15 0 288 KB
PERAMALAN
HERMANTO, SE., MM. 06/12/2020
HERMANTO
1
PERAMALAN (FORECASTING) A. KOMPONEN-KOMPONEN PERAMALAN KERANGKA WAKTU (TIME FRAME) • Short-to mid range forecast • Long-range forecast PERILAKU PERMINTAAN • Trend • Random variations • Cycle • Seasonal 06/12/2020
HERMANTO
2
Pola-pola perilaku permintaan
06/12/2020
HERMANTO
3
Tahap-tahap Proses Peramalan
06/12/2020
HERMANTO
4
B. METODE-METODE PERAMALAN TIME SERIES • Moving Average • Weighted Moving Average • Exponential Smoothing • Adjusted Exponential Smoothing • Linear Trend Line • Seasonal Adjustment
06/12/2020
HERMANTO
5
Moving Average (Rata-rata Bergerak) n
D MA n
i
in
n
n number of period' s in the moving average Di demand in period i 06/12/2020
HERMANTO
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
06/12/2020
90
Rata-rata bergerak 3-bulanan 3
Di MAn
3
Di
i 1
3 120 90 100 3 103,3
MAn
i 1
3 90 100 75 3 88,3
3
Di MAn
i 1
3 120 90 100 3 HERMANTO 95,0
……dst 7
Rata-rata bergerak 5-bulanan Bulan
Pesanan
Januari
120
Pebuari
90
Maret
100
April
75
Mei
110
Juni
50
Juli
75
Agustus
130
September
110
Oktober
90
5
5
Di MAn
i 1
5 120 90 100 75 110 5 99,0
Di MAn
5 90 100 75 110 50 5 85,0
5
Di MA5
i 1
5 100 75 110 50 75 5 82,0
06/12/2020
i 1
HERMANTO
……dst
8
Bulan
Pesanan
Rata-rata bergerak
Rata-rata Bergerak
per bln
3-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
90
105,0
95,0
-
110,0
91,0
Oktober November
06/12/2020
HERMANTO
5 bulanan
9
Moving Average (Rata-rata Bergerak)
06/12/2020
HERMANTO
10
Weighted Moving Average (Rata-rata Bergerak Terboboti)
n
WMAn Wi Di i 1
Wi the weight for period i (0 - 100%) Di demand in period i
Wi
06/12/2020
1.00
HERMANTO
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 3
WMAn Wi Di i 1
(0.50)(90) (0.33)(110) (0.17)(130) 103.4 pesanan 06/12/2020
HERMANTO
12
Exponential Smoothing
Ft 1 Dt (1 )Ft Ft 1 The forecast for the next period Dt actual demand in present period Ft
the previously determined forecast for the present period
a weighting factor refered to as the smoothing constant
06/12/2020
HERMANTO
13
Contoh 3
Permintaan barang terhadap perusahaan B selama 12 bulan lampau adalah seperti terlihat dalam tabel berikut. Perusahaan menginginkan memperimbangkan peramalan menggunakan metode exponential smoothing dengan menggunakan faktor pembobotan (smoothing constant) α sama dengan 0,30 dan 0,50 Periode
06/12/2020
HERMANTO
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
Peramalan untuk periode 2 Ft 1 D1 (1 )F1 F2 (0,30)(37 ) (0,70)(37 )
α = 0,50
Peramalan untuk periode 2 Ft 1 D1 (1 )F1 F2 (0,50)(37 ) ( 0,50)(37 ) 37 unit
37 unit
Peramalan untuk periode 3 Ft 1 D2 (1 )F2 F3 (0,30)( 40) ( 0,70)(37 )
Peramalan untuk periode 3 Ft 1 D2 (1 )F2 F3 ( 0,50)( 40) ( 0,50)(37 )
37,9 unit
Peramalan untuk periode 4 Ft 1 D3 (1 )F3
38,50 unit
Peramalan untuk periode 4 Ft 1 D3 (1 )F3 F4 (0,50)( 41) (0,50)(38,50)
F4 ( 0,30)( 41) ( 0,70)(37,90)
39,75 unit
38,83 unit 06/12/2020
dst……
HERMANTO
15
dst…
Periode
Bulan
Permintaan
Peramalan, Ft+1 α =0,30
06/12/2020
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
54
50,84
53,21
-
51,79
53,61
12
Desember
13
Januari
HERMANTO
-
α=0,50
-
16
Exponential Smoothing
06/12/2020
HERMANTO
17
Adjusted Exponential Smoothing
AFt 1 Ft 1 Tt 1 T an exponentially smoothed trend factor Tt 1 (Ft 1 Ft ) (1 )Tt Tt 1 the last period trend factor
a smoothing constand for trend
06/12/2020
HERMANTO
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 T3 (F3 F2 ) (1 )T2 T3 0,30(38,5 37,0) (0,70)(0)
dst…..s.d
0,45 AF3 F3 T3
T13
T13 ( F13 F12 ) (1 )T12
38,5 0,45
T3 0,30(53,61 53,21) (0,70)(1,77)
38,95
1,36
T4 (F4 F3 ) (1 )T3 T4 0,30(39,75 38,50) (0,70)(0,45)
AF13 F13 T13
0,69
53,61 1,36 54,97
AF4 F4 T4 39,75 0,69 06/12/2020
40,44
HERMANTO
19
Periode
Bulan
Permintaan
Forecast
Trend
Ft+1
Tt+1
Adjusted Forecast Aft+1
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
12
Desember
54
53,21
1,77
54,98
13
Januari
-
53,61
1,36
54,96
06/12/2020
HERMANTO
20
Adjusted Exponential Smoothing
06/12/2020
HERMANTO
21
Linear trend line y a bx a intercept (at period 0) b slope of the line x the time period y forecast for demand for periode x b
xy n xy x 2 nx 2
a y bx n number of period x
x
y
y
06/12/2020
n n
the mean of the x values the mean of the y values HERMANTO
22
Contoh 5
Perusahaan B (dalam contoh 3) ingin mengembangkan peramalan dengan menggunakan metode trend linear Periode
Permintaan 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
x
7
43
301
49
8
47
376
64
9
56
504
81
10
52
520
100
11
55
605
121
12
54
648
144
x x
78 6.5 n 12 y 557 46,42 y n 12 xy n xy b x 2 nx 2
3.876 (12)(6,5)( 46,42) 1,72 2 650 - 12(6,5)
a y bx 46,42 (1,72)(6,5) 35,2 y 35,2 1,72 x
78 557 06/12/2020
3.867
650
HERMANTO
23
Linear trend line
06/12/2020
HERMANTO
24
Seasonal Adjustment
Si
Di D
Si Seasonal factor in period i Di Demand in period i
06/12/2020
HERMANTO
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
12,6
8,6
6,3
17,5
45,0
2014
14,1
10,3
7,5
18,2
50,1
2015
15,3
10,6
8,1
19,6
53,6
42,0
06/12/2020
29,5
21,9
D1 42,0 0,28 D 148,7
S2
D2 29,5 0,20 D 148 , 7
S3
D3 21,9 0,15 D 148 , 7
S4
D4 55,3 0,37 D 148,7
Total
2013
Total
S1
55,3 148,7
HERMANTO
26
Berikutnya kita ingin mengembakan peramalan permintaan untuk tahun 2016. Karena permintaan dalan tabel contoh 4 tadi secara umum menunjukkan suatu trend pertambahan, maka kita dapat menghitung menggunakan trend 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 2016 ( 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 2016 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 06/12/2020
HERMANTO
27
Tingkat Ketepatan /Akurasi Peramalan Dt MAD
Ft
n
MAD Mean Absolute Deviation t the period number Dt Demand period t Ft the forecast period t n the total number of periods absolute value
06/12/2020
HERMANTO
28
Perusahaan B (dalam contoh 3) ingin mengetahui tingkat keakurasian peramalan dengan menggunakan MAD Periode Permintaan Dt
Peramalan, Ft(α =0,30)
Error (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
12
54
50,84
3,15
3,15
49,31
53,39
554 06/12/2020
-
HERMANTO
Dt MAD
Ft
n 53,39 11 4,85
29
METODE REGRESI • Regresi Linear (Linear Regression) • Regresi Berganda (Multiple Regression)
Metode Time Series dan Metode Regresi dapat juga menggunakan software komputer, yaitu antara lain : Excel, Excel POM, POM for Widowss, dan SPSS
METODE-METODE KUALITATIF Merupakan metode subjektif, menggunakan pertimbangan, keahlian, pengalaman dan pendapat dalam membuat keputusan
06/12/2020
HERMANTO
30
• Regresi Linear (Linear Regression) y=a+bx
y = the dependent variable a = the intercept b = the slope of the line x = the independent variable
• Corelation r
n x
06/12/2020
n xy x y 2
2
2
x n y 2 y
HERMANTO
31
• Regresi Berganda (Multiple Regression) y = β0 + β1x1 + β2x2 +…+ βkxk y = the dependent variable β0 = the intercept β1,……, βk = parameters representing the contribution of the independent variables x1,……, xk
06/12/2020
= independent variable
HERMANTO
32
Catatan penjualan Sepeda motor dealer A tahun 2019 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
06/12/2020
Hitunglah suatu peramalan rata-rata bergerak 3-bulanan untuk bulan April(2019) sampai dengan Januari (2020)
Hitunglah peramalan rata-rata bergerak 5bulanan untuk bulan Juni (2019) sampai dengan januari (2020)
Hitunglah peramalan menggunakan metode trend linear untuk bulan Februari (2019) sampai dengan Januari (2020)
Bandingkan 3 peramalan yang telah dihitung tersebut (boleh menggunakan MAD atau Simpangan Baku) dan pilih salah satu yang seharusnya dipilih oleh dealer motor A HERMANTO
33