ByPandoyo

Teknik Proyeksi Bisnis

24/04/20141

Menentukan Proyeksi Yang Akurat;1. Bagaimana membuat proyeksi agar bisa

mendekati kebenaran;2. Hasil ramalan mendekati kebenaran yang

memiliki kesalahan ( error ) paling minimal;

24/04/20142

Pendahuluan1. Teknik Proyeksi Bisnis merupakan cara

pendekatan untuk menentukan ramalan(perkiraan ) dimasa yang akan datang;

2. Bussiness Forecasting sangat penting untukpenyusunan rencana yg didasarkanproyeksi/forecast.

3. Tujuan untuk mengurangi risiko danketidakpastian dimasa yang akan datang, contoh peramalan produksi, penjualan/jasa.

24/04/20143

Menentukan Proyeksi Yang Akurat;1. Bagaimana membuat proyeksi agar bisa

mendekati kebenaran;2. Hasil ramalan mendekati kebenaran yang

memiliki kesalahan ( error ) paling minimal;

24/04/20144

POKOK MENJADI PERHATIAN RAMALAN AKURAT

1. Data yang relevan

2. Teknik peramalan

3. Pemilihan teknik ramalan

24/04/20145

TEKNIK PROYEKSI BISNIS Forecasting ramalan, artinya ramalan yang

akan datang dan belum terjadi. Contoh Biaya promosi Hasil penjualan, Laba usaha, konsumsi ,

penduduk, permintaan properti dll. Faktor faktor yang mempengaruhinya. Proyeksi - data masa lalu yang relevan.

24/04/20146

DATA RELEVAN1. Data dapat kuantitatif dan kualitatif;2. Sumber data- Internal Perusahaan dan ekternal

perusahaan;3. Sifat data- diskrit ( diperoleh dg cara

menghitung) dan Kontinyu ( memiliki nilai padainterval tertentu.

24/04/20147

PEMILIHAN TEKNIK PERALAMAN1. Pola atau karakteristik data;2. Jangka waktu;3. Biaya4. Tingkat akurasi yang di inginkan.

24/04/20148

FAKTOR YG BERPENGARUHLINGKUNGAN SOSIAL DAN KONTROL ( PEMERINTAH DAN GLOBAL )

LINGKUNGAN DAN PERKEMBANGAN TEKNOLOGI ( BAGAIMANA PEMANFAATAN TEKNOLOGI YANG TERBAIK )

LINGKUNGAN EKONOMI MAKRO ( KONDISI PEREKONOMIAN SECARA KESELURUHAN )

FAKTOR PERSAINGAN DALAM INDUSTRI YANG BERKEMBANG

24/04/20149

Pengertian Peramalan

1. Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masadatang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktudan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barangataupun jasa.

2. Salah satu jenis peramalan adalah peramalan permintaan. 3. Peramalan permintaan merupakan tingkat permintaan produk produk

yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masayang akan datang .

24/04/201410

Definisi Peramalan1. Peramalan adalah seni dan ilmu untuk memprediksi masa depan.2. Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh

tahapan pada perencanaan produksi.3. Metode: Kualitatif dan kuantitatif.4. Terminologi: perioda, horison, lead time, fitting error, forecast error, data dan

hasil ramalan.

24/04/201411

Definisi Dan Metode Peramalan.

Pengertian Umum yang dengan pengertian peramalan ( forecasting ) yaitu suatu

kegiatan yang bertujuan untuk memperkirakan apa yang akan terjadi pada masa

yang akan datang.

Manfaat peramalan bagi perusahaan :

1. Menambah kemampuan perusahaan untuk mengadakan pengawasan

informasi kegiatan kegiatan tertentu atau memperbaiki proses pemberian

laporan.

2. Memungkinkan timbulnya team work diantara pimpinan.

3. Memungkinkan di buatnya jadwal jadwal pembelian, produksi, budget

penjualan dan budget alokasi pengeluaran sehingga di peroleh pedoman dasar

bekerja yang relatif lebih tepat.

24/04/201412

Peramalan Eksplanatoris danDeret Berkala

Kedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan yg berbeda.

Pendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara input dengan output dari suatu sistem.

Hubungan sebab dan akibat

Input OutputSistem

Peramalan Deret Berkala memperlakukan Peramalan Deret Berkala memperlakukan sistemsistemsebagai kotak hitam.sebagai kotak hitam.

Proses BangkitanInput OutputSistem

24/04/201413

METODE PERAMALAN

24/04/201414

24/04/201415

KUALITATIF.Yaitu mengetahui data yang akan di gunakanuntuk melakukan peramalan berdasarkanpendapat para ahli / pakar.

KUANTITATIF.* Metode smoothing.* Metode box jenkins.* Metode proyeksi trend dengan regresi.

24/04/201416

MODEL KUALITATIF

24/04/201417

Persyaratan PenggunaanMetode Kuantitatif:

1. Tersedia informasi tentang masa lalu.2. Informasi tersebut dapat di kuantitatifkan

dalam bentuk data numerik.3. Dapat diasumsikan bahwa beberapa aspek

pola masa lalu akan terus berlanjut di masa mendatang.

24/04/201418

Langkah-langkah Peramalan1. Definisikan tujuan peramalan.2. Plot data (part family) masa lalu.3. Pilih metode-metode yang paling memenuhi tujuan

peramalan dan sesuai dengan plot data.4. Hitung parameter fungsi peramalan untuk masing-

masing metode.5. Hitung fitting error untuk semua metode yang dicoba.6. Pilih metode yang terbaik, yaitu metode yang

memberikan error paling kecil.7. Ramalkan permintaan untuk periode mendatang8. Lakukan verifikasi peramalan.

24/04/201419

Pola data metode deret berkala (1)

1. Pola horisontal (H) terjadi bilamana data berfluktuasi disekitar nilairata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat

atau menurun selama waktu tertentu termasuk jenis ini. Pola khas

dari data horizontal atau stasioner seperti ini dapat dilihat dalam

Gambar 1.1.

2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi olehfaktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-

hari pada minggu tertentu). Penjualan dari produk seperti minuman

ringan, es krim, dan bahan bakar pemanas ruang semuanya

menunjukkan jenis pola ini. Untuk pola musiman kuartalan dapat

dilihat Gambar 1.2. 24/04/201420

Pola data metode deret berkala (2)

3. Pola siklis (C) terjadi bilamana datanya dipengaruhi olehfluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualanproduk seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3.

4. Pola trend (T) terjadi bilamana terdapat kenaikan ataupenurunan sekuler jangka panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagaiindikator bisnis atau ekonomi lainnya. Jenis pola ini dapatdilihat pada Gambar 1.4.

24/04/201421

24/04/201422

Jenis Peramalan

1. Dilihat dari sifat penyusunannya,* Peramalan subyektif.* Peramalan obyektif.

2. Dilihat dari jangka waktunya.* Peramalan jangka panjang.* Peramalan jangka pendek.

24/04/201423

Jenis peramalan - Makridakis dan Wheelwright, membagi peramalan menjadi,* Peramalan kualitatif.* Peramalan kuantitatif.

24/04/201424

LANGKAH LANGKAH MELAKUKAN PERAMALAN.

1. Menentukan tujuan dari peramalan.2. Pemilihan teori yang relevan.3. Pengumpulan data.4. Analisis data.5. Estimasi dari model sementara.6. Evaluasi model sementara dan merevisi model.7. Penyajian ramalan sementara kepada manajemen.8. Pembuatan revisi final.9. Pendistribusian hasil peramalan.10. Penentuan langkah langkah pemantuan.

24/04/201425

Langkah Peramalan1. Menentukan tujuan dari peramalan2. Memilih item independent demand yang diramalkan3. Menentukan horizon waktu dari peramalan4. Memilih model model peramalan5. Memperoleh data yang dibutuhkan untuk melakukan

peramalan6. Validasi model peramalan7. Membuat peramalan8. Implementasi hasil hasil peramalan9. Memantau keandalan hasil peramalan

24/04/201426

Pengertian metode peramalan, yaitu suatu cara atautekhnik dalam memperkirakan kejadian kejadianpada masa yang akan datang.Kegunaan dari metode peramalan adalah membantudalam mengadakan pendekatan analisa terhadappola data pada masa yang lalu.

24/04/201427

Fungsi Peramalan

Fungsi peramalan tidak hanya termasuk di dalamnyateknik khusus dan model, tetapi juga termasuk input dan output dari subyek peramalan .

Pengembangan fungsi peramalan dibutuhkan untukmengidentifikasi output, karena spesifikasi outputdapat menyederhanakan pemilihan model peramalan, tetapi fungsi permalan tidaklah lengkap tanpamempertimbangkan input.

24/04/201428

Peramalan dan Horison Waktu

1. Dalam hubunganya dengan horizon waktu peramalan, kita dapatmengklasifikasikan peramalan tersebut ke dalam 3 kelompok, yaitu[Nasu05]:

2. Peramalan Jangka Pajang, umumnya 2 sampai 10 tahun. Peramalnini digunakan untuk perencanaan produk dan perencanaan sumberdaya.

3. Peramalan Jangka Menengah, umumnya 1 sampai 24 bulan. Peramalan ini lebih mengkhusus dibandingkan peramalan jangkapanjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.

4. Peramalan Jangka Pendek, umumnya 1 sampai 5 minggu. Peramalan ini digunakan untuk mengambil keputusan dalam hal perlutidaknya lembur, penjadwalan kerja, dan lain lain.

24/04/201429

Faktor - Faktor yang Mempengaruhi Peramalan1. Permintaan suatu produk pada suatu perusahaansangat dipengaruhi oleh berbagai faktor lingkungan yang saling berinteraksi dalam pasar yang berada di luarkendali perusahaan.

2. Faktor lingkungan tersebut juga akan mempengaruhiperamalan.

24/04/201430

FAKTOR LINGKUNGAN YANG MEMPENGARUHI PERAMALAN [YAMI05] :

1. Kondisi umum bisnis dan ekonomi2. Reaksi dan tindakan pesaing3. Tindakan pemerintah4. Kecenderungan pasar5. Siklus hidup produk6. Perubahan permintaan konsumen7. Gaya dan mode8. Inovasi teknologi

24/04/201431

Karakteristik Peramalan yang Baik

Peramalan yang baik mempunyai beberapacriteria yang penting, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari criteria criteria tersebut adalahsebagai berikut [Nasu99]:

24/04/201432

Akurasi. Akurasi dari suatu hasil peramalandiukur dengan kebiasan dan kekonsistensianperamalan. Hasil peramalan dikarakan bias bilaperamalan tersebut terlalu tinggi atau terlalurendah dibanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bilabesarnya kesalahan peramalan relatif kecil.

24/04/201433

Buffa - Menjelaskan bahwa metode yang lebih canggihtidak menjamin dihasilkannya hasil yang lebih akuratketimbang metode yang lebih sederhana, lebih mudahditerapkan, dan lebih murah.

Berikut ini merupakan temuan temuan yang berhubungan dengan pemilihan metode peramalan danakurasi hasil peramalan :

Akurasi peramalan meningkat jika ramalan dari lebihbanyak metode dikombinasikan untuk menghasilkanramalan akhir; tetapi dampak marjinal dari penambahansatu metode berkurang dengan semakin banyaknyajumlah metode yang digunakan.

24/04/201434

Resiko kesalahan yang lebih besar dalamperamalan yang mungkin disebabkan olehpemilihan metode yang keliru, resiko kesalahanakan berkurang jika hasil dari dua atau lebihmetode dikombinasikan.

Variabilitas dalam akurasi ramalan diantaraberbagai kombinasi metode peramalan berkurangdengan makin banyaknya metode yang digunakan. [Buff96]

24/04/201435

Biaya. Biaya yang diperlukan untuk pembuatansuatu peramalan tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai.

Kemudahan. Penggunaan metode peramalanyang sederhana, mudah dibuat, dan mudahdiaplikasikan akan memberikan keuntungan bagiperusahaan.

24/04/201436

Sifat Hasil Peramalan

1. Dalam membuat peramalan atau menerapkan hasil peramalan, adabeberapa hal yang harus dipertimbangkan, yaitu [Nasu05]:

2. Peramalan pasti mengandunga kesalahan, artinya peramal hanya bias mengurangi ketidakpastian yang akan terjadi tetapi tidak dapatmenghilangkan ketidakpastian tersebut.

3. Peramalan seharusnya memberikan informasi mengenai berapa ukurankesalahan.

4. Peramalan jangka pendek lebih akurat dibandingkan dengan peramalanjangka panjang.

24/04/201437

Peraturan Peramalan

Peraturan yang harus diperhatikan sebelummelakukan peramalan, yaitu [Gasp 02]:

Tidak boleh meramalkan produk produk yang tergolong ke dalam dependent demand.

Produk produk yang tergolong dalam dependent demand harus direncanakan atau dihitung.

Peramalan hanya boleh dilakukan pada produk produk yang tergolong ke dalam independent demand.

24/04/201438

Penentuan horizon peramalan berdasarkankondisi aktual sistem manufaktur dan tujuan dariperamalan.

Semakin jauh periode di masa mendatang yang diramalkan-dengan asumsi faktor faktor lain tetap-hasil ramalan akan semakin kurang akurat

Disamping berdasarkan waktu, peramalan dapat dilakukan berdasarkan lokasigeografis, kelompok produk, yang dikenal sebagai peramlan berdasarkan dimensiagregasi dan disagregasi.

24/04/201439

Peramalan pada tingkat agregasi yang lebihtinggi akan lebih akurat dibandingkan peramalanpada tingkat agregasi yang lebih rendah ataupada tingkat disagregasi.

24/04/201440

Karakteristik trend

KomponenKomponen AmplitudoAmplitudo PenyebabPenyebab

SeasonalSeasonal 12 bulan12 bulan Liburan, musim, Liburan, musim, perioda finansialperioda finansial

CyclicalCyclical 33--5 tahun5 tahun Ekonomi nasional, Ekonomi nasional, perubahan politikperubahan politik

BisnisBisnis 11--5 tahun5 tahun Pemasaran, kompetisi, Pemasaran, kompetisi, performanceperformance

Product life Product life cyclecycle

11--5 tahun, 5 tahun, makin pendekmakin pendek

Substitusi produkSubstitusi produk

24/04/201441

Metode Deret Waktu(Time Series)

1. Constant2. Linier trend3. Quadratic4. Exponential5. Moving Average6. Exponential smoothing7. Seasonal

24/04/201442

1. Metode Constant

n

dd

t

t

n

1'

Dalam Metode Constant, peramalan dilakukan dengan mengambil rata-rata data masa lalu (historis).

Rumus untuk metoda linier:Rumus untuk metoda linier:

Keterangan:dt = Forecast untuk saat tt = time (independent variable)dt = demand pada saat tn = jumlah data

24/04/201443

Contoh Metode Constant

n

dd

t

t

n

1'

25.9912

1191'

12

1

td

BulanBulan t t ddttJanJan 1 1 90 90 FebFeb 2 2 111111MarMar 3 3 99 99 AprApr 4 4 89 89 MeiMei 5 5 87 87 JunJun 6 6 8484JulJul7 7 104104AusAus 88 102102SepSep 99 9595OktOkt 1010 114114NovNov 1111 103103DesDes 1212 113113

SS11911191

24/04/201444

2. Metode Linier trend

..... ,3 ,2 ,1 ' tbtad t

22

2

ttn

tdtdta tt

22 ttn

dttdnb tt

Keterangan:dt = Forecast untuk saat ta = interceptb = kemiringan garist = time (independent variable)dt = demand pada saat tn = jumlah data

Model Model iniini menggunakanmenggunakan data yang data yang secarasecara random random berfluktuasiberfluktuasi membentukmembentukgarisgaris luruslurus..

RumusRumus untukuntuk metodametoda linier:linier:

24/04/201445

Contoh Metode Linear trendt dt tdt t2 dt (dt-dt)21 2050 2050 1 2108,5 3.422,2

2 2235 4470 4 2210,1 620,0 3 2420 7260 9 2311,7 11.728.9 4 2360 9440 16 2413,3 2.840,9 5 2490 12450 25 2514,9 620,06 2620 15720 36 2616,5 12,3 21 14175 51390 91 19.244,3

dt = a + bt= 2006,9 + 101,6t

2n

1t

n

1t

2

n

1t

n

1tt

n

1tt

ttn

tdtdnb

n

tbda

n

1t

n

1tt

101,6bdan 9,2006a

24/04/201446

3. Metode Quadratic (1)

Model ini menggunakan data yang secara random berfluktuasi membentukkurva quadratic.

Rumus untuk model quadratic:

.... ,3 ,2 ,1 )(' 2 tctbtatd

2

b Keterangan :

24/04/201447

Contoh Metode Quadratict t2 t3 t4 dt tdt t2dt

1 1 1 1 16 16 16

2 4 8 16 24 48 96

3 9 27 81 34 102 306

4 16 64 256 46 184 736

5 25 125 625 60 300 1500

S 15 55 225 979 180 650 2654

300)225)(5()55)(15(

50)55)(5()15( 2

1870)979)(5()55( 2

550)650)(5()180)(15(

3370)2654)(5()180)(55(

5)300()50)(1870(

)300)(3370()550)(1870(2

b1

1870)1870(

c

105

555

)15)(5(5

180 a

605)5(510)5(' 510)(' 22 dtttd24/04/201448

3. Metode Quadratic (2)

n

t

n

ttnt

1

42

1

2

n

t

n

t

n

tttYntYt

11 1)()(

n

t

n

t

n

ttYtntYt

1

2

1 1

2 )()(

n

t

n

t

n

ttntt

1

3

1 1

2

n

t

n

ttnt

1

22

1

))((bc

n

tc

n

tb

n

tYa

n

t

n

t

n

t 1

2

11

)(

24/04/201449

4. Metode Exponential (1)

Digunakan apabila persamaan a dan b tidak bisa dipecahkan dengan cara konvensional.

Digunakan transformasi logaritma ke dalam situasi regresi.

Persamaan metode eksponensial :

btae (t)d' Keterangan:dt = Forecast untuk saat ta = interceptb = kemiringan garist = time (independent variable)e = exponential (konstanta)

24/04/201450

Contoh Metode Eksponensialtt ddtt Ln(dLn(dtt)) tLn(dtLn(dtt)) tt22

11 2.502.50 0.920.92 0.920.92 11

22 4.124.12 1.421.42 2.842.84 44

33 6.806.80 1.921.92 5.765.76 99

44 11.2011.20 2.422.42 9.689.68 1616

55 18.4718.47 2.922.92 14.6014.60 2525

1515 9.609.60 33.833.8 5555

5.0225)55)(5(

)15)(60.9()8.33)(5(

b

42.05

)15)(5.0(560.9)ln( a

aeanti 50.2)42.0ln( 42.0

505.2)6(' 5.2)()(' 35.0 edeeatd ttb

24/04/201451

4. Metode Eksponensial (2)

Persamaan transformasi logaritma :

btln(a))ln(eln(a)(t)d'ln bt

Keterangan:dt = Forecast untuk saat ta = interceptb = kemiringan garist = time (independent variable)e = exponential (konstanta)

24/04/201452

5. Metode Moving Average (1) Digunakan bila data-datanya :

- tidak memiliki trend- tidak dipengaruhi faktor musim

Digunakan untuk peramalan dengan perioda waktu spesifik.

Moving Average didefinisikan sebagai :

Keterangan :n = jumlah perioda dt = demand pada bulan ke t

n

dMA

n

1tt

n

24/04/201453

Contoh Metode Moving AverageBulan t dt MA 3 bulan MA 5 bulanJan 1 10 - -Feb 2 12 - -Mar 3 13 - -Apr 4 16 (10+12+13)/3=11,66 -Mei 5 19 (12+13+16)/3=13,66 -Jun 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14Jul 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6

n

dMA

n

1tt

n

24/04/201454

5. Metode Moving Average (2)

Peramalan jangka pendek lebih baik dibandingkan jangka panjang.

Kelemahan : tidak cocok untuk pola data trend atau pola data musiman.

24/04/201455

6. Metode Exponential Smoothing (1)

Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya.

Dihitung berdasarkan hasil peramalan + kesalahan peramalan sebelumnya.

24/04/201456

6. Metode Exponential Smoothing (2)

aa besarbesar, smoothing , smoothing ygyg dilakukandilakukan kecilkecil aa kecilkecil, smoothing , smoothing ygyg dilakukandilakukan semakinsemakin besarbesar aa optimum optimum akanakan meminimumkanmeminimumkan MSE, MAPE MSE, MAPE

ttt FDF )1(1

ES didefinisikan sebagai:ES didefinisikan sebagai:

KeteranganKeterangan: : FFt+1t+1 = = RamalanRamalan untukuntuk periodeperiode berikutnyaberikutnyaDDtt = Demand = Demand aktualaktual padapada periodeperiode ttFFtt = = PeramalanPeramalan ygyg ditentukanditentukan sebelumnyasebelumnya untukuntuk periodeperiode ttaa = = FaktorFaktor bobotbobot

24/04/201457

Contoh Metode Exponential Smoothing

PeriodPeriod DemandDemand Forecast , FForecast , Ft+1t+1aa=0.3=0.3 aa=0.5=0.5

11 3737 -- --22 4040 3737 373733 4141 37.937.9 38.538.544 3737 38.8338.83 39.7539.7555 4545 38.2838.28 38.3738.3766 5050 40.2940.29 41.6841.6877 4343 43.2043.20 45.8445.8488 4747 43.1443.14 44.4244.4299 5656 44.3044.30 45.7145.71

1010 5252 47.8147.81 50.8550.851111 5555 49.0649.06 51.4251.421212 5454 50.8450.84 53.2153.21

51.7951.79 53.6153.61

ttt FDF )1(1

24/04/201458

7. Metode Seasonal Demand meningkat karena pengaruh tertentu atau

berdasarkan waktu. Nilai/harga faktor seasonal antar 0 dan 1. Formulasi peramalan pada tahun ke i :

di = a + btKeterangan :

di = peramalan untuk saat ke it = perioda waktu (bulan, minggu, dll)

Formulasi Peramalan Seasonal :SF(i) = (Si).(dt)

24/04/201459

a = 40.97 b = 4.3y = 40.97 + 4.3 t

Untuk tahun 1995 (t =4) diperoleh 58.17Peramalan utk tiap kwartal:SF1 = S1.F5 = .28 (58.7) = 16.28SF2 = 11.63SF3 = 8.73SF4 = 21.53

ContohContoh MetodeMetode Seasonal (2)Seasonal (2)

24/04/201460

Forecasting Errors & Tracking Signals3 metode perhitungan kesalahan peramalan :3 metode perhitungan kesalahan peramalan :

N

ddMAD

N

ttt

1

'

)(Deviation AbsoluteMean a.

N

ddN

ttt

1

2'

)(MSEError SquaredMean b.

N

1t t

'tt

ddd

N100)(MAPEError Percent AbsoluteMean c.

24/04/201461

Verifikasi (1)

Salah satu metode verifikasi adalah Moving Range Chart (MRC).

Moving Range (MR) didefinisikan sebagai :MR = |(dt dt) (dt-1 dt-1 )|Keterangan :dt = ramalan pada bulan ke tdt = kebutuhan pada bulan ke tdt1 = ramalan pada bulan ke t-1dt1 = kebutuhan pada bulan ke t-1

24/04/201462

Verifikasi (2)

Rata-rata MR dihitung :

Batas kontrol atas (UCL), batas kontrol bawah(LCL), dan garis tengah (CL)

0 CLMR66,2 LCLMR66,2 UCL

1n

MRMR

1n

1ii

24/04/201463

Verifikasi (3)

0d' -

d

Reg

ion

A

Reg

ion

B

Reg

ion

C

Batas kontol bawah

Garis tengah

Reg

ion

C

Reg

ion

B

Reg

ion

A

Batas kontrol atas

Perioda

Gambar 1. Kriteria Peta Kontrol 24/04/201464

Verifikasi (4)

Pengujian out of kontrol : Dari 3 titik yang berurutan, 2 titik atau lebih

berada di daerah A. Dari 5 titik yang berurutan, 3 titik atau lebih

berada di daerah B. Dari 8 titik yang berurutan, seluruhnya berada di atas atau di bawah center line. Satu titik berada di luar batas kontrol.

24/04/201465

Verifikasi (5) Contoh Soal: Kasus Peramalan Konstan

28.2 - LCL28.2 UCL

10.611

117MR

MR = |(dMR = |(dtt ddtt) ) (d(dtt--11 ddtt--1 1 ))||

24/04/201466

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

LCL = -28.2

24/04/201467

Verifikasi (7)

Bila kondisi out of control terjadi: Perbaiki ramalan dengan memasukkan data baru. Tunggu evidence (fakta-fakta) selanjutnya.

24/04/201468

Contoh Metode Seasonal (1)YearYear

Demand (x 1000)Demand (x 1000)KwartalKwartal--11 KwartalKwartal--22 KwartalKwartal--33 KwartalKwartal--44 TotalTotal

19921992 12.612.6 8.68.6 6.36.3 17.517.5 454519931993 14.114.1 10.310.3 7.57.5 18.218.2 50.150.119941994 15.315.3 10.610.6 8.18.1 19.619.6 53.653.6

4242 29.529.5 21.921.9 55.355.3 148.7148.7

Perhitungan faktor bobot:S1= D1/SD = 42/148.7 = 0.28S2 = 0.20S3 = 0.15S4 = 0.37

2n

1t

n

1t

2

n

1t

n

1tt

n

1tt

ttn

tdtdnb

n

tbda

n

1t

n

1tt

24/04/201469

Kesimpulan1. Peramalan merupakan tahapan awal dalam

perencanaan sistem operasi produksi.2. Model yang paling tepat harus dipilih dalam

melakukan peramalan.3. Model yang dipilih dapat dibandingkan dengan

model yang lain dengan menggunakan kriteriaminimum average sum of squared errors.

4. Distribusi forecast errors harus dimonitor, jikaterjadi bias maka model yang digunakan tidaktepat.

24/04/201470