copy of tugasm manaj operasi 2
TRANSCRIPT
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 1/25
1
1. Pengertian Peramalan
Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi bisnis dan
untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi
dasar bagi perencanaan jangka panjang perusahaan. Dalam area fungsional keuangan,peramalan memberikan dasar dalam menentukan anggaran dan pengendalian biaya. Pada
bagian pemasaran, peramalan penjualan dibutuhkan untuk merencanakan produk baru,
kompensasi tenaga penjual, dan beberapa keputusan penting lainnya. Selanjutnya, pada
bagian produksi dan operasi menggunakan data-data peramalan untuk perencanaan kapasitas,
fasilitas, produksi, penjadwalan, dan pengendalian persediaan (inventory control). Untuk
menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat pengangguran,
tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan metode peramalan.
Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan
variabel untuk mengestimasi nilainya di masa yang akan datang. Asumsi dasar dalam
penerapan teknik-teknik peramalan adalah:“If we can predict what the future will be like we
can modify our behaviour now to be in a better position, than we otherwise would have been,
when the future arrives.” Artinya, jika kita dapat memprediksi apa yang terjadi di masa
depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh
lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus
berulang setidaknya dalam masa mendatang yang relatif dekat.
2. Metode Peramalan
Salah satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah
mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu data yang
ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka pendek (minggu bulan),
menengah (bulan tahun), dan jangka panjang (tahun dekade). Tabel berikut ini
menunjukkan tipe-tipe keputusan berdasarkan jangka waktu peramalannya.
Tabel 1 Rentang Waktu dalam Peramalan
Rentang Waktu Tipe Keputusan Contoh
Jangka Pendek ( 3 – 6 bulan) OperasionalPerencanaan Produksi,
Distribusi
Jangka Menengah ( 2 tahun) TaktisPenyewaan Lokasi dan
Peralatan
Jangka Panjang (Lebih dari 2 tahun) Strategis
Penelitian dan
Pengembangan untuk akuisisi dan merger
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 2/25
Tugas Manajemen Operasional_MM Unram 2012
Atau pembuatan produk
baru
Selain rentang waktu yang ada dalam proses peramalan, terdapat juga teknik atau
metode yang digunakan dalam peramalan. Metode peramalan dapat diklasifikasikan dalam
dua kategori, yaitu:
a. Metode Kualitatif
Metode ini digunakan dimana tidak ada model matematik, biasanya dikarenakan data
yang ada tidak cukup representatif untuk meramalkan masa yang akan datang (long term
forecasting). Peramalan kualitatif menggunakan pertimbangan pendapat-pendapat para pakar
yang ahli atau experd di bidangnya. Adapun kelebihan dari metode ini adalah biaya yang
dikeluarkan sangat murah (tanpa data) dan cepat diperoleh. Sementara kekurangannya yaitu
bersifat subyektif sehingga seringkali dikatakan kurang ilmiah.
Salah satu pendekatan peramalan dalam metode ini adalah Teknik Delphi, dimana
menggabungkan dan merata-ratakan pendapat para pakar dalam suatu forum yang dibentuk
untuk memberikan estimasi suatu hasil permasalahan di masa yang akan datang. Misalnya:
berapa estimasi pelanggan yang dapat diperoleh dengan realisasi teknologi 3G.
b.
Metode Kuantitatif Penggunaan metode ini didasari ketersediaan data mentah disertai serangkaian kaidah
matematis untuk meramalkan hasil di masa depan. Terdapat beberapa macam model
peramalan yang tergolong metode kualitiatif, yaitu:
a) Model-model Regresi
Perluasan dari metode Regresi Linier dimalan meramalkan suatu variabel yang
memiliki hubungan secra linier dengan variabel bebas yang diketahui atau
diandalkan.
b) Model Ekonometrik
Menggunakan serangkaian persamaan-persamaan regresi dimana terdapat variabel-
variabel tidak bebas yang menstimulasi segmen-segmen ekonomi seperti harga dan
lainnya.
c) Model Time Series Analysis (Deret Waktu)
Memasang suatu garis trend yang representatif dengan data-data masa lalu (historis)
berdasarkan kecenderungan datanya dan memproyeksikan data tersebut ke masa yang
akan datang.
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 3/25
Tugas Manajemen Operasional_MM Unram 2012
3. Teknik Peramalan
Keputusan persediaan yang dihasilkan dari pembelian cenderung bersifat jangka
pendek dan hanya untuk produk yang khas. Peramalan yang mengarah pada keputusan ini
harus memenuhi kebutuhan yang sama seperti peramalan penjadwalan jangka pendek.Peramalan ini harus memiliki tingkat ketelitian yang tinggi dan kekhasan produk individu.
Untuk keputusan persediaan dan penjadwalan karena banyaknya jenis yang terlibat biasanya
diperlukan juga membuat sejumlah besar peramalan. Jadi untuk keputusan semacam ini akan
sering digunakan komputerisasi sistem peramalan. peramalan merupakan bagian awal dari
suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui
terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan
adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa
produk pada periode yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu
perkiraan (guess) tetapi dengan menggunakan teknik-teknik tertentu, maka peramala menjadi
lebih sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess).
Setiap pengambilan keputusan yang menyangkut keadaan di masa yang akan datang, maka
pasti ada peramalan yang melandasi pengambilan keputusan tersebut (Sofyan Assauri, 1984,
hal. 1).
Dalam kegiatan produksi, peramalan dilakukan untuk menentukanjumlah permintaan
terhadap suatu produk dan merupakan langkah awal dari proses perencanaan pengendalian
produksi. Dalam peramalan ditetapkan jenis produk apa yang diperlukan (what), jumlahnya
(how many), dan kapan dibutuhkan (when). Tujuan peramalan dalam kegiatan produksi
adalah untuk meredam ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati
keadaan yang sebenarnya. Suatu perusahaan biasanya menggunakan prosedur tiga tahap
untuk sampai pada peramalan penjualan, yaitu diawali dengan melakukan peramalan
lingkungan, diikuti dengan peramalan penjualan industri, dan diakhiri dengan peramalan
penjualan perusahaan. Peramalan lingkungan dilakukan untuk meramalkan inflasi,
pengangguran, tingkat suku bunga, kecenderungan konsumsi dan menabung, iklim investasi,
belanja pemerintah, ekspor, dan berbagai ukuran lingkungan yang penting bagi perusahaan.
Hasil akhirnya adalah proyeksi Produk Nasional Bruto, yang digunakan bersama indikator
lingkungan lainnya untuk meramalkan penjualan industri. Kemudian, perusahaan melakukan
peramalan penjualan dengan asumsi tingkat pangsa tertentu akan tercapai.
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 4/25
Tugas Manajemen Operasional_MM Unram 2012
4. Karakteristik Peramalan yang Baik
Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi,
biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut :
a. Akurasi.Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut
bila terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil
peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil. Peramalan
yang terlalu rendah akan mengakibatkan kekuranga persediaan, sehingga permintaan
konsumen tidak dapat dipenuhi segera akibatnya perusahaan dimungkinkan kehilangan
pelanggan dan kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan
mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia
– sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan
persediaan yang ideal.
b. Biaya.
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari
jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang
dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banayak data yang
dibutuhkan, bagaimana pengolahan datanya ( manual atau komputerisasi), bagaimana
penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode
peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin
didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana
dan murah. Prinsip ini merupakan adopsi dari hukum Pareto ( Analisa ABC ).
c. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai
metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena
keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.
5. Beberapa Sifat Hasil Peramalan.
Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal
yang harus dipertimbangkan yaitu :
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 5/25
Tugas Manajemen Operasional_MM Unram 2012
a. Ramalan pasti mengandung kesalahan, artinya peramal hanya bias mengurangi
ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian
tersebut.
b. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan,
artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi
peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
c. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang.
Hal ini disebabkan karena pada peramalan jangka pendek, factor-faktor yang
mempengaruhi permintaan relatif masih konstan sedangkan masih panjang
periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan
faktor-faktor yang mempengaruhi permintaan.
6. Faktor-Faktor Yang Mempengaruhi Pemilihan Teknik Peramalan.
Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul akibat
pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya yang
dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Namun upaya
memperkecil resiko tersebut dibatasi oleh biaya yang dikeluarkan akibat mengupayakan hal
tersebut. Faktor-Faktor yang harus dipertimbangkan:
a. Horizon Peramalan
Ada dua aspek dari horison waktu yang berhubungan dengan masing – masing metoda
peramalan yaitu :
Cakupan waktu dimasa yang akan datang Untuk mana perbedaan dari metoda
peramalan yang digunakan sebaiknya disesuaikan .
Jumlah periode untuk mana ramalan diinginkan Beberapa teknik dan metoda hanya
dapat disuaikan untuk peramalan satu atau dua periode di muka, sedangkan teknik
dan metoda lain dapat dipergunakan untuk peramalan beberapa periode dimasa
mendatang.
b. Tingkat Ketelitian
Tingkat ketelitian yang dibutuhkan sangat erat hubungannya dengan tingkat perincian
yang dibutuhkan dalam suatu peramalan. Unuk beberapa pengambilan keputusan
mengharapkan variasi atau penyimpangan atas ramalan yang dilakukan antara 10 persen
sampai dengan 15 persen bagi maksud – maksud yang mereka harapkan, sedangkan untuk
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 6/25
Tugas Manajemen Operasional_MM Unram 2012
hal atau kasus lain mungkin menganggap bahwa adanya variasi atau penyimpangan atas
ramalan sebesar 5 persen adalah cukup berbahaya.
c. Ketersediaan Data.
Metode yang dipergunakan sangat besar manfaatnya, apabila dikaitkan dengan keadaan
atau informasi yang ada atau data yang dipunyai. Apabila dari data yang lalu diketahui
adanya pola musiman, maka untuk peramalan satu tahun ke depan sebaiknya digunakan
metode variasi musim. Sedangkan apabila dari data yang lalu diketahui adanya pola
hubungan antara variable – variable yang saling mempengaruhi, maka sebaiknya
dipergunakan metode Sebab Akibat (causal) atau korelasi (correlation).
d. Bentuk Pola Data.
Dasar utama dari metoda peramalan adalah anggapan bahwa macam dari pola yang
didapati didalam data yang diramalkan akan berkelanjutan. Sebagai contoh, beberapa deret
yang melukiskan sutau pola musiman,demikian pula halnya dengan suatu pola trend. Metoda
peramalan yang lain mungkin lebih sederhana, terdiri dari suatu nilai rata – rata, dengan
fluktuasi yang acakan atau random yang terkandung. Oleh karena adanya perbedaan
kemampuan metoda peramalan untuk mengidentifikasikan pola-pola data, maka perlu adanya
usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu dengan teknik
dan metoda peramalan yang akan digunakan.
e. Biaya.
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur
ramalan, yaitu biaya – biaya pengembangan, penyimpanan (storage) data, operasi
pelaksanaan dan kesempatan penggunaan teknik – teknik dan metoda lainnya. Adanya
perbedaan yang nyata dalam jumlah biaya, mempunyai pengaruh atas dapat menarik tidaknya
penggunaan metode tertentu untuk sutau keadaan yang dihadapi.
f. Jenis dari model
Sebagai tambahan perlu diperhatikan anggapan beberapa pola dasar yang penting dalam
data. Banyak metoda peramalan telah menganggap adanya beberapa model dari keadaan
yang diramalkan . Model – model ini merupakan suatu derat dimana waktu digambarkan
sebagai unsur penting untuk menentukan perubahan – perubahan dalam pola, yang mungkin
secara sistematik dapat dijelaskan dengan analisis regresi atau korelasi. Model yang lain
adalah model sebab akibat atau “causal model”, yang menggambarkan bahwa ramalan yang
dilakukan sangat tergantung pada terjadinya sejumlah peristiwa yang lain, atau sifatnya
merupakan campuran dari model – model yang telah disebutkan diatas. Model – model
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 7/25
Tugas Manajemen Operasional_MM Unram 2012
tersebut sangat penting diperhatikan, karena masing – masing model tersebut mempunyai
kemampuan yang berbeda – neda dalam analisis keadaan untuk pengambilan keputusan.
g. Mudah tidaknya penggunaan dan aplikasinya
Satu prinsip umum dalam penggunaan metoda ilmiah dari peramalan untuk menagement
dan analisis adalah metoda – metoda yang dapat dimengerti dan mudah diaplikasikan yang
akan dipergunakan dalam pengambilan keputusan adan analisa. Prinsip ini didasarkan pada
alasan bahwa, bila seorang manajer atau analisis bertanggung jawab atas
keputusan yang diambilnya atau hasil analisa yang dilakukan, maka ia sudah tentu tidak
menggunakan dasar yang tidak diketahuinya atau tidak diyakininya. Jadi, sebagai ciri
tambahan dari teknik dan metoda peramalan adalah bahwa yang diperlukan untuk memenuhi
kebutuhan dari keadaan ialah teknik dan metoda peramalan yang dapat disesuaikan dengan
kemampuan dari manager atau analisis yang akan menggunakan metoda ramalan tersebut.
7. Prosedur Peramalan
Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika
menggunakan metode kuantitatif. Tahapan tersebut adalah:
a) Definisikan Tujuan Peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur
tingkat dari suatu permintaan.
b) Buatlah diagram pencar (Plot Data)
Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan
waktu sebagai axis (X).
c) Memilih model peramalan yang tepat
Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa
model peramalan yang diperkirakan dapat mewakili pola tersebut.
d) Lakukan Peramalan
e) Hitung 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:
a. et = Y(t) – Y’(t)
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 8/25
Tugas Manajemen Operasional_MM Unram 2012
b. Dimana : Y(t) = Nilai data aktual pada periode t
i. Y’(t) = Nilai hasil peramalan pada periode t
ii. t = Periode peramalan
f). Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of
Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)
SSE = e(t)2 = [Y(t)-Y’(t)]
2
2
)](')([1
2
n
t Y t Y
SEE
n
i
g). Pilih Metode Peramalan 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.
h). Lakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai
dengan pola data sebenarnya.
a. Model Time Series Analysis
Berikut ini akan dijabarkan cara melakukan peramalan dengan menggunakan model
Time Series Analysis yang terdiri dari beberapa model. Adapun asumsi dasar dalam
menggunakan model deret waktu ini adalah pola data ramalan akan sama dengan pola data
sebelumnya. Model yang termasuk kategori model deret waktu yaitu: (1) Model Konstan, (2)
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 9/25
Tugas Manajemen Operasional_MM Unram 2012
Model Siklis, (3) Model Analisis Regresi, (4) Model Moving Average, (5) Model
Exponential Smoothing.
b.
Model Konstan (Constant Forecasting) Persamaan garis yang menggambarkan pola konstan adalah:
Y’(t) = a dimana a = konstanta
Untuk mendapatkan nilai (a) maka dapat didekati melalui turunan kuadrat terkecilnya (least
square) terhadap (a) sebagai berikut:
n
i
at Y E 1
2])([
0da
dE diperoleh
n
i
at Y 1
0])([2
n
i
n
i
at Y 1 1
0)( ; maka
n
i
nat Y 1
0)(
Sehingga: ; dimana n = jumlah periode peramalan
Jadi, apabila pola data berbentuk konstan, maka peramalannya dapat didekati dengan
harga rata-rata dari data tersebut.
Ilustrasi 1
Diberikan data permintaan pabrik konveksi PT Garmen Mandiri dari bulan Januari
sampai Juni tahun 2006. Tentukan jumlah permintaan untuk lima bulan selanjutnya dengan
menggunakan model konstan!
an
t Y
n
i
1
)(
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 10/25
Tugas Manajemen Operasional_MM Unram 2012
Bulan
(t)
Permintaan dalam unit
(Y)
Jan 46
Feb 56Mar 54
Apr 43
Mei 57
Jun 56
Jawaban
Menghitung Konstanta a :
a = 526
)565743545646(
Jadi permintaan untuk bulan Juli sampai dengan November 2006 dapat didekati dengan harga
rata-ratanya (a) yaitu 52 unit.
i. Model Siklis (Musiman)
Untuk pola data yang bersifat siklis atau musiman, persamaan garis yang mewakili dapat
didekati dengan fungsi trigonometri, yaitu:
t nvt nuat Y 2
sin2
cos)(' .............................................(1)
Dimana n adalah jumlah periode peramalan
Jumlah Kuadrat Kesalahan Terkecil didefinisikan sebagai:
n
i
t N
vt N
uat Y E 1
2)]2sin2cos)([
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 11/25
Tugas Manajemen Operasional_MM Unram 2012
Bentuk diskriminannya adalah sebagai berikut:
Maka:
0
002
sin
20
2cos
0
2sin
20
2sin
002
cos
0
2cos
20
2sin
02
2cos
00
1
200
02
0
00
'
t N
k
nt
N k
nk
t N
nt
N k
t N
k
nk
t N
nt
N k
nt
N k
k
n
n
n
k
Ilustrasi 2
Diketahui data permintaan produksi chip pada tahun 2005 sebagai berikut:
Bulan
(t)
Permintaan dalam unit
(Y)
Jan 73
Feb 83
Mar 92
Apr 107
Mei 114
Jun 129
Jul 91
Aug 108
Spt 116
Oct 79
0
200
2sin
02
02
cos
00
2sin
2cos1'
n t
N k
n t
N k
n k
t N
t N
’
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 12/25
Tugas Manajemen Operasional_MM Unram 2012
Nov 92
Des 93
a.
Tentukan demand di tahun berikutnya dengan metode peramalan pola data siklisb. Hitunglah standard error estimate-nya!
Jawaban:
Bln t Y k = d -98 h = t - 6 hksin
(2t/12)
cos
(2t/12)kcos(t/6) ksin(t/6)
Jan 1 72 -26 -5 130 0.500 0.866 -22.52 -13.00
Feb 2 83 -15 -4 60 0.866 0.500 -7.50 -12.99
Mar 3 92 -6 -3 18 1.000 0.000 0.00 -6.00
Apr 4 107 9 -2 -18 0.866 -0.500 -4.50 7.79
May 5 114 16 -1 -16 0.500 -0.866 -13.86 8.00
Jun 6 129 31 0 0 0.000 -1.000 -31.00 0.00
Jul 7 91 -7 1 -7 -0.500 -0.866 6.06 3.50
Aug 8 108 10 2 20 -0.866 -0.500 -5.00 -8.66
Sept 9 116 18 3 54 -1.000 0.000 0.00 -18.00
Oct 10 79 -19 4 -76 -0.866 0.500 -9.50 16.45
Nov 11 92 -6 5 -30 -0.500 0.866 -5.20 3.00
Dec 12 93 -5 6 -30 0.000 1.000 -5.00 0.00
Total 78 1176 0 6 105 0.000 0.000 -98.01 -19.90
0
60090.19
06001.98
001206
sin6
cos1'
t t k
Maka:
0
0090.19
6001.98
0120
6sin
6090.19
0001.98
0120
6cos
6090.19
0601.98
000
1
600
060
0012
'
t t
k
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 13/25
Tugas Manajemen Operasional_MM Unram 2012
080.14326
sin)72.7056(6
cos)432(' t t
k
6sin32.3
6cos33.16'
t t k
sehingga persamaan garisnya : ')(' k d t Y
6sin32.3
6cos33.1698)('
t t t Y
Month tDemand
(Y)
Forecast
(Y’)
Error
(e)(Y - Y')^2
January 1 72 82.20 -10.20 104.00
February 2 83 86.96 -3.96 15.68
March 3 92 94.68 -2.68 7.18
April 4 107 103.29 3.71 13.76
May 5 114 110.48 3.52 12.38
June 6 129 114.33 14.67 215.21
July 7 91 113.80 -22.80 519.92
August 8 108 109.04 -1.04 1.08
September 9 116 101.32 14.68 215.50
October 10 79 92.71 -13.71 187.97
November 11 92 85.52 6.48 42.01
December 12 93 81.67 11.33 128.37
Totals 78 1176 1176 0 1463.07
Standar Error Estimatenya (SEE) :
09.12
10
07.1463
2
)](')([1
2
n
t Y t Y
SEE
N
i
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 14/25
Tugas Manajemen Operasional_MM Unram 2012
ii. Model Regresi Linier (Linier Forecasting)
Persamaan garis yang mendekati bentuk data linier adalah:
Y’(t) = a + b(t)
Konstanta a dan b ditentukan dari data mentah berdasarkan Kriteria Kuadrat Terkecil (least
square criterion). Perhitungannya sebagai berikut:
Anggaplah data mentah diwakili dengan (Yi,ti), dimana Yi adalah permintaan aktual di saat ti,
dimana i = 1,2, .....,n. Definisikan:
n
i
t bat Y E 1
2)]()([
Turunkan persamaan tersebut terhadap a dan b:
0da
dE yaitu
n
i
bt at Y 1
0])([2 diperoleh ...........(1)
0db
dE yaitu
n
i
bt at Y t 1
0])([2 diperoleh ....(2)
Dengan mengeliminasi persamaan (1) dan (2) diperoleh nilai a dan b:
n
i
n
i
t bnat Y 1 1
0)(
n
i
n
i
n
i
t bt at tY 1 1
2
1
0)(
2
11
2
1 1 1
)()(
n
i
n
i
n
i
n
i
n
i
t t n
t t Y t tY n
b
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 15/25
Tugas Manajemen Operasional_MM Unram 2012
Confidence Interval dan Prediction Interval
Berdasarkan sebaran t dengan (n – 2) derajat bebas, maka pada persamaan linier
[Y’(t) = a + b(t)] dapat dibuat Selang Kepercayaan (confidence intervals) dengan (1-
)100% bagi nilai tengah dari Y dan Selang Taksiran (prediction intervals) untuk setiap
nilai Y, yaitu:
Confidence Interval = Y’(t) ± t /2 SEE
n
t t
t t
n
o
2
2
2
)(
)(1
Prediction Interval untuk setiap nilai Y yaitu (1-)100% bila t = to.
Prediction Interval = Y’(t) ± t /2SEE
n
t t
t t
n
o
2
2
2
)(
)(11
Ilustrasi 3
Diketahui data pada tahun 2005 pada tabel berikut ini.
Bulan Permintaan dalam unit
n
t bt Y
a
n
i
n
i
1 1
)(
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 16/25
Tugas Manajemen Operasional_MM Unram 2012
(t) (Y)
Jan 199
Feb 202
Mar 199Apr 208
Mei 212
Jun 194
Jul 214
Aug 220
Spt 219
Oct 234Nov 219
Des 233
a. Tentukan demand tahun 2007
b. Hitunglah SSE (Sum of Squared Errors) dan SEE-nya (Standard Error Estimated)
c. Tentukan Confidence Interval dan Prediction Interval dengan t = 18 serta derajat =
0,01
Jawaban
Month Bulan Ke- Demand t^2 t*Y(t)
Jan 1 199 1 199
Feb 2 202 4 404
Mar 3 199 9 597
Apr 4 208 16 832
May 5 212 25 1060
Jun 6 194 36 1164
Jul 7 214 49 1498
Aug 8 220 64 1760
Sep 9 219 81 1971
Oct 10 234 100 2340
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 17/25
Tugas Manajemen Operasional_MM Unram 2012
Nov 11 219 121 2409
Des 12 233 144 2796
t = Y(t) = t^2 = t*Y(t) =
78 2553 650 17030
05,3)78()650(12
)2553)(78()17030(122
b
a. Diperoleh Persamaannya : Y’(t) = 193 + 3(t) sehingga permintaan pada tahun 2007adalah sebagai berikut:
Bulan (t) Permintaan dalam unit (Y)
Jan (25) 268
Feb (26) 271
Mar (27) 274
Apr (28) 277Mei (29) 280
Jun (30) 283
Jul (31) 286
Aug (32) 289
Spt (33) 292
Oct (34) 295
Nov (35) 298Des (36) 301
b. Untuk menghitung SSE dan Standard Error Estimatenya (SEE) terlebih dahulu dihitung
demand aktual dengan menggunakan persamaan (Y’(t)) yang telah diketahui.
Month Bulan Ke- Demand Ramalan [Y(t)-Y'(t)]^2
Jan 1 199 196 9
95,19212
)78)(05,3()2553(
a
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 18/25
Tugas Manajemen Operasional_MM Unram 2012
Feb 2 202 199 9
Mar 3 199 202 9
Apr 4 208 205 9
May 5 212 208 16Jun 6 194 211 289
Jul 7 214 214 0
Aug 8 220 217 9
Sep 9 219 220 1
Oct 10 234 223 121
Nov 11 219 226 49
Dec 12 233 230 9Total 78 2553 2553 530
Maka diperoleh Jumlah Kuadrat Kesalahan
(SSE) = e(t)2 = [Y(t)-Y’(t)]
2= 530
Dan Estimasi Standard Errornya (SEE):
28,7212
530
2
)](')([1
2
t
t Y t Y
SEE
t
i
c. Dari Persamaan : Y’(t) = 193 + 3(t), maka untuk satu harga t = 18 diperoleh Y’=247
dengan Standar Error Estimatenya (SEE)= 7.28 dan t /2 = t 0,005 = 3,169 untuk (n – 2 = 12
– 2 =10) derajat bebas.
Confidence Interval = Y’(t) ± t /2 SEE
n
t t
t t
n
o
2
2
2
)(
)(1
= 247 ± (3,169)(7,28)
12
)78(
650
)5,618(
12
12
2
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 19/25
Tugas Manajemen Operasional_MM Unram 2012
= 247 ± 23,16
Prediction Interval = Y’(t) ± t /2SEE
n
t t
t t
n
o
2
2
2
)(
)(11
= 247 ± (3,169)(7,28)
12
78650
)5,618(
12
11
2
2
= 247 ± 46,32
iii. Model Rata-rata Bergerak (Moving Average)
Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret
waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli
diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk data
yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau seasonal.
Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data
permintaan aktual dari n periode terakhir. Terdapat tiga macam model rata-rata bergerak,
yaitu:
1. Simple Moving Average
Simple Moving Average (SMAt)=n
Y Y Y Y nt t t t 121 ....
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 20/25
Tugas Manajemen Operasional_MM Unram 2012
Ilustrasi 4
Diberikan data harga penutupan akhir minggu surat-surat berharga perusahaan “Mandala”
yang bergerak dalam bidang maskapai penerbangan.
Maka Moving Average 3 mingguan (SMA3) terhadap harga penutupan akhir minggu saham
diperoleh dari perhitungan berikut:
Minggu
(t)
Permintaan
(Y)
Simple Moving Average
3 Mingguan (MA3)
1 46 -
2 56 -
3 54 52
4 43 51
5 57 51,33
6 56 52
7 67 60
8 62 61,17
9 50 59,17
10 56 56
11 47 51
12 56 53
Contoh perhitungan:
523
5456463
Minggu
SMA
513
4354564min
gguSMA
T 1 2 3 4 5 6 7 8 9 10 11 12
Y 46 56 54 43 57 56 67 62 50 56 47 56
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 21/25
Tugas Manajemen Operasional_MM Unram 2012
Berdasarkan data di atas, maka ramalan untuk minggu-minggu mendatang (13)
unit Y t 53
3
564756' )12(
dengan t = 1,2,3
2. Centered Moving Average
Perbedaan utama antara Simple Moving Average dan Centered Moving Average
terletak pada pemilihan observasi yang digunakan. Simple Moving Average menggunakan
data yang sedang diobservasi tambah data sebelum observasi. Misalnya, menggunakan 5
periode moving average, maka untuk SMA menggunakan data periode ke-5 dan 4 data
periode sebelumnya.
Sebaliknya untuk CMA, “Center” berarti rataan antar a data sekarang dengan
menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk 3 periode moving
average, maka SMA menggunakan data periode 3 ditambah data sebelumnya dan data
sesudahnya. Didefinisikan sebagai berikut:
L
Y Y Y CMA
Lt t Lt
t
2 / )1(()2 / 1((................
Dimana Yt adalah nilai tengah dari interval L data observasi. (L-1)/2 observasi merupakan
data sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Y t = Y5 maka intervalnya
dimulai dari Y3 sampai Y7
Ilustrasi 5
Bulan
(t)
Permintaan
(Y)
(CMA5) (CMA8)
Januari 46 - -
Pebruari 56 - -
Maret 54 51.2 -
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 22/25
Tugas Manajemen Operasional_MM Unram 2012
April 43 53.2 -
55.13
Mei 57 55.4
55.63Juni 56 57
55.63
Juli 67 58.4
54.75
Agustus 62 58.2
56.38
September 50 56.4Oktober 56 54.2
November 47
Desember 56
Contoh perhitungan:
4,555
6756574354
MeiCMA
3. Weighted Moving Average
Formula untuk Weighted Moving Average (WMAt):
nt nt t t Aw Aw AwF .......
2211 dan
n
ii
w
1 1
Ilustrasi 6
Diketahui data penjualan suatu departement store 4 bulan periode. Kemudian ingin
meramalkan penjualan bulan ke-5 dengan moving average dimana menggunakan bobot 40%
actual sales untuk bulan saat ini (4), 30% untuk 2 bulan sebelumnya, 20% untuk 3 bulan
sebelumnya, dan 10% untuk 4 bulan sebelumnya. Data penjualannya sebagai berikut:
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 23/25
Tugas Manajemen Operasional_MM Unram 2012
Month1 Month2 Month3 Month4 Month5
100 90 105 95 ?
Peramalan weighted moving average dengan N = 4 adalah:50.97)100(1.0)90(2.0)105(3.0)95(4.04 F
Maka ramalan bulan ke (5 + t) dengan t =1,2,3 adalah:
50.97)100(1.0)90(2.0)105(3.0)95(4.05 F
iv. Pelicinan Exponential (Exponential Smoothing)
Dalam model rata-rata bergerak (Moving Average) dapat dilihat bahwa untuk semua
data obesrvasi memiliki bobot yang sama yang membentuk rata-ratanya. Padahal, data
observasi terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan data
observasi di masa yang lalu. Hal ini dipandang sebagai kelemahan model peramalan Moving
Average. Untuk itu, digunakanlah metode Exponential Smoothing agar kelemahan tersebut
dapat diatasi didasarkan pada alasan sebagai berikut:
Metode exponential smoothing mempertimbangkan bobot data-data sebelumnya
dengan estimasi untuk Y’(t+1) dengan periode (t+1) dihitung sebagai:
Dimana disebut konstanta pelicinan dalam interval 0 < < 1. Rumus ini memperlihatkan
bahwa data yang lalu memiliki bobot lebih kecil dibandingkan dengan data yang terbaru.
Rumus tersebut dapat disederhanakan sebagai berikut:
Dengan nilai Y’(1)untuk inisial ramalan didekati dengan nilai rata-ratanya (Y )
......)1()1(' )2(
2
)1(1)1( t t t Y Y Y Y
) ( 1 ) 1 ( ' ) 1 ( '
t t Y Y Y
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 24/25
Tugas Manajemen Operasional_MM Unram 2012
Atau
Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang penting dalam
menghasilkan hasil ramalan yang “andal”. Model Exponential Smoothing digunakan untuk
peramalan jangka pendek.
Ilustrasi 7
Tabulasi data berikut ini merupakan actual sales dalam unit untuk 6 bulan dan peramalan
dimulai dari bulan januari.
Month Jan Feb Marc Apr May June
Actual Sales 100 94 108 80 68 94
a. Hitunglah estimasi nilai ramalannya menggunakan simple exponensial smoothing dengan
= 0.2 jika inisial estimasi periode Januari = 80.
b. Hitunglah Mean Absolute Deviation (MAD)
Jawaban:
BulanActual
Sales
Forecast
(1)Forecast(II) Error (Y-Y')^2
January 100 80 80 20 400
February 94 84 84 10 100
March 106 86 86 20 400
April 80 90 90 -10 100
May 68 88 88 -20 400
June 94 84 84 10 100
)'('' )1()1()1()(
t t t t Y Y Y Y
5/14/2018 Copy of Tugasm Manaj Operasi 2 - slidepdf.com
http://slidepdf.com/reader/full/copy-of-tugasm-manaj-operasi-2 25/25
Tugas Manajemen Operasional_MM Unram 2012
July 86 86 0
Total 542 598 598 90 1500
a. Estimasi nilai ramalan periode kedua (February) adalah:
....................................(1) atau
)'('')1()1()1()(
t t t t
Y Y Y Y ....................(2)
84)80(8.0)100(2.0'2 Y atau
84)80100(2.080'2 Y
b. Mean Absolute Deviation (MAD)
n
t Y t Y
MAD
n
t
1
)(')(
156
90 MAD ;
dimana 1 MAD = 0.8 standard deviation diperoleh standar deviation = 12
) ( 1 ) 1 ( ' ) 1 ( ' t t Y Y Y