3 Peramalan Permintaan Print
20
METODE PERAMALAN PERMINTAAN • Metode bebas (freehand method) • Metode setengah rata-rata (semi average method) • Metode rata-rata bergerak (moving average method) • Metode kwadrat terkecil (least quares method) Dosen: Febriyanto, S.E., M.M.
description
tugas peramalan
Transcript of 3 Peramalan Permintaan Print
METODE PERAMALAN PERMINTAAN•Metode bebas (freehand method)•Metode setengah rata-rata (semi average method) •Metode rata-rata bergerak (moving average method)•Metode kwadrat terkecil (least quares method)
Dosen: Febriyanto, S.E., M.M.
Peramalan Permintaan Peramalan (forecasting) merupakan alat bantu yang penting
dalam perencanaan yang efektif dan efisien. Peramalan mempunyai peranan langsung pada peristiwa
eksternal yang pada umunya berada di luar kendali manajemen. Seperti: pelanggan, pesaing, pemerintah dan lain
sebagainya. Peramalan permintaan manajemen operasi:
perencanaan skedul produksi, perencanaan pemenuhan kebutuhan bahan, perencanaan kebutuhan tenaga kerja, perencanaan kapasitas produksi, perencanaan layout fasilitas, penentuan lokasi, penentuan metode proses, penentuan jumlah mesin dan lain sebagainya.
Peramalan Permintaan
Metode Peramalan Permintaan Metode kuantitatif dapat dibagi ke dalam deret berkala atau
runtun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi mejadi metode eksploratoris dan normatif.
Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu:1. Tersedia informasi tentang masa lalu2. Informasi dapat dikuantitatifkan dalam bentuk data numerik 3. Diasumsikan pola masa lalu akan terus berlanjut.
Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu:Metode bebas (freehand method)Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method)Metode kwadrat terkecil (least quares method)
1. Metode Bebas
2. Metode setengah rata-rata (semi average method)
Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut:
Y' = ao + bx Keterangan
Y’ : nilai trend periode tertentua : nilai trend periode dasarb : tambahan trend tahunan yang dihitung dengan cara (X2
– X1)/nX2 : setengah rata-rata kelompok keduaX1 : setengah rata-rata kelompok pertaman : jumlah periode antara x2 dan x1
X : jumlah unit tahun yang dihitung dari periode dasar.
2. Metode setengah rata-rata (semi average method)
ao = a1988 = 332.200
b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480
2. Metode setengah rata-rata (semi average method)
Nilai trend permulaan tahun 1986-1995 adalah: ao = a1988 = 319.200
b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480
Y1986 = 332.200 + 25.480 (-2,5) = 268.500 Y1987 = 332.200 + 25.480 (-1,5) = 293.980 Y1988 = 332.200 + 25.480 (-0,5) = 319.460 Y1989 = 332.200 + 25.480 ( 0,5) = 344.940 Y1990 = 332.200 + 25.480 ( 1,5) = 370.420 Y1991 = 332.200 + 25.480 ( 2,5) = 395.900 Y1992 = 332.200 + 25.480 ( 3,5) = 421.380 Y1993 = 332.200+ 25.480 (4,5) = 446.860 Y1994 = 332.200 + 25.480 ( 5,5) = 472.340 Y1995 = 332.200 + 25.480 ( 6,5) = 497.820
2. Metode setengah rata-rata (semi average method)
Misalnya: Nilai trend permulaan tahun 1986-1995 adalah: ao = a1993 = 459.600 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480
Nilai trend permulaan tahun 1986-1995 adalah: Y1986 = 459.600+ 25.480 (-7,5) = 268.500 Y1987 = 459.600+ 25.480 (-6,5) = 293.980 Y1988 = 459.600+ 25.480 (-5,5) = 319.460 Y1989 = 459.600+ 25.480 (-4,5) = 344.940 Y1990 = 459.600+ 25.480 (-3,5) = 370.420 Y1991 = 459.600+ 25.480 (-2,5) = 395.900 Y1992 = 459.600+ 25.480 (-1,5) = 421.380 Y1993 = 459.600+ 25.480 (-0,5) = 459.600 Y1994 = 459.600+ 25.480 ( 0,5) = 472.340 Y1995 = 459.600+ 25.480 ( 1,5) = 497.820
2. Metode setengah rata-rata (semi average method)
3. Metode Single Moving Average
Metode single moving average○ Cara menghitung:
Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar rata-rata 3 bulan sebelumnya.
Rumus:
St+1 = Forecast untuk periode ke t + 1
Xt = Data periode t
n = Jangka waktu moving averages.
n
X ...X XS 1n-t1-tt
1t
3. Metode Single Moving Average
Misal: Jika forecast dengan metode 3 bulan moving averages
untuk bulan April adalah Penjualan Januari 20.000 kg
Februari 21.000 kg
Maret 19.000 kg
3
X X XS 123
4
3
20.000 21.000 19.000S4
000.20S4
3. Metode Single Moving Average
BulanBulan Permintaan Permintaan ForecastForecast
3 bulan3 bulan 5 bulan5 bulan
JanuariJanuari
FebruariFebruari
MaretMaret
AprilApril
MeiMei
JuniJuni
JuliJuli
AgustusAgustus
SeptemberSeptember
OktoberOktober
NovemberNovember
DesemberDesember
2020
2121
1919
1717
2222
2424
1818
2323
2020
2525
2222
2424
--
--
--
20.0020.00
19.0019.00
19.3319.33
21.0021.00
21.3321.33
21.6721.67
20.3320.33
22.6722.67
22.3322.33
--
--
--
--
--
19.8019.80
20.6020.60
20.0020.00
20.8020.80
21.4021.40
22.0022.00
21.6021.60
3. Metode Single Moving Average Metode Single Moving Average ini biasanya lebih cocok digunakan
untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya.
Metode Single Moving Average mempunyai 2 sifat khusus: Untuk membuat forecast diperlukan data masa lalu selama jangka
waktu tertentu. Semakin panjang moving averages, maka akan menghasilkan
moving averages yang semakin halus.
Menghitung forecast error Mean absolute error =>
Mean squared error =>
tt S XE
n
SXE
2tt
3. Metode Single Moving Average
BulanBulan Permintaan Permintaan 3 bulan3 bulan
ForecastForecast ErrorError AbsolutAbsoluteerroreerror
(Error)(Error)22
JanuariJanuari
FebruariFebruari
MaretMaret
AprilApril
MeiMei
JuniJuni
JuliJuli
AgustusAgustus
SeptemberSeptember
OktoberOktober
NovemberNovember
DesemberDesember
2020
2121
1919
1717
2222
2424
1818
2323
2020
2525
2222
2424
--
--
--
20.0020.00
19.0019.00
19.3319.33
21.0021.00
21.3321.33
21.6721.67
20.3320.33
22.6722.67
22.3322.33
--
--
--
-3.00-3.00
3.003.00
4.674.67
-3.00-3.00
1.671.67
-1.67-1.67
4.674.67
-0.67-0.67
1.671.67
--
--
--
3.003.00
3.003.00
4.674.67
3.003.00
1.671.67
1.671.67
4.674.67
0.670.67
1.671.67
--
--
--
9.009.00
9.009.00
21.7821.78
9.009.00
2.782.78
2.782.78
21.7821.78
0.440.44
2.782.78
3. Metode Single Moving Average
Perbandingan eror antara 3 bulan dan 5 bulan moving average
3 bln moving average 5 bln moving average
Mean absolut error 2.67 2.37
Mean squared error 8.81 7.54
Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.
4. Trend Metode Least Square
Trend adalah rata-rata perubahan dalam jangka panjang.
Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif.
Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif.
Salah satu metode trend yang digunakan adalah metode least squares.
Persamaan trend dengan metode least square adalah
Ŷ = a + bX
4. Trend Metode Least Square
Y’ = a + bx Σx = na + bΣx Σxy = x + b Σx2
Dimana: a & b = konstanta
persamaan n = Jumlah data x = periode waktu
Tahun X Penjualan
Y
xy X2 Y’
2000
2001
2002
2003
2004
2005
2006
2007
2008
10
05
15
20
25
30
40
45
35
4. Trend Metode Least Square
Tahun X Penjualan
Y
xy X2 Y’
2000
2001
2002
2003
2004
2005
2006
2007
2008
0
1
2
3
4
5
6
7
8
10
05
15
20
25
30
40
45
35
0
5
30
60
100
150
240
315
280
0
1
4
9
16
25
36
49
64
36 1180 204
Σx = na + bΣxΣxy = ∑xa + bΣx2
4. Trend Metode Least Square
Σx = na + bΣxΣxy = ∑xa + b Σx2
36 = 9a + 36b (4)1180 = 36a + 204b (1)
36 = 9a + 36b (4) => 144 = 36a + 144b1180 = 36a + 204b (1) => 1180 = 36a + 204b
-1036 = -60b b = -1036 /-60 b = 17.3
36 = 9a + 36b => 36 = 9a + 36 (17.3) => 36 = 9a + 622.8 => -9a = 622.8 – 36 => -9a = 586.8 => a = -65.2
Y’ = -65.2 + 17.3 x
Tahun Penjualan X XY X^2 Ŷ
2000 10 0 0 0 -65.25
2001 5 1 5 1 -47.95
2002 15 2 30 4 -30.65
2003 20 3 60 9 -13.35
2004 25 4 100 16 3.95
2005 30 5 150 25 21.25
2006 40 6 240 36 38.55
2007 45 7 315 49 55.85
2008 35 8 280 64 73.15
Σ 215 1180 204
Y = -65,25 + 17.30X a = -65.25 b = 17.30
