Peramalan dan Pengelolaan Permintaan samsulb
-
Upload
sarah-jacobs -
Category
Documents
-
view
186 -
download
1
description
Transcript of Peramalan dan Pengelolaan Permintaan samsulb
Peramalan dan Pengelolaan PermintaanPeramalan dan Pengelolaan Permintaan
samsulbsamsulb
AgendaAgenda
• Pengertian Peramalan• Mengapa Peramalan Diperlukan• Sistem Peramalan• Metode Peramalan• Horison dan Periode Peramalan• Data Peramalan untuk P3• Prosedur Peramalan• Pola Data• Teknik-teknik Peramalan• Verifikasi Peramalan
2
Pengertian PeramalanPengertian Peramalan
3
Bukan menduga (guess) !Estimasi nilai atau
karakteristik masa depan
Is the art of specifying meaningful information about the future (Narasimhan, et.al., 1995)
Informasi yang dipergunakan sebagai dasar untuk membuat rencana
Mengapa DiperlukanMengapa Diperlukan
Peramalan dan Pengelolaan Permintaan
4
Masa depan (waktu tempat perencanaan dimaksud) bersifat tidak pasti (uncertain)
Permintaan tidak pasti karena:-Kompetisi-Perilaku konsumen-Siklus bisnis-Upaya penjualan-Siklus hidup produk-Variasi random, dll.
Diperlukan referensi untuk perencanaan hasil peramalan
““HukumHukum”” dalam Peramalan dalam Peramalan
Peramalan dan Pengelolaan Permintaan
5
Detailed forecasts are worse than aggregate forecasts!
Semakin jauh ke masa depan peramalan dilakukan semakin tidak handal hasilnya !
Hasil ramalan tidak pernah tepat !
Sistem Sistem PeramalanPeramalan
6
DECISION
MAKER
ORGANIZATION & ITS
ENVIRONMENT
INFORMAL
INFORMATION
INFORMAL
INFO
MIS
VALUE
OBJECTIVE
DECISIONREQUIREMENT
FORECASTER
VALUE
LIKELY
ACCURACY
COST/TIME
CONSTRAIN
PLANNING
GUIDELINE
ASSUMPTION
WORKING
FORECAST
REVISE
ASSUMPTION
FINAL
FORECAST
ACTION PLAN
No
FORECAST
RECOMMEND
INFORMAL
ADJUST
SELECT KEY
VARIABLES
SELECT
FORECASTING
PROCEDURES
INITIAL
FORECAST
Yes
Sistem Sistem PeramalanPeramalan
7
Historical Data
Historical Data
Model Objectives
Model Objectives
ForecastForecast
Feedback on forecast accuracy
Feedback on forecast accuracy
Comparison to actual
observation
Comparison to actual
observation
UpdatingUpdating
Knowledge of changed condition
Knowledge of changed condition
Data cheked for accuracy and
reasonableness
Data cheked for accuracy and
reasonableness
Metode PeramalanMetode Peramalan
• Terdapat dua kelompok:– Metode Kualitatif
• Tidak memerlukan data kuantitatif
• Unsur subyektifitas peramalan sangat besar pengaruhnya dalam hasil peramalan
• Baik untuk peramalan jangka panjang
– Metode Kuantitatif• Data kondisi masa lalu• Data tersebut dapat
dikuantifisir• Diasumsikan pola data masa
lalu akan berlanjut pada masa yang akan datang
Peramalan dan Pengelolaan Permintaan
8
Forecasting Method
Qualitative Method
Quantitative Method
Causal Method
Time Seires Method
Smoothing Method
Moving Average Method
Horison dan Periode Horison dan Periode PeramalanPeramalan
• Horison peramalan: menunjukkan seberapa jauh ke depan peramalan dilakukan dan terkait dengan jangkauan perencanaan yang akan dilakukan (misal: setahun ke depan)
• Periode peramalan: menunjukkan basis waktu data peramalan (misal: bulanan)
9
DATA FORECAST
Horison Peramalan
Periode peramalan
Data Peramalan untuk P3Data Peramalan untuk P3
• Perencanaan produksi berusaha memenuhi permintaan pasar (demand)
• Data permintaan pasar sulit diukur
• Penjualan biasa dipakai sebagai pendekatan
• Baik jika bisa memperoleh data penjualan pasar keseluruhan
Peramalan dan Pengelolaan Permintaan
10
Total Market
Our compan
y market
Competitor market
Prosedur PeramalanProsedur Peramalan
11
Plot the data versus time using graph and examine the demand pattern
Plot the data versus time using graph and examine the demand pattern
Select several forecating methods which suitable for the demand
pattern
Select several forecating methods which suitable for the demand
pattern
Performs the forecasting and evaluate the forecasting errorPerforms the forecasting and evaluate the forecasting error
Select forecast result with the smallest error, validate and interpret
the result
Select forecast result with the smallest error, validate and interpret
the result
Pola DataPola Data
12
Teknik Peramalan untuk Teknik Peramalan untuk Pola Data KonstanPola Data Konstan
• Data relatif stable untuk periode waktu tertentu• Terjadi variasi sepanjang waktu tetapi tidak
signifikan• Fungsi yang menunjukkan pola data konstan
d(t) = ad(t) = permintaan selama periode ta = konstanta
• Teknik peramalan yang bisa dipakai antara lain:– Rata-rata biasa– Single Moving average
13
Rata-rata BiasaRata-rata Biasa
• Berdasarkan metode least square• Peramalan:
14
ad
nd
tt
n
1
dt = penjualan pada periode t t = 1, 2, 3………..n
a = nilai ramalan
ContohContoh
15
Month
Sales
J an 90 Feb 111 Mar 99 Apr 89 May 87 J un 84 J ul 104 Ags 102 Sept 95 Oct 114 Nov 103 Des 113
ad
nd
tt
n
1
• Peramalan:
a = 90 + 111 + 99…..
+113/12 = 99.25 ~ 100
unit/bulan
Single Moving AverageSingle Moving Average
• Jika terdapat data penjualan dt dari periode t = 1, 2, 3,… n; maka single moving average dan peramalan adalah:
16
Time Moving Average Forecasting t
dd d d
tt 1 2 .... d d d tt i
i
t
11
'
t+1 d
d d d
tt 2 3 1....
d d d tt ii
t
12
1'
t+2 d
d d d
tt 3 4 2....
d d d tt ii
t
13
2'
Contoh:Contoh:
17
Month Period Sales MA(3) MA(5)
Jan 1 200
Feb 2 135
Mar 3 195
Apr 4 197,5 176,7
Mei 5 310 175,8
Jun 6 175 234,2 207,5
Jul 7 155 227,5 202,5
Agu 8 130 213,3 206,5
Sep 9 220 153,3 193,5
Okt 10 227 168,3 198,0
Nov 11 235 209,2 191,4
Des 12 ? 244,2 203,5
(3) dan (5) menunjukkan periode averaging
Mempengaruhi akurasi hasil peramalan
Teknik Peramalan untuk Teknik Peramalan untuk Pola Data TrendPola Data Trend
• Demand menunjukkan kecenderungan meningkat (menurun) dari waktu ke waktu
• Fungsi pola data trend adalah: d(t) = a + bt
d(t) = permintaan pada periode t
a, b = parameter model• Teknik peramalan yang dipakai antara lain:
– Simple linear regression– Double moving average
Peramalan dan Pengelolaan Permintaan
18
Simple Linear RegressionSimple Linear Regression
• Gunakan metode least square untuk memperoleh parameter a dan b
19
bn td d t
n t t
t tt
n
t
n
t
n
t
n
t
n
1 11
2
1 1
2a d bt
ContohContoh
20
Month SalesJan 199Feb 202Mar 199Apr 208Mei 212Jun 194Jul 214Ags 220Sept 219Okt 234Nov 219Des 233
t dt t.dtt2
1 199 199 12 202 404 43 199 597 94 208 832 165 212 1060 256 194 1164 367 214 1498 498 220 1760 649 219 1971 81
10 234 2340 10011 219 2409 12112 233 2796 14478 2553 17030 650
b = (12 x 17030)-(2553x78)/(12 x 650)-(78)2
= 3.0a = 2553/12 - 3 x 78/12 = 193
21
Month Period (t) Forecasting
Jan 13 233
Feb 14 236
Mar 15 239
Apr 16 242
Mei 17 245
Jun 18 248
Jul 19 251
Ags 20 254
Sept 21 257
Okt 22 260
Nov 23 263
Des 24 266
Fungsi peramalan:d(t) = 193 + 3t
Peramalan untuk 12 periode ke depan:
Double Moving AverageDouble Moving Average
• Parameter model a dan b dicari dengan teknik double moving average
• Moving average dilakukan dua tahap • Dinyatakan dengan MA(m x n): moving
avegare of m period for n moving averaged data
• Berdasarkan hasil perhitungan double moving average ini dihitung nilai parameter a dan b
22
ProsedurProsedur• Untuk data penjualan dt, t = 1, 2, 3,….. N• Hitung moving average n periode sebagai berikut:
• Hitung moving average m periode dari hasil moving average n periode tersebut sebagai berikut:
• Hitung parameter model a dan b sebagai berikut:
23
Sd d d
Ntt N' .... 1 2 1
SS S S
Mtt t t N' '' ' '.... 1 1
a S S St t t t ' ' ' '( ) bN
S St t t
2
1' ' '
Contoh:Contoh:
24
Period Sales MA(4) MA(4x4) a b a+bm(m=1)
1 1402 1593 1364 157 148.05 173 156.26 131 149.27 177 159.5 153.2 165.7 4.168 188 167.2 158.06 176.4 6.12 169.99 154 162.5 159.6 165.3 1.91 182.5
10 179 174.5 165.9 183.0 5.7011 180 175.2 169.8 180.6 3.5812 160 168.2 170.1 166.3 -1.213 182 175.2 173.3 177.1 1.2914 192 178.5 174.3 182.6 2.7915 224 189.5 177.8 201.1 7.7516 188 196.5 184.9 208.0 7.7017 198 200.5 191.2 209.7 6.1618 206 204.0 197.6 210.3 4.2519 203 198.7 199.9 197.5 -0.720 238 211.2 203.6 218.8 5.0821 223.88
22 228.96
a7 = 2S7’ - S7’’ = 2 (159.5) - 153.25 = 167.75 b7 = 2 (S7’ - S7’’) n - 1 = 2/ (4-1) * (159.5 - 153.25) = 4.166
Peramalan ???
Teknik Peramalan untuk Teknik Peramalan untuk Pola Data SiklisPola Data Siklis
• Pola data siklis dapat didekati dengan fungsi:
• Parameter a, u dan v dapat dicari dengan metode determinan matriks:
25
d a unt v
ntt
' cos sin 2 2
dnt
nt
d n
dnt
n
dnt
n
' cos sin
cos
sin
12 2
0 02
02
0
20 0
2
0
n = jumlah periode per siklus
Kriteria Performansi Kriteria Performansi PeramalanPeramalan
• Performansi diukur dari kesalahan peramalan (forecasting error)
• Cerminan dari akurasi peramalan: semakin kecil kesalahan semakin akurat hasil ramalan
• Kesalahan peramalan (et): deviasi antara observasi aktual (dt) dengan nilai ramalannya (d’t) atau et = dt – d’t
• Karena observasi aktual pada saat peramalan belum ada maka kesalahan dihitung pada data historis (observasi aktual historis vs nilai ramalan periode historis)
26
Ukuran Kesalahan Ukuran Kesalahan PeramalanPeramalan
• Mean Square Error (MSE)
• Standard Error of Estimate (SEE)
• Error percentage
Peramalan dan Pengelolaan Permintaan
27
n
n
ttt
MSE
dd 1
)'(2
n
t fnttSEE dd
1
2
)(
)'(
%100)( ' xdddPEt
ttt
f = degree of freedom- 1 untuk pola data konstan- 2 untuk pola data trend- 3 untuk pola data siklis
Verifikasi PeramalanVerifikasi Peramalan
• Dilakukan untuk memeriksa apakah hasil peramalan sudah betul
• Menggunakan teknik moving range chart
28
Procedure:1.Calculate moving range for each period
2.Compute average moving range
3.Compute control limit
4.Compute verification region
1'
1' ddddMR tttt
1n
MRMR
MRLCL
MRUCL
66.2
66.2
29
center line
UCL
LCL
reg
ion
A
reg
ion
B
reg
ion
C
reg
ion
A
reg
ion
B
reg
ion
C
Kondisi di luar kendali jika:1.Ada titik di luar UCL atau LCL2.Dari 3 titik plot berturutan 2 titik berada pada region A ( 1.77 MR)3.Dari 5 titik plot berturutan terdapat 4 titik berada pada region B ( 0.89 MR)4.Ada 8 titik plot berturutan berada pada bagian atas atau bawah garis tengah (region C)
Plot nilai (dt-d’t) pada grafik
30
OUT OF CONTROL !
!!Periksa apa yang
terjadi pada kondisi out of control …… pabrik off ? Sales problem ?
….
Periksa apa yang terjadi pada kondisi out of control …… pabrik off ? Sales problem ?
….
Jika jelas penyebab; hasil ramalan bisa dipakai
Jika jelas penyebab; hasil ramalan bisa dipakai
Jika tidak: bisa tunggu evidence baru…. Kembali in
control … pakai terus…. Terjadi lagi out of control … pikirkan
ganti metode peramalan
Jika tidak: bisa tunggu evidence baru…. Kembali in
control … pakai terus…. Terjadi lagi out of control … pikirkan
ganti metode peramalan Bisa juga langsung mengganti metode peramalan…..
Bisa juga langsung mengganti metode peramalan…..
Contoh:Contoh:• Diketahui data penjualan 12 bulan yang lalu sebagai berikut:
• Plotting data menunjukkan gambaran sebagai berikut
31
t 1 2 3 4 5 6 7 8 9 10 11 12
dt140
159
136
157
173
181
177
188
154
179
180
160
Percobaan pertama: Percobaan pertama: konstankonstan
32
t dt dt' e = dt - dt' e2 SEE
1 140 165.33 -25.33 641.61 2 159 165.33 -6.33 40.07 3 136 165.33 -29.33 860.25 4 157 165.33 -8.33 69.39 5 173 165.33 7.67 58.83 6 181 165.33 15.67 245.55 7 177 165.33 11.67 136.19 8 188 165.33 22.67 513.93 9 154 165.33 -11.33 128.37
10 179 165.33 13.67 186.87 11 180 165.33 14.67 215.21 12 160 165.33 -5.33 28.41
3124.68 17
Percobaan Kedua: TrendPercobaan Kedua: Trend
33
t dt t . dt t2 dt'=156+1.t e = dt - dt' e2 1 140 140 1 157 -17 289 2 159 318 4 158 1 1 3 136 408 9 159 -23 529 4 157 628 16 160 -3 9 5 173 865 25 161 12 144 6 181 1086 36 162 19 361 7 177 1239 49 163 14 196 8 188 1504 64 164 24 576 9 154 1386 81 165 -11 121
10 179 1790 100 166 13 169 11 180 1980 121 167 13 169 12 160 1920 144 168 -8 64 78 1984 13264 647 2628 t 6.5 dt 165.33
Program Studi Teknik IndustriITB
Peramalan dan Pengelolaan Permintaan
34
Hasil ramalanHasil ramalan
35
bN t dt dt t
Nt
n
adt
N
b t
Ndt b t
t
n
t
n
t
n
t
n
t
n
t
n
t t
.
.
( )
1 11
2
1
2
1 1
1
tdt
tbdta
b
1156'
15698.155
35.933.165)5.6(44.133.165
.
144.11680
2416
60847764
154752157168
)647(12
)78)(1984()13264(12
)78(2
SEEn f
dt dtt
n
2
1
262812 2
262810
1621 16
( ')
.
Pemilihan PeramalanPemilihan Peramalan
36
Constant Linear
SEE 17 16
Peramalan terpilih adalah metode linearFungsi peramalan: d ’t = 156 + t Hasil peramalan:
t 13 14 15 16 17 18 19 20 21 22 23 24 D’t 169 170 171 172 173 174 175 176 177 178 179 180
VerifikasiVerifikasi
37
45.38
45.38
45.1411
159
LCL
UCL
MR
t Dt Dt' Dt'- Dt
MR
1 140 156 16
2 159 157 -2 18
3 136 158 22 24
4 157 159 2 20
5 173 160 -13 15
6 181 161 -20 7
7 177 162 -15 5
8 188 163 -25 10
9 154 164 10 15
10 179 165 -14 24
11 180 166 -14 0
12 160 167 7 21
159
38
38. 45
25. 63
12. 82
- 38. 45
- 12. 82
- 25. 63
No evidence out of control observation
Forecasting function can be used for production planning
Catatan Berkaitan MTS-Catatan Berkaitan MTS-MTOMTO
• Peramalan dengan menggunakan data penjualan sangat mudah dipakai pada MTS ( Make to Stock )
• Pada MTO (Make to Order ) penjualan terjadi pada saat konsumen melakukan pemesanan dan jenis serta jumlah pesanan tidak bisa diketahui dengan pasti
• Data penjualan sulit dipakai
• Bagaimana caranya ?39
PenutupPenutup• Peramalan merupakan langkah awal dalam
perencanaan produksi• Berfungsi mendapatkan perkiraan penjualan
sepanjang periode perencanaan• Perkiraan tersebut menjadi referensi dalam
menyusun rencana produksi sesuai ketersediaan sumber daya perusahaan
• Peramalan yang diperoleh tepat waktu sangat menolong proses perencanaan
• Perlu juga diperhatikan biaya untuk mengumpulkan data serta manfaat dari perencanaan yang diperoleh
• Selalu diliputi kesalahan karena itu kemudian perlu up-dating data sebagai bentuk pengendalian
40