peramalan permintaan / demand forecasting

Peramalan Permintaan / Demand ForecastingPertemuan 5

• Tinjauan Literatur• AHP

• Perkiraan permintaan memiliki peran penting dalam sistem logistik terintegrasi danrantai pasok.

• Perkiraan permintaan memberikan informasi untuk beberapa aktivitas logistiktermasuk pembelian, manajemen inventaris, dan transportasi, misal:

a. Masalah pembelian: pengambilan keputusan perusahaan logistik terkaitjumlah bahan baku / peralatan yang akan dibeli dari pemasok untuk memenuhikebutuhan produksi, memutuskan jumlah pekerja / buruh.

b. Masalah persediaan: terkait proses dan produk jadi untuk disimpan di gudang,

c. Masalah transportasi: terkait keputusan jumlah produk jadi yang akan diangkutke pelanggan untuk memenuhi permintaan pelanggan.

• Perkiraan permintaan di masa yang akan datang menentukan strategi promosi,alokasi pemasaran, harga, dan aktivitas riset pasar.

Pengantar

De

ma

nd

Fo

re

ca

sti

ng

Klasifikasi pendekatan teknik peramalan bersifat kualitatif atau kuantitatif.

1. Pendekatan kualitatif diterapkan pada kasus-kasus dimana data historis tidakdapat diterapkan atau tersedia. Dalam kasus seperti itu, pembuat keputusanmemperkirakan permintaan berdasarkan pengalaman dan penilaian mereka.

• Umumnya, peramalan permintaan tidak hanya bergantung pada faktor-faktor yang dapat diukur seperti penjualan di masa lalu, tetapi juga informasiyang tidak dapat diukur termasuk kebijakan perusahaan, strategi pesaing,preferensi pelanggan, dan sebagainya.

2. Pendekatan kuantitatif dapat diadopsi ketika data historis dari variabel yangakan diramalkan tersedia. Asumsi dasarnya adalah bahwa informasi dapatdikuantifikasi, dan permintaan di masa depan akan mengikuti atau bertepatandengan tren di masa lalu.

• Rangkaian waktu (time series) dan metode kasual adalah dua pendekatankuantitatif yang umum digunakan.

• Kedua metode ini menggunakan teknik statistik untuk menemukan poladalam data historis seperti trend (kecenderungan), siklus, musiman, dantidak teratur, kemudian mengekstrapolasi pola tersebut ke masa depan.

• AHP dikembangkan oleh Prof. Thomas L. Saaty tahun 1970, untukmenyelesaikan permasalahan yang komplek dimana data dan informasistatistik dari masalah yang dihadapi sangat sedikit.

• AHP merupakan metoda pengambilan keputusan yang melibatkan sejumlahkriteria dan alternatif yang dipilih berdasarkan pertimbangan semua kriteriaterkait (Saaty, 2004).

• Kriteria memiliki derajat kepentingan yang berbeda-beda; demikian pulahalnya alternatif memiliki preferensi yang berbeda menurut masing-masingkriteria yang ada.

Metodologi

Analytic Hierarchy Process (AHP)

1. Dekomposisi (Decomposition)

Setelah persoalan didefinisikan, maka perlu dilakukan decomposition, yaitumemecah persoalan yang utuh menjadi unsur-unsurnya. Pemecahan tersebutakan menghasilkan beberapa tingkatan dari suatu persoalan. Oleh karena itu,proses analisis ini dinamakan hierarki (hierachy).

2. Penilaian Komparasi (Comparative Judgment)

Prinsip ini membuat penilaian tentang kepentingan relatif dua elemen padasuatu tingkat tertentu yang berkaitan dengan tingkat di atasnya. Penilaian inimerupakan inti dari AHP karena berpengaruh terhadap prioritas elemen-elemen. Hasil penilaian ini tampak lebih baik bila disajikan dalam bentukmatriks perbandingan berpasangan (pairwise comparison).

Tiga Prinsip Dasar AHP, (Saaty, 1994):

3. Penentuan Prioritas (Synthesis of Priority)

Dari setiap matriks pairwise comparison dapat ditentukan nilai eigenvectoruntuk mendapatkan prioritas daerah (local priority). Oleh karena matrikspairwise comparison terdapat pada setiap tingkat, maka global priority dapatdiperoleh dengan melakukan sintesa di antara prioritas daerah.

Tiga Prinsip Dasar AHP, (Saaty, 1994):

Th

e F

low

ch

ar

t o

f t

he

A

HP Pairwice Comparison Judgement Matrices

(PCJM)

A1

A2

… An

A1

w1/

w1

w1/

w2

… w1/

wn

A2

w2/

w1

w2/

w2

… w2/

wn

… … … … …

n wn/

w1

wn/

w2

… wn/

wn

Skala penilaian perbandingan berpasangan (Saaty, 1988)

Nilai Keterangan

1 sama penting dengan kriteria/alternatif lainnya

3 sedikit lebih penting yang satu dengan yang lainnya

5 cukup penting

7 sangat penting

9 Kepentingan yang ekstrim

2,4,6,8 Nilai tengah diantara dua nilai keputusan yang berdekatan

Reciprocal /

berbalikan

Jika aktifitas i mempunyai nilai yang lebih tinggi dari aktifitas j maka

j mempunyai nilai berbalikan ketika dibandingkan dengan i

rasio Rasio yang didapat langsung dari pengukuran

Langkah-Langkah PenyelesaianAHP

1. Menentukan tujuan, kriteria, dan alternatif keputusan :

• Tujuan: Membangun fasilitas umum

• Kriteria: Manfaat, perawatan, dan partisipasi masyarakat

• Alternatif: Jalan, gedung olahraga, dan pasar

2. Membuat “pohon hierarki” (hierarchical tree) untuk berbagaikriteria dan alternatif keputusan

3. Kemudian dibentuk sebuah matriks pair wise comparison,

Nilai Keterangan

1 sama penting dengan kriteria/alternatif lainnya

3 sedikit lebih penting yang satu dengan yang lainnya

5 cukup penting

7 sangat penting

9 Kepentingan yang ekstrim

2,4,6,8 Nilai tengah diantara dua nilai keputusan yang berdekatan

berbalikan Jika aktifitas i mempunyai nilai yang lebih tinggi dari aktifitas j maka

j mempunyai nilai berbalikan ketika dibandingkan dengan i

rasio Rasio yang didapat langsung dari pengukuran

• Kemudian diperoleh matriks sebagai berikut:

4. Membuat peringkat prioritas dari matriks pairwise dengan menentukan

eigenvector, yaitu:

5. Membuat peringkat alternatif dari matriks pairwise masing-masing alternatif dengan menentukaneigenvector setiap alternatif. Cara yang digunakan sama ketika membuat peringkat prioritas di atas.

21

22

Konsistensi Jawaban

Dalam penggunaan AHP, terdapat beberapa faktor yang dapat menyebabkan respondenmemberikan jawaban yang tidak konsisten, yaitu:

Perhitungan Rasio Konsistensi

• AHP mentoleransi adanya inkonsistensi dengan menyediakan ukuran inkonsistensipenilaian. Ukuran ini merupakan salah satu elemen penting dalam proses penentuanprioritas berdasarkan pairwise comparison. Semakin besar rasio konsistensi, semakintidak konsisten.

• Rasio konsistensi yang acceptable adalah kurang dari atau sama dengan 10 persen,meskipun dalam kasus tertentu rasio konsistensi yang lebih besar dari 10 persen dapatdianggap acceptable.

• Untuk mengetahui apakah hasil penilaian bersifat konsisten, maka beberapa langkahuntuk menghitung rasio inkonsitensi untuk menguji konsistensi penilaian.

Dimana:RK : Rasio KonsistensiIK : Indeks KonsistensiIR : Indeks Random

Orde Matriks (n) 1 2 3 4 5 6 7 8

IR 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41

Orde Matriks (n) 9 10 11 12 13 14 15

IR 1,45 1,49 1,51 1,48 1,56 1,57 1,59

Perhitungan Rasio Konsistensi

• misalnya kita memiliki matriks perbandingan berikut:

Perhitungan Rasio Konsistensi

30

• Analisis regresi berganda untuk mengembangkan peramalan menggunakanpersamaan matematis, sedangkan GA untuk menentukan koefisienpersamaan sehingga akurasi atau kinerja persamaan dapat dimaksimalkanatau kesalahan persamaan diminimalkan.

• Metode ini mengembangkan persamaan matematika untuk mengidentifikasihubungan kasual antara variabel dependen, yaitu variabel yang diprediksi,dan satu atau lebih dari satu variabel independen, yaitu variabel yangdigunakan untuk memprediksi secara tepat. nilai variabel dependen.

• Ada dua jenis analisis regresi: linier sederhana dan berganda.

Analisis regresi linier sederhana terdiri dari satu variabel dependen bersamadengan satu variabel independen, sedangkan analisis regresi bergandamelibatkan dua atau lebih variabel independen.

M e todologi

Genetic Algorithm (GA) -Based Mult iple Regression Analysis

Th

e F

low

ch

ar

t o

f t

he

GA

-ba

se

d

mu

ltip

le r

eg

re

ss

ion

an

aly

sis

• Persamaan matematis peramalan yang diusulkan dapat dibangun dalamPersamaan:

Ft = c0 + c1x1t + c2x2t + ... + cmxmt

• Selain itu, metode mean absolute persentase error (MAPE) yang dirumuskandalam Persamaan:

Dimana: At = nilai permintaan aktual pada periode t, Ft = nilai ramalanpermintaan pada periode t, xit = nilai variabel bebas i pada periode t (i = 1, 2,..,M), ci = regresi yang diramalkan koefisien variabel independen i, c0 = koefisienkonstan

M e thodology

GA-Based Mult iple Regression Analysis

Prosedur GA untuk mengoptimalkan koefisien dijelaskan sebagai berikut.• Pertama-tama, parameter GA ditetapkan oleh pembuat keputusan.

Parameternya meliputi: Ukuran populasi: jumlah kromosom dalam populasi. Nomor iterasi: jumlah generasi yang dilakukan. Laju crossover: rasio yang menentukan jumlah kromosom yang akan

menjalani crossover. Laju mutasi: rasio yang menentukan jumlah kromosom yang mengalami

mutasi.• Setelah itu, kromosom awal yang direpresentasikan dalam nilai kontinu

dibangun secara acak.

M e thodology

GA-Based Mult iple Regression Analysis

Expert Choice merupakan suatu program aplikasi yang dapat digunakan sebagaisalah satu tool untuk membantu para pengambil keputusan dalam menentukan

keputusan.

Software

Sebuah perusahaan sedang mempertimbangkan pemilihan supplier bahan bakusuatu produk. Terdapat 3 supplier yang akan dipilih satu terbaik. Perusahaanmemiliki 4 kriteria yang akan dipakai sebagai dasar dalam pemilihan supplier, yaitu:harga bahan baku (cost), kualitas bahan baku (quality), jarak (distance) danupah/biaya tenaga kerja (wage).

Dengan menggunakan metode AHP, tentukan supplier yang akan dipilih sebagaisupplier terbaik.

Latihan

COST

A B C

A 1 3 2

B 1/3 1 1/5

C 1/2 5 1

QUALITY

A B C

A 1 6 1/3

B 1/6 1 1/9

C 3 9 1

DISTANCE

A B C

A 1 1/3 1

B 3 1 7

C 1 1/7 1

WAGE

A B C

A 1 1/3 1/2

B 3 1 4

C 2 1/4 1

Bahan Bacaan tentang Genetic Algorithm (GA) - Based Multiple Regression Analysis.

“Implementasi Algoritma Genetika dan Regresi Linier Berganda untuk PrediksiPersediaan Bahan Makanan pada Restoran Cepat Saji”. Conference: Seminar Nasional

Multidisiplin Ilmu (SENMI) 2017, Universitas Budi Luhur, Jakarta.

Tambahan