Minggu - 2 Peramalan
Minggu - 2 Peramalan
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
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
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
Knowledge of
changed
condition
Forecast Pembandingan
(Prediction) dengan kondisi
aktual
Feedback on
forecast
accuracy
7
ORGANIZATION & ITS
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
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
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
10
Horison…..
• Bagaimanakah Horison dan Periode Perencanaan
ditentukan ?
• Ditentukan antara lain oleh:
11
6. Data Peramalan Produksi
• Perencanaan Produksi
memerlukan data
mengenai permintaan
(demand) di masa TOTAL PASAR
• 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
Demand
Demand
fluctuations
Trend with
- cyclical variations
- trend
15
Fluktuasi….
• Fluktuasi Demand terjadi
karena dipengaruhi oleh:
Product Life Cycle
1. Siklus bisnis: 1. Product development
2. Testing and introduction
3. Rapid growth of demand
resesi, inflasi, depresi, 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
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
'
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 ^
2t 2t
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
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 nf
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 nf
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 bt
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
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
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
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