13 forecasting02 ok

Download 13 forecasting02 ok

Post on 25-Jun-2015

231 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • 1. Metode PeramalanMetode Peramalan ((Forecasting MethodForecasting Method))

2. Kompetensi Pokok bahasanKompetensi Pokok bahasan Setelah mengikuti pokok bahasan ini,Setelah mengikuti pokok bahasan ini, mahasiswa diharapkan mampu:mahasiswa diharapkan mampu: Melakukan perencanaan produksi,Melakukan perencanaan produksi, dalam upaya memenuhi kebutuhandalam upaya memenuhi kebutuhan konsumen.konsumen. Memprediksi kebutuhan yangMemprediksi kebutuhan yang diperlukan dalam proses produksi.diperlukan dalam proses produksi. Mengerti tahapan dalam peramalan.Mengerti tahapan dalam peramalan. Menentukan metode peramalan yangMenentukan metode peramalan yang tepat.tepat. 3. IntroductionIntroduction Pokok bahasan ini merupakanPokok bahasan ini merupakan pokok bahasan yang mengkajipokok bahasan yang mengkaji perencanaan produksi melaluiperencanaan produksi melalui penerapan metode peramalan.penerapan metode peramalan. Teknik peramalan ini ditujukanTeknik peramalan ini ditujukan untuk menghasilkan perencanaanuntuk menghasilkan perencanaan produksi yang akurat dalamproduksi yang akurat dalam merespon permintaan pasar.merespon permintaan pasar. Langkah pertama dalamLangkah pertama dalam perencanaan operasi sistemperencanaan operasi sistem produksi adalah menentukanproduksi adalah menentukan peramalan yang akurat terhadapperamalan yang akurat terhadap permintaan barang (produk) yangpermintaan barang (produk) yang akan diproduksi.akan diproduksi. 4. Definisi PeramalanDefinisi Peramalan Peramalan adalah seni dan ilmu untukPeramalan adalah seni dan ilmu untuk memprediksi masa depan.memprediksi masa depan. Peramalan adalah tahap awal, dan hasil ramalanPeramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan padamerupakan basis bagi seluruh tahapan pada perencanaan produksi.perencanaan produksi. Proses peramalan dilakukan pada level agregatProses peramalan dilakukan pada level agregat ((part familypart family); bila data yang dimiliki adalah data); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebihitem, maka perlu dilakukan agregasi terlebih dahulu.dahulu. Metode: Kualitatif dan kuantitatif.Metode: Kualitatif dan kuantitatif. Terminologi: perioda, horison,Terminologi: perioda, horison, lead timelead time,, fittingfitting errorerror,, forecast errorforecast error, data dan hasil ramalan., data dan hasil ramalan. 5. Peramalan Eksplanatoris danPeramalan Eksplanatoris dan Deret BerkalaDeret Berkala Kedua pendekatan ini saling melengkapi danKedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan ygdimaksudkan untuk jenis penggunaan yg berbeda.berbeda. Pendekatan ekspalanatoris mengasumsikanPendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara inputadanya hubungan sebab akibat di antara input dengan output dari suatu sistem.dengan output dari suatu sistem. Hubungan sebab dan akibat Input Output Sistem Peramalan Deret Berkala memperlakukanPeramalan Deret Berkala memperlakukan sistemsistem sebagai kotak hitam.sebagai kotak hitam. Proses Bangkitan Input Output Sistem 6. Persyaratan PenggunaanPersyaratan Penggunaan Metode Kuantitatif:Metode Kuantitatif: 1.1. Tersedia informasi tentang masa lalu.Tersedia informasi tentang masa lalu. 2.2. Informasi tersebut dapat diInformasi tersebut dapat di kuantitatifkan dalam bentuk datakuantitatifkan dalam bentuk data numerik.numerik. 3.3. Dapat diasumsikan bahwa beberapaDapat diasumsikan bahwa beberapa aspek pola masa lalu akan terusaspek pola masa lalu akan terus berlanjut di masa mendatang.berlanjut di masa mendatang. 7. Langkah-langkah PeramalanLangkah-langkah Peramalan Definisikan tujuan peramalan.Definisikan tujuan peramalan. Plot data (Plot data (part familypart family) masa lalu.) masa lalu. Pilih metode-metode yang paling memenuhiPilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data.tujuan peramalan dan sesuai dengan plot data. Hitung parameter fungsi peramalan untukHitung parameter fungsi peramalan untuk masing-masing metode.masing-masing metode. HitungHitung fitting errorfitting error untuk semua metode yanguntuk semua metode yang dicoba.dicoba. Pilih metode yang terbaik, yaitu metode yangPilih metode yang terbaik, yaitu metode yang memberikanmemberikan errorerror paling kecil.paling kecil. Ramalkan permintaan untuk periode mendatangRamalkan permintaan untuk periode mendatang Lakukan verifikasi peramalan.Lakukan verifikasi peramalan. 8. Pola data metode deret berkala (1)Pola data metode deret berkala (1) 1.1. PolaPola horisontalhorisontal (H)(H) terjadi bilamana dataterjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan.berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkatSuatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasukatau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal ataujenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambarstasioner seperti ini dapat dilihat dalam Gambar 1.1.1.1. 2.2. PolaPola musimanmusiman (S)(S) terjadi bilamana suatu deretterjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnyadipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-harikuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produkpada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahanseperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkanbakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalanjenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2.dapat dilihat Gambar 1.2. 9. Pola data metode deret berkala (2)Pola data metode deret berkala (2) 3.3. PolaPola siklissiklis (C)(C) terjadi bilamana datanyaterjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangkadipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan denganpanjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk sepertisiklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya.mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3.Jenis pola ini dapat dilihat pada Gambar 1.3. 4.4. PolaPola trendtrend (T)(T) terjadi bilamana terdapatterjadi bilamana terdapat kenaikan atau penurunan sekuler jangkakenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualanpanjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagaibanyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenisindikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4.pola ini dapat dilihat pada Gambar 1.4. 10. Karakteristik trendKarakteristik trend KomponenKomponen AmplitudoAmplitudo PenyebabPenyebab SeasonalSeasonal 12 bulan12 bulan Liburan, musim,Liburan, musim, perioda finansialperioda finansial CyclicalCyclical 3-5 tahun3-5 tahun Ekonomi nasional,Ekonomi nasional, perubahan politikperubahan politik BisnisBisnis 1-5 tahun1-5 tahun Pemasaran, kompetisi,Pemasaran, kompetisi, performanceperformance Product lifeProduct life cyclecycle 1-5 tahun,1-5 tahun, makin pendekmakin pendek Substitusi produkSubstitusi produk 11. Metode Deret WaktuMetode Deret Waktu 1.1. ConstantConstant 2.2. Linier trendLinier trend 3.3. QuadraticQuadratic 4.4. ExponentialExponential 5.5. Moving AverageMoving Average 6.6. Exponential smoothingExponential smoothing 7.7. SeasonalSeasonal 12. 1. Metode Constant1. Metode Constant Dalam Metode Constant, peramalan dilakukan dengan mengambil rata-rata data masa lalu (historis). Rumus untuk metoda linier:Rumus untuk metoda linier: Keterangan: dt = Forecast untuk saat t t = time (independent variable) dt = demand pada saat t n = jumlah data n d d t t = n 1 ' 13. 2. Metode Linier trend2. Metode Linier trend ( ) = 22 2 ttn tdtdt a tt ( ) = 22 ttn dttdn b tt Keterangan: dt = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) dt = demand pada saat t n = jumlah data .....,3,2,1' =+= tbtad t Model ini menggunakan data yangModel ini menggunakan data yang secara random berfluktuasi membentuksecara random berfluktuasi membentuk garis lurus.garis lurus. Rumus untuk metoda linier:Rumus untuk metoda linier: 14. 3. Metode Quadratic (1)3. Metode Quadratic (1) Model ini menggunakan data yang secaraModel ini menggunakan data yang secara random berfluktuasi membentukrandom berfluktuasi membentuk kurva quadratic.kurva quadratic. Rumus untuk model quadratic:Rumus untuk model quadratic: ....,3,2,1)(' 2 =++= tctbtatd 2 =b Keterangan : 15. 3. Metode Quadratic (2)3. Metode Quadratic (2) == = n t n t tnt 1 4 2 1 2 == = = n t n t n t ttYntYt 11 1 )()( == = = n t n t n t tYtntYt 1 2 1 1 2 )()( == = = n t n t n t tntt 1 3 1 1 2 == = n t n t tnt 1 2 2 1 ))((b c = n t c n t b n tY a n t n t n t === = 1 2 11 )( 16. 4. Metode Exponential (1)4. Metode Exponential (1) Digunakan apabila persamaan a dan b tidak bisaDigunakan apabila persamaan a dan b tidak bisa dipecahkan dengan cara konvensional.dipecahkan dengan cara konvensional. Digunakan transformasi logaritma ke dalamDigunakan transformasi logaritma ke dalam situasi regresi.situasi regresi. Persamaan metode eksponensial :Persamaan metode eksponensial : bt ae(t)d' = Keterangan: dt = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta) 17. 4. Metode Eksponensial (2)4. Metode Eksponensial (2) Persamaan transformasi logaritma :Persamaan transformasi logaritma : [ ] btln(a))ln(eln(a)(t)d'ln bt +=+= Keterangan: dt = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta) 18