PERAMALAN (FORECASTING)

Presentasi berjudul: "PERAMALAN (FORECASTING)"— Transcript presentasi:

1 PERAMALAN (FORECASTING)
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 Pebuari Maret April Mei Juni Juli Agustus September Oktober Rata-rata bergerak 3-bulanan ……dst

7 ……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

8 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

9 Moving Average (Rata-rata Bergerak)

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

11 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

12  Exponential Smoothing

13 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

14 α = 0,30 α = 0,50 dst… dst……

15 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

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 T13

19 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

20 Adjusted Exponential Smoothing

21  Linear trend line

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

23 Linear trend line

24  Seasonal Adjustment

25 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

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 (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

27 Tingkat Ketepatan /Akurasi Peramalan

28 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

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 = 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

32 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