Metode Peramalan
Metode Peramalan
(
Kompetensi Pokok bahasan
Kompetensi 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 kebutuhan
dalam upaya memenuhi kebutuhan
konsumen.
konsumen.
Memprediksi kebutuhan yang Memprediksi kebutuhan yang
diperlukan dalam proses produksi.
diperlukan dalam proses produksi. Mengerti tahapan dalam peramalan.Mengerti tahapan dalam peramalan.
Menentukan metode peramalan yang Menentukan metode peramalan yang
tepat.
Introduction
Introduction
Pokok bahasan ini merupakan Pokok bahasan ini merupakan
pokok bahasan yang mengkaji pokok bahasan yang mengkaji
perencanaan produksi melalui
perencanaan produksi melalui
penerapan metode peramalan. penerapan metode peramalan.
Teknik peramalan ini ditujukan Teknik peramalan ini ditujukan
untuk menghasilkan perencanaan untuk menghasilkan perencanaan
produksi yang akurat dalam
produksi yang akurat dalam
merespon permintaan pasar. merespon permintaan pasar.
Langkah Langkah pertama pertama dalam dalam
perencanaan operasi sistem
perencanaan operasi sistem
produksi adalah menentukan
produksi adalah menentukan
peramalan yang akurat terhadap peramalan yang akurat terhadap permintaan barang (produk) yang permintaan barang (produk) yang
Definisi Peramalan
Definisi Peramalan
Peramalan adalah seni dan ilmu untuk Peramalan adalah seni dan ilmu untuk
memprediksi masa depan.
memprediksi masa depan.
Peramalan adalah tahap awal, dan hasil ramalan Peramalan adalah tahap awal, dan hasil ramalan
merupakan basis bagi seluruh tahapan pada
merupakan basis bagi seluruh tahapan pada
perencanaan produksi.
perencanaan produksi.
Proses peramalan dilakukan pada level agregat Proses 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 terlebih
item, maka perlu dilakukan agregasi terlebih
dahulu.
dahulu.
Metode: Kualitatif dan kuantitatif.Metode: Kualitatif dan kuantitatif.
Terminologi: perioda, horison, Terminologi: perioda, horison, lead timelead time, , fitting fitting
error
Peramalan Eksplanatoris dan
Peramalan Eksplanatoris dan
Deret Berkala
Deret Berkala
Kedua pendekatan ini saling melengkapi dan Kedua pendekatan ini saling melengkapi dan
dimaksudkan untuk jenis penggunaan yg berbeda.
dimaksudkan untuk jenis penggunaan yg berbeda. Pendekatan ekspalanatoris mengasumsikan Pendekatan ekspalanatoris mengasumsikan
adanya hubungan sebab akibat di antara input
adanya 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 memperlakukan Peramalan Deret Berkala memperlakukan sistemsistem sebagai kotak hitam.
sebagai kotak hitam.
Proses Bangkitan
Input Output
Persyaratan Penggunaan
Persyaratan Penggunaan
Metode Kuantitatif:
Metode Kuantitatif:
1.
1.
Tersedia informasi tentang masa lalu.
Tersedia informasi tentang masa lalu.
2.
2.
Informasi tersebut dapat di
Informasi tersebut dapat di
kuantitatifkan dalam bentuk data
kuantitatifkan dalam bentuk data
numerik.
numerik.
3.
3.
Dapat diasumsikan bahwa beberapa
Dapat diasumsikan bahwa beberapa
aspek pola masa lalu akan terus
aspek pola masa lalu akan terus
berlanjut di masa mendatang.
Langkah-langkah Peramalan
Langkah-langkah Peramalan
Definisikan tujuan peramalan.Definisikan tujuan peramalan.
Plot data (Plot data (part familypart family) masa lalu.) masa lalu.
Pilih metode-metode yang paling memenuhi Pilih metode-metode yang paling memenuhi
tujuan peramalan dan sesuai dengan plot data.
tujuan peramalan dan sesuai dengan plot data.
Hitung parameter fungsi peramalan untuk Hitung parameter fungsi peramalan untuk
masing-masing metode.
masing-masing metode.
Hitung Hitung fitting errorfitting error untuk semua metode yang untuk semua metode yang
dicoba.
dicoba.
Pilih metode yang terbaik, yaitu metode yang Pilih metode yang terbaik, yaitu metode yang
memberikan
memberikan errorerror paling kecil. paling kecil.
Pola data metode deret berkala (1)
Pola data metode deret berkala (1)
1.
1. Pola Pola horisontal horisontal (H) (H) terjadi bilamana data terjadi bilamana data
berfluktuasi disekitar nilai rata-rata yg konstan.
berfluktuasi disekitar nilai rata-rata yg konstan.
Suatu produk yg penjualannya tdk meningkat
Suatu produk yg penjualannya tdk meningkat
atau menurun selama waktu tertentu termasuk
atau menurun selama waktu tertentu termasuk
jenis ini. Pola khas dari data horizontal atau
jenis ini. Pola khas dari data horizontal atau
stasioner seperti ini dapat dilihat dalam Gambar
stasioner seperti ini dapat dilihat dalam Gambar
1.1.
1.1.
2.
2. Pola Pola musiman musiman (S)(S) terjadi bilamana suatu deret terjadi bilamana suatu deret
dipengaruhi oleh faktor musiman (misalnya
dipengaruhi oleh faktor musiman (misalnya
kuartal tahun tertentu, bulanan, atau hari-hari
kuartal tahun tertentu, bulanan, atau hari-hari
pada minggu tertentu). Penjualan dari produk
pada minggu tertentu). Penjualan dari produk
seperti minuman ringan, es krim, dan bahan
seperti minuman ringan, es krim, dan bahan
bakar pemanas ruang semuanya menunjukkan
bakar pemanas ruang semuanya menunjukkan
jenis pola ini. Untuk pola musiman kuartalan
jenis pola ini. Untuk pola musiman kuartalan
dapat dilihat Gambar 1.2.
Pola data metode deret berkala (2)
Pola data metode deret berkala (2)
3.
3. Pola Pola siklis siklis (C) (C) terjadi bilamana datanya terjadi bilamana datanya
dipengaruhi oleh fluktuasi ekonomi jangka
dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan
panjang seperti yang berhubungan dengan
siklus bisnis. Contoh: Penjualan produk
siklus bisnis. Contoh: Penjualan produk
seperti mobil, baja, dan peralatan utama
seperti mobil, baja, dan peralatan utama
lainnya. Jenis pola ini dapat dilihat pada
lainnya. Jenis pola ini dapat dilihat pada
Gambar 1.3.
Gambar 1.3.
4.
4. Pola Pola trend trend (T)(T) terjadi bilamana terdapat terjadi bilamana terdapat
kenaikan atau penurunan sekuler jangka
kenaikan atau penurunan sekuler jangka
panjang dalam data. Contoh: Penjualan
panjang dalam data. Contoh: Penjualan
banyak perusahaan, GNP dan berbagai
banyak perusahaan, GNP dan berbagai
indikator bisnis atau ekonomi lainnya. Jenis
indikator bisnis atau ekonomi lainnya. Jenis
pola ini dapat dilihat pada Gambar 1.4.
Karakteristik trend
Karakteristik trend
Komponen
Komponen
Amplitudo
Amplitudo
Penyebab
Penyebab
Seasonal
Seasonal 12 bulan12 bulan Liburan, musim, Liburan, musim, perioda finansial
perioda finansial
Cyclical
Cyclical 3-5 tahun3-5 tahun Ekonomi nasional, Ekonomi nasional, perubahan politik
perubahan politik
Bisnis
Bisnis 1-5 tahun1-5 tahun Pemasaran, kompetisi, Pemasaran, kompetisi, performance
performance
Product life
Product life
cycle
Metode Deret Waktu
Metode Deret Waktu
1.
1.
Constant
Constant
2.
2.
Linier trend
Linier trend
3.
3.
Quadratic
Quadratic
4.
4.
Exponential
Exponential
5.
5.
Moving Average
Moving Average
6.
6.
Exponential smoothing
Exponential smoothing
7.
1. Metode Constant
1. Metode Constant
• Dalam Metode Constant, peramalan
dilakukan dengan mengambil rata-rata
data masa lalu (historis).
•
Rumus untuk metoda linier:
Rumus untuk metoda linier:
Keterangan:
d’t = Forecast untuk saat t
t = time (independent variable)
dt = demand pada saat t
n = jumlah data
n
d
d
t
t
n
1
2. Metode Linier trend
2. Metode Linier trend
a = interceptb = kemiringan garis
t = time (independent variable)
dt = demand pada saat t
•
Model ini menggunakan data yang
Model ini menggunakan data yang
secara random berfluktuasi membentuk
secara random berfluktuasi membentuk
garis lurus.
garis lurus.
3. Metode Quadratic (1)
3. Metode Quadratic (1)
Model ini menggunakan data yang secara Model ini menggunakan data yang secara
random berfluktuasi membentuk
random berfluktuasi membentuk
kurva quadratic.
kurva quadratic.
Rumus untuk model quadratic:Rumus untuk model quadratic:
....
,
3
,
2
,
1
)
(
'
t
a
bt
ct
2t
d
2
3. Metode Quadratic (2)
3. Metode Quadratic (2)
4. Metode Exponential (1)
4. Metode Exponential (1)
Digunakan apabila persamaan a dan b tidak bisa Digunakan apabila persamaan a dan b tidak bisa
dipecahkan dengan cara konvensional.
dipecahkan dengan cara konvensional.
Digunakan transformasi logaritma ke dalam Digunakan transformasi logaritma ke dalam
situasi regresi.
situasi regresi.
Persamaan metode eksponensial :Persamaan metode eksponensial : bt
ae
(t)
d'
Keterangan:d’t = Forecast untuk saat t a = intercept
b = kemiringan garis
4. Metode Eksponensial (2)
4. Metode Eksponensial (2)
Persamaan transformasi logaritma :
Persamaan transformasi logaritma :
d'
(t)
ln(a)
ln(e
)
ln(a)
bt
ln
bt
Keterangan:
d’t = Forecast untuk saat t a = intercept
b = kemiringan garis
5. Metode Moving Average (1)
5. Metode Moving Average (1)
Digunakan bila data-datanya :Digunakan bila data-datanya :
- tidak memiliki trend
- tidak memiliki trend
- tidak dipengaruhi faktor musim
- tidak dipengaruhi faktor musim
Digunakan untuk peramalan dengan perioda Digunakan untuk peramalan dengan perioda
waktu spesifik.
waktu spesifik.
Moving Average didefinisikan sebagai :Moving Average didefinisikan sebagai :
Keterangan :
Keterangan :
n = jumlah perioda
n = jumlah perioda
d
dtt = demand pada bulan ke t = demand pada bulan ke t
n d MA
n
1 t
t n
5. Metode Moving Average (2)
5. Metode Moving Average (2)
Peramalan jangka pendek lebih baik
Peramalan jangka pendek lebih baik
dibandingkan jangka panjang.
dibandingkan jangka panjang.
Kelemahan : tidak cocok untuk pola data
Kelemahan : tidak cocok untuk pola data
trend atau pola data musiman.
6. Metode Exponential Smoothing (1)
6. Metode Exponential Smoothing (1)
Kesalahan peramalan masa lalu
Kesalahan peramalan masa lalu
digunakan untuk koreksi peramalan
digunakan untuk koreksi peramalan
berikutnya.
berikutnya.
Dihitung berdasarkan hasil peramalan +
Dihitung berdasarkan hasil peramalan +
kesalahan peramalan sebelumnya.
6. Metode Exponential Smoothing (2)
6. Metode Exponential Smoothing (2)
besar, smoothing yg dilakukan kecilbesar, smoothing yg dilakukan kecil
kecil, smoothing yg dilakukan semakin kecil, smoothing yg dilakukan semakin
besar
besar
optimum akan meminimumkan MSE, optimum akan meminimumkan MSE,
MAPE
MAPE
t t
t
D
F
F
1
(
1
)
ES didefinisikan sebagai:
ES didefinisikan sebagai:
Keterangan:
Keterangan:
F
Ft+1t+1 = Ramalan untuk periode berikutnya = Ramalan untuk periode berikutnya D
Dtt = Demand aktual pada periode t = Demand aktual pada periode t F
Ftt = Peramalan yg ditentukan sebelumnya untuk periode t = Peramalan yg ditentukan sebelumnya untuk periode t
7. Metode Seasonal
7. Metode Seasonal
Demand meningkat karena pengaruh
Demand meningkat karena pengaruh
tertentu atau berdasarkan waktu.
tertentu atau berdasarkan waktu.
Nilai/harga faktor seasonal antar 0 dan 1.
Nilai/harga faktor seasonal antar 0 dan 1.
Formulasi peramalan pada tahun ke i :
Formulasi peramalan pada tahun ke i :
d’
d’
ii= a + b
= a + b
ttKeterangan :
Keterangan :
d’
d’
ii= peramalan untuk saat ke i
= peramalan untuk saat ke i
t = perioda waktu (bulan, minggu, dll)
t = perioda waktu (bulan, minggu, dll)
Formulasi Peramalan Seasonal :
Formulasi Peramalan Seasonal :
SF
Forecasting Errors & Tracking Signals
Forecasting Errors & Tracking Signals
3 metode perhitungan kesalahan
3 metode perhitungan kesalahan
Verifikasi (1)
Verifikasi (1)
Salah satu metode verifikasi adalah Moving Range Salah satu metode verifikasi adalah Moving Range
Chart (MRC).
Chart (MRC).
Moving Range (MR) didefinisikan sebagai :Moving Range (MR) didefinisikan sebagai :
MR = |d’
MR = |d’
t t– d
– d
tt| – |d’
| – |d’
t-1t-1– d
– d
t-1t-1|
|
Keterangan :
Keterangan :
d’
d’
t t= ramalan pada bulan ke t
= ramalan pada bulan ke t
d
d
t t= kebutuhan pada bulan ke t
= kebutuhan pada bulan ke t
d’
d’
t–1 t–1= ramalan pada bulan ke t-1
= ramalan pada bulan ke t-1
Verifikasi (2)
Verifikasi (2)
Rata-rata MR dihitung :Rata-rata MR dihitung :
Batas kontrol atas (UCL), batas kontrol Batas kontrol atas (UCL), batas kontrol
bawah (LCL), dan garis tengah (CL)
bawah (LCL), dan garis tengah (CL) 1
n
MR MR
1 n
1
i i
0
CL 2,66MR
LCL
MR 66
, 2 UCL
Verifikasi (3)
Verifikasi (3)
0
d'
- d
Re
gio
n A
Re
gio
n B
Re
gio
n C
Batas kontol bawah Garis tengah
Re
gio
n C
Re
gio
n B
Re
gio
n A Batas kontrol atas
Perioda
Verifikasi (4)
Verifikasi (4)
Pengujian out of kontrol :Pengujian out of kontrol :
Dari 3 titik yang berurutan, 2 titik atau lebih Dari 3 titik yang berurutan, 2 titik atau lebih
berada di daerah A.
berada di daerah A.
Dari 5 titik yang berurutan, 2 titik atau lebih Dari 5 titik yang berurutan, 2 titik atau lebih berada di daerah B.
berada di daerah B.
Dari 8 titik yang berurutan, seluruhnya Dari 8 titik yang berurutan, seluruhnya berada di atas atau di bawah
berada di atas atau di bawah center line.center line.
Verifikasi (5)
Verifikasi (5)
Contoh Soal: Kasus Peramalan Konstan
Contoh Soal: Kasus Peramalan Konstan
28.2 -LCL
28.2 UCL
10.6 11
117 MR
MR = |d’
Verifikasi (6)
Verifikasi (6)
Gambar 2. Peta Kendali Peramalan Konstan -30
-20 -10 0 10 20 30
J F M A M J J A S O N D
Bulan
d
'
d
CL UCL = +28.2
Verifikasi (7)
Verifikasi (7)
Bila kondisi out of control terjadi.
Bila kondisi out of control terjadi.
Perbaiki ramalan dengan memasukkan
Perbaiki ramalan dengan memasukkan
data baru.
data baru.
Contoh Metode Constant
Contoh Metode Constant
Contoh Metode Linear trend
Contoh Metode Linear trend
Contoh Metode Quadratic
Contoh Metode Quadratic
Contoh Metode Eksponensial
Contoh Metode Eksponensial
t
5 18.4718.47 2.922.92 14.6014.60 2525
Contoh Metode Moving Average
Contoh Metode Moving Average
Bulan
Bulan t d t dtt MA 3 bulan MA 3 bulan MA 5 bulanMA 5 bulan
Jan
Jan 1 10 - 1 10 - - - Feb
Feb 2 12 - 2 12 - - - Mar
Mar 3 13 - 3 13 - - - Apr
Apr 4 16 (10+12+13)/3=11,66 4 16 (10+12+13)/3=11,66 - -Mei
Mei 5 19 (12+13+16)/3=13,66 5 19 (12+13+16)/3=13,66 - - Jun
Jun 6 23 (13+16+19)/3=16,00 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14 (10+12+13+16+19)/5 = 14 Jul
Jul 7 26 (16+19+23)/3=19,33 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6 (12+13+16+19+23)/5 = 16,6
n
d
MA
n
1 t
t
n
Contoh Metode Exponential
Contoh Metode Exponential
Smoothing
Smoothing
Period
Period DemandDemand Forecast , FForecast , Ft+1t+1
=0.3=0.3 =0.5=0.5
1
1 3737 -- -
-2
2 4040 3737 3737 3
3 4141 37.937.9 38.538.5 4
4 3737 38.8338.83 39.7539.75 5
5 4545 38.2838.28 38.3738.37 6
6 5050 40.2940.29 41.6841.68 7
7 4343 43.2043.20 45.8445.84 8
8 4747 43.1443.14 44.4244.42 9
9 5656 44.3044.30 45.7145.71 10
10 5252 47.8147.81 50.8550.85 11
11 5555 49.0649.06 51.4251.42 12
12 5454 50.8450.84 53.2153.21 51.79
51.79 53.6153.61
t t
t
D
F
Contoh Metode Seasonal (1)
Contoh Metode Seasonal (1)
Year
Year Demand (x 1000)Demand (x 1000)
Kwartal-1
Kwartal-1 Kwartal-2Kwartal-2 Kwartal-3Kwartal-3 Kwartal-4Kwartal-4 TotalTotal 1992
42 29.529.5 21.921.9 55.355.3 148.7148.7
Perhitungan faktor bobot:
a = 40.97
a = 40.97
b = 4.3
b = 4.3
y = 40.97 + 4.3 t
y = 40.97 + 4.3 t
Untuk tahun 1995 (t =4) diperoleh 58.17
Untuk tahun 1995 (t =4) diperoleh 58.17
Peramalan utk tiap kwartal:
Peramalan utk tiap kwartal:
SF
SF
11= S
= S
11.F
.F
55= .28 (58.7)
= .28 (58.7)
= 16.28
= 16.28
SF
SF
22= 11.63
= 11.63
SF
SF
33= 8.73
= 8.73
SF
SF
44= 21.53
= 21.53
Kesimpulan
Kesimpulan
1.
1.
Peramalan merupakan tahapan awal
Peramalan merupakan tahapan awal
dalam perencanaan sistem operasi
dalam perencanaan sistem operasi
produksi.
produksi.
2.
2.
Model yang paling tepat harus dipilih
Model yang paling tepat harus dipilih
dalam melakukan peramalan.
dalam melakukan peramalan.
3.
3.
Model yang dipilih dapat dibandingkan
Model yang dipilih dapat dibandingkan
dengan model yang lain dengan
dengan model yang lain dengan
menggunakan kriteria
menggunakan kriteria
minimum
minimum
average
average
sum of squared errors
sum of squared errors
.
.
4.4.