Download as PDF, PPTX
![5. Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat
nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan
atau selisih antara nilai aktual dan nilai ramalan disebut sebagai
“kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)
•Dimana : Y(t) = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada periode t
t = Periode peramalan
•Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of
Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)
SSE = S e(t)2 = S[Y(t)-Y’(t)]2](https://image.slidesharecdn.com/peramalanforecasting-191022103105/75/Peramalan-Forecasting-44-2048.jpg)
Uploaded byINDAHMAWARNI1
Peramalan Forecasting
Peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa depan dengan menggunakan data historis dan model matematis. Metode peramalan terbagi menjadi kuantitatif dan kualitatif, dan meliputi pendekatan jangka panjang, menengah, dan pendek, masing-masing dengan tujuan dan teknik yang berbeda. Beberapa teknik peramalan penting termasuk rata-rata bergerak, penghalusan eksponensial, dan metode regresi, yang digunakan untuk meramalkan permintaan dan mendukung perencanaan bisnis.
More Related Content
Similar to Peramalan Forecasting
Peramalan Forecasting
- 1.
- 2. PENGERTIAN • Peramalan (forecasting)adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis. • Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik- teknik peramalan yang bersifat formal maupun informal (Gaspersz, 1998).
- 3. PERAMALAN BERDASARKAN JANGKAWAKTU Peramalan jangka Panjang : yang mencakup waktu labih besar dari 18 bulan. (pendekatan kualitatif) Misal : Peramalan yang diperlukan dalam kaitan dengan penanaman modal, perencanaan produk baru, perencanaan fasilitas lokasi, ekspansi, perencanaan kegiatan litbang (Penelitian dan Pengembangan/R&D), Peramalan jangka Menengah : Mencakup waktu antara 3 sampai 18 bulan. (pendekatan kuantitatif) Misal : perencanaan penjualan, perencanaan produksi, perencanaan TK tidak tetap dan menganalisis rencana operasi Peramalan jangka Pendek : jangka waktu kurang dari 3 bulan. (pendekatan kuantitatif) Misal : peramalan yang berhubungan dengan perencanaan pembelian materal, penjadwalan kerja, penugasan karyawan, jumlah TK, tingkat produksi
- 4. Faktor lain yangharus dipertimbangkan saat membuat ramalan penjualan, terutama peramalan penjualan jangka panjang adalah siklus hidup produk. Penjualan produk dan bahkan jasa, tidak terjadi pada tingkat yang konstan sepanjang hidupnya. Hamper semua produk yang eerhasil melalui empat tahapan : (1) perkenalan, (2) pertumbuhan, (3) kematangan dan (4) penurunan.
- 5. JENIS PERAMALAN Organisasi padaumumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi di masa depan : 1. Peramalan Ekonomi (economic forecast)menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indicator perencanaan lainnya. 2. Peramalan Terknologi (technological forecast)memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. 3. Peramalan Permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran dan sumber daya manusia.
- 6. PENDEKATAN PERAMALAN Terdapat duapendekatan umum peramalan, sebagaimana ada dua cara mengatasi semua model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis kualitatif. 1. Peramalan Kuantitatif (quantitative forecast) Peramalan yang menggunakan satu atau lebih model matematis dengan data lalu dan variabel sebab akibat untuk meramalkan permintaan. 2. Peramalan Subjekti atau kualitatif (qualitative forecast) Peramalan yang menggabungkan faktor-faktor seperti intuisi pengambil keputusan, emosi, pengalaman pribadi dan sistem nilai. Beberapa perusahaan menggunakan satu pendekatn dan perusahaan lain menggunakan pendkatan yang lain. Pada kenyataannya, kombinasi dari keduanya merupakan yang paling efektif.
- 7. Langkah – langkahuntuk melakukan suatu peramalan. 1. Menentukan tujuan dari peramalan. 2. Pemilihan teori yang relevan. 3. Pengumpulan data. 4. Analisis data. 5. Estimasi dari model sementara. 6. Evaluasi model sementara dan merevisi model. 7. Penyajian ramalan sementara kepada manajemen. 8. Pembuatan revisi final. 9. Pendistribusian hasil peramalan. 10. Penentuan langkah – langkah pemantuan.
- 8. METODE PERAMALAN Pengertian metodeperamalan, yaitu suatu cara atau tekhnik dalam memperkirakan kejadian – kejadian pada masa yang akan datang. Kegunaan dari metode peramalan adalah membantu dalam mengadakan pendekatan analisa terhadap pola data pada masa yang lalu. Model kuantitatif intrinsik sering disebut sebagai model-model deret waktu (Time Series model). Model deret waktu yang populer dan umum diterapkan dalam peramalan permintaan adalah rata-rata bergerak (Moving Averages), pemulusan eksponensial (Exponential Smoothing), dan proyeksi kecenderungan (Trend Projection). Model kuantitatif ekstrinsik sering disebut juga sebagai model kausal, dan yang umum digunakan adalah model regresi (Regression Causal model) (Gaspersz, 1998).
- 9. 1. Weight MovingAverages (WMA) Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai berikut.
- 10. A. Metode SeriWaktu / Deret berkala (Time Series) • metode yang dipergunakan untuk menganalisis serangkaian data variabel waktu yang merupakan fungsi dari waktu. • mis tahunan, bulanan, triwulan dsb • Peramalan di dasarkan pada nilai variable yg telah lalu dan atau peramalan kesalahan masa lalu 1. Metode Kuantitatif
- 11. 1. Rata-rata bergerak(moving averages) 2. Penghalusan eksponensial (exponential smoothing) 3. Proyeksi trend (trend projection) Model Seri Waktu / Metode deret berkala, terbagi menjadi :
- 12. 1. Rata-rata bergerak(moving averages-MA), • Menggunakan n nilai data terbaru dalam suatu deret berkala untuk meramalkan periode yang akan datang. • Rata-rata perubahan atau pergerakan sebagai observasi baru. • Penghitungan rata-rata bergerak adalah sebagai berikut:
- 13. ⎃Rata-Rata Bergerak Sederhana(simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil ⎃Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata- rata bobot bergerak yaitu sebagai berikut.
- 14. Contoh Peramalan, dimana hasilperamalan produksi bulan juli diperoleh dengan menghitung rata-rata dari nilai produksi tiga bulan sebelumnya (rata- rata produksi dari bulan April s.d. Juni).
- 15. Contoh Rata-Rata BergerakTertimbang (Periode Rata –Rata Bergerak : 3 periode ) Nilai produksi satu periode sebelumnya akan memiliki bobot yang lebih besar dari nilai produksi dua periode sebelumnya, dan nilai produksi dua periode sebelumnya ini akan memiliki bobot yang lebih besar dari nilai produksi tiga periode sebelumnya
- 16. 2. Penghalusan eksponensial(exponential smoothing) Penghalusan Eksponensial : Metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Merupakan kasus khusus dari metode rata-rata bergerak tertimbang dimana penimbang dipilih hanya untuk observasi terbaru. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.
- 18.
- 19. 3. Proyeksi trend(trend projection) Metode proyeksi trend dengan regresi, merupakan metode yang digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis. •Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik dan turun) •Trend biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi, teknologi dan pola sebaran penyakit
- 21.
- 22. B. Model /metode kausal (causal / explanatory model) • Mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable). • Analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi • Dalam prakteknya jenis metode peramalan ini terdiri dari – Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.
- 23. Pedoman untuk menerapkanmetode kausal : 1. Pada saat terdapat alasan-alasan yang prioritas untuk menganggap bahwa satu variabel adalah dipengaruhi oleh variabel yang lain. 2. Pada saat sebuah indikator utama dapat teridentifikasikan. 3. Horison waktu peramalan yang relevan. 4. diasumsikan nilai produksi yang akan diramalkan , besar kecilnya dipengaruhi oleh beberapa faktor.
- 24. A. Metode regresidan kolerasi ✅merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek (lebih baik jangka pendek) ✅ didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statistik. ✅Mis: peramalan penjualan, perencanaan keuntungan, peramalan permintaan & keadaan ekonomi. ✅Data yg digunakan kuartalan dari beberapa tahun lalu (informasi masa lalu) ✅ Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan) Dalam prakteknya jenis metode peramalan ini terdiri dari
- 25. Peramalan menggunakan metoderegresi: • Hal- hal yang perlu diketahui sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti : 1. Adanya informasi masa lalu 2. Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan) 3. Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang. • Adapun data- data yang ada dilapangan adalah : – Musiman (Seasonal) – Horizontal (Stationary) – Siklus (Cylikal) – Trend
- 26. macam- macam poladata yang dimiliki oleh perusahaan:
- 27. Pola Data Ramalan 1.Komponen Tren (Trend Component) Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik atau turun). Tren biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi, teknologi, dan atau Pola sebaran penyakit. gradual, perubahan jangka panjang ke atas atau bawah
- 28. 2. Komponen Siklis(Cyclical Component) Merepresentasikan rangkaian titik-titik dengan pola siklis (pergerakan secara siklis/naik-turun) di atas atau di bawah garis tren dalam kurung waktu satu tahun. Perubahan ke atas atau ke bawah berulang selama jangka waktu yang lama
- 29. 3. Komponen Musim(Seasonal Component) Merepresentasikan pola berulang dengan durasi kurang dari 1 tahun dalam suatu deret berkala. Pola durasi dapat berupa jam atau waktu yang lebih pendek.
- 30. 4. Komponen TakBeraturan (Irregular Component) Mengukur simpangan nilai deret berkala sebenarnya dari yang diharapkan berdasarkan komponen lain. Hal tersebut disebabkan oleh jangka waktu yang pendek (short-term) dan faktor yang tidak terantisipasi yang dapat mempengaruhi deret berkala.
- 31. B. Model Input-Output ✅merupakanmetode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang. ✅Model ini kurang baik ketepatannya untuk peramalana jangka panjang. ✅Mis: peramalan penjualan perusahaan, penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub sektor industri. ✅Data yang dibutuhkan untuk penggunaan Metoda adalah data tahunan selama sekitar sepuluh sampai lima belas tahun Dalam prakteknya jenis lanjutan….
- 32. Tuesday, October 22,2019 Chapter 3 | Peramalan (Forecasting) C. Model ekonometri ✅merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek. ✅Ketepatannya model ini sangat baik. ✅Mis: peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan penawaran. ✅Data yg digunakan data kuartalan beberapa tahun Dalam prakteknya jenis lanjutan….
- 33. 2. Metode Kualitatif •umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. • Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan 4 teknik/metode peramalan, yaitu
- 34. 1. Juri dariOpini Eksekutif : metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik. 2. Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
- 35. 3.Metode Delphi Pengambilkeputusan, karyawan, dan responder. Pengambil keputusan biasanya terdiri dari 5 hingga 10 orang pakar yang akan melakukan peramalan Melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
- 36. Contoh Metode Delphi •Negara bagian Alaska menggunakan metode Delphi untuk meramalkan ekonomi jangka panjangnya. Sekitar 90% anggaran negara bagian dihasilkan dari 1,5 juta barel minyak yang dipompa setiap hari, melalui pipa minyak di Prudhoe Bay. Sekumpulan besar pakar harus mewakili semua kelompok dan pendapat dalam negara bagian dan wilayah. Delphi merupakan alas peramalan yang sempurna, karena perjalanan para panelis dapat dihindari. Hal ini juga berarti bahwa Para pemimpin Alaska dapat berperan serta karena jadwal mereka tidak dipengaruhi oleh pertemuan dan jarak.
- 37. 4. Survai Pasar(market survey) : ☃Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. ☃Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung. ☃Riset pasar tidak hanya akan membantu peramalan, tetapi juga untuk meningkatkan desain produk dan perencanaan untuk produk- produk baru.
- 38. Bila peramalan sudahselesai, paling tidak JANGAN MELUPANKANNYA. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan. Salah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah menggunakan isyarat arah. Isyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD) MEMANTAU RAMALAN
- 39.
- 40. 3.Rata” Prosentase KesalahanAbsolut (Mape – Mean Absolute Percentage Error) dimana : ei : selisih hasil ramalan dengan data sebenarnya n : jumlah periode X1 : data sebenarnya n = Periode pergerakan 4. Kesalahan rata-rata (AE= Average Error) n Xi
- 41.
- 42. Peramalan Pada SektorJasa Teknik utama pada sektor eceran adalah melihat permintaan dan membuat catatan jangka pendek yang teliti. CONTOH tempat potong rambut pria mengharapkan puncak bisnisnya pada hari jumat dan sabtu. karenanya hampri semua tempat potong rambut tutup pada hari minggu dan senin, dan terdapat banyak permintaan pada hari jumat dan sabtu.
- 43. PROSEDUR PERAMALAN 1. MendefinisikanTujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. 2. Membuat diagram pencar (Plot Data) Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X). 3. Memilih model peramalan yang tepat Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut. 4. Melakukan Peramalan
- 44. 5. Menghitung kesalahanramalan (forecast error) Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam: et = Y(t) – Y’(t) •Dimana : Y(t) = Nilai data aktual pada periode t Y’(t) = Nilai hasil peramalan pada periode t t = Periode peramalan •Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated) SSE = S e(t)2 = S[Y(t)-Y’(t)]2
- 45. 6. Memilih MetodePeramalan dengan kesalahan yang terkecil. Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut. 7. Melakukan Verifikasi Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.
- 46. Terlepas dari sistemyang digunakan oleh perusahaan seperti Tupperware, setiap perusahaan menghadapi beberapa kenyataan: ✏ Peramalan jarang ada yang sempurna. Hal ini berarti faktor luar yang tidak dapat kita duga atau kendalikan sering mempengaruhi peramalan. Perusahaan harus memberikan kelonggaran untuk kenyataan ini. ✏ Hampir semua teknik peramalan mengasumsikan bahwa sistem akan tetap stabil. Oleh karena itu, beberapa perusahaan membuat ramalan secara otomatis menggunakan komputer dengan software peramalan, dan hanya mengawasi produk yang mempunyai permintaan tidak menentu. ✏ Baik peramalan kelompok produk maupun peramalan secara keseluruhan lebih akurat daripada peramalan produk individu. Sebagai contoh, Tupperware, melakukan peramalan melalui pengelompokkan ukuran produk dan daerah pemasaran. pendekatan ini menolong menyeimbangkan prediksi yg mungkin kurang/berlebih untuk setiap produk & daerah pemasaran.
- 47. Fokus Peramalan Fokus Peramalandidasakan pada dua prinsip : 1.Model peramalan yang canggih tidak selalu lebih baik dari model yang sederhana 2.Tidak ada satu teknik yang dapat dipergunakan untuk semua produk dan jasa