METODE PERAMALAN PERMINTAANMETODE PERAMALAN PERMINTAAN

• Metode bebas (freehand method)

• Metode setengah rata-rata (semi average method)

• Metode rata-rata bergerak (moving average method)

• Metode kwadrat terkecil (least quares method)

Febriyanto, S.E., M.M.www.febriyanto79.wordpress.com

Peramalan Permintaan

Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.

Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umunya berada di luar kendali manajemen. Seperti: pelanggan, pesaing, pemerintah dan lain

sebagainya. Peramalan permintaan manajemen operasi: Peramalan permintaan manajemen operasi:

perencanaan skedul produksi, perencanaan pemenuhan kebutuhan bahan, perencanaan kebutuhan tenaga kerja, perencanaan kapasitas produksi, perencanaan layout fasilitas, penentuan lokasi, penentuan metode proses, penentuan jumlah mesin dan lain sebagainya.

Peramalan Permintaan

Metode Peramalan Permintaan Metode kuantitatif dapat dibagi ke dalam deret berkala atau

runtun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi mejadi metode eksploratoris dan normatif.

Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu: 1. Tersedia informasi tentang masa lalu 1. Tersedia informasi tentang masa lalu 2. Informasi dapat dikuantitatifkan dalam bentuk data numerik 3. Diasumsikan pola masa lalu akan terus berlanjut.

Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu:

Metode bebas (freehand method)

Metode setengah rata-rata (semi average method)

Metode rata-rata bergerak (moving average method)

Metode kwadrat terkecil (least quares method)

1. Metode Bebas

2. Metode setengah rata-rata (semi average method)

Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut:

Y' = ao + bx

Keterangan

Y’ : nilai trend periode tertentuY’ : nilai trend periode tertentu

a : nilai trend periode dasar

b : tambahan trend tahunan yang dihitung dengan cara (X2 – X1)/n

X2 : setengah rata-rata kelompok kedua

X1 : setengah rata-rata kelompok pertama

n : jumlah periode antara x2 dan x1

X : jumlah unit tahun yang dihitung dari periode dasar.

2. Metode setengah rata-rata (semi average method)

ao = a1988 = 332.200

b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

2. Metode setengah rata-rata (semi average method)

Nilai trend permulaan tahun 1986-1995 adalah:

ao = a1988 = 319.200

b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

Y1986 = 332.200 + 25.480 (-2,5) = 268.500 Y = 332.200 + 25.480 (-1,5) = 293.980 Y1987 = 332.200 + 25.480 (-1,5) = 293.980 Y1988 = 332.200 + 25.480 (-0,5) = 319.460 Y1989 = 332.200 + 25.480 ( 0,5) = 344.940 Y1990 = 332.200 + 25.480 ( 1,5) = 370.420 Y1991 = 332.200 + 25.480 ( 2,5) = 395.900 Y1992 = 332.200 + 25.480 ( 3,5) = 421.380 Y1993 = 332.200+ 25.480 (4,5) = 446.860 Y1994 = 332.200 + 25.480 ( 5,5) = 472.340 Y1995 = 332.200 + 25.480 ( 6,5) = 497.820

2. Metode setengah rata-rata (semi average method)

Misalnya: Nilai trend permulaan tahun 1986-1995 adalah: ao = a1993 = 459.600

b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

Nilai trend permulaan tahun 1986-1995 adalah: Y = 459.600+ 25.480 (-7,5) = 268.500 Y1986 = 459.600+ 25.480 (-7,5) = 268.500 Y1987 = 459.600+ 25.480 (-6,5) = 293.980 Y1988 = 459.600+ 25.480 (-5,5) = 319.460 Y1989 = 459.600+ 25.480 (-4,5) = 344.940 Y1990 = 459.600+ 25.480 (-3,5) = 370.420 Y1991 = 459.600+ 25.480 (-2,5) = 395.900 Y1992 = 459.600+ 25.480 (-1,5) = 421.380 Y1993 = 459.600+ 25.480 (-0,5) = 459.600 Y1994 = 459.600+ 25.480 ( 0,5) = 472.340 Y1995 = 459.600+ 25.480 ( 1,5) = 497.820

2. Metode setengah rata-rata (semi average method)

3. Metode Single Moving Average

Metode single moving average

○ Cara menghitung:

Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar rata-rata 3 bulan sebelumnya.

Rumus: Rumus:

St+1 = Forecast untuk periode ke t + 1

Xt = Data periode t

n = Jangka waktu moving averages.

n

X ...X XS 1n-t1-tt

1t

3. Metode Single Moving Average

Misal:

Jika forecast dengan metode 3 bulan moving averages untuk bulan April adalah

Penjualan Januari 20.000 kg

Februari 21.000 kg

Maret 19.000 kg

3

X X XS 123

4

3

20.000 21.000 19.000S 4

000.20S 4

3. Metode Single Moving Average

BulanBulan Permintaan Permintaan

ForecastForecast

3 bulan3 bulan 5 bulan5 bulan

JanuariJanuari

FebruariFebruari

MaretMaret

AprilApril

2020

2121

1919

1717

--

--

--

20.0020.00

--

--

--

--AprilApril

MeiMei

JuniJuni

JuliJuli

AgustusAgustus

SeptemberSeptember

OktoberOktober

NovemberNovember

DesemberDesember

1717

2222

2424

1818

2323

2020

2525

2222

2424

20.0020.00

19.0019.00

19.3319.33

21.0021.00

21.3321.33

21.6721.67

20.3320.33

22.6722.67

22.3322.33

--

--

19.8019.80

20.6020.60

20.0020.00

20.8020.80

21.4021.40

22.0022.00

21.6021.60

3. Metode Single Moving Average

Metode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya.

Metode Single Moving Average mempunyai 2 sifat khusus:

Untuk membuat forecast diperlukan data masa lalu selama jangka waktu tertentu.

Semakin panjang moving averages, maka akan menghasilkan Semakin panjang moving averages, maka akan menghasilkan moving averages yang semakin halus.

Menghitung forecast error Mean absolute error =>

Mean squared error =>

tt S XE

n

SXE

2

tt

3. Metode Single Moving Average

BulanBulan Permintaan Permintaan

3 bulan3 bulan

ForecastForecast ErrorError AbsoluteAbsoluteerrorerror

(Error)(Error)22

JanuariJanuari

FebruariFebruari

MaretMaret

2020

2121

1919

--

--

--

--

--

--

--

--

--

--

--

--MaretMaret

AprilApril

MeiMei

JuniJuni

JuliJuli

AgustusAgustus

SeptemberSeptember

OktoberOktober

NovemberNovember

DesemberDesember

1919

1717

2222

2424

1818

2323

2020

2525

2222

2424

--

20.0020.00

19.0019.00

19.3319.33

21.0021.00

21.3321.33

21.6721.67

20.3320.33

22.6722.67

22.3322.33

--

--3.003.00

3.003.00

4.674.67

--3.003.00

1.671.67

--1.671.67

4.674.67

--0.670.67

1.671.67

--

3.003.00

3.003.00

4.674.67

3.003.00

1.671.67

1.671.67

4.674.67

0.670.67

1.671.67

--

9.009.00

9.009.00

21.7821.78

9.009.00

2.782.78

2.782.78

21.7821.78

0.440.44

2.782.78

3. Metode Single Moving Average

Perbandingan eror antara 3 bulan dan 5 bulan moving average

3 bln moving average 5 bln moving average

Mean absolut error 2.67 2.37

Mean squared error 8.81 7.54

Berdasarkan perbandingan tersebut, moving average dengan jangka waktulebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.

4. Trend Metode Least Square

Trend adalah rata-rata perubahan dalam jangka panjang.

Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif.

Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif.

Salah satu metode trend yang digunakan adalah metode least squares.

Persamaan trend dengan metode least square adalah

Ŷ = a + bX

4. Trend Metode Least Square

Y’ = a + bx Σx = na + bΣx Σxy = x + b Σx2

Dimana: a & b = konstanta

Tahun X Penjualan

Y

xy X2 Y’

2000

2001

2002

10

05

15 a & b = konstanta persamaan

n = Jumlah data x = periode waktu

2002

2003

2004

2005

2006

2007

2008

15

20

25

30

40

45

35

4. Trend Metode Least Square

Tahun X Penjualan

Y

xy X2 Y’

2000

2001

2002

0

1

2

10

05

15

0

5

30

0

1

4

Σx = na + bΣxΣxy = ∑xa + bΣx2

2002

2003

2004

2005

2006

2007

2008

2

3

4

5

6

7

8

15

20

25

30

40

45

35

30

60

100

150

240

315

280

4

9

16

25

36

49

64

36 1180 204

4. Trend Metode Least Square

Σx = na + bΣxΣxy = ∑xa + b Σx2

36 = 9a + 36b (4)1180 = 36a + 204b (1)

36 = 9a + 36b (4) => 144 = 36a + 144b1180 = 36a + 204b (1) => 1180 = 36a + 204b

-1036 = -60bb = -1036 /-60b = 17.3b = 17.3

36 = 9a + 36b => 36 = 9a + 36 (17.3)=> 36 = 9a + 622.8=> -9a = 622.8 – 36=> -9a = 586.8=> a = -65.2

Y’ = -65.2 + 17.3 x

Tahun Penjualan X XY X^2 Ŷ

2000 10 0 0 0 -65.25

2001 5 1 5 1 -47.95

2002 15 2 30 4 -30.65

2003 20 3 60 9 -13.35

2004 25 4 100 16 3.952004 25 4 100 16 3.95

2005 30 5 150 25 21.25

2006 40 6 240 36 38.55

2007 45 7 315 49 55.85

2008 35 8 280 64 73.15

Σ 215 1180 204

Y = -65,25 + 17.30X a = -65.25 b = 17.30