1 / 32

PERAMALAN (FORECASTING)

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.

bedros
Download Presentation

PERAMALAN (FORECASTING)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  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 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

  7. 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 5-bulanan ……dst

  8. 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

  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 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

  14. α = 0,30 α = 0,50 dst… dst……

  15. 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

  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+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

  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 • 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

  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 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

  26. 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

  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| • 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

  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 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

More Related