Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

X. PERAMALAN (FORECASTING) A. KOMPONEN-KOMPONEN PERAMALAN  KERANGKA WAKTU (TIME FRAME) Short-to mid range forecast Long-range forecast  PERILAKU PERMINTAAN.

Presentasi serupa


Presentasi berjudul: "X. PERAMALAN (FORECASTING) A. KOMPONEN-KOMPONEN PERAMALAN  KERANGKA WAKTU (TIME FRAME) Short-to mid range forecast Long-range forecast  PERILAKU PERMINTAAN."— Transcript presentasi:

1 X. PERAMALAN (FORECASTING) A. KOMPONEN-KOMPONEN PERAMALAN  KERANGKA WAKTU (TIME FRAME) Short-to mid range forecast Long-range forecast  PERILAKU PERMINTAAN Trend Random variations Cycle

2 Pola-pola perilaku permintaan

3 Tahap-tahap Proses Peramalan

4 B. METODE-METODE PERAMALAN  TIME SERIES Moving Average Weighted Moving Average Exponential Smoothing Adjusted Exponential Smoothing Linear Trend Line Seasonal Adjustment

5  Moving Average (Rata-rata Bergerak)

6 Contoh 1: Dari laporan pesanan barang selama 10 bulan perusahaan A sebagai berikut di bawah ini susunlah peramalan menggunakan metode rata-rata bergerak 3 dan 5 bulanan Bulan Pesanan Januari 120 Pebuari 90 Maret 100 April 75 Mei 110 Juni 50 Juli 75 Agustus 130 September 110 Oktober 90 Rata-rata bergerak 3-bulanan ……dst

7 Bulan Pesanan Januari 120 Pebuari 90 Maret 100 April 75 Mei 110 Juni 50 Juli 75 Agustus 130 September 110 Oktober 90 Rata-rata bergerak 5-bulanan ……dst

8 Bulan Pesanan Rata-rata bergerak Rata-rata Bergerak per bln 3-Bulanan 5 bulanan Januari Pebuari Maret April ,3 - Mei ,3 - Juni 50 95,0 99,0 Juli 75 78,3 85,0 Agustus ,3 82,0 September ,0 88,0 Oktober ,0 95,0 November - 110,0 91,0

9 Moving Average (Rata-rata Bergerak)

10  Weighted Moving Average (Rata-rata Bergerak Terboboti)

11 Dalam contoh 1 perusahaan A menginginkan menghitung suatu rata-rata bergerak 3 bulanan dengan bobot 50 % untuk data bulan Oktober, 33% untuk data bulan september dan 17 % untuk data bulan Agustus. Bobot-bobot tersebut mencerminkan keinginan perusahaan bahwa sebagian besar data saat ini mempengaruhi secara kuat segian besar peramalannya Contoh 2

12  Exponential Smoothing

13 Permntaan barang terhadap perusahaan B selama 12 bulan lampau adalah seperti terlihat dalam tabel berikut. Perusahaan menginginkan memperimbangkan peraamalan menggunakan metode exponential smoothing dengan menggunakan faktor pembobotan (smoothing constant) α sama dengan 0,30 dan 0,50 Periode Bulan Permintaan 1 Januari 37 2 Pebuari 40 3 Maret 41 4 April 37 5 Mei 45 6 Juni 50 7 Juli 43 8 Agustus 47 9 Septembe Oktober November Desember 54 Contoh 3

14 α = 0,30α = 0,50 dst…… dst…

15 Periode Bulan Permintaan Peramalan, F t+1 α =0,30 α=0,50 1 Januari Pebuari 40 37,00 37,00 3 Maret 41 37,90 38,50 4 April 37 38,83 39,75 5 Mei 45 38,28 38,37 6 Juni 50 40,29 41,68 7 Juli 43 43,20 45,84 8 Agustus 47 43,14 44,42 9 Septembe 56 44,30 45,71 10 Oktober 52 47,81 50,85 11 November 55 49,06 51,42 12 Desember 54 50,84 53,21 13 Januari - 51,79 53,61

16 Exponential Smoothing

17  Adjusted Exponential Smoothing

18 Contoh 4 Perusahaan B dalam contoh 3 ingin mengembangkan peramalan dengan metode adjusted exponentially smoothing (data permintaan selama 12 bulan sama dengan contoh 3). Akan digunakan α = 0,5 dan β=0,30 dst…..s.d T 13

19 Periode Bulan Permintaan Forecast Trend Adjusted Forecast F t+1 T t+1 Af t+1 1 Januari 37 37, Pebuari 40 37,00 0,00 37,00 3 Maret 41 38,50 0,45 38,95 4 April 37 39,75 0,69 40,44 5 Mei 45 38,37 0,07 38,44 6 Juni 50 41,68 1,04 42,73 7 Juli 43 45,84 1,97 47,82 8 Agustus 47 44,42 0,95 45,37 9 Septembe 56 45,71 1,05 46,76 10 Oktober 52 50,85 2,28 53,13 11 November 55 51,42 1,76 53,19 12 Desember 54 53,21 1,77 54,98 13 Januari - 53,61 1,36 54,96

20 Adjusted Exponential Smoothing

21  Linear trend line

22 Periode Permintaan x y xy x Perusahaan B (dalam contoh 3) ingin mengembangkan peramalan dengan menggunakan metode trend linear Contoh 5

23 Linear trend line

24  Seasonal Adjustment

25 Permintaan terhadap ayam kalkun hasil dari peternakan perusahaan D dalam 4 musim (3 bulanan) adalah seperti terlihat sebagai berikut di bawah ini. Berdasarkan tabel tersebut tentukan perkiraan permintaan menggunakan seasonal faktor untuk ke empat musim tersebut Permintaan (dlm ribuan) per 3 bulan Tahun Total ,6 8,6 6,3 17,5 45, ,1 10,3 7,5 18,2 50, ,3 10,6 8,1 19,6 53,6 Total 42,0 29,5 21,9 55,3 148,7 Contoh 6

26 Berikutnya kita ingin mengembakan peramalan permintaan untuk tahun Karena permintaan dalan tabel contoh 4 tadi secara umum menunjukkan suatu trend pertambahan, maka kita dapat menghitung menggunakan trnd linear sederhana y = a + bx untuk 3 tahun data. Setelah dihitung mengunakan metode trend linear maka akan didapat persamaan fungsi permintaan y = 40,97 + 4,30x. Peramalan untuk tahun 2000 ( periode 4) y = 40,97 + 4,30x y = 40,97 + 4,30(4) = 58,17 kalkun Jika menggunakan seasonally adjusted forecast (SF i ) maka peramalan untuk tahun 2000 adalah SF 1 = (S 1 )(F 1 ) = (0,28)(58,17)=16,28 SF 2 = (S 2 )(F 2 ) = (0,20)(58,17)=11,63 SF 3 = (S 3 )(F 3 ) = (0,15)(58,17)= 8,73 SF 4 = (S 4 )(F 4 ) = (0,37)(58,17)=21,53 58,17

27 Tingkat Ketepatan /Akurasi Peramalan

28 Periode Permintaan Peramalan, Error D t F t (α =0,30) (D t -F t ) |D t -F t | , ,00 3,00 3, ,90 3,10 3, ,83 -1,83 1, ,28 6,72 6, ,29 9,69 9, ,20 -0,20 0, ,14 3,86 3, ,30 11,70 11, ,81 4,19 4, ,06 5,94 5, ,84 3,15 3, ,31 53,39 Perusahaam B (dalam contoh 3) ingin mengetahui tingkat keakurasian peramalan dengan menggunakan MAD

29  METODE REGRESI Regresi Linear (Linear Regression) Regresi Berganda (Multiple Regression) Metode Time Series dan Metode Regresi dapat jugamenggunakan softeare komputer, yaitu antara lain : Excel, Excel POM dan POM for Widowss  METODE-METODE KUALITATIF Merupakan metode subjektif, menggunakan pertimbangan, keahlian, pengalaman dan pendapat dalam membuat keputusan

30 Regresi Linear (Linear Regression) y = a + b x y = the dependent variable a = the intercept b = the slope of the line x = the independent variable Corelation

31 Regresi Berganda (Multiple Regression) y = β 0 + β 1 x 1 + β 2 x 2 +…+ β k x k y = the independent variable β 0 = the intercept β 1,……, β k = parameters representing the contribution of the independent variables x 1,……, x k = independent variable

32 Bulan Permintaan Januari 9 Pebuari 7 Maret 10 April 8 Mei 7 Juni 12 Juli 10 Agustus 11 Septembe 12 Oktober 10 November 14 Desember 16 Catatan penjualan Sepeda motor dealer A tahun 2003 adalah seperti terlihat dalam tabel Hitunglah suatu peramalan rata-rata bergerak 3-tahunan untuk bulan April(2003) sampai dengan Januari (2004) Hitunglah peramalan rata-rata bergerak 5- bulanan untuk bulan Juni (2003) sampai dengan januari (2004) Hitunglah peramalan menggunakan metode trend linear untuk bulan Februari (2003) sampai dengan Januari (2004) Bandingkan 3 peramalan yang telah dihitung tersebut (boleh menggunakan MAD atau Simpangan Baku) dan pilih salah satu yang seharusnya dipilih oleh dealer motor A


Download ppt "X. PERAMALAN (FORECASTING) A. KOMPONEN-KOMPONEN PERAMALAN  KERANGKA WAKTU (TIME FRAME) Short-to mid range forecast Long-range forecast  PERILAKU PERMINTAAN."

Presentasi serupa


Iklan oleh Google