PERAMALAN (FORECASTING) KELOMPOK 2 : Azrin Dhaniar Aprilia (0809289) Dani Zulhaidar (0800595)

1. PERAMALAN (FORECASTING) KELOMPOK 2 : AzrinDhaniarAprilia (0809289) DaniZulhaidar (0800595) SintiaOktaviani (0807139)

2. DefinisiPeramalan • Peramalanadalahsenidanilmuuntukmemprediksimasadepan. • Peramalanadalahtahapawal, danhasilramalanmerupakan basis bagiseluruhtahapanpadaperencanaanproduksi. • Prosesperamalandilakukanpada level agregat (part family); bila data yang dimilikiadalah data item, makaperludilakukanagregasiterlebihdahulu. • Metode: Kualitatifdankuantitatif. • Terminologi: perioda, horison, lead time, fitting error, forecast error, data danhasilramalan.

3. Meramal Horizon Waktu • Peramalanjangkapendek, peramalan yang mencakupjangkwaktuhingga 1 tahuntetapiumumnyakurangdari 3 bulan. Digunakanuntukperencananpembelin, penjadwalankerja, dll • Peramalanjangkamenengah, Mencakuphitunganbulananhingga 3 tahun. Digunakanuntukperencanaanpenjualan, anggaranproduksi, anggarankas, dll • Peramalanjangkapanjang, umumnyauntukperencanaan 3 tahunataulebih. Digunakanuntukperencanaanpembuatanprodukbaru, pembelanjan modal, penelitiandanpengembanagn, dll

4. Jenis Peramalan • Peramalanekonomi, menjelaskansiklusbisnisdenganmemprediksikantingkatinflasi, Ketersediaanuang, danindikatorperencanaanlainnya. • Peramalanteknologi, memperhatikantingkatkemajuanteknologi yang dapatmeluncurkanprodukbaru yang menarik, yang membutuhkanpabrikdanperalatanbaru. • Peramalanpermintaan, proyeksiuntukprodukataulayanansuatuperusahaan.

5. Langkah-langkah Peramalan • Menetapkan tujuan peramalan. • Memilih unsur apa yang akan diramal. • Menentukan horizo n waktu peramalan. • Memilih tipe model peramalan. • Mengumpulkan data yang diperlukan untuk menentukan peramalan. • Membuat peramalan. • Memvalidasi dan menerapkan hasil peramalan

6. Tipe teknik peramalan adalah : 1. MetodeKualitatif. Berdasarkanpadakeputusan, pendapat, pengalamanatauperkiraansederhanauntukmelakukanramalan 2. MetodeKuantitatif. Berdasarkanpadametodematematisataudalambentukstatistik.

7. Tinjauan metode kualitatif • Keputusan dari pendapat juri eksekutif • Metode Delphi • Gabungan dari tenaga penjualan • Survei pasar konsumen

8. Tinjauan metode kuantitatif • Model time series: • Pendekatan naif • Rata-rata bergerak • Penghalusan eksponensial • Proyeksi tren • Model asosiatif : • Regresi linear

9. PersyaratanPenggunaanMetodeKuantitatif: • Tersediainformasitentangmasalalu. • Informasitersebutdapatdikuantitatifkandalambentuk data numerik. • Dapatdiasumsikanbahwabeberapaaspekpolamasalaluakanterusberlanjutdimasamendatang.

10. Pendekatan Naif • Yaitu pendekatan kuantitatif yang mengasumsikan permintaan periode mendatang sama dengan periode kini

11. 5. Metode Moving Average • Digunakanbila data-datanya : - tidakmemiliki trend - tidakdipengaruhifaktormusim • Digunakanuntukperamalandenganperiodawaktuspesifik. • Moving Average didefinisikansebagai : MA= ∑ permintaan n sebelumnyaatau n Keterangan : n = jumlahperioda dt = demand padabulanke t

12. Metode Exponential Smoothing (2) ES didefinisikan sebagai: Keterangan: Ft = Peramalanygditentukansebelumnyauntukperiode t Ft-1 = Ramalanuntukperiodesebelumnya At-1 = permintaanaktualperiodelalu a = konstantapenghalus(pembobot) (0≤α≥1) • a besar, smoothing yg dilakukan kecil • a kecil, smoothing yg dilakukan semakin besar • a optimum akan meminimumkan MSE, MAPE

13. Metodeperhitungankesalahanperamalan : KesalahanPeramalan = permintaanaktual – nilaiperamalan = A1 – f1

14. PenghalusanEksponensialdenganPenyesuaianTren • Ft= α(At-1) + (1-α) (Ft-1 + Tt-1) • Tt= β(Ft - Ft-1) + (1-β) Tt-1 • Peramalandengantren (FITt) = peramalanpenghalusaneksponensial (Ft) + trenpenghalusaneksponensial (Tt)

15. 2. Metode Linier trend • Model ini menggunakan data yang secara random berfluktuasi membentuk garis lurus. • Rumus untuk metoda linier: Keterangan: ŷ= variable terikat α= persilangan sumbu y b= kemiringan garis regresi x= Variable bebas ∑= tanda penjumlahan total y= nilai variable terkait

16. Tigapersyaratanmenggunakanmetodekuadratterkecil • Selalupetakan data karena data kuadratterkecilmengasumsikanadanyahubungan linear. Jika yang didapatkanadalahsebuahgarislengkung, makaanalisiskurva linear mungkindiperlukan. • Janganmemprediksikanperiodewaktuterlalujauhdidepan data yang diberikan. • Deviasidisekitargariskuadratterkecildiasumsikanacak. Merekabiasanyatersebarmeratadenganhampirseluruhpengamatandekatpadagarisdanhanyasebagiankecil data jauhdarigaris.

17. VariasiMusimanpada data • Variasimusimanpada data adalahpergerakan yang regulerbaikmeningkatmaupunmenurundalamkurunwaktutertentu • Langkahvariasimusiman data: • Menemukan rata-rata permintaahistorisuntuksetiapmusim • Menhitung Rata-rata permintaanuntuksetiapbulan • Menghitungindeksmusiman • Mengestimasipermintaantahunan total untuktahundepan • Membagiprediksipermintaantahunan total denganjumlahmusim

18. VariasiSiklusdalam Data • Siklus adalah poladata yang muncul setiap beberapa tahun • Cara terbaik untuk memprediksi siklus bisnis adalah dengan menemukan variable terdahulu yang berhubungan dengan data

19. Analisis regresi • Analisisregresimerupakansuatuteknikmatematis yang menghubungkanvariabel independent denganvariabel dependent. Persamaan linier sebagaiberikut : • Dimana • ŷ = nilai variable terikat ( dalamcontohkitaadalahpenjualan) • α= perpotongansumbu y • b = kemiringangarisregresi • x = variable bebas

20. Kesalahanstandardarisuatuestimasi • Titikprediksiadalah rata-rata(mean) ataunilaiharapan (expected value) darisuatudistribusipenjualan yang mungkin. Untukmenghitungkeakuratanregresi yang diperkirakan, kitaharusmenghitungkesalahanstandarestimasi (standard error of the estimate), perhitunganinidisebutdeviasistandarregresi (standard deviation of the regression) yang menghitungkesalahandari variable terikatterhadapgarisregresidanbukanterhadap rata-rata. • Dimana • y = nilai y untuksetiaptitik data • Yc = nilaiterhitung variable terikat, daripersamaanregresi • n = jumlah data

21. Koefisienkorelasiuntukgarisregresi • Persamaanregresidalahsatucarauntukmenyatakanhubunganantaradua variable. Garisregresibukanlahhubungansebabakibat. Merekamenjelaskanhubunganantar variable. Persamaanregresimenunjukanbagaimanasatu variable berhubunganpadanilaidanperubahanpada variable lain. Cara lain untukmengevaluasihubunganantaradua variable adalahdenganmenghitungkoefisienkorelasi (coefficient of correlation). Koefisienkorelasiadlahsuatubilanganantara +1 dan -1 • Perhitunganinidisebutjugakoefisiendeterminasi (coefficient of determination) danmerupakanpengkuadratansederhanakoefisienkorelasi.

22. Analisis Regresi berganda • Regresiberganda (multiple regression) adalahlanjutanpraktisdari model regresisederhana. Regresisederhana. Regresibergandamembolehkankitamembangunsebuah model denganbeberapa variable bebas, danbukandenganhanyasatu variable. • dimana • ŷ = nilai variable terikat ( dalamcontohkitaadalahpenjualan) • α = sebuahkonstanta • b1dan b2 = koefisiendaridua variable bebas • x1dan x2 = nilaidua variable bebasberturut-turut, upahwilayahdantingkatsukubunga

23. Pengawasandanpengendalianperamalan • Perusahaan perlumenetapkankeputusanatasperbedaan yang signifikandengan yang diramalkanmelalui variable yang dievaluasi. Satucarauntukmengawasiperamalanberjalandenganbaikadalahdenganmenggunakansebuahsinyalpenelusuran (tracking signal). Sinyalpenelusuranadalahsebuahperhitunganseberapabaikperamalamemprediksinilai actual. • Sinyalpenelusurandihitungsebagai running sum of the forecast errors (RSFE) dibagidengan mean absolute deviation (MAD) : • (Tracking signal) = RSFE/MAD = ∑(permintaanaktualpadaperioode I – ramalanpermintaanperiode I /MAD • Dimana MAD = ∑|aktual-peramalan| / n • Sinyalpenelusuranpositifmenandakanpermintaanlebihbesardariramalan. Sinyal negative berartipermmintaanlebihsedikitdariramalan. Sinyalpenelusuran yang bagusadalah yang memiliki RSFE rendah, mempunyaikesalahanpositif yang samadengankesalahannegatifnya.

24. Penghalusan adaptif • Penghalusan adaptif merupakan suatu pendekatan untuk melakukan peramalan penghalusan eksponensial dimana konstanta penghalusan secara otomatis berubah untuk menjaga jumlah kesalahan minimum.

25. Peramalan Fokus • Peramalan focus adalahperamalan yang mencobaberagam model computer danmemilih yang terbaikuntukaplikasitertentu. • Peramaln focus didasarknpadaduaprinsip, yaitu: • Model peramalan yang canggihtidakselalulebihbaikdari model yang sederhana • Tidakadasatuteknik yang bias digunakanuntuksemuaprodukdanjasa.

26. Kesimpulan • Peramalanmerupakantahapanawaldalamperencanaansistemoperasiproduksi. • Model yang paling tepatharusdipilihdalammelakukanperamalan. • Model yang dipilihdapatdibandingkandengan model yang lain denganmenggunakankriteriaminimumaverage sum of squared errors. • Distribusiforecast errorsharusdimonitor, jikaterjadi bias maka model yang digunakantidaktepat.