PERAMALAN (FORECASTING)

Slides:



Advertisements
Presentasi serupa
Metode Peramalan (Forecasting Method)
Advertisements

METODE PERAMALAN KUANTITATIF
Forecast dengan Smoothing
MUHAMMAD HAJARUL ASWAD PERTEMUAN ANALISIS KORELASI 2.3. KORELASI PARSIAL 2.4. KORELASI BERGANDA.
TEORI PENGAMBILAN KEPUTUSAN
INDEKS MUSIMAN DAN GERAKAN SIKLIS
Peramalan (Forecasting)
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
Metode Peramalan (Forecasting Method)
Forecasting.
METODE FORECASTING.
METODE PERAMALAN Pertemuan 15
Pertemuan VIII Peramalan Produk
Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
Bunga sederhana Pertemuan 1.
DERET BERKALA (TIME SERIES) (1)
ASPEK PASAR SKB (LANJUTAN)
Langkah – langkah pendesainan suatu Model
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
QUANTITATIVE FORECASTING METHOD
FORECASTING -PERAMALAN-
Pertemuan Metode Peramalan (Forecasting Method)
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
STATISTIK INDUSTRI MODUL 10
‘12 Manajemen Operasional Hidayat Wiweko, SE. M.Si
PERAMALAN Oleh: Sri Hermawati.
Manajemen Operasional
BAB X INDEKS MUSIMAN DAN GERAKAN SIKLIS
DERET BERKALA DAN PERAMALAN
PERAMALAN DENGAN METODE SMOOTHING
MANAJEMEN PERSEDIAAN.
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
Anggaran Produksi.
Peramalan Operation Management.
DERET BERKALA DAN PERAMALAN
Manajemen Operasional (Peramalan Permintaan)
Peramalan .Manajemen Produksi #3
Indeks Musim dan Gerakan Siklis Tugas Mandiri 01 J0682
M. Double Moving Average
PERAMALAN (FORECASTING)
Kriteria.
Forecast dengan Smoothing
Studi Kelayakan Bisnis (Aspek Pasar dan Pemasaran)
FORECASTING.
DERET BERKALA (TIME SERIES) (1)
BAB 6 analisis runtut waktu
DERET BERKALA DAN PERAMALAN
METODE ANALISIS TREND: Trend Non Linier
ANGGARAN PRODUKSI Mispiyanti, S.E., M.Ak., Ak..
REGRESI Danniar Rosmawati A.04
ANALISA SISTEM PERSEDIAAN BAHAN BAKU DI PT. TRUTUNGGAL MULTICHEMICAL
Kelompok 2 munajah dewi raja gukguk Lela martina Oktavia rahmayati
Oleh : Keti Purnamasari, S.E.,M.Si
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
Manajemen Operasional
DERET BERKALA DAN PERAMALAN
Manajemen Operasional
Anggaran Produksi.
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
DERET BERKALA DAN PERAMALAN
Rekapitulasi SNI Penetapan Tahun April
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
METODE PERAMALAN.
Pengolahan grafik dan penambahan gambar
USULAN PERENCANAAN KEBUTUHAN BAHAN BAKU PRODUK BUSI TIPE C7HSA PADA PT
Transcript presentasi:

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

Pola-pola perilaku permintaan

Tahap-tahap Proses Peramalan

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

Moving Average (Rata-rata Bergerak)

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

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

Bulan Pesanan Rata-rata bergerak Rata-rata Bergerak per bln 3-Bulanan 5 bulanan Januari 120 - - Pebuari 90 - - Maret 100 - - April 75 103,3 - Mei 110 88,3 - Juni 50 95,0 99,0 Juli 75 78,3 85,0 Agustus 130 78,3 82,0 September 110 85,0 88,0 Oktober 90 105,0 95,0 November - 110,0 91,0

Moving Average (Rata-rata Bergerak)

 Weighted Moving Average (Rata-rata Bergerak Terboboti)

Contoh 2 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

 Exponential Smoothing

Contoh 3 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 56 10 Oktober 52 11 November 55 12 Desember 54

α = 0,30 α = 0,50 dst… dst……

Periode Bulan Permintaan Peramalan, Ft+1 α =0,30 α=0,50 1 Januari 37 - - 2 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 Desember 54 50,84 53,21 Januari - 51,79 53,61

Exponential Smoothing

 Adjusted Exponential Smoothing

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 T13

Periode Bulan Permintaan Forecast Trend Adjusted Forecast Ft+1 Tt+1 Aft+1 Januari 37 37,00 -- 2 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 Desember 54 53,21 1,77 54,98 Januari - 53,61 1,36 54,96

Adjusted Exponential Smoothing

 Linear trend line

Contoh 5 Perusahaan B (dalam contoh 3) ingin mengembangkan peramalan dengan menggunakan metode trend linear Periode Permintaan x y xy x2 1 37 37 1 2 40 80 4 3 41 123 9 4 37 148 16 5 45 225 25 6 50 300 36 7 43 301 49 8 47 376 64 9 56 504 81 10 52 520 100 11 55 605 121 54 648 144 78 557 3.867 650

Linear trend line

 Seasonal Adjustment

Contoh 6 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 1 2 3 4 Total 1997 12,6 8,6 6,3 17,5 45,0 1998 14,1 10,3 7,5 18,2 50,1 15,3 10,6 8,1 19,6 53,6 Total 42,0 29,5 21,9 55,3 148,7

Berikutnya kita ingin mengembakan peramalan permintaan untuk tahun 2000. 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 (SFi) maka peramalan untuk tahun 2000 adalah SF1 = (S1)(F1) = (0,28)(58,17)=16,28 SF2 = (S2)(F2) = (0,20)(58,17)=11,63 SF3 = (S3)(F3) = (0,15)(58,17)= 8,73 SF4 = (S4)(F4) = (0,37)(58,17)=21,53 58,17

Tingkat Ketepatan /Akurasi Peramalan

Perusahaam B (dalam contoh 3) ingin mengetahui tingkat keakurasian peramalan dengan menggunakan MAD Periode Permintaan Peramalan, Error Dt Ft(α =0,30) (Dt-Ft) |Dt-Ft| 1 37 37,00 - - 2 40 37,00 3,00 3,00 3 41 37,90 3,10 3,10 4 37 38,83 -1,83 1,83 5 45 38,28 6,72 6,72 6 50 40,29 9,69 9,69 7 43 43,20 -0,20 0,20 8 47 43,14 3,86 3,86 9 56 44,30 11,70 11,70 10 52 47,81 4,19 4,19 11 55 49,06 5,94 5,49 54 50,84 3,15 3,15 554 49,31 53,39

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

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

Regresi Berganda (Multiple Regression) y = β0 + β1x1 + β2x2 +…+ βkxk y = the independent variable β0 = the intercept β1,……, βk = parameters representing the contribution of the independent variables x1,……, xk = independent variable

Catatan penjualan Sepeda motor dealer A tahun 2003 adalah seperti terlihat dalam tabel 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 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