Download - Copy of Peramalan
-
8/14/2019 Copy of Peramalan
1/20
Universitas Gunadarma
PERAMALAN
-
8/14/2019 Copy of Peramalan
2/20
PERAMALAN
Universitas Gunadarma
Kebutuhan Peramalan dalam ManajemenProduksi dan Operasi
Manajemen Operasi/produksi menggunakan hasil-hasilperamalan dalam pembuatan keputusan-keputusan yangmenyangkut pemilihan proses, perencanaan kapasitas, layout
fasilitas dan untuk berbagai keputusan yang bersifat continueberhubungan dengan perencanaan, schedulling dan persediaan.
-
8/14/2019 Copy of Peramalan
3/20
Universitas Gunadarma
Metode Peramalan
a. Top down forecasting
Dimulai dengan penggunaan hasil-hasil peramalan berbagaikondisi bisnis umum yang dibuat oleh para ahli ekonomi dalamlembaga pemerintah dan perusahaan besar serta universitas-universitas.
b. Bottom Up forecasting
Dimulai dengan perkiraan permintaan produk-akhirindividual. Peramal menerima estimasi dari orang-orangpenjualan, distribusi dan langganan.
-
8/14/2019 Copy of Peramalan
4/20
Universitas Gunadarma
Proses-proses Peramalan
PenentuanPenentuan tujuantujuan
PengujianPengujian modelmodel
PenerapanPenerapan modelmodel
PengembanganPengembangan modelmodel
RevisiRevisi dandan evaluasievaluasi
-
8/14/2019 Copy of Peramalan
5/20
Universitas Gunadarma
Teknik-Teknik Peramalan
Teknik-Teknik Peramalan
a. Teknik Kualitatif
Bersifat subyektif/judgementalBerdasar pada estimasi- estimasi dan pendapat- pendapat dari para
eksekutif, orang-orang penjualan, langganan, spesialis/ahli dariberbagai bidang.
1. Juri Opini eksekutif
2. Metode Delphi
3. Gabungan tenaga penjualan
4. Survei pasar
-
8/14/2019 Copy of Peramalan
6/20
-
8/14/2019 Copy of Peramalan
7/20
Universitas Gunadarma
3. Gabungan tenaga penjualan
Tenaga penjual merupakan sumbangan informasi yang baik tentangpermintaan konsumen. Tiap tenaga penjual meramalkan tingkatpenjualan di daerah, lalu digabung pada tingkat propinsi kemudiandigabung hingga tingkat nasional untuk mencapai peramalan
menyeluruh.
4. Survei pasar
Masukan dari konsumen/konsumen potensial terhadap rencanapembelian di masa datang.Peralatan peramalan yang berguna bila ada
kekurangan data historik/data tak reliabel. Digunakan untuk meramalpermintaan jangka panjang dan penjualan produk baru.
KelemahannyaKelemahannya::
Mahal dan sulit.
-
8/14/2019 Copy of Peramalan
8/20
Universitas Gunadarma
b. Teknik Kuantitatif
1. Time series (analisis runtun waktu)
Meramalkan kejadian di masa datang atas dasar serangkaiandata masa lalu, yang merupakan hasil observasi berbagai
variabel menurut waktu dan digambarkan dalam bentuk grafikyang menunjukan perilaku variable subjek.
Pola data dari serangkaian waktu: konstan kecendrungan (trend)
musiman (seasonal) siklus (cyclical)
-
8/14/2019 Copy of Peramalan
9/20
Universitas Gunadarma
Metode dasardari analisis runtun waktu:
Rata-rata bergerak
a. Rata-rata bergerak sederhana (Simple moving average)
Bobot tiap periode sama.
+
=
1Nt
ti
iXFt+1 = = Xt + Xt-1 + + Xt-N+1--------------- --------------------------------------------
N N
Dengan,
Ft = Nilai prakiraan untuk periode t
N = Jumlah deret waktu yang digunakan
Xi = Data pengamatan periode i
-
8/14/2019 Copy of Peramalan
10/20
Universitas Gunadarma
b. Rata-rata bergerak tertimbang
Tiap periode mempunyai bobot yang berbeda
Ft+1 = W t Xt + W t-1X t-1 + + W t-N+1 X t-N+1----------------------------------------------------------------
Wt + W t-1 + + W t-N+1
Dengan,
Wt = persentase bobot yang diberikan untuk periode t
Jika jumlah bobot = Wt + Wt-1 + + W t-N+1 = 100 % = 1,
maka rumus bisa disederhanakan menjadi:
Ft+1 = W t Xt + W t-1X t-1 + + W t-N+1 X t-N+1
-
8/14/2019 Copy of Peramalan
11/20
Universitas Gunadarma
Eksponensial Smoothing ( Pemulusan eksponensial)
a. Eksponensial Smoothing ( Pemulusan eksponensial) tunggal
Ada Tambahan parameter dalam model untuk mengurangi faktor kerandoman.Serial data yang diamati memiliki pola horisontal (stasioner).
Ft+1 = . Xt + ( 1 - ) F t
Dengan,
Ft = Nilai prakiraan untuk periode t
N = Jumlah deret waktu yang digunakan
= faktor/konstanta pemulusan
Xi = Data permintaan periode t
-
8/14/2019 Copy of Peramalan
12/20
Universitas Gunadarma
b. Eksponensial Smoothing ( Pemulusan eksponensial) linier
Serial data yang diamati memiliki unsur trend (kecendrungan).Metode yang digunakan metode Holt, dimana ada duaparameter, (alpha) dan (betha).
Pemulusan eksponential linier menggunakan persamaan sbb:
Ft+m = St + T t.m
Dengan,
St = . Xt + ( 1 - ) (St-1 + Tt-1)Tt = . (St - St-1) + (1-). Tt-1
-
8/14/2019 Copy of Peramalan
13/20
Universitas Gunadarma
Metode Dekomposisi
Mengidentifikasi komponen pola dasar yang ada pada serialdata, yaitu komponen trend, musiman dan siklus.
Xt = f (St , Tt , Ct , Rt )
Dimana:St = Komponen musiman pada periode tTt = Komponen trend pada periode tCt = Komponen siklus pada periode t
Rt = Komponen random (kesalahan) pada periode t
-
8/14/2019 Copy of Peramalan
14/20
Universitas Gunadarma
2.2. MetodeMetodekausalkausal
Merupakan teknik yang paling akurat.Umumnya membahas pendekatan sebab akibat (kausal atau yangbersifat menjelaskan (eksplanatoris), dan bertujuan untuk meramalkan
keadaan di masa yang akan datang dengan menemukan danmengukur beberapa variabel bebas (independen) yang penting besertapengaruhnya terhadap variabel tidak bebas yang akan diramalkan.
a. Analisa Regresi
b. Analisa Korelasi
-
8/14/2019 Copy of Peramalan
15/20
-
8/14/2019 Copy of Peramalan
16/20
Universitas Gunadarma
Nilai a dan b yang meminimalkan jumlah kesalahan kuadrat dapat
dicari dengan menggunakan persamaan berikut:
+= X).b(n.aY
+= ).bX(.a)X(X.Y 2
atau
)Y()X(-X.Y)( n
b = ------------------------------------
22 )X()X.(n
a = ------------------------------------
n
b).X(-X.Y
-
8/14/2019 Copy of Peramalan
17/20
Universitas Gunadarma
b. Analisa Korelasi
Mengukur derajat hubungan antara dua atau lebih variabel- variabeltanpa melihat bentuk hubungan dengan menggunakan koefisien r.
Bentuk umum persamaan matematikanya adalah sbb:
2)()2.(*2)()2.(
))(().(
YYnXXn
YXXYn
r =
Dimana nilai koefisien korelasi r terletak diantara 1 dan 1.
-
8/14/2019 Copy of Peramalan
18/20
Universitas Gunadarma
Bila kenaikan suatu variabel diikuti dengan kenaikan di dalam variabellain maka kedua variabel tersebut mempunyai korelasi positif (+) dan
nilai r mendekati atau sama dengan 1Bila kenaikan suatu variabel diikuti dengan penurunan pada variabellain maka kedua variabel tersebut mempunyai korelasi negatif (-) dannilai r mendekati atau sama dengan -1
Bila tak ada perubahan maka kedua variabel tersebut tidakmempunyai hubungan dan nilai r = 0
-
8/14/2019 Copy of Peramalan
19/20
Universitas Gunadarma
Pengukuran Kesalahan Forecast
MAD (Mean absolute deviation)
Merupakan perbedaan antara permintaan nyata dengan forecast.
Untuk periode tunggal:
ForecastDt Kesalahan forecast =
-
8/14/2019 Copy of Peramalan
20/20