Professional Documents
Culture Documents
E. Susy Suhendra
3-1
Ramalan:
Sebuah pernyataan tentang nilai di masa
mendatang dari sebuah variabel yang ingin
diketahui, seperti permintaan (demand).
Peramalan digunakan untuk membuat
keputusan bernilai.
Jangka panjang
Jangka pendek
3-2
Ramalan
Ramalan mempengaruhi keputusan-
keputusan dan aktivitas dalam sebuah
organisasi
Akuntasi, Keuangan
Sumberdaya Manusia
Pemasaran
Sistem Informasi Manajemen (SIM)
Operasional
Disain produk/jasa
3-3
Penggunaan Ramalan
3-5
Ciri-ciri ramalan
Beranggapan sistem kasual
masa lalu ==> masa depan
Ramalan jarang sempurna, oleh karena
tingkat keacakan
Ramalan lebih akurat untuk group
daripada individu
Tingkat akurasi ramalan menurun
sejalan dengan meningkatnya
cakrawala waktu
3-6
Unsur-unsur ramalan yang baik
Tepat waktu
Handal Akurat
Tertulis
3-7
Langkah-langkah proses peramalan
“The forecast
/ramalan”
6) Monitor ramalan
5) Lakukan peramalan
4) Dapatkan, “bersihkan” dan analisa data
3) Pilih teknik ramalan
2) Tetapkan batas waktu
1) Tetapkan maksud /tujuandari ramalan
3-8
Jenis-jenis Ramalan
3-9
Ramalan berdasarkan penilaian (Judgmental
Forecast)
Pendapat atasan
Pendapat tenaga penjual
Survei konsumen
Pendapat dari luar
Metode Delphi
Pendapat dari manajer dan staf
Mencapai ramalan secara kosensus
3-10
Ramalan serial waktu (times series)
Tren – pergerakan jangka panjang dalam
data
Musiman- variasi tetap jangka pendek
dalam data
Siklus – variasi-variasi bergelombang dari
lebih dari satu tahun
Variasi tak beraturan – disebabkan
kejadian-kejadian yang tidak biasanya
Variasi acak – disebabkan karena
kesempatan
3-11
Variasi-variasi Ramalan
Gambar 3.1
Variasi tak
beraturan
Tren (kecenderungan)
Siklus
90
89
88
Variasi musiman
3-12
Peramalan berdasarkan data
runut waktu (serial data)
Metode Naif (Naïve Method)
Teknik Perata-rataan
Metode rata-rata bergerak
Metode rata-rata bergerak tertimbang
Metode pemulusan pangkat (exponential
smoothing)
Teknik untuk tren
Tren linear
3-13
Metode Naif
Periode ke-1 = 200
Periode ke-2 = 230
Periode ke-3 = ?
3-14
Teknik-teknik Perata-rataan
3-15
Rata-rata Bergerak
Rata-rata Bergerak – Sebuah teknik yang
merata-ratakan sebuah angka dari nilai aktual
terbaru, diperbaharui sebagai nilai-nilai baru
yang tersedia. At-n + … At-2 + At-1
Ft = MAn=
n
Rata-rata bergerak tertimbang – Nilai-nilai baru
dalam sebuah rangkaian diberikan berat lebih
dalam peramalan.
wnAt-n + … wn-1At-2 + w1At-1
Ft = WMAn=
n
3-16
Rata-rata Bergerak Sederhana
Actual
MA5
47
45
43
41
39
37 MA3
35
1 2 3 4 5 6 7 8 9 10 11 12
3-18
Exponential Smoothing
3-19
Contoh 3 - Exponential Smoothing
3-20
Nilai Alpha
Nilai α 0 < α < 1
3-21
Memilih Nilai Alpha
Actual
50
.4
.1
Demand
45
40
35
1 2 3 4 5 6 7 8 9 10 11 12
Period
3-22
Kencenderungan umum nonlinear
Gambar 3.5
Parabolic
Exponential
Growth
3-23
Rumus Tren Linear
Ft
Ft = a + bt
0 1 2 3 4 5 t
Ft = Forecast for period t
t = Specified number of time periods
a = Value of Ft at t = 0
b = Slope of the line
3-24
Menghitung a dan b
n (ty) - t y
b =
2
n t - ( t) 2
y - b t
a =
n
3-25
Contoh Rumus Tren Linear
t y
2
Week t Sales ty
1 1 150 150
2 4 157 314
3 9 162 486
4 16 166 664
5 25 177 885
3-26
Penghtiungan Tren Linear
5 (2499) - 15(812) 12495-12180
b = = = 6.3
5(55) - 225 275 -225
812 - 6.3(15)
a = = 143.5
5
y = 143.5 + 6.3t
3-27
Teknik-teknik untuk Musiman
Variasi-variasi Musiman
Pergerakan tetap yang berulang dalam rangakaian-
rangkaian nilai yang bisa dihubungkan dengan
kejadian-kejadian berulang.
Musiman relatif
Persentase dari rata-rata atau tren (kecenderungan)
Rata-rata
Sebuah rata-rata bergerak yang ditempatkan pada
pusat data yang telah digunakan untuk
menghitungnya.
3-28
Peramalan Asosiatif (Associative Forecasting)
4 15 40
14 25 30
15 27 20
10
16 24
0
12 20 0 5 10 15 20 25
14 27
20 44
15 34 Sebuah garis lurus dicocokan ke suatu
7 17 rangakaian nilai
3-30
Asumsi-asumsi Regresi Linear
Variasi-variasi di sekitar garis adalah acak
Penyimpangan-penyimpangan di sekitar garis
didistribusikan secara normal
Prediksi-prediksi dibuat hanya dalam jangkauan
nilai yang diteliti
Untuk hasil terbaik:
Selalu tandai data untuk membuktikan
linearitasnya
Memeriksa data bergantung waktu
Hubungan kecil bisa menyatakan bahwa
variabel-variabel lain juga penting
3-31
Akurasi Ramalan
Kesalahan (Error) – perbedaan antara nilai aktual
dan nilai ramalan
Mean Absolute Deviation (MAD)
Rata-rata kesalahan mutlak (Average absolute error)
Mean Squared Error (MSE)
Rata-rata kesalahan berpangkat (Average of squared
error)
Mean Absolute Percent Error (MAPE)
Rata-rata persentase kesalahan mutlak (Average
absolute percent error)
3-32
MAD, MSE, and MAPE
Actual forecast
MAD =
n
2
( Actual forecast)
MSE =
n -1
3-33
MAD, MSE dan MAPE
MAD
Mudah dihitung
Menimbang (menghitung) kesalahan secara linear
MSE
Kesalahan dipangkatkan dua
Beban lebih untuk kesalahan (erorr) yang lebih
besar
MAPE
Menempatkan kesalahan-kesalahan (errors)
berdasarkan penyebabnya
3-34
Contoh
MAD= 2.75
MSE= 10.86
MAPE= 1.28
3-35
Pengawasan Ramalan
Grafik Pengawasan (Control Chart)
Alat untuk mengawasi kesalahan-kesalahan
ramalan secara visual
Digunakan untuk menemukan ketidak-
serempangan dalam kesalahan-kesalahan
Kesalahan-kesalahan peramalan berada
dalam kendali jika
Semua kesalahan berada dalam batas
kendali
Muncul dengan tidak berbentuk, seperti tren
atau siklus
3-36
Sumber-sumber kesalahan
ramalan
Model peramalan mungkin tidak cukup
Variasi-variasi yang tak beraturan
Kesalahan penggunaan teknik
peramalan
3-37
Memilih teknik peramalan
Tidak ada teknik yang berfungsi di setiap
situasi
Dua faktor yang paling penting
Biaya
Akurasi
Faktor lain termasuk ketersediaan dari:
Data historis (masa lalu)
Komputer
Waktu yang dibutuhkan untuk mengumpulkan
dan menganalisa data
Cakrawala ramalan (forecast horizon) 3-38
Strategi Operasi
Ramalan-ramalan adalah berbasis pada banyak
keputusan-keputusan
Berusaha untuk memperbaiki ramalan jangka
pendek
Akurasi ramalan-ramalan jangka pendek
memperbaiki:
Keuntungan
Menurunkan tingkat persediaan
Mengurangi keterbatasan persediaan
Memperbaiki tingkat layanan konsumen
Mempertinggi tingkat kepercayaan terhadap ramalan
3-39
Ramalan rantai suplai
Membagi ramalan dengan suplai dapat
Memperbaiki kualitas dalam rantai suplai
Menurunkan biaya-biaya
Memperpendek waktu tunggu
3-40
Exponential Smoothing
3-41
Rumus Tren Linear
3-42
Regresi Linear Sederhana
3-43
Pertanyaan?
3-44