(MANAJEMEN PERMINTAAN)
(week 11)
Dr. Indro Kirono,Drs.Ec.,MM.,chrm
Tujuan Instruksional:
Proses ini digunakan dengan dasar bahwa pendapat banyak orang akan
lebih baik dibandingkan pendapat dari satu orang. Pada metode
beberapa orang dari berebagai level berkumpul untuk memberi
masukan dalam proses peramalan. Kelemahan metode ini adalah,
bahwa pendapat dari level yang lebih bawah biasanya mendapatkan
bobot yang lebih kecil dibandingkan pendapat dari level atas/eksekutif
Kelemahan ini kemudian diperbaiki dengan menggunakan metode
Delphi.
Metode Delphi
Metode ini memperbaiki pembobotan pendapat yang berbeda pada panel konsensus, dengan
memberi bobot yang sama pada setiap pendapat baik itu untuk level bawah maupun level
atas.
Proses ini memungkinkan para ahli yang tinggal di berbagai lokasi, untuk membuat ramalan.
Ada tiga partisipan dalam proses Delphi, pengambil keputusan, personel staf dan responden.
Pengambil keputusan biasanya beranggotakan 5 sampai dengan sepuluh ahli yang akan
membuat ramalan aktual.
Personel staf membantu pengambil keputusan dengan menyiapkan, mendistribusikan,
mengumpulkan dan meringkas serangkaian kuisioner dan hasil survei.
Responden adalah kelompok orang yang keputusannya dinilai dan diperhatikan. Kelompok ini
memberi masukan kepada pengambil keputusan sebelum ramalan dibuat.
Metode Peramalan Kuantitatif
A t -1 + A t -2 + A t -3 + ... + A t -n
Ft =
n ............(10.1)
Keterangan :
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Jumlah 65 67 72 78 85 92 85 75 89 92 78 84
0 8 0 5 9 0 0 8 2 0 9 4
permintaa
n
Pertanyaan
b. Apa perbedaan hasil yang terlihat dari dua model tersebut ? model
mana yang sebaiknya digunakan oleh PT ” Gembur” sehingga hasil
peramalannya lebih mendekati aktualnya?
Jawab :
a.
950
900
850
P e rm in t a a n
800
750 permintaan
700 3-Week
6-Week
650
600
550
500
1 2 3 4 5 6 7 8 9 10 11 12
m inggu
a.2. Metode Rata-Rata Tertimbang
Pada metode rata-rata sederhana, semua data baik data sebulan yang
lalu atau data dua bulan yang lalu dianggap memiliki bobot yang sama.
Hal ini diperbaiki dengan adanya metode rata-rata tertimbang yang
memiliki asumsi bahwa data aktual yang waktunya mendekati data
yang diramalkan memiliki bobot yang besar.
contoh jika kita meramalkan penjualan bulan April, maka bobot data
aktual terbesar pertama adalah data penjualan bulan Maret (t-1),
kemudian bobot data aktual terbesar kedua adalah bulan Februari dan
seterusnya
. Rumus dasar yang digunakan :
Ft = w 1A t -1 + w 2 A t -2 + w 3 A t -3 + ... + w n A t -n .............(10.2)
n
Dimana jumlah seluruh bobot tertimbang wadalah
i =1
=1 i satu
...(10.2
.1)
Keterangan :
PT GEMBUR pada contoh soal 1 memiliki ketentuan bahwa data aktual yang
berpengaruh pada perhitungan peramalan hanya data aktual selama 3 bulan
terakhir dengan proporsi bobot sebagai berikut :
1 t-1 0,6
2 t-2 0,3
3 t-3 0,1
Pertanyaan :
Tentukan hasil peramalan bulan Oktober sampai dengan bulan Desem ber
dengan menggunakan metode rata-rata tertimbang
JAWAB
Diketahui data aktual penjualan PT ”GEMBUR” selama tahun 2007
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
850
800
750
permintaan
permintaan
700
650 0.1
600 0.6
550
500
1 2 3 4 5 6 7 8 9 10
m inggu
Contoh soal 3 :
PT “SUBUR” memiliki data aktual penjualan sebanyak 8 bulan mulai bulan
Januari sampai Agustus. Perusahaan menentukan besarnya α =0,10. Hasil
peramalan bulan Januari sebesar 175. Tentukan hasil peramalan mulai bulan
Februari sampai dengan bulan September.
Bulan 1 2 3 4 5 6 7 8
Data 180 168 159 175 190 205 180 182
aktual
Hsl 175
ramalan
JAWAB :
Bulan Data aktual Peramalan Ft (α = 0,10)
1 180 175 (data yang diketahui)
2 168 175 + 0.10 (180 -175) =175.5
3 159 175.5 + 0.10 (168 -175.5) = 174.75
4 175 174.75 + 0.10 (159 -174.75) = 173.18
5 190 173.18 + 0.10 (175 – 173.18) = 173.36
6 205 173.36 + 0.10 (190 – 173.36) = 175.02
7 180 175.02 + 0.10 (205 – 175.02) = 178.02
8 182 178.02 + 0.10 (180 – 178.02) = 178.22
9 178.22 + 0.10 (182 – 178.22) = 178.58
b. Hubungan Kausal
Asumsi yang digunakan oleh model ini adalah adanya faktor yang
mempengaruhi peramalan. Hubungan faktor tersebut digambarkan dalam
perhitungan regresi dengan rumus dasar :
..................(11.4)
Yt = a + bx
b=
xy - n( y)( x )
...................(11.6)
x - n(x )
2 2
Contoh soal 4 :
Dari data diatas carilah model regresi linier yang berguna untuk peramalan data
pada periode berikutnya?
JAWAB :
Tahun Periode Permintaan x2 xy
Waktu Sandal
2003 1 90 1 90
2004 2 105 4 210
2005 3 142 9 426
2006 4 122 16 488
2007 5 134 25 670
Σx=15 Σy=593 Σx2=55 Σxy=1884
Σx/5=3 Σy/5=118.6
At =1
t - Ft 1 MAD 0.8 standard deviation
MAD = 1 standard deviation 1.25 MAD
n
RSFE
TS
MAD
y i
ˆi
y
i 1
MAD
forecast error
MAD
Tracking signal positif menunjukkan bahwa data permintaan aktual
lebih besar dari data ramalan.
Tanda negatif berarati bahwa data aktual permintaan kurang dari
ramalan.
Tracking signal yang baik adalah yang memiliki RSFE rendah,
mempunyai bias positif sama banyak dengan bias negatif.
Contoh soal 5 :
PT Ribut Terus ingin menganalisis akurasi data ramalannya, sebagai berikut :
Bulan 1 2 3 4 5 6
Aktual 93 97 112 100 130 145
Ramalan 100 110 115 100 120 100
JAWAB
Abs Kum
Bulan Aktual Ramalan Error RSFE Error Error MAD TS
1 93 100 -7 -7 7 7 7 -1
2 97 110 -13 -20 13 20 10 -2
3 112 115 -3 -23 3 23 8 -3
4 100 100 0 -23 5 28 7 -3
5 130 120 10 -13 10 38 8 -2
6 145 100 45 32 45 83 14 2
Perhitungan Error pada kolom 4 adalah = Aktual – ramalan , contoh pada
bulan pertama error sebesar 93-100 = -7, pada bulan kedua sebesar 97-
110=-13
RSFE dihitung dengan mengakumulasikan nilai error pada kolom empat
pada bulan pertama nilai RSFE sebesar 7, pada bulan kedua RSFE
sebesar -7 + -13 = -20 dan seterusnya.
Absolute error = error , membuat nilai error semuanya bernilai positif
Kumulatif error pada bulan pertama sebesar 7 pada bulan kedua sebesar
7 +13=20, pada bulan ketiga 20 + 3 = 23 dan seterusnya.
MAD dihitung melalui pembagian Kumulatif absolute error (kolom 7)
dengan n (kolom 1), misal pada bulan pertama nilai MAD sebesar 7 : 1 =
7, pada bulan kedua nilai MAD sebesar 20 : 2 = 10
Perhitungan tracking signal dengan membagi RSFE (kolom 5) dengan
P e r m in ta a n a k tu a l
T r a c k in g S in g a l
kedua TS sebesar -20 : 10 = -2
Gambar data PT Ribut Terus
160 3
140 2
120 1
100
0
80
-1
60
40 -2
20 -3
0 -4
0 1 2 3 4 5 6 7
waktu
Kesimpulan : data ramalan PT Ribut Terus masih berada pada batas atas
dan batas bawah yang ditentukan oleh perusahaan, sehingga bisa
dikatakan bisa data pada metode ramalan ini masih dibenarkan oleh
perusahaan.
LATIHAN SOAL :
1.Apa pentingnya peramalan pada operasional perusahaan ?
2.Apa hubungan manajemen permintaan dengan peramalan ?
3.Sebutkan perbedaan penggunaan metode kuantitatif dan metode
kualitatif pada peramalan?
4.Jelaskan apa yang kamu ketahui tentang metode Delphi dan apa
perbedaannya dengan Panel Consensus?
5.Ada berapa macam metode kuantitatif ?
6.Apa perbedaan metode time series dan metode hubungan kausal ?
1. PT ” Tumpang ” memiliki data bulanan penjualan sandal selama tahun
2007 yang tertuang pada tabel berikut :
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Jumlah 45 47 52 68 77 82 85 75 80 86 78 81
0 8 0 5 9 0 0 8 2 7 9 4
Permintaa
n
Pertanyaan
PERTANYAAN
a. Dari data diatas carilah model regresi linier yang berguna untuk
peramalan data pada periode berikutnya?
b. Gambarkan data peramalan tersebut !
c. Hitung error data ramalan dengan menggunakan tracking signal!
1. Saudara sebagai bagian pemasaran perusahaan Toys, telah melakukan
peramalan dengan menggunakan dua metode yaitu exponential
smoothing dan linier regresi :