KONSEP DASAR PERAMALAN

Pertemuan 1 dan 2

Thuink

….

Penjualan september 1.200 unit

Apa ??1.200 ???

Membuat keputusan yang baik

Apakah yang dapat membuat suatu perusahaan sukses?

Keputusan yang dibuat baik

Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik?

Akurasi prediksi masa yang akan datang

Bagaimana kita melakukannya? Peramalan

Pengertian peramalan

Bukan menduga (guess) !

Estimasi nilai atau karakteristik masa depan

Informasi yang dipergunakan sebagai dasar untuk membuat rencana

Mengapa diperlukan?

Masa depan bersifat tidak pasti (uncertain)

Permintaan tidak pasti karena:-Kompetisi-Perilaku konsumen-Siklus bisnis-Upaya penjualan-Siklus hidup produk-Variasi random, dll.

Diperlukan referensi untuk perencanaan hasil peramalan

Prinsip Peramalan

Peramalan seringkali salah. Setiap model peramalan memuat estimasi dari

kesalahan peramalan Kesalahan actual seringkali lebih besar

daripada kesalahan estimasi Mengkombinasikan metode dapat

meningkatkan akurasi Peramalan jangka panjang biasanya

mempunyai akurasi lebih kecil dibanding peramalan jangka pendek

Data

SUMBER :Arsip perusahaanData pemerintah (laporan Biro Pusat Statistik,

Departemen, dll)

FAKTOR INTERNAL THD PENJUALANKualitas, harga, delivery time, promosi, discount, dll

FAKTOR EKSTERNALIndikator perekonomian : tingkat pertumbuhan

ekonomi, tingkat inflasi, nilai tukar valuta asing, dll

Pertimbangan dalam peramalan

Ongkos dan manfaat Ongkos

Ongkos pengembangan metoda Ongkos kegiatan peramalan Ongkos akibat kesalahan ramal

Manfaat Mengerti hubungan antara permintaan dan faktor lain Kondisi dunia nyata Sistem pengendalian produksi

"Untuk tujuan apa suatu ramalan dibuat akan menentukan pendekatan yang diambil"

Pertimbangan dalam peramalan

Ketelitian Suatu ukuran seberapa tepat ramalan dari kondisi

aktual

Sederhana dalam perhitungan ketelitian tinggi vs sederhana dalam perhitungan

Kemampuan menyesuaikan terhadap perubahan

Lead time, periode, horizon

Metode Peramalan

Terdapat 2 macam pendekatan:Qualitative: metode ini dianggap sebagai metode yang subyektif dengan mensertakan pendapat pakar. Misalnya dengan teknik Delphi. Metode ini dipilih apabila data histori tidak tersedia.Quantitative: metode ini menggunakan data histori. Tujuan dari metode ini adalah mempelajari data histori dan struktur dari data untuk tujuan memprediksi masa depan.

Metode Peramalan Quantitative

Metode peramalan quantitative dapat dibagi lagi menjadi beberapa sub-bagian, yaitu:Metode peramalan time-series: metode peramalan yang sepenuhnya menggunakan data histori masa lalu dan sekarang.Metode peramalan kausal/eksplanatoris: menyertakan faktor-faktor yang berkaitan dengan variabel yang akan diprediksi, misalnya dalam peramalan ekonomi perlu mengikutsertakan barometer2 ekonomi di dalamnya.

Metode Peramalan Time-Series Pada peramalan ini sistem dianggap sebagai sebuah black

box. Faktor yang berpengaruh terhadap perilaku sistem tidak perlu diketahui.

Mengapa sistem dianggap sebagai sebuah black box?Sistem tidak dapat dipahami, parameter-parameter

yang mempengaruhi sistem sulit diukur.Fokus utama adalah melakukan peramalan, bukan

untuk mengetahui mengapa hal itu terjadi.

Generating process

input output

sistem

Contoh:

Metode Peramalan Eksplanatoris Mengasumsikan adanya hubungan sebab dan akibat di

antara input dan output dari sebuah sistem. Sistem dapat berupa: ekonomi nasional, pasar uang, dsb. Setiap perubahan pada sisi input akan berpengaruh terhadap

output dari sebuah sistem dengan memperhatikan adanya hubungan sebab akibat.

Secara praktis, dalam peramalan metode ini tugas kita adalah menemukan hubungan sebab akibat dengan mengamati output dan menghubungkannya dengan input.

Cause and effect relationship

input output

sistem

Contoh:

MODEL KUANTITATIF

PERAMALAN

KAUSAL

EXPONENTIALSMOOTHING

MOVINGAVERAGE

RATA-RATA

SMOOTHING

REGRESI

TIME SERIES

MODELKUALITATIF

Horison dan Periode PeramalanHorison peramalan: menunjukkan seberapa jauh ke

depan peramalan dilakukan dan terkait dengan jangkauan perencanaan yang akan dilakukan (misal: setahun ke depan)

Periode peramalan: menunjukkan basis waktu data peramalan (misal: bulanan)

DATA FORECAST

Horison Peramalan

Periode peramalan

Prosedur Peramalan

Plot the data versus time using graph and examine the demand

pattern

Plot the data versus time using graph and examine the demand

pattern

Select several forecating methods which suitable for the demand

pattern

Select several forecating methods which suitable for the demand

pattern

Performs the forecasting and evaluate the forecasting errorPerforms the forecasting and evaluate the forecasting error

Select forecast result with the smallest error, validate and interpret

the result

Select forecast result with the smallest error, validate and interpret

the result

Pola Data pada Model Time-Series

Sumber: Metode dan Aplikasi peramalan, Makridakis, S.

Teknik Peramalan untuk Pola Data HorizonData relatif stable untuk periode waktu tertentuTerjadi variasi sepanjang waktu tetapi tidak signifikanFungsi yang menunjukkan pola data konstan

d(t) = a

d(t) = permintaan selama periode t

a = konstantaTeknik peramalan yang bisa dipakai antara lain:

Metode rata-rata sederhana Metode rata-rata bergerak Pemulusan eksponensial sederhana Metode Box-Jenkins

Teknik Peramalan untuk Pola Data TrendDemand menunjukkan kecenderungan meningkat

(menurun) dari waktu ke waktuFungsi pola data trend adalah:

d(t) = a + bt

d(t) = permintaan pada periode t

a, b = parameter modelTeknik peramalan yang dipakai antara lain:

Double moving averagePemulusan eksponensial dari BrownPemulusan eksponensial dari Holt

Teknik Peramalan untuk Pola Data SiklisPola data siklis dapat didefiniskan sebagai fluktuasi

seperti gelombang disekitar garis trend.Pola siklis cenderung untuk berulang setiap dua, tiga

tahun, atau lebihPola siklis sulit untuk dibuat modelnya karena polanya

tidak stabil,turun naiknya fluktuasi di sekitar trend jarang sekali berulang pada interval waktu yang tetap

Teknik peramalan yang dapat dipakai antara lain: Model-model ekonometrik Regresi berganda runtut waktu Metode Box-Jenkins

Teknik Peramalan untuk Pola Data MusimanSuatu data runtut waktu yang bersifat

musiman didefinisikan sebagai suatu data runtut waktu yang mempunyai pola perubahan yang berulang secara tahunan.

Teknik peramalan yang dapat dipakai antara lain:Pemulusan eksponensial dari winterRegresi berganda runtut waktuMetode Box-Jenkins

Kesalahan Peramalan (1)

Di dalam setiap sistem selalu terdapat unsur acak di dalamnya.

Karena itu sistem lebih tepat digambarkan sebagai berikut:

Unsur acak di dalam sistem menghasilkan adanya kesalahan ramalan (hasil ramalan dan kondisi sesungguhnya tidak sama persis).

sisteminput output

Unsur acak

Kesalahan Peramalan (2)

Karena itu data yang merupakan representasi sebuah sistem memiliki dua komponen utama, yaitu: pola data (hubungan fungsional yang mengatur sistem) dan unsur acak (kesalahan/galat), dirumuskan sebagai:

data = pola + kesalahan

Permasalahannya sekarang bagaimana

memisahkan pola dari komponen

kesalahan agar pola dapat digunakan

dalam peramalan?

Kesalahan Peramalan (3)

Komponen kesalahan tidak dapat dihilangkan tetapi dapat diminimalkan.

Salah satu metode telah digunakan secara luas adalah least squares. Dalam metode ini prosedur estimasi dilakukan untuk meminimalkan jumlah kuadrat dari kesalahan.

Kriteria Performansi Peramalan

Performansi diukur dari kesalahan peramalan (forecasting error)

Cerminan dari akurasi peramalan: semakin kecil kesalahan semakin akurat hasil ramalan

Kesalahan peramalan (et): deviasi antara observasi aktual (dt) dengan nilai ramalannya (d’t) atau et = dt – d’t

Karena observasi aktual pada saat peramalan belum ada maka kesalahan dihitung pada data historis (observasi aktual historis vs nilai ramalan periode historis)

Contoh Seorang manager

supermarket ingin mengetahui berapa nilai yang dibelanjakan oleh pelanggan, berdasarkan data yang diambil secara acak didapatkan sesuai tabel.

Manager menentukan estimasi secara acak untuk mendapatkan kesalahan terkecil, misalnya 7, 9, 10, 12.

Pelanggan Nilai belanja ($)

1 9

2 8

3 9

4 12

5 9

6 12

7 11

8 7

9 13

10 9

11 11

12 10

Nilai estimasi 7 Nilai estimasi 9 Nilai estimasi 10 Nilai estimasi 12

Pelanggan

Nilai belanja

Error Squared error

Error Squared error

Error Squared error

Error Squared error

1 9 2 4 0 0 -1 1 -3 9

2 8 1 1 -1 1 -2 4 -4 16

3 9 2 4 0 0 -1 1 -3 9

4 12 5 25 3 9 2 4 0 0

5 9 2 2 0 0 -1 1 -3 9

6 12 5 25 3 9 2 4 0 0

7 11 4 16 2 4 1 1 -1 1

8 7 0 0 -2 4 -3 9 -5 25

9 13 6 36 4 16 3 9 1 1

10 9 2 4 0 0 -1 1 -3 9

11 11 4 16 2 4 1 1 -1 1

12 10 3 9 1 1 0 0 -2 4

SSE (sum of suared error) 144 48 36 84

MSE (mean squared error 12 4 3 7

Ukuran Kesalahan Peramalan

Mean Square Error (MSE)

Standard Error of Estimate (SEE)

Error percentage

n

n

ttt

MSE

dd 1

)'(2

n

t fnttSEE dd

1

2

)(

)'(

%100)( ' xdddPEt

ttt

f = degree of freedom- 1 untuk pola data konstan- 2 untuk pola data trend- 3 untuk pola data siklis

Latihan

Perhatikan tabel jumlah penjualan tas tradisional dari sebuah pengusaha kecil di sebelah ini:

a)Tentukan MSE dengan uji coba nilai estimasi berturut-turut 90, 95, 100, 105, 110.

b)Nilai estimasi mana yang memberikan MSE terkecil?

Tahun Jumlah

1980 98

1981 100

1982 107

1983 90

1984 92

1985 100

1986 98

1987 112

1988 120

1989 100

1990 98

1991 92

1992 95

1993 100

1994 98

Verifikasi Peramalan

Dilakukan untuk memeriksa apakah hasil peramalan sudah betul

Menggunakan teknik moving range chart

center line

UCL

LCL

reg

ion

A

reg

ion

B

reg

ion

C

reg

ion

A

reg

ion

B

reg

ion

C

Plot nilai (dt-d’t) pada grafik

Kondisi di luar kendali jika:1.Ada titik di luar UCL atau LCL2.Dari 3 titik plot berturutan 2 titik berada pada region A ( 1.77 MR)3.Dari 5 titik plot berturutan terdapat 4 titik berada pada region B ( 0.89 MR)4.Ada 8 titik plot berturutan berada pada bagian atas atau bawah garis tengah (region C)

OUT OF CONTROL !!!

Periksa apa yang terjadi pada kondisi out of control

…… pabrik off ? Sales problem ? ….

Periksa apa yang terjadi pada kondisi out of control

…… pabrik off ? Sales problem ? ….

Jika jelas penyebab; hasil ramalan bisa dipakai

Jika jelas penyebab; hasil ramalan bisa dipakai

Jika tidak: bisa tunggu bukti baru…. Kembali in control … pakai terus…. Terjadi lagi out of control … pikirkan

ganti metode peramalan

Jika tidak: bisa tunggu bukti baru…. Kembali in control … pakai terus…. Terjadi lagi out of control … pikirkan

ganti metode peramalanBisa juga langsung mengganti

metode peramalan…..Bisa juga langsung mengganti

metode peramalan…..

Penutup

Peramalan merupakan langkah awal dalam perencanaanBerfungsi mendapatkan nilai perkiraan sepanjang periode

perencanaanPerkiraan tersebut menjadi referensi dalam menyusun

rencana kerja sesuai ketersediaan sumber daya perusahaanPeramalan yang diperoleh tepat waktu sangat menolong

proses perencanaanPerlu juga diperhatikan biaya untuk mengumpulkan data

serta manfaat dari perencanaan yang diperolehSelalu diliputi kesalahan karena itu kemudian perlu up-dating

data sebagai bentuk pengendalian