bab 3 peramalan v 2
TRANSCRIPT
![Page 1: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/1.jpg)
Bab 3 –
Peramalan
3-1
![Page 2: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/2.jpg)
3-2
Ramalan: Sebuah pernyataan tentang nilai di masa
mendatang dari sebuah variabel yang ingin diketahui, seperti permintaan (demand).
Peramalan digunakan untuk membuat keputusan bernilai.
Jangka panjang Jangka pendek
![Page 3: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/3.jpg)
3-3
Ramalan Ramalan
Ramalan mempengaruhi keputusan-keputusan dan aktivitas dalam sebuah organisasi Akuntasi, Keuangan Sumberdaya Manusia Pemasaran Sistem Informasi Manajemen (SIM) Operasional Disain produk/jasa
![Page 4: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/4.jpg)
3-4
Akuntansi Perkiraan biaya/keuntungan
Keuangan Arus kas dan pendanaan
Sumberdaya manusia Penerimaan pegawai/training
Pemasaran Penetapan harga, promosi, strategi
SIM TI/SI systems, layanan-layanan
Operasional Jadwal, MRP, beban kerja
Disain produk/jasa Produk baru dan jasa
Penggunaan RamalanPenggunaan Ramalan
![Page 5: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/5.jpg)
3-5
Aku melihat kau akan memperoleh nilai A semester ini.
![Page 6: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/6.jpg)
3-6
Beranggapan sistem kasualmasa lalu ==> masa depan
Ramalan jarang sempurna, oleh karena tingkat keacakan
Ramalan lebih akurat untuk group daripada individu
Tingkat akurasi ramalan menurun sejalan dengan meningkatnya cakrawala waktu
Ciri-ciri ramalanCiri-ciri ramalan
![Page 7: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/7.jpg)
3-7
Unsur-unsur ramalan yang baikUnsur-unsur ramalan yang baik
Tepat waktu
AkuratHandal
Berar
tiTertulis
Mudah
digunak
an
![Page 8: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/8.jpg)
3-8
Langkah-langkah proses peramalanLangkah-langkah proses peramalan
1) Tetapkan maksud /tujuandari ramalan
2) Tetapkan batas waktu
3) Pilih teknik ramalan
4) Dapatkan, “bersihkan” dan analisa data
5) Lakukan peramalan
6) Monitor ramalan
“The forecast /ramalan”
![Page 9: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/9.jpg)
3-9
Jenis-jenis RamalanJenis-jenis Ramalan
Pendapat – menggunakan masukan secara subjektif
Serial waktu – menggunakan data historis dan mengasumsikan masa depan akan sama dengan masa lalu
Model Asosiatif (Associative Model)– menggunakan variabel-variabel untuk meramalkan masa depan
![Page 10: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/10.jpg)
3-10
Ramalan berdasarkan penilaian (Judgmental Ramalan berdasarkan penilaian (Judgmental Forecast)Forecast)
Pendapat atasan
Pendapat tenaga penjual
Survei konsumen
Pendapat dari luar Metode Delphi
Pendapat dari manajer dan staf
Mencapai ramalan secara kosensus
![Page 11: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/11.jpg)
3-11
Ramalan serial waktu (times series)Ramalan serial waktu (times series)
Tren – pergerakan jangka panjang dalam data
Musiman- variasi tetap jangka pendek dalam data
Siklus – variasi-variasi bergelombang dari lebih dari satu tahun
Variasi tak beraturan – disebabkan kejadian-kejadian yang tidak biasanya
Variasi acak – disebabkan karena kesempatan
![Page 12: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/12.jpg)
3-12
Variasi-variasi RamalanVariasi-variasi Ramalan
Tren (kecenderungan)
Variasi tak beraturan
Variasi musiman
908988
Gambar 3.1
Siklus
![Page 13: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/13.jpg)
Peramalan berdasarkan data Peramalan berdasarkan data runut waktu (serial data)runut waktu (serial data)
Metode Naif (Naïve Method) Teknik Perata-rataan
Metode rata-rata bergerak Metode rata-rata bergerak tertimbang Metode pemulusan pangkat (exponential
smoothing)
Teknik untuk tren Tren linear
3-13
![Page 14: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/14.jpg)
Metode NaifMetode Naif
Periode ke-1 = 200 Periode ke-2 = 230 Periode ke-3 = ?
3-14
![Page 15: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/15.jpg)
3-15
Teknik-teknik Perata-rataanTeknik-teknik Perata-rataan
Rata-rata bergerak (Moving average)
Rata-rata bergerak tertimbang(Weighted moving average)
Exponential smoothing
![Page 16: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/16.jpg)
3-16
Rata-rata BergerakRata-rata Bergerak
Rata-rata Bergerak – Sebuah teknik yang merata-ratakan sebuah angka dari nilai aktual terbaru, diperbaharui sebagai nilai-nilai baru yang tersedia.
Rata-rata bergerak tertimbang – Nilai-nilai baru dalam sebuah rangkaian diberikan berat lebih dalam peramalan.
Ft = MAn= n
At-n + … At-2 + At-1
Ft = WMAn= n
wnAt-n + … wn-1At-2 + w1At-1
![Page 17: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/17.jpg)
3-17
Rata-rata Bergerak SederhanaRata-rata Bergerak Sederhana
35
37
39
41
43
45
47
1 2 3 4 5 6 7 8 9 10 11 12
Actual
MA3
MA5
Ft = MAn= n
At-n + … At-2 + At-1
![Page 18: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/18.jpg)
3-18
Exponential SmoothingExponential Smoothing
• Dasar pikiran (Premise) –Observasi-observasi terbaru mungkin memiliki nilai ramalan tertinggi (akurasi).
Oleh karenanya, kita sebaiknya memberikan beban lebih ke periode-periode waktu terbaru pada saat peramalan.
Metode rata-rata tertimbang didasarkan pada ramalan sebelumnya ditambah persentase kesalahan ramalan
A-F adalah periode kesalahan, adalah % umpanbalik (feedback)
Ft = Ft-1 + (At-1 - Ft-1)
![Page 19: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/19.jpg)
3-19
Period Actual Alpha = 0.1 Error Alpha = 0.4 Error1 422 40 42 -2.00 42 -23 43 41.8 1.20 41.2 1.84 40 41.92 -1.92 41.92 -1.925 41 41.73 -0.73 41.15 -0.156 39 41.66 -2.66 41.09 -2.097 46 41.39 4.61 40.25 5.758 44 41.85 2.15 42.55 1.459 45 42.07 2.93 43.13 1.87
10 38 42.36 -4.36 43.88 -5.8811 40 41.92 -1.92 41.53 -1.5312 41.73 40.92
Contoh 3 - Exponential SmoothingContoh 3 - Exponential Smoothing
![Page 20: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/20.jpg)
Nilai AlphaNilai Alpha
Nilai α 0 < α < 1
Semakin dekat nilai α dengan 0, semakin jauh nilai ramalan dengan nilai aktual. Sebaliknya, semakin besar dekat nilai α dengan 1, semakin dekat nilai ramalan aktual.
3-20
![Page 21: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/21.jpg)
3-21
Memilih Nilai AlphaMemilih Nilai Alpha
35
40
45
50
1 2 3 4 5 6 7 8 9 10 11 12
Period
Dem
and .1
.4
Actual
![Page 22: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/22.jpg)
3-22
Kencenderungan umum nonlinearKencenderungan umum nonlinear
Parabolic
Exponential
Growth
Gambar 3.5
![Page 23: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/23.jpg)
3-23
Rumus Tren LinearRumus Tren Linear
Ft = Forecast for period t t = Specified number of time periods a = Value of Ft at t = 0 b = Slope of the line
Ft = a + bt
0 1 2 3 4 5 t
Ft
![Page 24: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/24.jpg)
3-24
Menghitung a dan bMenghitung a dan b
b = n (ty) - t y
n t2 - ( t)2
a = y - b t
n
![Page 25: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/25.jpg)
3-25
Contoh Rumus Tren LinearContoh Rumus Tren Linear
t yW e e k t 2 S a l e s t y
1 1 1 5 0 1 5 02 4 1 5 7 3 1 43 9 1 6 2 4 8 64 1 6 1 6 6 6 6 45 2 5 1 7 7 8 8 5
t = 1 5 t 2 = 5 5 y = 8 1 2 t y = 2 4 9 9( t ) 2 = 2 2 5
![Page 26: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/26.jpg)
3-26
Penghtiungan Tren LinearPenghtiungan Tren Linear
y = 143.5 + 6.3t
a = 812 - 6.3(15)
5 =
b = 5 (2499) - 15(812)
5(55) - 225 =
12495-12180
275 -225 = 6.3
143.5
![Page 27: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/27.jpg)
3-27
Teknik-teknik untuk MusimanTeknik-teknik untuk Musiman
Variasi-variasi Musiman Pergerakan tetap yang berulang dalam rangakaian-
rangkaian nilai yang bisa dihubungkan dengan kejadian-kejadian berulang.
Musiman relatif Persentase dari rata-rata atau tren (kecenderungan)
Rata-rata Sebuah rata-rata bergerak yang ditempatkan pada
pusat data yang telah digunakan untuk menghitungnya.
![Page 28: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/28.jpg)
3-28
Peramalan Asosiatif (Peramalan Asosiatif (Associative ForecastingAssociative Forecasting))
Variable-variabel peramal – digunakan untuk meramal nilai-nilai dari variabel sejenis
Regresi – sebuah teknik untuk mencocokkan sebuah garis ke dalam serangkaian nilai-nilai
Garis pangkat terkecil (Least squares line) – memperkecil jumlah pangkat penyimpangan-penyimpangan di sekitar sebuah garis
![Page 29: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/29.jpg)
3-29
Model linear nampak beralasanModel linear nampak beralasan
Sebuah garis lurus dicocokan ke suatu rangakaian nilai
0
10
20
30
40
50
0 5 10 15 20 25
X Y7 152 106 134 15
14 2515 2716 2412 2014 2720 4415 347 17
Hubungan yang dihitung
![Page 30: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/30.jpg)
3-30
Asumsi-asumsi Regresi Linear Asumsi-asumsi Regresi Linear
Variasi-variasi di sekitar garis adalah acak Penyimpangan-penyimpangan di sekitar garis
didistribusikan secara normal Prediksi-prediksi dibuat hanya dalam jangkauan nilai
yang diteliti Untuk hasil terbaik:
Selalu tandai data untuk membuktikan linearitasnya
Memeriksa data bergantung waktu Hubungan kecil bisa menyatakan bahwa variabel-
variabel lain juga penting
![Page 31: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/31.jpg)
3-31
Akurasi RamalanAkurasi Ramalan
Kesalahan (Error) – perbedaan antara nilai aktual dan nilai ramalan
Mean Absolute Deviation (MAD) Rata-rata kesalahan mutlak (Average absolute error)
Mean Squared Error (MSE) Rata-rata kesalahan berpangkat (Average of squared
error)
Mean Absolute Percent Error (MAPE) Rata-rata persentase kesalahan mutlak (Average
absolute percent error)
![Page 32: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/32.jpg)
3-32
MAD, MSE, and MAPEMAD, MSE, and MAPE
MAD = Actual forecast
n
MSE = Actual forecast)
-1
2
n
(
MAPE = Actual forecast
n
/ Actual*100)
![Page 33: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/33.jpg)
3-33
MAD, MSE dan MAPEMAD, MSE dan MAPE
MAD Mudah dihitung Menimbang (menghitung) kesalahan secara linear
MSE Kesalahan dipangkatkan dua Beban lebih untuk kesalahan (erorr) yang lebih
besar
MAPE Menempatkan kesalahan-kesalahan (errors)
berdasarkan penyebabnya
![Page 34: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/34.jpg)
3-34
Contoh Contoh
Period Actual Forecast (A-F) |A-F| (A-F)^2 (|A-F|/Actual)*1001 217 215 2 2 4 0.922 213 216 -3 3 9 1.413 216 215 1 1 1 0.464 210 214 -4 4 16 1.905 213 211 2 2 4 0.946 219 214 5 5 25 2.287 216 217 -1 1 1 0.468 212 216 -4 4 16 1.89
-2 22 76 10.26
MAD= 2.75MSE= 10.86
MAPE= 1.28
![Page 35: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/35.jpg)
3-35
Pengawasan RamalanPengawasan Ramalan
Grafik Pengawasan (Control Chart) Alat untuk mengawasi kesalahan-kesalahan
ramalan secara visual Digunakan untuk menemukan ketidak-
serempangan dalam kesalahan-kesalahan
Kesalahan-kesalahan peramalan berada dalam kendali jika Semua kesalahan berada dalam batas kendali Muncul dengan tidak berbentuk, seperti tren
atau siklus
![Page 36: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/36.jpg)
3-36
Sumber-sumber kesalahan Sumber-sumber kesalahan ramalanramalan
Model peramalan mungkin tidak cukup Variasi-variasi yang tak beraturan Kesalahan penggunaan teknik
peramalan
![Page 37: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/37.jpg)
3-37
Memilih teknik peramalanMemilih teknik peramalan
Tidak ada teknik yang berfungsi di setiap situasi
Dua faktor yang paling penting Biaya Akurasi
Faktor lain termasuk ketersediaan dari: Data historis (masa lalu) Komputer Waktu yang dibutuhkan untuk mengumpulkan
dan menganalisa data Cakrawala ramalan (forecast horizon)
![Page 38: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/38.jpg)
3-38
Strategi OperasiStrategi Operasi
Ramalan-ramalan adalah berbasis pada banyak keputusan-keputusan
Berusaha untuk memperbaiki ramalan jangka pendek
Akurasi ramalan-ramalan jangka pendek memperbaiki: Keuntungan Menurunkan tingkat persediaan Mengurangi keterbatasan persediaan Memperbaiki tingkat layanan konsumen Mempertinggi tingkat kepercayaan terhadap ramalan
![Page 39: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/39.jpg)
3-39
Ramalan rantai suplaiRamalan rantai suplai
Membagi ramalan dengan suplai dapat Memperbaiki kualitas dalam rantai suplai Menurunkan biaya-biaya Memperpendek waktu tunggu
![Page 40: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/40.jpg)
3-40
Exponential SmoothingExponential Smoothing
![Page 41: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/41.jpg)
3-41
Rumus Tren LinearRumus Tren Linear
![Page 42: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/42.jpg)
3-42
Regresi Linear SederhanaRegresi Linear Sederhana
![Page 43: Bab 3 Peramalan v 2](https://reader034.vdokumen.com/reader034/viewer/2022050805/5571fb71497959916994e56c/html5/thumbnails/43.jpg)
Pertanyaan?Pertanyaan?
3-43