Supply Chain Management

Demand Planning 3
 Non-Stationary Model

Pada situasi non-stationary, model MA dan Simple Exponential Smoothing selalu

lag dibelakang trend.
Mereka menggunakan data masa lampau untuk mendapatkan stationary level
Pada kondisi tertentu perlu dipertimbangkan faktor trend dan seasonality
 Quiz
Pada situasi yang memiliki trend, maka metode
SES dan MA adalah lag dibelakang trend.
(Benar/Salah).
 Metode Holt
• Merupakan metode Exponential Smoothing dengan
level dan trend.
• Menggunakan konstanta smoothing (α,), dimana 0
≤ α, ≤ 1
Contoh Perhitungan

Formula
 Quiz
• Jika hasil kalkukasi pada metode Holt, a^t adalah
172 dan b^t adalah 7, maka forecast untuk
permintaan lima periode kedepan adalah: ____
Perbandingan antar model
 Quiz
Dengan menggunakan Spreadsheet buatlah
Peramalan untuk periode 12 berdasarkan data
sebelumnya untuk metode:
1. MA
2. SME
3. Holt
 Quiz
Hitunglah RMSE untuk masing-masing metode
peramalan.
 Damped Trend
- Trend tidak terus berlanjut tidak berubah secara tak
terhingga
- Trend Linear secara konstan dapat membawa kepada
over-forecasting (terutama pada forecast horizon
yang lebih panjang).
- Model Damped trend, melakukan modifikasi
terhadap metode Holt dengan menambahkan
paramter phi, dimana 0 ≤  ≤ 1
Contoh Perhitungan Model Damped

Formula
Perbandingan Actual, Holt, dan
Damped
 Quiz
Jika pada model damped, nilai  = 1, maka
hasilnya adalah sama dengan metode Holt.
(Benar/Salah)
 Quiz
Tujuan penerapan metode Damped Trend
bertujuan untuk menghindari over forecasting,
terutama untuk horizon yang lebih panjang
(Benar/Salah)
 Quiz
Jika hasil kalkukasi pada metode Damped, a^t
adalah 172, b^t adalah 7, dan  maka
forecast untuk permintaan dua periode kedepan
adalah: ____
 Metode Winter
• Exponential Smoothing dengan Level dan Seasonality.
• Faktor Seasonality bersifat multiplicative
• Menggunakan ,  sebagai faktor smoothing, dimana 0 ≤ ,  ≤ 1
Contoh Perhitungan

Formula
 Normalisasi Indeks Seasonal
Perlu diperhatikan bahwa kulmulatif index
seasonal adalah sama dengan jumlah
periode, sehingga perlu di normalisasi

Nilai kulmulatif tidak sama dengan jumlah Periode

Formula
 Metode Holt-Winter
• Gabungan dari model Holt dan Winter
Contoh Perhitungan

Asumsi trend awal

 Inisialisasi nilai awal
• Tidak ada satu metode yang terbaik – banyak
yang baik
• Perlu untuk melakukan partisi data (initialisasi,
training, dan testing)
 Simple Exponential Smooting
• Estimasi nilai awal level (a^0)
• Gunakan rata-rata demand dari beberapa
periode untuk nilai awal x^t-1
 Metode Holt
• Estimasi nilai awal a^0, trend b^0 dan
parameter (a & b)
• Cari persamaan linear yang paling cocok untuk
menginisialisasi nilai awal.
• Gunakan regressi least square dari demand
beberapa periode
– Dependent variable = demand pada setiap periode
= xt
– Independent variable = slope = b1
– Persamaan Regressi xt = b0 + b1t
 Model Seasonal
• Bersifat Complicated
• Beberapa metode yang berbeda digunakan dalam
praktek
• Anda membutuhkan banyak data, > 2 periode
seasonal cukup, tetapi lebih baik ≥ 4 adalah lebih
baik.
 Metode Winter
• Estimasi parameter awal
(a^0) & indeks seasonal
(F^i)
• Cari rata-rata demand untuk
setiap periode season.
• Cari rata-rata untuk semua Formula
periode
• Tentukan indeks seasonal
awal dari rasio masing-
masing season terhadap
semua periode
 Metode Holt-Winter
1. Estimasi nilai awal untuk setiap season
– Cari nilai Moving Average center point setiap season.
– Cari rasio dari nilai actual untuk mengestimasi Fi
2. Cari inisial untuk indeks seasonal
3. Estimasi nilai level dan trend
– Deseasonal setiap observasi dengan membaginya dengan
estimasi indeks seasonal.
– Gunakan hasil deseasonal untuk mengestimasi a^0 dan
b^0 dengan menggunakan metode regressi (akan dibahas
pada pertemuan berikutnya).
Menghitung Indeks Seasonal
 Estimasi
Trend dan
Level
Menggunakan
metode LINEST
pada Spreadsheet.

Sehingga untuk t=21

Maka a^0 = 201.2672
b^0 = 4.167474

Pilih sel H2:I6, tekan F2, and

kemudian tekan
CTRL+SHIFT+ENTER
Sekian & Terima Kasih