PERAMALAN (FORECASTING)

KELOMPOK 2 :Azrin Dhaniar Aprilia (0809289)

Dani Zulhaidar (0800595)Sintia Oktaviani (0807139)

Definisi Peramalan• Peramalan adalah seni dan ilmu untuk memprediksi masa depan.

• Peramalan adalah tahap awal, dan hasil ramalan merupakan basis

bagi seluruh tahapan pada perencanaan produksi.

• Proses peramalan dilakukan pada level agregat (part family); bila

data yang dimiliki adalah data item, maka perlu dilakukan

agregasi terlebih dahulu.

• Metode: Kualitatif dan kuantitatif.

• Terminologi: perioda, horison, lead time, fitting error, forecast

error, data dan hasil ramalan.

Meramal Horizon Waktu

• Peramalan jangka pendek, peramalan yang mencakup jangk waktu hingga 1 tahun tetapi umumnya kurang dari 3 bulan. Digunakan untuk perencanan pembelin, penjadwalan kerja, dll

• Peramalan jangka menengah, Mencakup hitungan bulanan hingga 3 tahun. Digunakan untuk perencanaan penjualan, anggaran produksi, anggaran kas, dll

• Peramalan jangka panjang, umumnya untuk perencanaan 3 tahun atau lebih. Digunakan untuk perencanaan pembuatan produk baru, pembelanjan modal, penelitian dan pengembanagn, dll

Jenis Peramalan

• Peramalan ekonomi, menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, Ketersediaan uang, dan indikator perencanaan lainnya.

• Peramalan teknologi, memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.

• Peramalan permintaan, proyeksi untuk produk atau layanan suatu perusahaan.

Langkah-langkah Peramalan• Menetapkan tujuan peramalan.• Memilih unsur apa yang akan diramal.• Menentukan horizo n waktu peramalan.• Memilih tipe model peramalan.• Mengumpulkan data yang diperlukan untuk menentukan

peramalan.• Membuat peramalan.• Memvalidasi dan menerapkan hasil peramalan

Tipe teknik peramalan adalah :

1. Metode Kualitatif. Berdasarkan pada keputusan, pendapat, pengalaman atau perkiraan sederhana untuk melakukan ramalan

2. Metode Kuantitatif. Berdasarkan pada metode matematis atau dalam bentuk statistik.

Tinjauan metode kualitatif

• Keputusan dari pendapat juri eksekutif• Metode Delphi• Gabungan dari tenaga penjualan• Survei pasar konsumen

Tinjauan metode kuantitatif

• Model time series:– Pendekatan naif– Rata-rata bergerak– Penghalusan eksponensial– Proyeksi tren

• Model asosiatif :– Regresi linear

Persyaratan Penggunaan

Metode Kuantitatif:1. Tersedia informasi tentang masa lalu.2. Informasi tersebut dapat di kuantitatifkan dalam

bentuk data numerik.3. Dapat diasumsikan bahwa beberapa aspek pola

masa lalu akan terus berlanjut di masa mendatang.

Pendekatan Naif

• Yaitu pendekatan kuantitatif yang mengasumsikan permintaan periode mendatang sama dengan periode kini

5. Metode Moving Average• Digunakan bila data-datanya :

- tidak memiliki trend- tidak dipengaruhi faktor musim

• Digunakan untuk peramalan dengan perioda waktu spesifik.

• Moving Average didefinisikan sebagai :

MA= ∑ permintaan n sebelumnya atau n

Keterangan :n = jumlah perioda dt = demand pada bulan ke t

n

dMA

n

1tt

n

Metode Exponential Smoothing (2)

a besar, smoothing yg dilakukan kecil a kecil, smoothing yg dilakukan semakin besar a optimum akan meminimumkan MSE, MAPE

111 tttt FAFF aES didefinisikan sebagai:

Keterangan: Ft = Peramalan yg ditentukan sebelumnya untuk periode tFt-1 = Ramalan untuk periode sebelumnyaAt-1 = permintaan aktual periode lalua = konstanta penghalus(pembobot) (0≤α≥1)

Metode perhitungan kesalahan peramalan :

nperamalanaktual

MAD )(Deviation AbsoluteMean a.

n

eramalankesalahanp)(MSEError SquaredMean b.

n

aktualramalanaktual i

n

iii /100

)(MAPEError Percent AbsoluteMean c. 1

Kesalahan Peramalan = permintaan aktual – nilai peramalan= A1 – f1

Penghalusan Eksponensial dengan Penyesuaian Tren

• Ft = α(At-1) + (1-α) (Ft-1 + Tt-1)• Tt = β(Ft - Ft-1) + (1-β) Tt-1

• Peramalan dengan tren (FITt) = peramalan penghalusan eksponensial (Ft) + tren penghalusan eksponensial (Tt)

 

2. Metode Linier trend

ˆ bxay

xbya

22 xnxyxnxy

b

Keterangan:ŷ= variable terikatα= persilangan sumbu yb= kemiringan garis regresix= Variable bebas∑= tanda penjumlahan totaly= nilai variable terkait

• Model ini menggunakan data yang secara random berfluktuasi membentuk garis lurus.

• Rumus untuk metoda linier:

rata..x-ratax..

yrataratay

Tiga persyaratan menggunakan metode kuadrat terkecil

• Selalu petakan data karena data kuadrat terkecil mengasumsikan adanya hubungan linear. Jika yang didapatkan adalah sebuah garis lengkung, maka analisis kurva linear mungkin diperlukan.

• Jangan memprediksikan periode waktu terlalu jauh di depan data yang diberikan.

• Deviasi di sekitar garis kuadrat terkecil diasumsikan acak. Mereka biasanya tersebar merata dengan hampir seluruh pengamatan dekat pada garis dan hanya sebagian kecil data jauh dari garis.

Variasi Musiman pada data

• Variasi musiman pada data adalah pergerakan yang reguler baik meningkat maupun menurun dalam kurun waktu tertentu

• Langkah variasi musiman data:– Menemukan rata-rata permintaa historis untuk setiap

musim– Menhitung Rata-rata permintaan untuk setiap bulan– Menghitung indeks musiman– Mengestimasi permintaan tahunan total untuk tahun depan– Membagi prediksi permintaan tahunan total dengan jumlah

musim

Variasi Siklus dalam Data

• Siklus adalah poladata yang muncul setiap beberapa tahun

• Cara terbaik untuk memprediksi siklus bisnis adalah dengan menemukan variable terdahulu yang berhubungan dengan data

Analisis regresi

• Analisis regresi merupakan suatu teknik matematis yang menghubungkan variabel independent dengan variabel dependent. Persamaan linier sebagai berikut :

• Dimana• ŷ = nilai variable terikat ( dalam contoh kita adalah

penjualan)• α= perpotongan sumbu y• b = kemiringan garis regresi• x = variable bebas•  

bxay

nxx 22 xnx

yxnxyb

xbya

Kesalahan standar dari suatu estimasi

• Titik prediksi adalah rata-rata(mean) atau nilai harapan (expected value) dari suatu distribusi penjualan yang mungkin. Untuk menghitung keakuratan regresi yang diperkirakan, kita harus menghitung kesalahan standar estimasi (standard error of the estimate), perhitungan ini disebut deviasi standar regresi (standard deviation of the regression) yang menghitung kesalahan dari variable terikat terhadap garis regresi dan bukan terhadap rata-rata.

• Dimana• y = nilai y untuk setiap titik data• Yc = nilai terhitung variable terikat, dari persamaan regresi• n = jumlah data

2

2

,

n

yyS c

xy

Koefisien korelasi untuk garis regresi

• Persamaan regresi dalah satu cara untuk menyatakan hubungan antara dua variable. Garis regresi bukanlah hubungan sebab akibat. Mereka menjelaskan hubungan antar variable. Persamaan regresi menunjukan bagaimana satu variable berhubungan pada nilai dan perubahan pada variable lain. Cara lain untuk mengevaluasi hubungan antara dua variable adalah dengan menghitung koefisien korelasi (coefficient of correlation). Koefisien korelasi adlah suatu bilangan antara +1 dan -1

• Perhitungan ini disebut juga koefisien determinasi (coefficient of determination) dan merupakan pengkuadratan sederhana koefisien korelasi.

2222 )()( yynxxn

yxxynr

Analisis Regresi berganda

• Regresi berganda (multiple regression) adalah lanjutan praktis dari model regresi sederhana. Regresi sederhana. Regresi berganda membolehkan kita membangun sebuah model dengan beberapa variable bebas, dan bukan dengan hanya satu variable.

• dimana• ŷ = nilai variable terikat ( dalam contoh kita adalah penjualan)• α = sebuah konstanta• b1 dan b2 = koefisien dari dua variable bebas• x1 dan x2 = nilai dua variable bebas berturut-turut, upah wilayah

dan tingkat suku bunga 

2211ˆ xbxbay

Pengawasan dan pengendalian peramalan

• Perusahaan perlu menetapkan keputusan atas perbedaan yang signifikan dengan yang diramalkan melalui variable yang dievaluasi. Satu cara untuk mengawasi peramalan berjalan dengan baik adalah dengan menggunakan sebuah sinyal penelusuran (tracking signal). Sinyal penelusuran adalah sebuah perhitungan seberapa baik peramala memprediksi nilai actual.

• Sinyal penelusuran dihitung sebagai running sum of the forecast errors (RSFE) dibagi dengan mean absolute deviation (MAD) :

•  • (Tracking signal) = RSFE/MAD

= ∑(permintaan aktual pada perioode I – ramalan permintaan periode I /MAD• Dimana

MAD = ∑|aktual-peramalan| / n• Sinyal penelusuran positif menandakan permintaan lebih besar dari ramalan.

Sinyal negative berarti permmintaan lebih sedikit dari ramalan. Sinyalpenelusuran yang bagus adalah yang memiliki RSFE rendah, mempunyai kesalahan positif yang sama dengan kesalahan negatifnya.

Penghalusan adaptif

• Penghalusan adaptif merupakan suatu pendekatan untuk melakukan peramalan penghalusan eksponensial dimana konstanta penghalusan secara otomatis berubah untuk menjaga jumlah kesalahan minimum.

Peramalan Fokus

• Peramalan focus adalah peramalan yang mencoba beragam model computer dan memilih yang terbaik untuk aplikasi tertentu.

• Peramaln focus didasarkn pada dua prinsip, yaitu:

1. Model peramalan yang canggih tidak selalu lebih baik dari model yang sederhana

2. Tidak ada satu teknik yang bias digunakan untuk semua produk dan jasa.

Kesimpulan

1. Peramalan merupakan tahapan awal dalam perencanaan sistem operasi produksi.

2. Model yang paling tepat harus dipilih dalam melakukan peramalan.

3. Model yang dipilih dapat dibandingkan dengan model yang lain dengan menggunakan kriteria minimum average sum of squared errors.

4. Distribusi forecast errors harus dimonitor, jika terjadi bias maka model yang digunakan tidak tepat.