Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

6. Metode Exponential Smoothing (1) Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya. Kesalahan peramalan masa lalu digunakan.

Presentasi serupa


Presentasi berjudul: "6. Metode Exponential Smoothing (1) Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya. Kesalahan peramalan masa lalu digunakan."— Transcript presentasi:

1 6. Metode Exponential Smoothing (1) Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya. Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya. Dihitung berdasarkan hasil peramalan + kesalahan peramalan sebelumnya. Dihitung berdasarkan hasil peramalan + kesalahan peramalan sebelumnya.

2 6. Metode Exponential Smoothing (2)  besar, smoothing yg dilakukan kecil  besar, smoothing yg dilakukan kecil  kecil, smoothing yg dilakukan semakin besar  kecil, smoothing yg dilakukan semakin besar  optimum akan meminimumkan MSE, MAPE  optimum akan meminimumkan MSE, MAPE ES didefinisikan sebagai: Keterangan: F t+1 = Ramalan untuk periode berikutnya D t = Demand aktual pada periode t F t = Peramalan yg ditentukan sebelumnya untuk periode t  = Faktor bobot

3 7. Metode Seasonal Demand meningkat karena pengaruh tertentu atau berdasarkan waktu. Demand meningkat karena pengaruh tertentu atau berdasarkan waktu. Nilai/harga faktor seasonal antar 0 dan 1. Nilai/harga faktor seasonal antar 0 dan 1. Formulasi peramalan pada tahun ke i : Formulasi peramalan pada tahun ke i : d’ i = a + b t Keterangan : d’ i = peramalan untuk saat ke i t = perioda waktu (bulan, minggu, dll) Formulasi Peramalan Seasonal : Formulasi Peramalan Seasonal : SF (i) = (S i ).(d’ t )

4 Forecasting Errors & Tracking Signals 3 metode perhitungan kesalahan peramalan :

5 Verifikasi (1) Salah satu metode verifikasi adalah Moving Range Chart (MRC). Salah satu metode verifikasi adalah Moving Range Chart (MRC). Moving Range (MR) didefinisikan sebagai : Moving Range (MR) didefinisikan sebagai : MR = |d’ t – d t | – |d’ t-1 – d t-1 | MR = |d’ t – d t | – |d’ t-1 – d t-1 | Keterangan : Keterangan : d’ t = ramalan pada bulan ke t d’ t = ramalan pada bulan ke t d t = kebutuhan pada bulan ke t d t = kebutuhan pada bulan ke t d’ t–1 = ramalan pada bulan ke t-1 d’ t–1 = ramalan pada bulan ke t-1 d t–1 = kebutuhan pada bulan ke t-1 d t–1 = kebutuhan pada bulan ke t-1

6 Verifikasi (2) Rata-rata MR dihitung : Rata-rata MR dihitung : Batas kontrol atas (UCL), batas kontrol bawah (LCL), dan garis tengah (CL) Batas kontrol atas (UCL), batas kontrol bawah (LCL), dan garis tengah (CL)

7 Verifikasi (3)

8 Verifikasi (4) Pengujian out of kontrol : Pengujian out of kontrol :  Dari 3 titik yang berurutan, 2 titik atau lebih berada di daerah A.  Dari 5 titik yang berurutan, 2 titik atau lebih berada di daerah B.  Dari 5 titik yang berurutan, 2 titik atau lebih berada di daerah B.  Dari 8 titik yang berurutan, seluruhnya berada di atas atau di bawah center line.  Dari 8 titik yang berurutan, seluruhnya berada di atas atau di bawah center line.  Satu titik berada di luar batas kontrol.  Satu titik berada di luar batas kontrol.

9 Verifikasi (5) Contoh Soal: Kasus Peramalan Konstan Contoh Soal: Kasus Peramalan Konstan MR = |d’ t – d t | – |d’ t-1 – d t-1 |

10 Verifikasi (6) Gambar 2. Peta Kendali Peramalan Konstan -30 -20 -10 0 10 20 30 JFMAMJJASOND Bulan d' - d CL UCL = +28.2 LCL = -28.2

11 Verifikasi (7) Bila kondisi out of control terjadi. Bila kondisi out of control terjadi. Perbaiki ramalan dengan memasukkan data baru. Perbaiki ramalan dengan memasukkan data baru. Tunggu evidence (fakta-fakta) selanjutnya. Tunggu evidence (fakta-fakta) selanjutnya.

12 Contoh Metode Constant Bulant d t Jan1 90 Feb2 111 Mar3 99 Apr4 89 Mei5 87 Jun6 84 Jul7 104 Aus8102 Sep9 95 Okt10114 Nov11103 Des12113  1191  1191

13 Contoh Metode Linear trend td t td t t 2 d’ t (d t -d’ t ) 2 12050 2050 1 2108,5 3.422,2 22235 4470 4 2210,1 620,0 32420 7260 9 2311,711.728.9 42360 9440 16 2413,3 2.840,9 52490 12450 25 2514,9 620,0 62620 15720 36 2616,5 12,3 2114175 51390 91 19.244,3 d’ t = a + bt = 2006,9 + 101,6t = 2006,9 + 101,6t

14 Contoh Metode Quadratic tt2t2 t3t3 t4t4 dtdt td t t2dtt2dt 111116 248 244896 39278134102306 4166425646184736 525125625603001500  15 552259791806502654

15 Contoh Metode Eksponensial t dtdtdtdt Ln(d t ) tLn(d t ) t2t2t2t2 12.500.920.921 24.121.422.844 36.801.925.769 411.202.429.6816 518.472.9214.6025 159.6033.855

16 Contoh Metode Moving Average Bulan t d t MA 3 bulan MA 5 bulan Jan 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 = 14 Jul 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6

17 Contoh Metode Exponential Smoothing PeriodDemand Forecast, F t+1 =0.3 =0.5 137-- 2403737 34137.938.5 43738.8339.75 54538.2838.37 65040.2941.68 74343.2045.84 84743.1444.42 95644.3045.71 105247.8150.85 115549.0651.42 125450.8453.21 51.7953.61

18 Contoh Metode Seasonal (1) Year Demand (x 1000) Kwartal-1Kwartal-2Kwartal-3Kwartal-4Total 199212.68.66.317.545 199314.110.37.518.250.1 199415.310.68.119.653.6 4229.521.955.3148.7 Perhitungan faktor bobot: S 1 = D 1 /  D = 42/148.7 = 0.28 S 2 = 0.20 S 3 = 0.15 S 4 = 0.37

19 a = 40.97b = 4.3 y = 40.97 + 4.3 t Untuk tahun 1995 (t =4) diperoleh 58.17 Peramalan utk tiap kwartal: SF 1 = S 1.F 5 =.28 (58.7) = 16.28 SF 2 = 11.63 SF 3 = 8.73 SF 4 = 21.53 Contoh Metode Seasonal (2)

20 Kesimpulan 1. 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 kriteria minimum average sum of squared errors. 4. Distribusi forecast errors harus dimonitor, jika terjadi bias maka model yang digunakan tidak tepat.


Download ppt "6. Metode Exponential Smoothing (1) Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya. Kesalahan peramalan masa lalu digunakan."

Presentasi serupa


Iklan oleh Google