Peramalan
Download
1 / 44

PERAMALAN - PowerPoint PPT Presentation


  • 311 Views
  • Uploaded on

PERAMALAN. E. Susy Suhendra. 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. Ramalan.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' PERAMALAN' - kordell


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Peramalan
PERAMALAN

E. Susy Suhendra


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


Ramalan
Ramalan

  • Ramalan mempengaruhi keputusan-keputusan dan aktivitas dalam sebuah organisasi

    • Akuntasi, Keuangan

    • Sumberdaya Manusia

    • Pemasaran

    • Sistem Informasi Manajemen (SIM)

    • Operasional

    • Disain produk/jasa


Penggunaan ramalan
PenggunaanRamalan



Ciri ciri ramalan
Ciri-ciriramalan

  • Beranggapansistemkasualmasalalu ==> masadepan

  • Ramalanjarangsempurna, olehkarenatingkatkeacakan

  • Ramalanlebihakuratuntuk group daripadaindividu

  • Tingkat akurasiramalanmenurunsejalandenganmeningkatnyacakrawalawaktu


Unsur unsur ramalan yang baik
Unsur-unsurramalan yang baik

Tepat waktu

Akurat

Handal

Mudah

digunakan

Tertulis

Berarti


Langkah langkah proses peramalan
Langkah-langkahprosesperamalan

“The forecast

/ramalan”

6) Monitor ramalan

5) Lakukan peramalan

4) Dapatkan, “bersihkan” dan analisa data

3) Pilih teknik ramalan

2) Tetapkan batas waktu

1) Tetapkan maksud /tujuandari ramalan


Jenis jenis ramalan
Jenis-jenisRamalan

  • 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


Ramalan berdasarkan penilaian judgmental forecast
Ramalanberdasarkanpenilaian (Judgmental Forecast)

  • Pendapat atasan

  • Pendapat tenaga penjual

  • Survei konsumen

  • Pendapat dari luar

  • Metode Delphi

    • Pendapat dari manajer dan staf

    • Mencapai ramalan secara kosensus


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


Variasi variasi ramalan
Variasi-variasiRamalan

Gambar 3.1

Variasi tak beraturan

Tren (kecenderungan)

Siklus

90

89

88

Variasi musiman


Peramalan berdasarkan data runut waktu serial data
Peramalanberdasarkan data runutwaktu (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


Metode naif
MetodeNaif

  • Periode ke-1 = 200

  • Periode ke-2 = 230

  • Periode ke-3 = ?


Teknik teknik perata rataan
Teknik-teknikPerata-rataan

  • Rata-rata bergerak (Moving average)

  • Rata-rata bergerak tertimbang(Weighted moving average)

  • Exponential smoothing


Rata rata bergerak
Rata-rata Bergerak

At-n+ … At-2 + At-1

Ft = MAn=

n

wnAt-n+ … wn-1At-2 + w1At-1

Ft = WMAn=

n

  • 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.


Rata rata bergerak sederhana
Rata-rata BergerakSederhana

At-n+ … At-2 + At-1

Ft = MAn=

n

Actual

MA5

MA3


Contoh metode moving average
ContohMetode Moving Average


Exponential smoothing
Exponential Smoothing

  • Dasarpikiran (Premise) –Observasi-observasiterbarumungkinmemilikinilairamalantertinggi (akurasi).

    • Olehkarenanya, kitasebaiknyamemberikanbebanlebihkeperiode-periodewaktuterbarupadasaatperamalan.

  • Metode rata-rata tertimbangdidasarkanpadaramalansebelumnyaditambahpersentasekesalahanramalan

  • A-F adalahperiodekesalahan, adalah % umpanbalik (feedback)

Ft = Ft-1 + (At-1 - Ft-1)


Contoh 3 - Exponential Smoothing


Nilai alpha
Nilai Alpha

Nilaiα  0 <α< 1

Semakindekatnilaiαdengan 0, semakinjauhnilairamalandengannilaiaktual. Sebaliknya, semakinbesardekatnilaiαdengan 1, semakindekatnilairamalanaktual.


Memilih nilai alpha
MemilihNilai Alpha

Actual

.4

 .1


Kencenderungan umum nonlinear
Kencenderunganumum nonlinear

Parabolic

Exponential

Growth

Gambar 3.5


Rumus tren linear
RumusTren Linear

Ft

Ft = a + bt

0 1 2 3 4 5 t

  • Ft = Forecast for period t

  • t = Specified number of time periods

  • a = Value of Ft at t = 0

  • b = Slope of the line


Menghitung a dan b
Menghitung a dan b

n

(ty)

-

t

y

b

=

2

2

n

t

-

(

t)

y

-

b

t

a

=

n


Contoh rumus tren linear
ContohRumusTren Linear


Penghtiungan tren linear
PenghtiunganTren Linear

5 (2499)

-

15(812)

12495

-

12180

b

=

=

=

6.3

5(55)

-

225

275

-

225

812

-

6.3(15)

a

=

=

143.5

5

y = 143.5 + 6.3t


Teknik teknik untuk musiman
Teknik-teknikuntukMusiman

  • 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.


Peramalan asosiatif associative forecasting
PeramalanAsosiatif (Associative 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


Model linear nampak beralasan
Model linear nampakberalasan

Hubungan yang dihitung

Sebuah garis lurus dicocokan ke suatu

rangakaian nilai


Asumsi asumsi regresi linear
Asumsi-asumsiRegresi 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


Akurasi ramalan
AkurasiRamalan

  • 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)


Mad mse and mape
MAD, MSE, and MAPE

2

(

Actual

forecast)

MSE

=

n

-

1

(

Actual

forecast

/ Actual*100)

MAPE

=

n

Actual

forecast

MAD

=

n


Mad mse dan mape
MAD, 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



Pengawasan ramalan
PengawasanRamalan

  • 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


Sumber sumber kesalahan ramalan
Sumber-sumberkesalahanramalan

  • Model peramalan mungkin tidak cukup

  • Variasi-variasi yang tak beraturan

  • Kesalahan penggunaan teknik peramalan


Memilih teknik peramalan
Memilihteknikperamalan

  • 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)


Strategi operasi
StrategiOperasi

  • 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


Ramalan rantai suplai
Ramalanrantaisuplai

  • Membagi ramalan dengan suplai dapat

    • Memperbaiki kualitas dalam rantai suplai

    • Menurunkan biaya-biaya

    • Memperpendek waktu tunggu



RumusTren Linear


Regresi Linear Sederhana



ad