  At Ft2 At Ft MODUL 04 PERAMALAN (2/2)

Slides:



Advertisements
Presentasi serupa
ANDI BUDIMANSYAH “A “ NON REGULER FT UNTIRTA JURUSAN INDUSTRI.
Advertisements

Peramalan.
Peramalan STIE PUTRA BANGSA.
Metode Peramalan (Forecasting Method)
BAB VI UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi) (Pertemuan ke-8) Oleh: Andri Wijaya, S.Pd., S.Psi., M.T.I. Program Studi Sistem Informasi Sekolah.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
METODE PERAMALAN KUANTITATIF
PERAMALAN PENGELOLAAN DEMAND
FACILITY DESIGN NURUL UMMI, ST MT.
UKURAN KERAGAMAN/ DISPERSI
PERAMALAN Memprediksi peristiwa masa depan
Metode Peramalan (Forecasting Method)
OLEH : WIDYA FITRIANI ( ) Reviewer 1 : Ednawati Rainarli, S.Si., M.Si.
Peramalan dan Pengelolaan Permintaan samsulb
Pertemuan VIII Peramalan Produk
PENGUKURAN KESALAHAN PERAMALAN
Pertemuan-4 PERAMALAN (FORECASTING)
Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
DERET BERKALA (TIME SERIES) (1)
PERAMALAN (3) Metoda Siklis Metoda Musiman
6. Metode Exponential Smoothing (1)
Apakah Peramalan itu ? Peramalan : seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan denganmelibatkan pengambilan data.
METODE PENGHALUSAN EKSPONENSIAL
PERENCANAAN PERMINTAAN DALAM Supply Chain
Product Process Demand MODUL 05 – 1/ 16 MODUL 05
MODUL 09 – 1/ 19 MODUL 09 INVENTORY (2/3)
FORECASTING -PERAMALAN-
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
f0 MODUL 10 – 1/ 17 MODUL 10 PERSEDIAAN (3/3)
Maket pusat perbelanjaan, prototipe mobil baru.
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
MODUL 06 – 1/ 17 MODUL 06 PERENCANAAN AGREGAT (2/2)
MODUL 13 – 1/ 20 MODUL 13 SHORT-TERM SCHEDULING (1/2)
MODUL 11 – 1/ 20 MODUL 11 MATERIAL REQUIREMENT PLANNING (MRP) (1/2)
DALAM HAL BIAYA TIDAK DIKETAHUI
MODUL 08 – 1/ 18 MODUL 08 PERSEDIAAN (1/3) 1. FUNGSI PERSEDIAAN
PERAMALAN Oleh: Sri Hermawati.
Magister Management Program UNIVERSITAS KOMPUTER INDONESIA
Cara mengadakan Penelitian
MODUL 12 – 1/ 20 MODUL 12 MATERIAL REQUIREMENT PLANNING (MRP) (2/2)
PERAMALAN DENGAN METODE SMOOTHING
Peramalan “Penghalusan Eksponensial”
kelompok ahli. Disini ada proses “learning”.
METODA PERAMALAN KUANTITATIF
3 MODUL 14 – 1/ 22 JOB ARR TIME DUE DATE OP. I OP. II OP. III M/C PROC
FORECASTING/ PERAMALAN
PERAMALAN (3) Metoda Siklis Metoda Musiman
MANAJEMEN OPERASIONAL
Manajemen Operasional (Peramalan Permintaan)
Peramalan .Manajemen Produksi #3
M. Double Moving Average
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
PERAMALAN (FORECASTING)
Naïve Method & Total Historical Average
DERET BERKALA (TIME SERIES) (1)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
PERAMALAN (Forecasting)
Ukuran Ketepatan Peramalan Data Time Series
ANALISA SISTEM PERSEDIAAN BAHAN BAKU DI PT. TRUTUNGGAL MULTICHEMICAL
Perencanaan dan Pengendalian Produksi Minggu 2
Ukuran Akurasi Model Deret Waktu Manajemen Informasi Kesehatan
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
Pengendalian Kualitas
Toman Sony Tambunan, S.E, M.Si NIP
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
Transcript presentasi:

  At Ft2 At Ft MODUL 04 PERAMALAN (2/2) 1. UKURAN AKURASI HASIL PERAMALAN Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan. Ukuran yang biasa digunakan adalah: 1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD ) MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut : At Ft n  MAD = Di mana: A Ft n 2. = Permintaan Aktual pada perioda – t = Peramalan Permintaan pada perioda –t = Jumlah Perioda Peramalan yang terlibat Rata-Rata Kuadrat Kesalahan ( Mean Square Error = MSE ) MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap perioda dan membaginya dengan jumlah perioda peramalan. Secara matematis, MSE dirumuskan sebagai berikut : At Ft2 n  MSE = 3. Rata-Rata Kesalahan Peramalan ( Mean Forecast Error = MFE) MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama perioda peramalan dan membaginya dengan jumlah perioda peramalan. Secara matematis, MFE dinyatakan sebagai berikut : Perencanaan dan Pengendalian Produksi (Manufacturing Planning and Control [MPC]) Indra Almahdy Ir MSc http://www.mercubuana.ac.id MODUL 01 – 1/ 16 PERAMALAN (2/2)

2. VERIFIKASI DAN PENGENDALIAN PERAMALAN Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian rupa sehingga mencerminkan data masa lalu dan sistem penyebab yang mendasari permintaan tersebut. Sepanjang representasi peramalan tersebut dapat dipercaya, hasil peramalan dapat terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan, harus dicari metode lainnya yang lebih cocok. Validitas tersebut harus ditentukan dengan uji statistis yang sesuai. Setelah suatu peramalan dibuat, selalu timbul keraguan apakah perlu dibuat suatu metode peramalan baru . Peramalan harus selalu dibandingkan dengan permintaan aktual secara teratur. Pada suatu saat harus diambil tindakan revisi peramalan apabila ditemukan bukti adanya perubahan pola permintaan yang meyakinkan. Selain itu, penyebab perubahan pola permintaan harus diketahui. Penyesuaian metode peramalan dilakukan segera setelah perubahan pola permintaan diketahui. Terdapat banyak perkakas yang dapat digunakan untuk memverifikasi peramalan dan mendeteksi perubahan sistem penyebab yang melatarbelakangi perubahan pola permintaan. Bentuk yang paling sederhana adalah peta kendali peramalan, mirip dengan peta kendali kualitas. Peta kendali ini dapat dibuat dengan ketersediaan data yang minim. Perencanaan dan Pengendalian Produksi (Manufacturing Planning and Control [MPC]) Indra Almahdy Ir MSc http://www.mercubuana.ac.id MODUL 01 – 3/ 16 PERAMALAN (2/2)

Moving Range. Batas ini ditetapkan sedemikian sehingga diharapkan Sekurang-kurangnya harus ada 10 dan lebih disukai 20 data untuk membuat peta Moving Range. Batas ini ditetapkan sedemikian sehingga diharapkan hanya ada tiga dari 1000 titik yang berada di luar batas kendali, jika sistem penyebab yang melatarbelakanginya tetap sama. Jika ditemukan satu titik yang berada di luar batas kendali pada saat peramalan diverifikasi, harus ditentukan apakah data harus diabaikan atau peramalan baru harus dicari. Jika ditemukan sebuah titik berada di luar batas kendali harus diselidiki penyebabnya. Temuan itu mungkin membutuhkan penyelidikan yang ekstensif. Jika semua titik berada di dalam batas kendali, diasumsikan peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali berarti peramalan yang didapat kurang baik dan harus direvisi. Peta kendali dapat digunakan untuk mengetahui apakah terjadi perubahan dalam sistem penyebab yang melatarbelakangi permintaan sehingga dapat ditentukan persamaan peramalan baru yang lebih cocok atas sistem penyebab yang terjadi pada saat ini. Perencanaan dan Pengendalian Produksi (Manufacturing Planning and Control [MPC]) Indra Almahdy Ir MSc http://www.mercubuana.ac.id MODUL 01 – 5/ 16 PERAMALAN (2/2)