QUANTITATIVE FORECASTING METHOD

Presentasi berjudul: "QUANTITATIVE FORECASTING METHOD"— Transcript presentasi:

1 QUANTITATIVE FORECASTING METHOD
RURI SUKO BASUKI

2 MOVING AVERAGE

3 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 Rata-rata bergerak 3-bulanan Bulan Pesanan Januari Pebuari Maret April Mei Juni Juli Agustus September Oktober ……dst

4 ……dst Bulan Pesanan Januari 120 Rata-rata bergerak 5-bulanan
Pebuari Maret April Mei Juni Juli Agustus September Oktober Rata-rata bergerak 5-bulanan ……dst

5 Bulan Pesanan Rata-rata bergerak Rata-rata Bergerak
per bln Bulanan bulanan Januari Pebuari Maret April , Mei , Juni , ,0 Juli , ,0 Agustus , ,0 September , ,0 Oktober , ,0 November , ,0

6

7 WEIGHTED MOVING AVERAGE (WMA)

8 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 Bulan Order Bobot Januari 120 Pebruari 90 Maret 100 April 75 Mei 110 Juni 50 Juli Agustus 130 0.17 September 0.33 Oktober 0.5 November

9  Exponential Smoothing

10 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 Januari Pebuari Maret April Mei Juni Juli Agustus Septembe Oktober November Desember

11 α = 0,30 α = 0,50 dst… dst……

12 Periode Bulan Permintaan Peramalan, Ft+1
α =0, α=0,50 Januari Pebuari , ,00 Maret , ,50 April , ,75 Mei , ,37 Juni , ,68 Juli , ,84 Agustus , ,42 Septembe , ,71 Oktober , ,85 November , ,42 Desember , ,21 Januari , ,61

13 Exponential Smoothing

14  Adjusted Exponential Smoothing

15 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

16 Periode Bulan Permintaan Forecast Trend Adjusted Forecast
Ft Tt Aft+1 Januari , Pebuari , , ,00 Maret , , ,95 April , , ,44 Mei , , ,44 Juni , , ,73 Juli , , ,82 Agustus , , ,37 Septembe , , ,76 Oktober , , ,13 November , , ,19 Desember , , ,98 Januari , , ,96

17 Adjusted Exponential Smoothing

18  Linear trend line

19 Contoh 5 Perusahaan B (dalam contoh 3) ingin mengembangkan peramalan dengan menggunakan metode trend linear Periode Permintaan x y xy x2

20 Linear trend line

21  Seasonal Adjustment

22 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 Total , , , , ,0 , , , , ,1 15, , , , ,6 Total , , , , ,7

23 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 (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

24 Tingkat Ketepatan /Akurasi Peramalan

25 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| , , , ,00 , , ,10 , , ,83 , , ,72 , , ,69 , , ,20 , , ,86 , , ,70 , , ,19 , , ,49 , , ,15 , ,39

26 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

27 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

28 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

29 Catatan penjualan Sepeda motor dealer A tahun 2003 adalah seperti terlihat dalam tabel
Bulan Permintaan Januari Pebuari Maret April Mei Juni Juli Agustus Septembe Oktober November Desember 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