: moving range chart

• Moving Range    
MR  d t'  d t  d t' 1  d t 1

• Average moving range MR

MR  
n 1
• Control limits UCL  2.66MR
LCL  2.66 MR
30
 Verifikasi Peramalan
• Pengujian Out of control UCL

region A

region B

region C
 Dari 3 titik yang berurutan, 2
titik atau lebih di Daerah A
 Dari 5 titik yang berurutan, 4
titik atau lebih di Daerah B
 Dari 8 titik yang berurutan
seluruhnya berada atau di c e n te r lin e

bawah center line

 Satu titik di luar batas kontrol
• Bila kondisi out-of-control terjadi,
tindakan yang bisa diambil :
 Perbaiki ramalan dengan

region A

region B

region C
mencakup data baru (sistem
LC L
sebab baru)
 Tunggu evidence selanjutnya

31
 Contoh Verifikasi (1)
t Dt Dt' Dt'- Dt MR
• Dt' = 156 + t
1 140 156 16

2 159 157 -2 18
3 136 158 22 24
159
MR   14.45 4 157 159 2 20
11
5 173 160 -13 15
UCL  38.45
6 181 161 -20 7
LCL  38.45
7 177 162 -15 5
8 188 163 -25 10
9 154 164 10 15
10 179 165 -14 24
11 180 166 -14 0
12 160 167 7 21
159 32
Contoh Verifikasi (2)
38.45

25.63

12.82

-12.82

-25.63

-38.45

33