Uploaded bySafrudinTolinggi1
PPT, PDF28 views

penelitian menggunakan metode peramalan.ppt

Dokumen ini membahas metode peramalan yang penting dalam perencanaan produksi untuk memenuhi kebutuhan konsumen, termasuk pengertian peramalan dan berbagai metode yang digunakan, seperti kuantitatif dan kualitatif. Terdapat langkah-langkah dalam melakukan peramalan, serta penjelasan mengenai pola data dalam metode deret berkala. Beberapa metode yang dibahas termasuk moving average, exponential smoothing, dan seasonal forecasting.

Download to read offline
Metode Peramalan Metode Peramalan ( (Forecasting Method Forecasting Method) )
Kompetensi Pokok bahasan Kompetensi Pokok bahasan Setelah mengikuti pokok bahasan ini, Setelah mengikuti pokok bahasan ini, mahasiswa diharapkan mampu: mahasiswa diharapkan mampu:  Melakukan perencanaan produksi, Melakukan perencanaan produksi, dalam upaya memenuhi kebutuhan dalam upaya memenuhi kebutuhan konsumen. konsumen.  Memprediksi kebutuhan yang Memprediksi kebutuhan yang diperlukan dalam proses produksi. diperlukan dalam proses produksi.  Mengerti tahapan dalam peramalan. Mengerti tahapan dalam peramalan.  Menentukan metode peramalan yang Menentukan metode peramalan yang tepat. tepat.
Introduction Introduction  Pokok bahasan ini merupakan Pokok bahasan ini merupakan pokok bahasan yang mengkaji pokok bahasan yang mengkaji perencanaan produksi melalui perencanaan produksi melalui penerapan metode peramalan. penerapan metode peramalan.  Teknik peramalan ini ditujukan Teknik peramalan ini ditujukan untuk menghasilkan perencanaan untuk menghasilkan perencanaan produksi yang akurat dalam produksi yang akurat dalam merespon permintaan pasar. merespon permintaan pasar.  Langkah pertama dalam Langkah pertama dalam perencanaan operasi sistem perencanaan operasi sistem produksi adalah menentukan produksi adalah menentukan peramalan yang akurat terhadap peramalan yang akurat terhadap permintaan barang (produk) yang permintaan barang (produk) yang akan diproduksi. akan diproduksi.
Definisi Peramalan Definisi Peramalan  Peramalan adalah seni dan ilmu untuk Peramalan adalah seni dan ilmu untuk memprediksi masa depan. memprediksi masa depan.  Peramalan adalah tahap awal, dan hasil ramalan Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada merupakan basis bagi seluruh tahapan pada perencanaan produksi. perencanaan produksi.  Proses peramalan dilakukan pada level agregat Proses peramalan dilakukan pada level agregat ( (part family part family); bila data yang dimiliki adalah data ); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebih item, maka perlu dilakukan agregasi terlebih dahulu. dahulu.  Metode: Kualitatif dan kuantitatif. Metode: Kualitatif dan kuantitatif.  Terminologi: perioda, horison, Terminologi: perioda, horison, lead time lead time, , fitting fitting error error, , forecast error forecast error, data dan hasil ramalan. , data dan hasil ramalan.
Peramalan Eksplanatoris dan Peramalan Eksplanatoris dan Deret Berkala Deret Berkala  Kedua pendekatan ini saling melengkapi dan Kedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan yg berbeda. dimaksudkan untuk jenis penggunaan yg berbeda.  Pendekatan ekspalanatoris mengasumsikan Pendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara input adanya hubungan sebab akibat di antara input dengan output dari suatu sistem. dengan output dari suatu sistem. Hubungan sebab dan akibat Input Output Sistem  Peramalan Deret Berkala memperlakukan Peramalan Deret Berkala memperlakukan sistem sistem sebagai kotak hitam. sebagai kotak hitam. Proses Bangkitan Input Output Sistem
Persyaratan Penggunaan Persyaratan Penggunaan Metode Kuantitatif: Metode Kuantitatif: 1. 1. Tersedia informasi tentang masa lalu. Tersedia informasi tentang masa lalu. 2. 2. Informasi tersebut dapat di Informasi tersebut dapat di kuantitatifkan dalam bentuk data kuantitatifkan dalam bentuk data numerik. numerik. 3. 3. Dapat diasumsikan bahwa beberapa Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus aspek pola masa lalu akan terus berlanjut di masa mendatang. berlanjut di masa mendatang.
Langkah-langkah Peramalan Langkah-langkah Peramalan  Definisikan tujuan peramalan. Definisikan tujuan peramalan.  Plot data ( Plot data (part family part family) masa lalu. ) masa lalu.  Pilih metode-metode yang paling memenuhi Pilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data. tujuan peramalan dan sesuai dengan plot data.  Hitung parameter fungsi peramalan untuk Hitung parameter fungsi peramalan untuk masing-masing metode. masing-masing metode.  Hitung Hitung fitting error fitting error untuk semua metode yang untuk semua metode yang dicoba. dicoba.  Pilih metode yang terbaik, yaitu metode yang Pilih metode yang terbaik, yaitu metode yang memberikan memberikan error error paling kecil. paling kecil.  Ramalkan permintaan untuk periode mendatang Ramalkan permintaan untuk periode mendatang  Lakukan verifikasi peramalan. Lakukan verifikasi peramalan.
Pola data metode deret berkala (1) Pola data metode deret berkala (1) 1. 1. Pola Pola horisontal horisontal (H) (H) terjadi bilamana data terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar stasioner seperti ini dapat dilihat dalam Gambar 1.1. 1.1. 2. 2. Pola Pola musiman musiman (S) (S) terjadi bilamana suatu deret terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2. dapat dilihat Gambar 1.2.
Pola data metode deret berkala (2) Pola data metode deret berkala (2) 3. 3. Pola Pola siklis siklis (C) (C) terjadi bilamana datanya terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3. Gambar 1.3. 4. 4. Pola Pola trend trend (T) (T) terjadi bilamana terdapat terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4. pola ini dapat dilihat pada Gambar 1.4.
Karakteristik trend Karakteristik trend Komponen Komponen Amplitudo Amplitudo Penyebab Penyebab Seasonal Seasonal 12 bulan 12 bulan Liburan, musim, Liburan, musim, perioda finansial perioda finansial Cyclical Cyclical 3-5 tahun 3-5 tahun Ekonomi nasional, Ekonomi nasional, perubahan politik perubahan politik Bisnis Bisnis 1-5 tahun 1-5 tahun Pemasaran, kompetisi, Pemasaran, kompetisi, performance performance Product life Product life cycle cycle 1-5 tahun, 1-5 tahun, makin pendek makin pendek Substitusi produk Substitusi produk
Metode Deret Waktu Metode Deret Waktu 1. 1. Constant Constant 2. 2. Linier trend Linier trend 3. 3. Quadratic Quadratic 4. 4. Exponential Exponential 5. 5. Moving Average Moving Average 6. 6. Exponential smoothing Exponential smoothing 7. 7. Seasonal Seasonal
1. Metode Constant 1. Metode Constant • Dalam Metode Constant, peramalan dilakukan dengan mengambil rata-rata data masa lalu (historis). • Rumus untuk metoda linier: Rumus untuk metoda linier: Keterangan: d’t = Forecast untuk saat t t = time (independent variable) dt = demand pada saat t n = jumlah data n d d t t   n 1 '
2. Metode Linier trend 2. Metode Linier trend            2 2 2 t t n td t d t a t t           2 2 t t n d t td n b t t Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) dt = demand pada saat t n = jumlah data ..... , 3 , 2 , 1 '    t bt a d t • Model ini menggunakan data yang Model ini menggunakan data yang secara random berfluktuasi membentuk secara random berfluktuasi membentuk garis lurus. garis lurus. • Rumus untuk metoda linier: Rumus untuk metoda linier:
3. Metode Quadratic (1) 3. Metode Quadratic (1)  Model ini menggunakan data yang secara Model ini menggunakan data yang secara random berfluktuasi membentuk random berfluktuasi membentuk kurva quadratic. kurva quadratic.  Rumus untuk model quadratic: Rumus untuk model quadratic: .... , 3 , 2 , 1 ) ( ' 2     t ct bt a t d 2        b Keterangan : ……
3. Metode Quadratic (2) 3. Metode Quadratic (2)             n t n t t n t 1 4 2 1 2          n t n t n t t tY n t Y t 1 1 1 ) ( ) (          n t n t n t t Y t n t Y t 1 2 1 1 2 ) ( ) (          n t n t n t t n t t 1 3 1 1 2              n t n t t n t 1 2 2 1     ) )( (b c   n t c n t b n t Y a n t n t n t          1 2 1 1 ) (
4. Metode Exponential (1) 4. Metode Exponential (1)  Digunakan apabila persamaan a dan b tidak bisa Digunakan apabila persamaan a dan b tidak bisa dipecahkan dengan cara konvensional. dipecahkan dengan cara konvensional.  Digunakan transformasi logaritma ke dalam Digunakan transformasi logaritma ke dalam situasi regresi. situasi regresi.  Persamaan metode eksponensial : Persamaan metode eksponensial : bt ae (t) d'  Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta)
4. Metode Eksponensial (2) 4. Metode Eksponensial (2)  Persamaan transformasi logaritma : Persamaan transformasi logaritma :   bt ln(a) ) ln(e ln(a) (t) d' ln bt     Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta)
5. Metode Moving Average (1) 5. Metode Moving Average (1)  Digunakan bila data-datanya : Digunakan bila data-datanya : - tidak memiliki trend - tidak memiliki trend - tidak dipengaruhi faktor musim - tidak dipengaruhi faktor musim  Digunakan untuk peramalan dengan perioda Digunakan untuk peramalan dengan perioda waktu spesifik. waktu spesifik.  Moving Average didefinisikan sebagai : Moving Average didefinisikan sebagai : Keterangan : Keterangan : n = jumlah perioda n = jumlah perioda d dt t = demand pada bulan ke t = demand pada bulan ke t n d MA n 1 t t n   
5. Metode Moving Average (2) 5. Metode Moving Average (2)  Peramalan jangka pendek lebih baik Peramalan jangka pendek lebih baik dibandingkan jangka panjang. dibandingkan jangka panjang.  Kelemahan : tidak cocok untuk pola data Kelemahan : tidak cocok untuk pola data trend atau pola data musiman. trend atau pola data musiman.
6. Metode Exponential Smoothing (1) 6. Metode Exponential Smoothing (1)  Kesalahan peramalan masa lalu Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan digunakan untuk koreksi peramalan berikutnya. berikutnya.  Dihitung berdasarkan hasil peramalan + Dihitung berdasarkan hasil peramalan + kesalahan peramalan sebelumnya. kesalahan peramalan sebelumnya.
6. Metode Exponential Smoothing (2) 6. Metode Exponential Smoothing (2)    besar, smoothing yg dilakukan kecil besar, smoothing yg dilakukan kecil    kecil, smoothing yg dilakukan semakin besar kecil, smoothing yg dilakukan semakin besar    optimum akan meminimumkan MSE, MAPE optimum akan meminimumkan MSE, MAPE t t t F D F ) 1 ( 1       ES didefinisikan sebagai: ES didefinisikan sebagai: Keterangan: Keterangan: F Ft+1 t+1 = Ramalan untuk periode berikutnya = Ramalan untuk periode berikutnya D Dt t = Demand aktual pada periode t = Demand aktual pada periode t F Ft t = Peramalan yg ditentukan sebelumnya untuk periode t = Peramalan yg ditentukan sebelumnya untuk periode t   = Faktor bobot = Faktor bobot
7. Metode Seasonal 7. Metode Seasonal  Demand meningkat karena pengaruh Demand meningkat karena pengaruh tertentu atau berdasarkan waktu. tertentu atau berdasarkan waktu.  Nilai/harga faktor seasonal antar 0 dan 1. Nilai/harga faktor seasonal antar 0 dan 1.  Formulasi peramalan pada tahun ke i : Formulasi peramalan pada tahun ke i : d’ d’i i = a + b = a + bt t Keterangan : Keterangan : d’ d’i i = peramalan untuk saat ke i = peramalan untuk saat ke i t = perioda waktu (bulan, minggu, dll) t = perioda waktu (bulan, minggu, dll)  Formulasi Peramalan Seasonal : Formulasi Peramalan Seasonal : SF SF(i) (i) = (S = (Si i).(d’ ).(d’t t) )
Forecasting Errors & Tracking Signals Forecasting Errors & Tracking Signals 3 metode perhitungan kesalahan peramalan : 3 metode perhitungan kesalahan peramalan : N d d MAD N t t t     1 ' ) ( Deviation Absolute Mean a.   N d d N t t t     1 2 ' ) (MSE Error Squared Mean b.             N 1 t t ' t t d d d N 100 ) (MAPE Error Percent Absolute Mean c.
Verifikasi (1) Verifikasi (1)  Salah satu metode verifikasi adalah Moving Range Salah satu metode verifikasi adalah Moving Range Chart (MRC). Chart (MRC).  Moving Range (MR) didefinisikan sebagai : Moving Range (MR) didefinisikan sebagai : MR = |d’ MR = |d’t t – d – dt t| – |d’ | – |d’t-1 t-1– d – dt-1 t-1| | Keterangan : Keterangan : d’ d’t t = ramalan pada bulan ke t = ramalan pada bulan ke t d dt t = kebutuhan pada bulan ke t = kebutuhan pada bulan ke t d’ d’t–1 t–1 = ramalan pada bulan ke t-1 = ramalan pada bulan ke t-1 d dt–1 t–1 = kebutuhan pada bulan ke t-1 = kebutuhan pada bulan ke t-1
Verifikasi (2) Verifikasi (2)  Rata-rata MR dihitung : Rata-rata MR dihitung :  Batas kontrol atas (UCL), batas kontrol Batas kontrol atas (UCL), batas kontrol bawah (LCL), dan garis tengah (CL) bawah (LCL), dan garis tengah (CL) 1 n MR MR 1 n 1 i i      0 CL MR 66 , 2 LCL MR 66 , 2 UCL     
Verifikasi (3) Verifikasi (3) 0 d' - d Region A Region B Region C Batas kontol bawah Garis tengah Region C Region B Region A Batas kontrol atas Perioda Gambar 1. Kriteria Peta Kontrol
Verifikasi (4) Verifikasi (4)  Pengujian out of kontrol : Pengujian out of kontrol :   Dari 3 titik yang berurutan, 2 titik atau lebih Dari 3 titik yang berurutan, 2 titik atau lebih berada di daerah A. berada di daerah A.   Dari 5 titik yang berurutan, 2 titik atau lebih Dari 5 titik yang berurutan, 2 titik atau lebih berada di daerah B. berada di daerah B.   Dari 8 titik yang berurutan, seluruhnya Dari 8 titik yang berurutan, seluruhnya berada di atas atau di bawah berada di atas atau di bawah center line. center line.   Satu titik berada di luar batas kontrol. Satu titik berada di luar batas kontrol.
Verifikasi (5) Verifikasi (5)  Contoh Soal: Kasus Peramalan Konstan Contoh Soal: Kasus Peramalan Konstan 28.2 - LCL 28.2 UCL 10.6 11 117 MR     MR = |d’ MR = |d’t t – d – dt t| – |d’ | – |d’t-1 t-1– d – dt-1 t-1| |
Verifikasi (6) Verifikasi (6) Gambar 2. Peta Kendali Peramalan Konstan -30 -20 -10 0 10 20 30 J F M A M J J A S O N D Bulan d' - d CL UCL = +28.2 LCL = -28.2
Verifikasi (7) Verifikasi (7)  Bila kondisi out of control terjadi. Bila kondisi out of control terjadi.  Perbaiki ramalan dengan memasukkan Perbaiki ramalan dengan memasukkan data baru. data baru.  Tunggu Tunggu evidence evidence (fakta-fakta) selanjutnya. (fakta-fakta) selanjutnya.
Contoh Metode Constant Contoh Metode Constant n d d t t   n 1 ' Bulan Bulan t t d dt t Jan Jan 1 1 90 90 Feb Feb 2 2 111 111 Mar Mar 3 3 99 99 Apr Apr 4 4 89 89 Mei Mei 5 5 87 87 Jun Jun 6 6 84 84 Jul Jul 7 7 104 104 Aus Aus 8 8 102 102 Sep Sep 9 9 95 95 Okt Okt 10 10 114 114 Nov Nov 11 11 103 103 Des Des 12 12 113 113  1191 1191 25 . 99 12 1191 ' 12 1    t d
Contoh Metode Linear trend Contoh Metode Linear trend t t d dt t td tdt t t t2 2 d’ d’t t (d (dt t-d’ -d’t t) )2 2 1 1 2050 2050 2050 2050 1 2108,5 1 2108,5 3.422,2 3.422,2 2 2 2235 2235 4470 4470 4 2210,1 4 2210,1 620,0 620,0 3 3 2420 2420 7260 7260 9 2311,7 9 2311,7 11.728.9 11.728.9 4 4 2360 2360 9440 9440 16 2413,3 16 2413,3 2.840,9 2.840,9 5 5 2490 2490 12450 12450 25 2514,9 25 2514,9 620,0 620,0 6 6 2620 2620 15720 15720 36 36 2616,5 2616,5 12,3 12,3 21 21 14175 51390 91 14175 51390 91 19.244,3 19.244,3 d’ d’t t = a + bt = a + bt = 2006,9 + 101,6t = 2006,9 + 101,6t 2 n 1 t n 1 t 2 n 1 t n 1 t t n 1 t t t t n t d td n b                    n t b d a n 1 t n 1 t t       101,6 b dan 9 , 2006 a  
Contoh Metode Quadratic Contoh Metode Quadratic t t2 t3 t4 dt tdt t2 dt 1 1 1 1 16 16 16 2 4 8 16 24 48 96 3 9 27 81 34 102 306 4 16 64 256 46 184 736 5 25 125 625 60 300 1500 15 55 225 979 180 650 2654 300 ) 225 )( 5 ( ) 55 )( 15 (      50 ) 55 )( 5 ( ) 15 ( 2      1870 ) 979 )( 5 ( ) 55 ( 2      550 ) 650 )( 5 ( ) 180 )( 15 (      3370 ) 2654 )( 5 ( ) 180 )( 55 (      5 ) 300 ( ) 50 )( 1870 ( ) 300 )( 3370 ( ) 550 )( 1870 ( ˆ 2            b 1 1870 ) 1870 ( ˆ     c 10 5 55 5 ) 15 )( 5 ( 5 180 ˆ     a 60 5 ) 5 ( 5 10 ) 5 ( ' 5 10 ) ( ' 2 2         d t t t d
Contoh Metode Eksponensial Contoh Metode Eksponensial t t d dt t Ln(d Ln(dt t) ) tLn(d tLn(dt t) ) t t2 2 1 1 2.50 2.50 0.92 0.92 0.92 0.92 1 1 2 2 4.12 4.12 1.42 1.42 2.84 2.84 4 4 3 3 6.80 6.80 1.92 1.92 5.76 5.76 9 9 4 4 11.20 11.20 2.42 2.42 9.68 9.68 16 16 5 5 18.47 18.47 2.92 2.92 14.60 14.60 25 25 15 15 9.60 9.60 33.8 33.8 55 55 5 . 0 225 ) 55 )( 5 ( ) 15 )( 60 . 9 ( ) 8 . 33 )( 5 ( ˆ     b 42 . 0 5 ) 15 )( 5 . 0 ( 5 60 . 9 ) ˆ ln(    a a e anti ˆ 50 . 2 ) 42 . 0 ln( 42 . 0    50 5 . 2 ) 6 ( ' 5 . 2 ) ( ˆ ) ( ' 3 5 . 0 ˆ      e d e e a t d t t b
Contoh Metode Moving Average Contoh Metode Moving Average Bulan Bulan t d t dt t MA 3 bulan MA 3 bulan MA 5 bulan MA 5 bulan Jan Jan 1 10 - 1 10 - - - Feb Feb 2 12 - 2 12 - - - Mar Mar 3 13 - 3 13 - - - Apr Apr 4 16 (10+12+13)/3=11,66 4 16 (10+12+13)/3=11,66 - - Mei Mei 5 19 (12+13+16)/3=13,66 5 19 (12+13+16)/3=13,66 - - Jun Jun 6 23 (13+16+19)/3=16,00 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14 (10+12+13+16+19)/5 = 14 Jul Jul 7 26 (16+19+23)/3=19,33 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6 (12+13+16+19+23)/5 = 16,6 n d MA n 1 t t n   
Contoh Metode Exponential Contoh Metode Exponential Smoothing Smoothing Period Period Demand Demand Forecast , F Forecast , Ft+1 t+1  =0.3 =0.3  =0.5 =0.5 1 1 37 37 - - - - 2 2 40 40 37 37 37 37 3 3 41 41 37.9 37.9 38.5 38.5 4 4 37 37 38.83 38.83 39.75 39.75 5 5 45 45 38.28 38.28 38.37 38.37 6 6 50 50 40.29 40.29 41.68 41.68 7 7 43 43 43.20 43.20 45.84 45.84 8 8 47 47 43.14 43.14 44.42 44.42 9 9 56 56 44.30 44.30 45.71 45.71 10 10 52 52 47.81 47.81 50.85 50.85 11 11 55 55 49.06 49.06 51.42 51.42 12 12 54 54 50.84 50.84 53.21 53.21 51.79 51.79 53.61 53.61 t t t F D F ) 1 ( 1      
Contoh Metode Seasonal (1) Contoh Metode Seasonal (1) Year Year Demand (x 1000) Demand (x 1000) Kwartal-1 Kwartal-1 Kwartal-2 Kwartal-2 Kwartal-3 Kwartal-3 Kwartal-4 Kwartal-4 Total Total 1992 1992 12.6 12.6 8.6 8.6 6.3 6.3 17.5 17.5 45 45 1993 1993 14.1 14.1 10.3 10.3 7.5 7.5 18.2 18.2 50.1 50.1 1994 1994 15.3 15.3 10.6 10.6 8.1 8.1 19.6 19.6 53.6 53.6 42 42 29.5 29.5 21.9 21.9 55.3 55.3 148.7 148.7 Perhitungan faktor bobot: S1= D1/D = 42/148.7 = 0.28 S2 = 0.20 S3 = 0.15 S4 = 0.37 2 n 1 t n 1 t 2 n 1 t n 1 t t n 1 t t t t n t d td n b                    n t b d a n 1 t n 1 t t      
a = 40.97 a = 40.97 b = 4.3 b = 4.3 y = 40.97 + 4.3 t y = 40.97 + 4.3 t Untuk tahun 1995 (t =4) diperoleh 58.17 Untuk tahun 1995 (t =4) diperoleh 58.17 Peramalan utk tiap kwartal: Peramalan utk tiap kwartal: SF SF1 1 = S = S1 1.F .F5 5 = .28 (58.7) = .28 (58.7) = 16.28 = 16.28 SF SF2 2 = 11.63 = 11.63 SF SF3 3 = 8.73 = 8.73 SF SF4 4 = 21.53 = 21.53 Contoh Metode Seasonal (2) Contoh Metode Seasonal (2)
Kesimpulan Kesimpulan 1. 1. Peramalan merupakan tahapan awal Peramalan merupakan tahapan awal dalam perencanaan sistem operasi dalam perencanaan sistem operasi produksi. produksi. 2. 2. Model yang paling tepat harus dipilih Model yang paling tepat harus dipilih dalam melakukan peramalan. dalam melakukan peramalan. 3. 3. Model yang dipilih dapat dibandingkan Model yang dipilih dapat dibandingkan dengan model yang lain dengan dengan model yang lain dengan menggunakan kriteria menggunakan kriteria minimum minimum average average sum of squared errors sum of squared errors. . 4. 4. Distribusi Distribusi forecast errors forecast errors harus harus dimonitor, jika terjadi bias maka model dimonitor, jika terjadi bias maka model yang digunakan tidak tepat. yang digunakan tidak tepat.

More Related Content

PPT
materi-materi peruliahan 13-forecasting02_ok.ppt
byrsiswan68
 
PPT
3218839.ppt
byssuser5a4b64
 
PPT
13 forecasting02 ok
byJamiahPLS
 
PPT
materi MK penganggaran : peramalan keuangan .ppt
byRillaGantino2
 
PDF
Peramalan Forecasting
byINDAHMAWARNI1
 
PPT
Forecasting penjualan produksi dan manufaktur.ppt
byReivaS1
 
PPT
Perencanaan-Pengendalian-Produksi-Pertemuan-3.ppt
byASoerahman
 
DOCX
Components of a Time Series/Abshor.Marantika/Kelompok 9
byRikiYosafat
 
materi-materi peruliahan 13-forecasting02_ok.ppt
byrsiswan68
 
3218839.ppt
byssuser5a4b64
 
13 forecasting02 ok
byJamiahPLS
 
materi MK penganggaran : peramalan keuangan .ppt
byRillaGantino2
 
Peramalan Forecasting
byINDAHMAWARNI1
 
Forecasting penjualan produksi dan manufaktur.ppt
byReivaS1
 
Perencanaan-Pengendalian-Produksi-Pertemuan-3.ppt
byASoerahman
 
Components of a Time Series/Abshor.Marantika/Kelompok 9
byRikiYosafat
 

Similar to penelitian menggunakan metode peramalan.ppt

PPT
SESI 5_ALK_Analisis Time Series forecasting.ppt
byZakiyatulFakhiroh5
 
PPT
Peramalan Forecasting Mata Kuliah yang h
byHILMANRSAFF
 
PPTX
Forcasting dan perencanaan kapasitas produksi
byAntingWulandari
 
PPTX
P5. Kuliah TIME SERIES Statistik Terapan.pptx
byyanjihan1
 
PPTX
Peramalan Ekonomi (Pertemuan Kesepuluh - Matematika Ekonomi) Reguler.pptx
byginanjarsuendro
 
PPT
Materi Temu 3 - perancangan dan pengawasan.ppt
byjafarsidiq23
 
PPTX
Forecasting Management.pptx
byagushermawan702359
 
PPT
6 Peramalan Permintaan (Forecasting).ppt
byrahmatsubur2
 
PPTX
Pertemuan 3 dan 4 manajemen operasi Peramalan.pptx
bymiakurniati3
 
PPT
Peramalan.ppt
byMasbrowYou
 
PDF
PPT Estimasi permintaan - Peramalan Permintaan.pdf
byZerana1
 
PPT
Forecasting
byIGede Asta
 
PPTX
Peramalan. pengangran perusahanann yang benar
byyayanedu80
 
PPT
Peramalan.ppt
byRatihAzhar1
 
PPTX
PERTEMUAN KEDUABELAS_PORECASTING METHOD.pptx
byFadnovAirtechOfficia
 
PPTX
PPIC Manajemen Permintaan
byAnsar Lawi
 
PPTX
Manajemen Operasi Bab 4 Kelompok 2 3AKT
byEmilia Wati
 
PPTX
Forecasting education
byYoungsan University
 
PPT
Manpro sesi 2 & 3
byginingroem
 
PPTX
manajemen operasional
byAuliya Azzura
 
SESI 5_ALK_Analisis Time Series forecasting.ppt
byZakiyatulFakhiroh5
 
Peramalan Forecasting Mata Kuliah yang h
byHILMANRSAFF
 
Forcasting dan perencanaan kapasitas produksi
byAntingWulandari
 
P5. Kuliah TIME SERIES Statistik Terapan.pptx
byyanjihan1
 
Peramalan Ekonomi (Pertemuan Kesepuluh - Matematika Ekonomi) Reguler.pptx
byginanjarsuendro
 
Materi Temu 3 - perancangan dan pengawasan.ppt
byjafarsidiq23
 
Forecasting Management.pptx
byagushermawan702359
 
6 Peramalan Permintaan (Forecasting).ppt
byrahmatsubur2
 
Pertemuan 3 dan 4 manajemen operasi Peramalan.pptx
bymiakurniati3
 
Peramalan.ppt
byMasbrowYou
 
PPT Estimasi permintaan - Peramalan Permintaan.pdf
byZerana1
 
Forecasting
byIGede Asta
 
Peramalan. pengangran perusahanann yang benar
byyayanedu80
 
Peramalan.ppt
byRatihAzhar1
 
PERTEMUAN KEDUABELAS_PORECASTING METHOD.pptx
byFadnovAirtechOfficia
 
PPIC Manajemen Permintaan
byAnsar Lawi
 
Manajemen Operasi Bab 4 Kelompok 2 3AKT
byEmilia Wati
 
Forecasting education
byYoungsan University
 
Manpro sesi 2 & 3
byginingroem
 
manajemen operasional
byAuliya Azzura
 

More from SafrudinTolinggi1

PPTX
evaluating for climate change adaptation the critical challenge.pptx
bySafrudinTolinggi1
 
PPTX
1. Pengantar dan Konsep Dasar Statistik.pptx
bySafrudinTolinggi1
 
PPTX
ROAD - Penguatan SATGAS Provinsi-dikonversi.pptx
bySafrudinTolinggi1
 
PPTX
Output Satgas Stunting dan Rencana Kerja.pptx
bySafrudinTolinggi1
 
PPTX
climate_change_impacts_on_agriculture.pptx
bySafrudinTolinggi1
 
PPTX
20191107_ Desain Instruksional & RPS.pptx
bySafrudinTolinggi1
 
PPTX
PROGRESS CAPAIAN KEGIATAN LIMA OUTPUT WAJIB SATGAS.pptx
bySafrudinTolinggi1
 
PPTX
Standa Pelayanan Minimal (SPM) KOTA MALANG.pptx
bySafrudinTolinggi1
 
PPTX
Materi RAN PASTI Rencana Aksi Nasional Percepatan Rencana Aksi Percepatan Pe...
bySafrudinTolinggi1
 
PPTX
2. Standar Pelayanan Minimal SPM KOTA MALANG.pptx
bySafrudinTolinggi1
 
PPT
PEKERTI 2019 c_ Keterampilan Dasar Mengajar dan Team Teaching - Salin.ppt
bySafrudinTolinggi1
 
PPTX
WEBINAR - BAPELKES - KESLING 2020 OK (1).pptx
bySafrudinTolinggi1
 
PPTX
MATERI PELATIHAN PENGANTAR BANTUAN HIDUP DASAR .pptx
bySafrudinTolinggi1
 
PPT
lokakarya penulisan karya ilmiah pada jurnal bereputasi LPI.ppt
bySafrudinTolinggi1
 
PPTX
PAPARAN GUBERNUR-redesain pengelolaann lingkungan.pptx
bySafrudinTolinggi1
 
PPT
PESTISIDA dan dampaknya bagi kesehatan.ppt
bySafrudinTolinggi1
 
PPT
Pembahasan Etika Sosial bab Euthanasia.ppt
bySafrudinTolinggi1
 
PPTX
contoh penyusunan rps untuk mata kuliah .pptx
bySafrudinTolinggi1
 
PPTX
kafein dan dampaknya bagi kesehatan.pptx
bySafrudinTolinggi1
 
PPTX
Paparan Stunting 2022 Bappeda Kab. Bonebolango.pptx
bySafrudinTolinggi1
 
evaluating for climate change adaptation the critical challenge.pptx
bySafrudinTolinggi1
 
1. Pengantar dan Konsep Dasar Statistik.pptx
bySafrudinTolinggi1
 
ROAD - Penguatan SATGAS Provinsi-dikonversi.pptx
bySafrudinTolinggi1
 
Output Satgas Stunting dan Rencana Kerja.pptx
bySafrudinTolinggi1
 
climate_change_impacts_on_agriculture.pptx
bySafrudinTolinggi1
 
20191107_ Desain Instruksional & RPS.pptx
bySafrudinTolinggi1
 
PROGRESS CAPAIAN KEGIATAN LIMA OUTPUT WAJIB SATGAS.pptx
bySafrudinTolinggi1
 
Standa Pelayanan Minimal (SPM) KOTA MALANG.pptx
bySafrudinTolinggi1
 
Materi RAN PASTI Rencana Aksi Nasional Percepatan Rencana Aksi Percepatan Pe...
bySafrudinTolinggi1
 
2. Standar Pelayanan Minimal SPM KOTA MALANG.pptx
bySafrudinTolinggi1
 
PEKERTI 2019 c_ Keterampilan Dasar Mengajar dan Team Teaching - Salin.ppt
bySafrudinTolinggi1
 
WEBINAR - BAPELKES - KESLING 2020 OK (1).pptx
bySafrudinTolinggi1
 
MATERI PELATIHAN PENGANTAR BANTUAN HIDUP DASAR .pptx
bySafrudinTolinggi1
 
lokakarya penulisan karya ilmiah pada jurnal bereputasi LPI.ppt
bySafrudinTolinggi1
 
PAPARAN GUBERNUR-redesain pengelolaann lingkungan.pptx
bySafrudinTolinggi1
 
PESTISIDA dan dampaknya bagi kesehatan.ppt
bySafrudinTolinggi1
 
Pembahasan Etika Sosial bab Euthanasia.ppt
bySafrudinTolinggi1
 
contoh penyusunan rps untuk mata kuliah .pptx
bySafrudinTolinggi1
 
kafein dan dampaknya bagi kesehatan.pptx
bySafrudinTolinggi1
 
Paparan Stunting 2022 Bappeda Kab. Bonebolango.pptx
bySafrudinTolinggi1
 

Recently uploaded

PPTX
Ringkasan_Lengkap_Modul_Koding_dan_AI_SD_FaseC.pptx
byabdulhalimachadi
 
PPTX
MESIN LARIK TEKNOLOGI PEMESINAN INDUSTRI
byNur Farizan Ayoob
 
PPTX
PPT PRAKTEK BAIK kPDING DAN KECERDASAN ARTIFISIAL
byaisyah16puji
 
PDF
Modul Ajar Deep Learning Seni Teater Kelas 10 Kurikulum Merdeka
byModul Guruku
 
PPTX
Praktik Baik Pembelajaran Mendalam di Kelas dengan Metode STAR.pptx
byUsepFauzi2
 
PDF
Prinsip belajar dalam pembelajaran Informatika.pdf
byMukhamad Fathoni
 
DOCX
Modul Ajar KBC Kurikulum Berbasis Cinta Fiqih Kelas V Terbaru 2025
byfubierabita
 
PDF
PPT Materi Evaluasi Growing Together Oktober 2025
bySABDA
 
DOCX
Modul Ajar KBC Kurikulum Berbasis Cinta Bahasa Arab Kelas V Terbaru 2025
byfubierabita
 
DOCX
Silabus Pelatihan_Pembekalan Kompetensi PENGADAAN Barang & Jasa Pemerintah (L...
byKanaidi ken
 
DOCX
Silabus Pelatihan_Pembekalan Kompetensi PENGELOLA PENGADAAN Barang & Jasa Pem...
byKanaidi ken
 
DOCX
Jurus 1_Kenali Potensi_Eka Fitri Wulandari,S.Pd_SMK Insan Mulia Yogyakarta.docx
byEkafitriWulandari1
 
PDF
Materi 6 - TEKNIK MENULIS BERITA, ARTIKEL & FEATURE
byAdePutraTunggali
 
PDF
Modul Ajar Deep Learning Seni Tari Kelas 11 Kurikulum Merdeka
byModul Guruku
 
DOCX
Modul Ajar KBC Kurikulum Berbasis Cinta Bahasa Arab Kelas III Terbaru 2025
byfubierabita
 
PDF
SPESIAL BONUS HARIAN 10% HANYA DI BATAGOR4D !!
byBatagor4D
 
PPTX
Jurus 4- Jaga Konsistensi jpg.pptx 7 jurus bk hebat
byEkafitriWulandari1
 
PPTX
INILAH CONTOH SALAH SATU JURNAL MODUL PSE KEGIATAN PPG
byAgusPadlullah1
 
DOCX
Modul Ajar KBC Kurikulum Berbasis Cinta Bahasa Arab Kelas I Terbaru 2025
byfubierabita
 
PPTX
Seni Lalakon Sunda - MK Kesenian Sunda IKIP Siliwangi
byIKIP Siliwangi
 
Ringkasan_Lengkap_Modul_Koding_dan_AI_SD_FaseC.pptx
byabdulhalimachadi
 
MESIN LARIK TEKNOLOGI PEMESINAN INDUSTRI
byNur Farizan Ayoob
 
PPT PRAKTEK BAIK kPDING DAN KECERDASAN ARTIFISIAL
byaisyah16puji
 
Modul Ajar Deep Learning Seni Teater Kelas 10 Kurikulum Merdeka
byModul Guruku
 
Praktik Baik Pembelajaran Mendalam di Kelas dengan Metode STAR.pptx
byUsepFauzi2
 
Prinsip belajar dalam pembelajaran Informatika.pdf
byMukhamad Fathoni
 
Modul Ajar KBC Kurikulum Berbasis Cinta Fiqih Kelas V Terbaru 2025
byfubierabita
 
PPT Materi Evaluasi Growing Together Oktober 2025
bySABDA
 
Modul Ajar KBC Kurikulum Berbasis Cinta Bahasa Arab Kelas V Terbaru 2025
byfubierabita
 
Silabus Pelatihan_Pembekalan Kompetensi PENGADAAN Barang & Jasa Pemerintah (L...
byKanaidi ken
 
Silabus Pelatihan_Pembekalan Kompetensi PENGELOLA PENGADAAN Barang & Jasa Pem...
byKanaidi ken
 
Jurus 1_Kenali Potensi_Eka Fitri Wulandari,S.Pd_SMK Insan Mulia Yogyakarta.docx
byEkafitriWulandari1
 
Materi 6 - TEKNIK MENULIS BERITA, ARTIKEL & FEATURE
byAdePutraTunggali
 
Modul Ajar Deep Learning Seni Tari Kelas 11 Kurikulum Merdeka
byModul Guruku
 
Modul Ajar KBC Kurikulum Berbasis Cinta Bahasa Arab Kelas III Terbaru 2025
byfubierabita
 
SPESIAL BONUS HARIAN 10% HANYA DI BATAGOR4D !!
byBatagor4D
 
Jurus 4- Jaga Konsistensi jpg.pptx 7 jurus bk hebat
byEkafitriWulandari1
 
INILAH CONTOH SALAH SATU JURNAL MODUL PSE KEGIATAN PPG
byAgusPadlullah1
 
Modul Ajar KBC Kurikulum Berbasis Cinta Bahasa Arab Kelas I Terbaru 2025
byfubierabita
 
Seni Lalakon Sunda - MK Kesenian Sunda IKIP Siliwangi
byIKIP Siliwangi
 

penelitian menggunakan metode peramalan.ppt

  • 1.
  • 2.
    Kompetensi Pokok bahasan KompetensiPokok bahasan Setelah mengikuti pokok bahasan ini, Setelah mengikuti pokok bahasan ini, mahasiswa diharapkan mampu: mahasiswa diharapkan mampu:  Melakukan perencanaan produksi, Melakukan perencanaan produksi, dalam upaya memenuhi kebutuhan dalam upaya memenuhi kebutuhan konsumen. konsumen.  Memprediksi kebutuhan yang Memprediksi kebutuhan yang diperlukan dalam proses produksi. diperlukan dalam proses produksi.  Mengerti tahapan dalam peramalan. Mengerti tahapan dalam peramalan.  Menentukan metode peramalan yang Menentukan metode peramalan yang tepat. tepat.
  • 3.
    Introduction Introduction  Pokok bahasan inimerupakan Pokok bahasan ini merupakan pokok bahasan yang mengkaji pokok bahasan yang mengkaji perencanaan produksi melalui perencanaan produksi melalui penerapan metode peramalan. penerapan metode peramalan.  Teknik peramalan ini ditujukan Teknik peramalan ini ditujukan untuk menghasilkan perencanaan untuk menghasilkan perencanaan produksi yang akurat dalam produksi yang akurat dalam merespon permintaan pasar. merespon permintaan pasar.  Langkah pertama dalam Langkah pertama dalam perencanaan operasi sistem perencanaan operasi sistem produksi adalah menentukan produksi adalah menentukan peramalan yang akurat terhadap peramalan yang akurat terhadap permintaan barang (produk) yang permintaan barang (produk) yang akan diproduksi. akan diproduksi.
  • 4.
    Definisi Peramalan Definisi Peramalan Peramalan adalah seni dan ilmu untuk Peramalan adalah seni dan ilmu untuk memprediksi masa depan. memprediksi masa depan.  Peramalan adalah tahap awal, dan hasil ramalan Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada merupakan basis bagi seluruh tahapan pada perencanaan produksi. perencanaan produksi.  Proses peramalan dilakukan pada level agregat Proses peramalan dilakukan pada level agregat ( (part family part family); bila data yang dimiliki adalah data ); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebih item, maka perlu dilakukan agregasi terlebih dahulu. dahulu.  Metode: Kualitatif dan kuantitatif. Metode: Kualitatif dan kuantitatif.  Terminologi: perioda, horison, Terminologi: perioda, horison, lead time lead time, , fitting fitting error error, , forecast error forecast error, data dan hasil ramalan. , data dan hasil ramalan.
  • 5.
    Peramalan Eksplanatoris dan PeramalanEksplanatoris dan Deret Berkala Deret Berkala  Kedua pendekatan ini saling melengkapi dan Kedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan yg berbeda. dimaksudkan untuk jenis penggunaan yg berbeda.  Pendekatan ekspalanatoris mengasumsikan Pendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara input adanya hubungan sebab akibat di antara input dengan output dari suatu sistem. dengan output dari suatu sistem. Hubungan sebab dan akibat Input Output Sistem  Peramalan Deret Berkala memperlakukan Peramalan Deret Berkala memperlakukan sistem sistem sebagai kotak hitam. sebagai kotak hitam. Proses Bangkitan Input Output Sistem
  • 6.
    Persyaratan Penggunaan Persyaratan Penggunaan MetodeKuantitatif: Metode Kuantitatif: 1. 1. Tersedia informasi tentang masa lalu. Tersedia informasi tentang masa lalu. 2. 2. Informasi tersebut dapat di Informasi tersebut dapat di kuantitatifkan dalam bentuk data kuantitatifkan dalam bentuk data numerik. numerik. 3. 3. Dapat diasumsikan bahwa beberapa Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus aspek pola masa lalu akan terus berlanjut di masa mendatang. berlanjut di masa mendatang.
  • 7.
    Langkah-langkah Peramalan Langkah-langkah Peramalan Definisikan tujuan peramalan. Definisikan tujuan peramalan.  Plot data ( Plot data (part family part family) masa lalu. ) masa lalu.  Pilih metode-metode yang paling memenuhi Pilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data. tujuan peramalan dan sesuai dengan plot data.  Hitung parameter fungsi peramalan untuk Hitung parameter fungsi peramalan untuk masing-masing metode. masing-masing metode.  Hitung Hitung fitting error fitting error untuk semua metode yang untuk semua metode yang dicoba. dicoba.  Pilih metode yang terbaik, yaitu metode yang Pilih metode yang terbaik, yaitu metode yang memberikan memberikan error error paling kecil. paling kecil.  Ramalkan permintaan untuk periode mendatang Ramalkan permintaan untuk periode mendatang  Lakukan verifikasi peramalan. Lakukan verifikasi peramalan.
  • 8.
    Pola data metodederet berkala (1) Pola data metode deret berkala (1) 1. 1. Pola Pola horisontal horisontal (H) (H) terjadi bilamana data terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar stasioner seperti ini dapat dilihat dalam Gambar 1.1. 1.1. 2. 2. Pola Pola musiman musiman (S) (S) terjadi bilamana suatu deret terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2. dapat dilihat Gambar 1.2.
  • 9.
    Pola data metodederet berkala (2) Pola data metode deret berkala (2) 3. 3. Pola Pola siklis siklis (C) (C) terjadi bilamana datanya terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3. Gambar 1.3. 4. 4. Pola Pola trend trend (T) (T) terjadi bilamana terdapat terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4. pola ini dapat dilihat pada Gambar 1.4.
  • 11.
    Karakteristik trend Karakteristik trend Komponen KomponenAmplitudo Amplitudo Penyebab Penyebab Seasonal Seasonal 12 bulan 12 bulan Liburan, musim, Liburan, musim, perioda finansial perioda finansial Cyclical Cyclical 3-5 tahun 3-5 tahun Ekonomi nasional, Ekonomi nasional, perubahan politik perubahan politik Bisnis Bisnis 1-5 tahun 1-5 tahun Pemasaran, kompetisi, Pemasaran, kompetisi, performance performance Product life Product life cycle cycle 1-5 tahun, 1-5 tahun, makin pendek makin pendek Substitusi produk Substitusi produk
  • 12.
    Metode Deret Waktu MetodeDeret Waktu 1. 1. Constant Constant 2. 2. Linier trend Linier trend 3. 3. Quadratic Quadratic 4. 4. Exponential Exponential 5. 5. Moving Average Moving Average 6. 6. Exponential smoothing Exponential smoothing 7. 7. Seasonal Seasonal
  • 13.
    1. Metode Constant 1.Metode Constant • Dalam Metode Constant, peramalan dilakukan dengan mengambil rata-rata data masa lalu (historis). • Rumus untuk metoda linier: Rumus untuk metoda linier: Keterangan: d’t = Forecast untuk saat t t = time (independent variable) dt = demand pada saat t n = jumlah data n d d t t   n 1 '
  • 14.
    2. Metode Liniertrend 2. Metode Linier trend            2 2 2 t t n td t d t a t t           2 2 t t n d t td n b t t Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) dt = demand pada saat t n = jumlah data ..... , 3 , 2 , 1 '    t bt a d t • Model ini menggunakan data yang Model ini menggunakan data yang secara random berfluktuasi membentuk secara random berfluktuasi membentuk garis lurus. garis lurus. • Rumus untuk metoda linier: Rumus untuk metoda linier:
  • 15.
    3. Metode Quadratic(1) 3. Metode Quadratic (1)  Model ini menggunakan data yang secara Model ini menggunakan data yang secara random berfluktuasi membentuk random berfluktuasi membentuk kurva quadratic. kurva quadratic.  Rumus untuk model quadratic: Rumus untuk model quadratic: .... , 3 , 2 , 1 ) ( ' 2     t ct bt a t d 2        b Keterangan : ……
  • 16.
    3. Metode Quadratic(2) 3. Metode Quadratic (2)             n t n t t n t 1 4 2 1 2          n t n t n t t tY n t Y t 1 1 1 ) ( ) (          n t n t n t t Y t n t Y t 1 2 1 1 2 ) ( ) (          n t n t n t t n t t 1 3 1 1 2              n t n t t n t 1 2 2 1     ) )( (b c   n t c n t b n t Y a n t n t n t          1 2 1 1 ) (
  • 17.
    4. Metode Exponential(1) 4. Metode Exponential (1)  Digunakan apabila persamaan a dan b tidak bisa Digunakan apabila persamaan a dan b tidak bisa dipecahkan dengan cara konvensional. dipecahkan dengan cara konvensional.  Digunakan transformasi logaritma ke dalam Digunakan transformasi logaritma ke dalam situasi regresi. situasi regresi.  Persamaan metode eksponensial : Persamaan metode eksponensial : bt ae (t) d'  Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta)
  • 18.
    4. Metode Eksponensial(2) 4. Metode Eksponensial (2)  Persamaan transformasi logaritma : Persamaan transformasi logaritma :   bt ln(a) ) ln(e ln(a) (t) d' ln bt     Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta)
  • 19.
    5. Metode MovingAverage (1) 5. Metode Moving Average (1)  Digunakan bila data-datanya : Digunakan bila data-datanya : - tidak memiliki trend - tidak memiliki trend - tidak dipengaruhi faktor musim - tidak dipengaruhi faktor musim  Digunakan untuk peramalan dengan perioda Digunakan untuk peramalan dengan perioda waktu spesifik. waktu spesifik.  Moving Average didefinisikan sebagai : Moving Average didefinisikan sebagai : Keterangan : Keterangan : n = jumlah perioda n = jumlah perioda d dt t = demand pada bulan ke t = demand pada bulan ke t n d MA n 1 t t n   
  • 20.
    5. Metode MovingAverage (2) 5. Metode Moving Average (2)  Peramalan jangka pendek lebih baik Peramalan jangka pendek lebih baik dibandingkan jangka panjang. dibandingkan jangka panjang.  Kelemahan : tidak cocok untuk pola data Kelemahan : tidak cocok untuk pola data trend atau pola data musiman. trend atau pola data musiman.
  • 21.
    6. Metode ExponentialSmoothing (1) 6. Metode Exponential Smoothing (1)  Kesalahan peramalan masa lalu Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan digunakan untuk koreksi peramalan berikutnya. berikutnya.  Dihitung berdasarkan hasil peramalan + Dihitung berdasarkan hasil peramalan + kesalahan peramalan sebelumnya. kesalahan peramalan sebelumnya.
  • 22.
    6. Metode ExponentialSmoothing (2) 6. Metode Exponential Smoothing (2)    besar, smoothing yg dilakukan kecil besar, smoothing yg dilakukan kecil    kecil, smoothing yg dilakukan semakin besar kecil, smoothing yg dilakukan semakin besar    optimum akan meminimumkan MSE, MAPE optimum akan meminimumkan MSE, MAPE t t t F D F ) 1 ( 1       ES didefinisikan sebagai: ES didefinisikan sebagai: Keterangan: Keterangan: F Ft+1 t+1 = Ramalan untuk periode berikutnya = Ramalan untuk periode berikutnya D Dt t = Demand aktual pada periode t = Demand aktual pada periode t F Ft t = Peramalan yg ditentukan sebelumnya untuk periode t = Peramalan yg ditentukan sebelumnya untuk periode t   = Faktor bobot = Faktor bobot
  • 23.
    7. Metode Seasonal 7.Metode Seasonal  Demand meningkat karena pengaruh Demand meningkat karena pengaruh tertentu atau berdasarkan waktu. tertentu atau berdasarkan waktu.  Nilai/harga faktor seasonal antar 0 dan 1. Nilai/harga faktor seasonal antar 0 dan 1.  Formulasi peramalan pada tahun ke i : Formulasi peramalan pada tahun ke i : d’ d’i i = a + b = a + bt t Keterangan : Keterangan : d’ d’i i = peramalan untuk saat ke i = peramalan untuk saat ke i t = perioda waktu (bulan, minggu, dll) t = perioda waktu (bulan, minggu, dll)  Formulasi Peramalan Seasonal : Formulasi Peramalan Seasonal : SF SF(i) (i) = (S = (Si i).(d’ ).(d’t t) )
  • 24.
    Forecasting Errors &Tracking Signals Forecasting Errors & Tracking Signals 3 metode perhitungan kesalahan peramalan : 3 metode perhitungan kesalahan peramalan : N d d MAD N t t t     1 ' ) ( Deviation Absolute Mean a.   N d d N t t t     1 2 ' ) (MSE Error Squared Mean b.             N 1 t t ' t t d d d N 100 ) (MAPE Error Percent Absolute Mean c.
  • 25.
    Verifikasi (1) Verifikasi (1)  Salahsatu metode verifikasi adalah Moving Range Salah satu metode verifikasi adalah Moving Range Chart (MRC). Chart (MRC).  Moving Range (MR) didefinisikan sebagai : Moving Range (MR) didefinisikan sebagai : MR = |d’ MR = |d’t t – d – dt t| – |d’ | – |d’t-1 t-1– d – dt-1 t-1| | Keterangan : Keterangan : d’ d’t t = ramalan pada bulan ke t = ramalan pada bulan ke t d dt t = kebutuhan pada bulan ke t = kebutuhan pada bulan ke t d’ d’t–1 t–1 = ramalan pada bulan ke t-1 = ramalan pada bulan ke t-1 d dt–1 t–1 = kebutuhan pada bulan ke t-1 = kebutuhan pada bulan ke t-1
  • 26.
    Verifikasi (2) Verifikasi (2)  Rata-rataMR dihitung : Rata-rata MR dihitung :  Batas kontrol atas (UCL), batas kontrol Batas kontrol atas (UCL), batas kontrol bawah (LCL), dan garis tengah (CL) bawah (LCL), dan garis tengah (CL) 1 n MR MR 1 n 1 i i      0 CL MR 66 , 2 LCL MR 66 , 2 UCL     
  • 27.
    Verifikasi (3) Verifikasi (3) 0 d' - d Region A Region B Region C Bataskontol bawah Garis tengah Region C Region B Region A Batas kontrol atas Perioda Gambar 1. Kriteria Peta Kontrol
  • 28.
    Verifikasi (4) Verifikasi (4)  Pengujianout of kontrol : Pengujian out of kontrol :   Dari 3 titik yang berurutan, 2 titik atau lebih Dari 3 titik yang berurutan, 2 titik atau lebih berada di daerah A. berada di daerah A.   Dari 5 titik yang berurutan, 2 titik atau lebih Dari 5 titik yang berurutan, 2 titik atau lebih berada di daerah B. berada di daerah B.   Dari 8 titik yang berurutan, seluruhnya Dari 8 titik yang berurutan, seluruhnya berada di atas atau di bawah berada di atas atau di bawah center line. center line.   Satu titik berada di luar batas kontrol. Satu titik berada di luar batas kontrol.
  • 29.
    Verifikasi (5) Verifikasi (5)  ContohSoal: Kasus Peramalan Konstan Contoh Soal: Kasus Peramalan Konstan 28.2 - LCL 28.2 UCL 10.6 11 117 MR     MR = |d’ MR = |d’t t – d – dt t| – |d’ | – |d’t-1 t-1– d – dt-1 t-1| |
  • 30.
    Verifikasi (6) Verifikasi (6) Gambar2. Peta Kendali Peramalan Konstan -30 -20 -10 0 10 20 30 J F M A M J J A S O N D Bulan d' - d CL UCL = +28.2 LCL = -28.2
  • 31.
    Verifikasi (7) Verifikasi (7)  Bilakondisi out of control terjadi. Bila kondisi out of control terjadi.  Perbaiki ramalan dengan memasukkan Perbaiki ramalan dengan memasukkan data baru. data baru.  Tunggu Tunggu evidence evidence (fakta-fakta) selanjutnya. (fakta-fakta) selanjutnya.
  • 32.
    Contoh Metode Constant ContohMetode Constant n d d t t   n 1 ' Bulan Bulan t t d dt t Jan Jan 1 1 90 90 Feb Feb 2 2 111 111 Mar Mar 3 3 99 99 Apr Apr 4 4 89 89 Mei Mei 5 5 87 87 Jun Jun 6 6 84 84 Jul Jul 7 7 104 104 Aus Aus 8 8 102 102 Sep Sep 9 9 95 95 Okt Okt 10 10 114 114 Nov Nov 11 11 103 103 Des Des 12 12 113 113  1191 1191 25 . 99 12 1191 ' 12 1    t d
  • 33.
    Contoh Metode Lineartrend Contoh Metode Linear trend t t d dt t td tdt t t t2 2 d’ d’t t (d (dt t-d’ -d’t t) )2 2 1 1 2050 2050 2050 2050 1 2108,5 1 2108,5 3.422,2 3.422,2 2 2 2235 2235 4470 4470 4 2210,1 4 2210,1 620,0 620,0 3 3 2420 2420 7260 7260 9 2311,7 9 2311,7 11.728.9 11.728.9 4 4 2360 2360 9440 9440 16 2413,3 16 2413,3 2.840,9 2.840,9 5 5 2490 2490 12450 12450 25 2514,9 25 2514,9 620,0 620,0 6 6 2620 2620 15720 15720 36 36 2616,5 2616,5 12,3 12,3 21 21 14175 51390 91 14175 51390 91 19.244,3 19.244,3 d’ d’t t = a + bt = a + bt = 2006,9 + 101,6t = 2006,9 + 101,6t 2 n 1 t n 1 t 2 n 1 t n 1 t t n 1 t t t t n t d td n b                    n t b d a n 1 t n 1 t t       101,6 b dan 9 , 2006 a  
  • 34.
    Contoh Metode Quadratic ContohMetode Quadratic t t2 t3 t4 dt tdt t2 dt 1 1 1 1 16 16 16 2 4 8 16 24 48 96 3 9 27 81 34 102 306 4 16 64 256 46 184 736 5 25 125 625 60 300 1500 15 55 225 979 180 650 2654 300 ) 225 )( 5 ( ) 55 )( 15 (      50 ) 55 )( 5 ( ) 15 ( 2      1870 ) 979 )( 5 ( ) 55 ( 2      550 ) 650 )( 5 ( ) 180 )( 15 (      3370 ) 2654 )( 5 ( ) 180 )( 55 (      5 ) 300 ( ) 50 )( 1870 ( ) 300 )( 3370 ( ) 550 )( 1870 ( ˆ 2            b 1 1870 ) 1870 ( ˆ     c 10 5 55 5 ) 15 )( 5 ( 5 180 ˆ     a 60 5 ) 5 ( 5 10 ) 5 ( ' 5 10 ) ( ' 2 2         d t t t d
  • 35.
    Contoh Metode Eksponensial ContohMetode Eksponensial t t d dt t Ln(d Ln(dt t) ) tLn(d tLn(dt t) ) t t2 2 1 1 2.50 2.50 0.92 0.92 0.92 0.92 1 1 2 2 4.12 4.12 1.42 1.42 2.84 2.84 4 4 3 3 6.80 6.80 1.92 1.92 5.76 5.76 9 9 4 4 11.20 11.20 2.42 2.42 9.68 9.68 16 16 5 5 18.47 18.47 2.92 2.92 14.60 14.60 25 25 15 15 9.60 9.60 33.8 33.8 55 55 5 . 0 225 ) 55 )( 5 ( ) 15 )( 60 . 9 ( ) 8 . 33 )( 5 ( ˆ     b 42 . 0 5 ) 15 )( 5 . 0 ( 5 60 . 9 ) ˆ ln(    a a e anti ˆ 50 . 2 ) 42 . 0 ln( 42 . 0    50 5 . 2 ) 6 ( ' 5 . 2 ) ( ˆ ) ( ' 3 5 . 0 ˆ      e d e e a t d t t b
  • 36.
    Contoh Metode MovingAverage Contoh Metode Moving Average Bulan Bulan t d t dt t MA 3 bulan MA 3 bulan MA 5 bulan MA 5 bulan Jan Jan 1 10 - 1 10 - - - Feb Feb 2 12 - 2 12 - - - Mar Mar 3 13 - 3 13 - - - Apr Apr 4 16 (10+12+13)/3=11,66 4 16 (10+12+13)/3=11,66 - - Mei Mei 5 19 (12+13+16)/3=13,66 5 19 (12+13+16)/3=13,66 - - Jun Jun 6 23 (13+16+19)/3=16,00 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14 (10+12+13+16+19)/5 = 14 Jul Jul 7 26 (16+19+23)/3=19,33 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6 (12+13+16+19+23)/5 = 16,6 n d MA n 1 t t n   
  • 37.
    Contoh Metode Exponential ContohMetode Exponential Smoothing Smoothing Period Period Demand Demand Forecast , F Forecast , Ft+1 t+1  =0.3 =0.3  =0.5 =0.5 1 1 37 37 - - - - 2 2 40 40 37 37 37 37 3 3 41 41 37.9 37.9 38.5 38.5 4 4 37 37 38.83 38.83 39.75 39.75 5 5 45 45 38.28 38.28 38.37 38.37 6 6 50 50 40.29 40.29 41.68 41.68 7 7 43 43 43.20 43.20 45.84 45.84 8 8 47 47 43.14 43.14 44.42 44.42 9 9 56 56 44.30 44.30 45.71 45.71 10 10 52 52 47.81 47.81 50.85 50.85 11 11 55 55 49.06 49.06 51.42 51.42 12 12 54 54 50.84 50.84 53.21 53.21 51.79 51.79 53.61 53.61 t t t F D F ) 1 ( 1      
  • 38.
    Contoh Metode Seasonal(1) Contoh Metode Seasonal (1) Year Year Demand (x 1000) Demand (x 1000) Kwartal-1 Kwartal-1 Kwartal-2 Kwartal-2 Kwartal-3 Kwartal-3 Kwartal-4 Kwartal-4 Total Total 1992 1992 12.6 12.6 8.6 8.6 6.3 6.3 17.5 17.5 45 45 1993 1993 14.1 14.1 10.3 10.3 7.5 7.5 18.2 18.2 50.1 50.1 1994 1994 15.3 15.3 10.6 10.6 8.1 8.1 19.6 19.6 53.6 53.6 42 42 29.5 29.5 21.9 21.9 55.3 55.3 148.7 148.7 Perhitungan faktor bobot: S1= D1/D = 42/148.7 = 0.28 S2 = 0.20 S3 = 0.15 S4 = 0.37 2 n 1 t n 1 t 2 n 1 t n 1 t t n 1 t t t t n t d td n b                    n t b d a n 1 t n 1 t t      
  • 39.
    a = 40.97 a= 40.97 b = 4.3 b = 4.3 y = 40.97 + 4.3 t y = 40.97 + 4.3 t Untuk tahun 1995 (t =4) diperoleh 58.17 Untuk tahun 1995 (t =4) diperoleh 58.17 Peramalan utk tiap kwartal: Peramalan utk tiap kwartal: SF SF1 1 = S = S1 1.F .F5 5 = .28 (58.7) = .28 (58.7) = 16.28 = 16.28 SF SF2 2 = 11.63 = 11.63 SF SF3 3 = 8.73 = 8.73 SF SF4 4 = 21.53 = 21.53 Contoh Metode Seasonal (2) Contoh Metode Seasonal (2)
  • 40.
    Kesimpulan Kesimpulan 1. 1. Peramalan merupakantahapan awal Peramalan merupakan tahapan awal dalam perencanaan sistem operasi dalam perencanaan sistem operasi produksi. produksi. 2. 2. Model yang paling tepat harus dipilih Model yang paling tepat harus dipilih dalam melakukan peramalan. dalam melakukan peramalan. 3. 3. Model yang dipilih dapat dibandingkan Model yang dipilih dapat dibandingkan dengan model yang lain dengan dengan model yang lain dengan menggunakan kriteria menggunakan kriteria minimum minimum average average sum of squared errors sum of squared errors. . 4. 4. Distribusi Distribusi forecast errors forecast errors harus harus dimonitor, jika terjadi bias maka model dimonitor, jika terjadi bias maka model yang digunakan tidak tepat. yang digunakan tidak tepat.