ema302 3 peramalan forecasting 1

8/18/2019 EMA302 3 Peramalan Forecasting 1

1/44

EMA302 - Manajemen Operasional 1

PERAMALANERAMALAN

(FORECASTING)FORECASTING)

EMA302MA302 – Manajemenanajemen Operasionalperasional

ateriateri 33


2/44

Pengertianengertian … (1) (1)

Oxford Dictionary ,

“Forecast is a statement about what will happen in the

future, based on information that is available now”.

(Peramalan adalah pernyataan tentang apa yang akan

2

terjadi di masa depan, berdasarkan informasi yang

tersedia sekarang).

Peramalan adalah seni dan ilmu untuk memprediksi masa

depan.

Peramalan adalah tahap awal, dan hasil ramalanmerupakan dasar bagi seluruh tahapan pada perencanaan

produksi.

Materi #3EMA302 - Manajemen Operasional


3/44

Pengertianengertian … (2) (2)

Pada hakekatnya peramalan hanya merupakan suatu

perkiraan ( guess ), tetapi dengan menggunakan teknik-

teknik tertentu, maka peramalan menjadi lebih sekedar

perkiraan.

3

Peramalan dapat dikatakan perkiraan yang ilmiah

(educated guess ). Setiap pengambilan keputusan yang

menyangkut keadaan di masa yang akan datang, maka

pasti ada peramalan yang melandasi pengambilan

keputusan tersebut.

(Sofyan Assauri, 1984, hal. 1).



4/44

Mengapaengapa Perlurlu Peramalanramalan?

Ada ketidakpastian aktivitas produksi di masa

yang akan datang.

Kemampuan & sumber daya perusahaan yang

4

ter atas.

Untuk dapat melayani konsumen lebih baik,

melalui tersedianya hasil produksi yang baik.



5/44

Tujuanujuan Peramalanramalan

Mengurangi ketidakpastian produksi.

Agar langkah proaktif atau antisipatif dapat

5

.

Keperluan penjadwalan produksi.



6/44

Jenisenis Peramalaneramalan

6

Peramalan Ekonomi (economic forecast ), menjelaskan siklus

bisnis dengan memprediksi tingkat inflasi, ketersediaan uang,

dana yang dibutuhkan, dan indikator perencanaan lainnya.

Peramalan Teknologi (technical forecast ), memperhatikan

Peramalan Permintaan


Peramalan Ekonomi

Peramalan Teknologi

baru yang menarik, yang membutuhkan tempat produksi dan

peralatan yang baru.

Peramalan Permintaan(demand forecast ), proyeksi permintaan

untuk produk atau layanan suatu perusahaan. Disebut juga

peramalan penjualan, yang mengendalikan produksi, kapasitas,serta sistem penjadwalan dan menjadi input bagi perencanaan

keuangan, pemasaran, dan sumber daya manusia.


7/44

Validitas Peramalanaliditas Peramalan

Identifikasi masalahnya.

Pemilihan dan pengumpulan datanya (tidak

7

, , .

Pemilihan alat atau metode peramalannya.

Interprestasi hasil atau penerjemahan hasil.



8/44

Kegunaanegunaan Peramalaneramalan

Akuntansi Perkiraan biaya/keuntungan

Keuangan Arus kas dan pendanaan

Sumber daya manusia Perekrutan, pelatihan

8

Pemasaran Harga, promosi, strategi

Sistem informasi

manajemen Sistem IT/IS, pelayanan

Operasi Penjadwalan, MRP, beban kerja

Desain produk/jasa Produk dan jasa baru



9/44

Taksonomi Peramalanaksonomi Peramalan

9

Peramalan

Metode

Kualitatif

Juri Opini

Eksekutif

Metode

Kuantitatif

Time Series Kausal


Juri Opini

Eksekutif

Metode

Delphi

Tenaga

Penjualan

Survei Pasar

Regresi Smoothing

Rata-rata

Moving

Average

Exponential

Smoothing

Dekomposisi

Regresi

Linier

Koefisien

Korelasi

Pemodelan

Ekonomik


10/44

Metodeetode Kualitatifualitatif

Juri Opini Eksekutif, peramalan dilakukan oleh eksekutif

(manajer) tingkat atas perusahaan, karena kemampuan

yang mereka miliki.

Metode Delphi, dilakukan dengan melengkapi data untuk

Tenaga Penjualan

Survei Pasar

10

Juri Opini Eksekutif

Metode Delphi

pelanggan/konsumen/masyarakat.

Tenaga Penjualan, peramalan dilakukan dengan

memanfaatkan kedekatan tenaga penjual dengan

konsumen.

Survei Pasar, peramalan dilakukan dengan turun langsungke lapangan/pasar, sehingga diperoleh informasi langsung

dari pasar.



11/44

Metodeetode Kuantitatifuantitatif – Timeime Seriesries

11



12/44

Peramalan Permintaaneramalan Permintaan

Moving averages (time series dengan

komponen tren).

12

komponen tren).

Linear trend multiplicative model

(komponen tren dan musiman/sesaonal ).



13/44

Moving Averagesoving Averages … (1) (1)

Untuk mengatasi masalah menggunakan rata-rata

sederhana (simple average )

Teknik moving average menghasilkan perkiraan

-n

n

n

n

13

sebenarnya hanya untuk n periode waktu terakhir

(n sering pada kisaran 4 - 7).

Setiap data yang lebih dari n, maka diabaikan.

Nilai yang dipilih untuk n harus menjadi pilihan

terbaik untuk data historis yang tersedia.



14/44

Moving Averageoving Average

… (2) (2)

14

Secara matematis, persamaan moving average adalah:

Dimana:

Ft

= Peramalan untuk periode mendatang (periode t)

n

= Jumlah periode yang dirata-ratakan

At-1

= Jumlah aktual periode sebelumnya hingga periode n



15/44

Contohontoh 3.3.1 – Simple Moving Averageimple Moving Average

Pertanyaan

Berapa nilai peramalanpermintaan untuk 3mingguan dan 6mingguan dengan

Asumsi

Minggu Permintaan

1 650

2 678

3 720

4 785

15

Pertanyaan

mengguna an simp e moving average ?

Asumsi

Data aktual yang dimilikihanya 3 minggu dan 6minggu.

5 859

6 920

7 850

8 758

9 892

10 920

11 789

12 844



16/44

6-Week

682.67

3-Week

Jawaban Contohawaban Contoh 3.13.1

16

Minggu Permintaan

1 650

2 678

3 720

4 785

A

33

A

22

A

11

768.67

802.00

815.33

844.00

866.50

854.83

727.67

788.00

854.67

876.33

842.67

833.33

856.67

867.00


5 859

6 920

7 850

8 758

9 892

10 920

11 789

12 844


17/44

Contohontoh 3.3.2 – Simple Moving Averageimple Moving Average

Pertanyaan

Berapa nilai peramalanberikut untuk 3mingguan dan 5mingguan dengan

Asumsi

Minggu Permintaan

1 820

2 775

17

Pertanyaan

mengguna an simp e moving average ?

Asumsi

Data aktual yang dimilikihanya 3 minggu dan 5minggu.

3 680

4 655

5 620

6 600

7 575



18/44

5-Week 3-Week


18

Week Demand

1 820

2 775

710.00

666.00

758.33

703.33

651.67

625.00


3 680

4 655

5 620

6 600

7 575


19/44

Weightedeighted Movingving Averageerage … (1) (1)

Merupakan sebuah penyempurnaan dari

pendekatan simple moving average .

Dengan memeberikan bobot pada yang data

19

.

Secara umum, data terbaru memiliki bobot lebih

besar.

Tidak seperti simple moving average yang

menggunakan bobot yang sama.



20/44

Weightedeighted Movingving Averageerage … (1) (1)

20

Sebagai contoh, kita mungkin percaya bahwa data

terbaru adalah indikator terbaik dari sebuah kumpulan

data, tetapi untuk mencegah terjadinya fluktuasi acak,

disertakan tiga bobot data, masing-masing dengan


.

Daripada menggunakan bobot 1/4 atau 0.25, untuk 4

periode dalam moving average, dapat digunakan 0.10,

0.20, 0.30, dan 0.40 (catatan: jika dijumlahkan = 1.0).

Bobot lainnya mungkin 0.20, 0.20, 0.25, 0.35 atau 0.05,

0.10, 0.25, dan 0.60.


21/44

Persamaanersamaan Weightedeighted Movingving Averageerage

Dimana, Wt

adalah bobot yang diberikan untuk

"t“

21

W

t

t

ditambahkan harus sama dengan satu).



22/44


23/44


23

Minggu Permintaan

1 650

2 678

Peramalan

0.2

0.3


3 720

4 693.4

0.5


24/44

Contohontoh 3.43.4 –

Weighted M oving Averageeighted Moving Average

Minggu Permintaan Bobot (Weight)

24

Pertanyaan:

Tabel berikut merupakan data permintaan mingguan

berserta bobot. Berapa nilai peramalan untuk periode 5 atau

minggu ke-5.

Minggu Permintaan Bobot (Weight)

1 820 t -1 0.7

2 775 t -2 0.2

3 680 t -3 0.1

4 655



25/44


25

Minggu Permintaan

1 820

2 775

Peramalan

0.1


4 655

5 672

.

0.7


26/44

Exponentialxponential Smoothingoothing … (1) (1)

26

Exponential smoothing memiliki

keuntungan dibandingkan moving average

karena:


er ungan yang e se er ana, an

Persyaratan data yang diperlukan lebih

sedikit, terutama dalam situasi yang

memerlukan penggunaan data darisejumlah besar periode masa lalu.


27/44

Exponential Smoothingxponential Smoothing … (2) (2)

27

Perhitungan peramalan dengan exponential smoothing menggunakan persamaan berikut:

Peramalan Baru =

) Permintaan Aktual Periode Lalu + 1

)

Peramalan Periode Lalu

Peramalan Permintaan =

Peramalan Periode Lalu + Permintaan

Aktual Periode Lalu – Peramalan Periode Lalu)


Peramalan Baru =

) Permintaan Aktual Periode Lalu + 1

)

Peramalan Periode Lalu

Atau,

Peramalan Permintaan =

Peramalan Periode Lalu + Permintaan

Aktual Periode Lalu – Peramalan Periode Lalu)


28/44

Exponential Smoothingxponential Smoothing … (3) (3)

Dimana:

•

F

t = Nilai eramalan untuk eriode waktu t.

28

F

t

t

• Ft-1

= Nilai peramalan untuk 1 periode waktu

sebelum t.

•

A

t

-1 = Nilai aktual untuk 1 periode waktu t.• α = Konstanta smoothing alpha



29/44

Exponentialxponential Smoothingoothing … (4) (4)

Dimana adalah konstanta smoothing yang

nilainya harus antara 0 s/d 1.

Konstanta smoothin

da at diartikan

(1 )

29

sebagai bobot yang diberikan kepada nilai

data terakhir.

Bobot (1− ) diterapkan pada peramalan

terakhir.



30/44

Contohontoh 3.53.5 – Exponential Smoothingxponential Smoothing

Pertanyaan:

Tabel berikut ini merupakan

data permintaan mingguan,

berapa nilai exponential

Diasumsikan :

Minggu Permintaan

1 820

2 775

3 680

30

Pertanyaan:

waktu 2 s/d 10 dengan

α=0.10 dan α=0.60

Diasumsikan :

F1 = A1

5 750

6 802

7 798

8 689

9 775

10



31/44

Jawaban Contohawaban Contoh 3.5 … (1)3.5 … (1)

31

Kolom alpha (α) yang bersangkutan menunjukkan

nilai-nilai perkiraan.

Perhatikan bahwa peramalan hanya bisa

F1 A1

F1 (α=0.10) = 820.00

F1 (α=0.60) = 820.00


depan.

Karena F1 = A1 maka:

F1 (α=0.10) = 820.00

F1 (α=0.60) = 820.00


32/44


F2 = F1+

α A1

–

F1)

= 820 + 0.10(820 – 820)

= 820.00

F3 = F2 + α A2 – F2)

= 820 + 0.10(775 – 820)

= 815.50

F4 = F3 + α A3 – F3)

= 815.50 + 0.10(680. – 815.50)

= 801.95

Dst.

F2 = F1+

α A1

–

F1)

= 820 + 0.60(820 – 820)

= 820.00

F3 = F2 + α A2 – F2)

= 820 + 0.60(775 – 820)

= 793.00

F4 = F3 + α A3 – F3)

= 793.00 + 0.10(680. – 793.00)

= 725.20

Dst.

32

F (α=0.10) F (α=0.60)

F2 = F1

+

α A1

–

F1)

= 820 + 0.10(820 – 820)

= 820.00

F3 = F2+ α A2 – F2)

= 820 + 0.10(775 – 820)

= 815.50

F4 = F3+ α A3 – F3)

= 815.50 + 0.10(680. – 815.50)

= 801.95

Dst.

F2 = F1

+

α A1

–

F1)

= 820 + 0.60(820 – 820)

= 820.00

F3 = F2+ α A2 – F2)

= 820 + 0.60(775 – 820)

= 793.00

F4 = F3+ α A3 – F3)

= 793.00 + 0.10(680. – 793.00)

= 725.20

Dst.



33/44


33

Minggu Permintaan

F α

=0.10)

F α

=0.60)

1 820 820,00 820,00

2 775 820,00 820,00

3 680 815,50 793,00


, ,

5 750 787,26 683,08

6 802 783,53 723,23

7 798 785,38 770,49

8 689 786,64 787,00

9 775 776,88 728,20

10 776,69 756,28


34/44

Contohontoh 3.63.6 – Exponential Smoothingxponential Smoothing

Pertanyaan:

Berapa nilai peramalan

exponential smoothing

untuk periode waktu 2

Diasumsikan :

F1 A1

Minggu Permintaan

1 820

2 775

34

Pertanyaan:

.

Diasumsikan :

F1

=A1

3 680

4 655

5



35/44

820.00

820.00

F (α=0.50)

Jawabanawaban Contohontoh 3.63.6

35

Minggu Permintaan

1 820

2 775

797.50


3 680

4 655

5

F

2

= 820+(0.5)(820-820)

F

2

= 820

F

3

= 820+(0.5)(775-820)

F

3

= 797.50

738.75

696.88


36/44

Kesalahanesalahan Peramalaneramalan

36

Kesalahan peramalan

= Permintaan aktual – Nilai peramalan = A

t

– F

t

Ada 3 perhitungan yang paling banyak di kenal, yaitu:


= Permintaan aktual – Nilai peramalan = A

t

– F

t

ev as ata-rata so ut ean so u e ev a on – MAD).

Kesalahan Rata-rata Kuadrat (Mean Squared Error

– MSE).

Kesalahan Persen Rata-rata Absolut (Mean Absolute

Percent Error – MAPE).


37/44


38/44

MSESE

38

Merupakan selisih kuadrat antara nilai yang

diramalkan dan yang diamati

Menggunakan persamaan berikut:

A

t

F

t

n

t


At

= Permintaan aktual

periode ke-t

Ft

= Nilai peramalan

periode ke-t

n = Jumlah periode t

t = Periode


39/44

MAPEAPE

39

Masalah yang terjadi dengan MAD dan MSE adalah bahwa nilaikesalahan tergantung pada besarnya unsur yang diramal, jikaunsurnya dalam satuan ribuan, maka nilai kesalahan bisamenjadi sangat besar.

MAPE digunakan untuk menghindari masalah tersebut, yangdihitung sebagai rata-rata diferensiasi absolut antara nilai yang


,aktual.

Menggunakan persamaan berikut:

At

= Permintaan aktual

periode ke-t

F

t

= Nilai peramalan

periode ke-t

n = Jumlah periode t

t

= Periode


40/44

Contohontoh 3.73.7 – MAD, MSE, MAPEAD, MSE, MAPE

Pertanyaan:

Berapa nilai MAD, MSE, dan MAPE dari tabel nilai

peramalan berikut ini

Bulan Penjualan Peramalan

40

Bulan Penjualan Peramalan

1 220 n/a

2 250 255

3 210 205

4 300 320

5 325 315



41/44

Jawaban Contohawaban Contoh 3.7 … (MAD)3.7 … (MAD)

41

Bulan Penjualan Peramalan Deviasi Absolut

1 220 n/a

2 250 255

3 210 205

= |250 – 255| = 5

= |210 – 205| = 5


4 300 320

5 325 315

Jumlah

= |300 – 320| = 20

= |325 – 315| = 10

=

40

= 10

4

40


42/44


43/44

Jawaban Contohawaban Contoh 3.7 … (MAPE)3.7 … (MAPE)

43

Bulan Penjualan Peramalan 100 *(Deviasi Absolut/Aktual)

1 220 n/a

2 250 255

3 210 205

= 100 * (|‒5|/250) = 2.00%

= 100 * (|5|/210) = 2.38%


4 300 320

5 325 315

Jumlah

= 100 * (|‒20|/300) = 6.67%

= 100 * (|10|/325) = 3.08%

=

14.13%

= 3.53%

4

14.13%


44/44

Daftar Pustakaaftar Pustaka

44

Jay Heizer and Barry Render, Operation Management, 10th Ed.

Pearson Prentice Hall, 2011

Roger G. Schroeder and Susan Meyer Goldstein, Operations

Management: Contemporary Concepts and Cases, McGraw Hill,

2011

Manajemen Operasi

Manajemen Operasi

Manajemen Operasi: Konsep dan

Aplikasi


Operation Management

Operations

Management: Contemporary Concepts and Cases

o arsa osas , Manajemen Operasi, tra acana e a,Pangestu Subagyo, Manajemen Operasi, BPFE Yogyakarta, 2000

Lena Ellitan dan Lina Anatan, Manajemen Operasi: Konsep dan

Aplikasi, Refika Aditama, 2008

ema302 3 peramalan forecasting 1

Documents