Copy of Peramalan

8/14/2019 Copy of Peramalan

1/20

Universitas Gunadarma

PERAMALAN


2/20

PERAMALAN


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.


3/20


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.


4/20


Proses-proses Peramalan

PenentuanPenentuan tujuantujuan

PengujianPengujian modelmodel

PenerapanPenerapan modelmodel

PengembanganPengembangan modelmodel

RevisiRevisi dandan evaluasievaluasi


5/20


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


6/20


7/20


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.


8/20


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)


9/20


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


10/20


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


11/20


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


12/20


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


13/20


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


14/20


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


15/20


16/20


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


17/20


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.


18/20


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


19/20


Pengukuran Kesalahan Forecast

MAD (Mean absolute deviation)

Merupakan perbedaan antara permintaan nyata dengan forecast.

Untuk periode tunggal:

ForecastDt Kesalahan forecast =


20/20

Copy of Peramalan

Documents

Transcript of Copy of Peramalan