Upload
muhammad-haris-ginanjar
View
219
Download
40
Embed Size (px)
DESCRIPTION
TI
Citation preview
KONSEP DASAR PERAMALAN
Pertemuan 1 dan 2
Thuink
….
Penjualan september 1.200 unit
Apa ??1.200 ???
Membuat keputusan yang baik
Apakah yang dapat membuat suatu perusahaan sukses?
Keputusan yang dibuat baik
Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik?
Akurasi prediksi masa yang akan datang
Bagaimana kita melakukannya? Peramalan
Pengertian peramalan
Bukan menduga (guess) !
Estimasi nilai atau karakteristik masa depan
Informasi yang dipergunakan sebagai dasar untuk membuat rencana
Mengapa diperlukan?
Masa depan bersifat tidak pasti (uncertain)
Permintaan tidak pasti karena:-Kompetisi-Perilaku konsumen-Siklus bisnis-Upaya penjualan-Siklus hidup produk-Variasi random, dll.
Diperlukan referensi untuk perencanaan hasil peramalan
Prinsip Peramalan
Peramalan seringkali salah. Setiap model peramalan memuat estimasi dari
kesalahan peramalan Kesalahan actual seringkali lebih besar
daripada kesalahan estimasi Mengkombinasikan metode dapat
meningkatkan akurasi Peramalan jangka panjang biasanya
mempunyai akurasi lebih kecil dibanding peramalan jangka pendek
Data
SUMBER :Arsip perusahaanData pemerintah (laporan Biro Pusat Statistik,
Departemen, dll)
FAKTOR INTERNAL THD PENJUALANKualitas, harga, delivery time, promosi, discount, dll
FAKTOR EKSTERNALIndikator perekonomian : tingkat pertumbuhan
ekonomi, tingkat inflasi, nilai tukar valuta asing, dll
Pertimbangan dalam peramalan
Ongkos dan manfaat Ongkos
Ongkos pengembangan metoda Ongkos kegiatan peramalan Ongkos akibat kesalahan ramal
Manfaat Mengerti hubungan antara permintaan dan faktor lain Kondisi dunia nyata Sistem pengendalian produksi
"Untuk tujuan apa suatu ramalan dibuat akan menentukan pendekatan yang diambil"
Pertimbangan dalam peramalan
Ketelitian Suatu ukuran seberapa tepat ramalan dari kondisi
aktual
Sederhana dalam perhitungan ketelitian tinggi vs sederhana dalam perhitungan
Kemampuan menyesuaikan terhadap perubahan
Lead time, periode, horizon
Metode Peramalan
Terdapat 2 macam pendekatan:Qualitative: metode ini dianggap sebagai metode yang subyektif dengan mensertakan pendapat pakar. Misalnya dengan teknik Delphi. Metode ini dipilih apabila data histori tidak tersedia.Quantitative: metode ini menggunakan data histori. Tujuan dari metode ini adalah mempelajari data histori dan struktur dari data untuk tujuan memprediksi masa depan.
Metode Peramalan Quantitative
Metode peramalan quantitative dapat dibagi lagi menjadi beberapa sub-bagian, yaitu:Metode peramalan time-series: metode peramalan yang sepenuhnya menggunakan data histori masa lalu dan sekarang.Metode peramalan kausal/eksplanatoris: menyertakan faktor-faktor yang berkaitan dengan variabel yang akan diprediksi, misalnya dalam peramalan ekonomi perlu mengikutsertakan barometer2 ekonomi di dalamnya.
Metode Peramalan Time-Series Pada peramalan ini sistem dianggap sebagai sebuah black
box. Faktor yang berpengaruh terhadap perilaku sistem tidak perlu diketahui.
Mengapa sistem dianggap sebagai sebuah black box?Sistem tidak dapat dipahami, parameter-parameter
yang mempengaruhi sistem sulit diukur.Fokus utama adalah melakukan peramalan, bukan
untuk mengetahui mengapa hal itu terjadi.
Generating process
input output
sistem
Contoh:
Metode Peramalan Eksplanatoris Mengasumsikan adanya hubungan sebab dan akibat di
antara input dan output dari sebuah sistem. Sistem dapat berupa: ekonomi nasional, pasar uang, dsb. Setiap perubahan pada sisi input akan berpengaruh terhadap
output dari sebuah sistem dengan memperhatikan adanya hubungan sebab akibat.
Secara praktis, dalam peramalan metode ini tugas kita adalah menemukan hubungan sebab akibat dengan mengamati output dan menghubungkannya dengan input.
Cause and effect relationship
input output
sistem
Contoh:
MODEL KUANTITATIF
PERAMALAN
KAUSAL
EXPONENTIALSMOOTHING
MOVINGAVERAGE
RATA-RATA
SMOOTHING
REGRESI
TIME SERIES
MODELKUALITATIF
Horison dan Periode PeramalanHorison peramalan: menunjukkan seberapa jauh ke
depan peramalan dilakukan dan terkait dengan jangkauan perencanaan yang akan dilakukan (misal: setahun ke depan)
Periode peramalan: menunjukkan basis waktu data peramalan (misal: bulanan)
DATA FORECAST
Horison Peramalan
Periode peramalan
Prosedur Peramalan
Plot the data versus time using graph and examine the demand
pattern
Plot the data versus time using graph and examine the demand
pattern
Select several forecating methods which suitable for the demand
pattern
Select several forecating methods which suitable for the demand
pattern
Performs the forecasting and evaluate the forecasting errorPerforms the forecasting and evaluate the forecasting error
Select forecast result with the smallest error, validate and interpret
the result
Select forecast result with the smallest error, validate and interpret
the result
Pola Data pada Model Time-Series
Sumber: Metode dan Aplikasi peramalan, Makridakis, S.
Teknik Peramalan untuk Pola Data HorizonData relatif stable untuk periode waktu tertentuTerjadi variasi sepanjang waktu tetapi tidak signifikanFungsi yang menunjukkan pola data konstan
d(t) = a
d(t) = permintaan selama periode t
a = konstantaTeknik peramalan yang bisa dipakai antara lain:
Metode rata-rata sederhana Metode rata-rata bergerak Pemulusan eksponensial sederhana Metode Box-Jenkins
Teknik Peramalan untuk Pola Data TrendDemand menunjukkan kecenderungan meningkat
(menurun) dari waktu ke waktuFungsi pola data trend adalah:
d(t) = a + bt
d(t) = permintaan pada periode t
a, b = parameter modelTeknik peramalan yang dipakai antara lain:
Double moving averagePemulusan eksponensial dari BrownPemulusan eksponensial dari Holt
Teknik Peramalan untuk Pola Data SiklisPola data siklis dapat didefiniskan sebagai fluktuasi
seperti gelombang disekitar garis trend.Pola siklis cenderung untuk berulang setiap dua, tiga
tahun, atau lebihPola siklis sulit untuk dibuat modelnya karena polanya
tidak stabil,turun naiknya fluktuasi di sekitar trend jarang sekali berulang pada interval waktu yang tetap
Teknik peramalan yang dapat dipakai antara lain: Model-model ekonometrik Regresi berganda runtut waktu Metode Box-Jenkins
Teknik Peramalan untuk Pola Data MusimanSuatu data runtut waktu yang bersifat
musiman didefinisikan sebagai suatu data runtut waktu yang mempunyai pola perubahan yang berulang secara tahunan.
Teknik peramalan yang dapat dipakai antara lain:Pemulusan eksponensial dari winterRegresi berganda runtut waktuMetode Box-Jenkins
Kesalahan Peramalan (1)
Di dalam setiap sistem selalu terdapat unsur acak di dalamnya.
Karena itu sistem lebih tepat digambarkan sebagai berikut:
Unsur acak di dalam sistem menghasilkan adanya kesalahan ramalan (hasil ramalan dan kondisi sesungguhnya tidak sama persis).
sisteminput output
Unsur acak
Kesalahan Peramalan (2)
Karena itu data yang merupakan representasi sebuah sistem memiliki dua komponen utama, yaitu: pola data (hubungan fungsional yang mengatur sistem) dan unsur acak (kesalahan/galat), dirumuskan sebagai:
data = pola + kesalahan
Permasalahannya sekarang bagaimana
memisahkan pola dari komponen
kesalahan agar pola dapat digunakan
dalam peramalan?
Kesalahan Peramalan (3)
Komponen kesalahan tidak dapat dihilangkan tetapi dapat diminimalkan.
Salah satu metode telah digunakan secara luas adalah least squares. Dalam metode ini prosedur estimasi dilakukan untuk meminimalkan jumlah kuadrat dari kesalahan.
Kriteria Performansi Peramalan
Performansi diukur dari kesalahan peramalan (forecasting error)
Cerminan dari akurasi peramalan: semakin kecil kesalahan semakin akurat hasil ramalan
Kesalahan peramalan (et): deviasi antara observasi aktual (dt) dengan nilai ramalannya (d’t) atau et = dt – d’t
Karena observasi aktual pada saat peramalan belum ada maka kesalahan dihitung pada data historis (observasi aktual historis vs nilai ramalan periode historis)
Contoh Seorang manager
supermarket ingin mengetahui berapa nilai yang dibelanjakan oleh pelanggan, berdasarkan data yang diambil secara acak didapatkan sesuai tabel.
Manager menentukan estimasi secara acak untuk mendapatkan kesalahan terkecil, misalnya 7, 9, 10, 12.
Pelanggan Nilai belanja ($)
1 9
2 8
3 9
4 12
5 9
6 12
7 11
8 7
9 13
10 9
11 11
12 10
Nilai estimasi 7 Nilai estimasi 9 Nilai estimasi 10 Nilai estimasi 12
Pelanggan
Nilai belanja
Error Squared error
Error Squared error
Error Squared error
Error Squared error
1 9 2 4 0 0 -1 1 -3 9
2 8 1 1 -1 1 -2 4 -4 16
3 9 2 4 0 0 -1 1 -3 9
4 12 5 25 3 9 2 4 0 0
5 9 2 2 0 0 -1 1 -3 9
6 12 5 25 3 9 2 4 0 0
7 11 4 16 2 4 1 1 -1 1
8 7 0 0 -2 4 -3 9 -5 25
9 13 6 36 4 16 3 9 1 1
10 9 2 4 0 0 -1 1 -3 9
11 11 4 16 2 4 1 1 -1 1
12 10 3 9 1 1 0 0 -2 4
SSE (sum of suared error) 144 48 36 84
MSE (mean squared error 12 4 3 7
Ukuran Kesalahan Peramalan
Mean Square Error (MSE)
Standard Error of Estimate (SEE)
Error percentage
n
n
ttt
MSE
dd 1
)'(2
n
t fnttSEE dd
1
2
)(
)'(
%100)( ' xdddPEt
ttt
f = degree of freedom- 1 untuk pola data konstan- 2 untuk pola data trend- 3 untuk pola data siklis
Latihan
Perhatikan tabel jumlah penjualan tas tradisional dari sebuah pengusaha kecil di sebelah ini:
a)Tentukan MSE dengan uji coba nilai estimasi berturut-turut 90, 95, 100, 105, 110.
b)Nilai estimasi mana yang memberikan MSE terkecil?
Tahun Jumlah
1980 98
1981 100
1982 107
1983 90
1984 92
1985 100
1986 98
1987 112
1988 120
1989 100
1990 98
1991 92
1992 95
1993 100
1994 98
Verifikasi Peramalan
Dilakukan untuk memeriksa apakah hasil peramalan sudah betul
Menggunakan teknik moving range chart
center line
UCL
LCL
reg
ion
A
reg
ion
B
reg
ion
C
reg
ion
A
reg
ion
B
reg
ion
C
Plot nilai (dt-d’t) pada grafik
Kondisi di luar kendali jika:1.Ada titik di luar UCL atau LCL2.Dari 3 titik plot berturutan 2 titik berada pada region A ( 1.77 MR)3.Dari 5 titik plot berturutan terdapat 4 titik berada pada region B ( 0.89 MR)4.Ada 8 titik plot berturutan berada pada bagian atas atau bawah garis tengah (region C)
OUT OF CONTROL !!!
Periksa apa yang terjadi pada kondisi out of control
…… pabrik off ? Sales problem ? ….
Periksa apa yang terjadi pada kondisi out of control
…… pabrik off ? Sales problem ? ….
Jika jelas penyebab; hasil ramalan bisa dipakai
Jika jelas penyebab; hasil ramalan bisa dipakai
Jika tidak: bisa tunggu bukti baru…. Kembali in control … pakai terus…. Terjadi lagi out of control … pikirkan
ganti metode peramalan
Jika tidak: bisa tunggu bukti baru…. Kembali in control … pakai terus…. Terjadi lagi out of control … pikirkan
ganti metode peramalanBisa juga langsung mengganti
metode peramalan…..Bisa juga langsung mengganti
metode peramalan…..
Penutup
Peramalan merupakan langkah awal dalam perencanaanBerfungsi mendapatkan nilai perkiraan sepanjang periode
perencanaanPerkiraan tersebut menjadi referensi dalam menyusun
rencana kerja sesuai ketersediaan sumber daya perusahaanPeramalan yang diperoleh tepat waktu sangat menolong
proses perencanaanPerlu juga diperhatikan biaya untuk mengumpulkan data
serta manfaat dari perencanaan yang diperolehSelalu diliputi kesalahan karena itu kemudian perlu up-dating
data sebagai bentuk pengendalian