2) Peramalan & Pengelolaan Demand

Departemen Depart emen Teknik Industri FTI-ITB

TI-3122 Perencanaan Perencanaa n dan Pengendalian Produksi

Peramalan & Pengelolaan Demand

Laboratorium Sistem Produksi www.lspitb.org ©2003


Hasil Pembelajaran •

Umum 

•

Mahasiswa mampu menerapkan model matematik, heuristik dan teknik statistik untuk menganalisis dan merancang suatu sistem perencanaan dan pengendalian produksi

Khusus 

Mampu menganalisis pola deman serta menerapkan teknik-teknik peramalan

TI3122-Perencanaan TI3122-Perencanaan dan Pengendalian Produksi - Minggu 2

2

1


Peramalan •

Peramalan: masa depan   

Estimasi nilai atau karakteristik

prediksi (prediction) peramalan (forecast) kecenderungan (trend)

3



Demand •

Faktor yang mempengaruhi demand             

Variasi random Rencana konsumen Daur hidup produk Pesaing Perilaku/sikap konsumen Waktu Siklus bisnis Input Iklan Sales effort Reputasi Desain produk Kebijaksanaan kredit Kualitas

Perusahaan

Output


Permintaan

4

2


Sistem Peramalan (1) Data Historis

Data checked for accuracy and reasonableness Tujuan model

Update sesuai kebutuhan

Forecast (Prediction)

Pembandingan dengan kondisi aktual

Knowledge of changed condition

Feedback on forecast accuracy

5


Departemen Depart emen Teknik Industri FTI-ITB ORGANIZATION & ITS ENVIRONMENT

Sistem Peramalan (2)

INFORMAL INFORMATION

INFORMAL INFO

MIS

FORECASTER

DECISION MAKER

VALUE

VALUE SELECT FORECASTING PROCEDURES

SELECT KEY VARIABLES

LIKELY ACCURACY

PLANNING GUIDELINE ASSUMPTION

COST/TIME CONSTRAIN

OBJECTIVE

DECISION REQUIREMENT

INITIAL FORECAST INFORMAL ADJUST

FORECAST RECOMMEND

Yes

WORKING FORECAST

REVISE ASSUMPTION

No FINAL FORECAST


ACTION PLAN

6

3


Konsiderasi (1) •

Ongkos dan manfaat 

Ongkos – Ongkos pengembangan metoda – Ongkos kegiatan peramalan – Ongkos akibat kesalahan ramal



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



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


7


Konsiderasi (2) •

Ketelitian 

•

Suatu ukuran seberapa tepat ramalan dari kondisi aktual

Sederhana Sederhana dalam perhitungan perhitungan 

ketelitian ketelitian tinggi

vs

sederhana sederhana dalam perhitunga perhitungan n

•

Kemampuan menyesuaikan terhadap perubahan

•

Lead time, perioda, horizon


8

4


Taksonomi Peramalan

MODEL KUALITATIF

REGRESI

PERAMALAN

RATA-RATA

TIME SERIES

MOVING AVERAGE

SMOOTHING MODEL KUALITATIF

EXPONENTIAL SMOOTHING

KAUSAL


9


Karakteristik peramalan

Karakteris Karakteristik tik ketersedia ketersediaan an informasi informasi Info Inform rmas asii kuan kuanti tita tati tiff cuku cukup p ters tersed edia ia

Metode deret waktu

Metode kausal

Info Inform rmas asii kuan kuanti tita tati tiff kura kurang ng atau atau tidak tersedia, tersedia, tetap pengetahu pengetahuan an kualitati kualitatiff cukup tersedia tersedia Metode exploratori

Informasi kurang kurang atau tidak tersedia tersedia

Metode normatif

Peramalan kontinu berdasarkan pola pola atau atau hubungan tertentu

Memprediksi pertumbuhan penjualan atau atau GNP GNP

Mempelajari pengaruh harga harga dan promosi terhadap penjualan

Memprediksi kecepatan transportasi pada tahun 2010

Memprediksi perkembangan otomotif pada pada tahun tahun 2010

Memprediksi pengaruh perkembangan teknologi teknologi luar angkasa

Peramalan perubahan yang akan terjadi

Memprediksi resesi berikutnya

Mempelajari pengaruh pengendalian harga harga dan pembatasan iklan iklan TV terhadap penjualan

Memprediksi pengaruh kenaikan harga minyak minyak terhadap konsumsi minyak

Memprediksi embargo minyak minyak yang diikuti diikuti oleh perang perang ArabArabIsrael

Penemuan sumber sumber energi energi baru baru yang yang murah murah dan tidak menimbulkan polusi


10

5


Taksonomi Peramalan (2) •

Penggunaan Model Kualitatif:  



•

Tidak memerlukan data kuantitatif Unsur subyektifitas peramalan sangat besar pengaruhnya dalam hasil peramalan Baik untuk peramalan jangka panjang

Contoh:   

Opini individu Opini kelompok Delphi


11


Taksonomi Peramalan (3) •

Penggunaan model kuantitatif membutuhkan:   

•

Data kondisi masa lalu Data tersebut dapat dikuantifisir Diasumsikan pola data masa lalu akan berlanjut pada masa yang akan datang

Data yang digunakan untuk keperluan perencanaan produksi:   

Paling baik menggunakan data permintaan Menggunakan data jumlah unit penjualan Kalalu tidak dimiliki data penjualan gunakan data jumlah unit produksi


12

6


Prosedur Peramalan •

Plot data permintaan vs. waktu

•

Pilih beberapa metoda peramalan

•

Evaluasi kesalahan peramalan

•

Pilih metoda peramalan dengan kesalahan peramalan terkecil

•

Intepretasi hasil peramalan


13


Pola Data


14

7


Teknik Peramalan n

•

^

^

Konstan

•

a = t = n 1

D(t ) = a ^

Regresi linier

∑d t

^

^

^

D(t ) = a + bt N ^

b=

N

N

N ∑t. d(t ) − ∑d(t )∑t t =1

t =1 N

2

N

t =1 2

N ^

a=

∑d(t ) t =1

N

N ∑t − ( ∑t ) t =1

^

•

D(t ) = a + u cos

Siklis

2πt

N

t =1

+ v sin

2π t N


15


Kriteria Performansi Peramalan •

Mean Square Error (MSE) 2

n

∑ (d t −D't )

MSE = t =1

dimana:

n

dt = data aktual pada periode t Dt‘ = nilai ramalan pada periode t n = banyaknya periode


16

8



Standard error of estimate (SEE)

2

n

SEE =

∑

(d t −D't )

t =1

( n − f )

dimana: f = derajat kebebasan

– 1 : untu untuk k dat data a konst konstan an – 2 : unt untuk uk dat data a lini linier er – 3 : untuk untuk dat data a kuadr kuadrati atis s


17



Persentase Kesalahan d t − D't ) x100% PE t = ( d t

•

Mean Absolute Percentage Error (MAPE) n

∑ PE t MAPE =

t =1

n


18

9


Contoh • Da Dari ri data data 12 bula bulan n terak terakhir hir terca tercata ta pen penjua jualan lan produk produk X: t

1

2

3

4

5

6

7

8

9

10

11 11

12 12

dt

14 0

15 9

13 6

15 7

17 3

18 1

17 7

18 8

15 4

17 9

18 0

16 0

•

Gambar diagram Pencar:

19



Metoda Konstan t

dt

dt'

e = dt - dt'

1 2 3 4 5 6 7 8 9 10 11 12

140 159 136 157 173 181 177 188 154 179 180 160

165.33 165.33 165.33 165.33 165.33 165.33 165.33 165.33 165.33 165.33 165.33 165.33

-25.33 -6.33 -29.33 -8.33 7.67 15.67 11.67 22.67 -11.33 13.67 14.67 -5.33

e2 641.61 40.07 860.25 69.39 58.83 245.55 136.19 513.93 128.37 186.87 215.21 28.41 3124.68


SEE SEE

17 20

10


Metoda Konstan

n

n

∑d t a=

t =1

N

2

∑(dt −dt ')

'

⇒ d t

SEE = = =

t =1

n − f 312468 . 12 − 1 312468 . 11

85 ≈ 17 = 16. 85

21



Metoda Linier t

dt

t . dt

1 2 3 4 5 6 7 8 9 10 11 12 ∑78 t 6.5

140 159 136 157 173 181 177 188 154 179 180 160 1984 dt

140 318 408 628 865 1086 1239 1504 1386 1790 1980 1920 13264 165.33

t2 1 4 9 16 25 36 49 64 81 100 121 144 647

dt'=156+1.t

e = dt - dt'

157 158 159 160 161 162 163 164 165 166 167 168

-17 1 -23 -3 12 19 14 24 -11 13 13 -8


e2 289 1 529 9 144 361 196 576 121 169 169 64 2628

22

11


Metoda Linier n

n

n

n

N∑ t. dt −∑ dt∑ t t =1

b=

t =1

n

n

2

b=

t =1 2

N ∑t − ( ∑t ) t =1

n

a=

N

SEE =

1571 157168 68− 1547 154752 52 2416 = 7764− 6084 1680 = 1. 44 ≈ 1

=

t =1

n − f 2628 12 − 2

=

2628 10

2 1 ≈ 16 = 16. 21

n

∑dt t =1

2

12(647 647) − (78)

=

t =1

2

∑(dt −dt ')

12(13 13264) − (1984)(78)

b∑t −

t =1

N

= dt − b.t a = dt − b.t

44(6.5) = 165. 33− 9. 35 35 = 165. 33− 1. 44 98 ≈ 156 = 155. 98 ∴dt' = 156 + 1t

23



Metoda Kuadratis t

dt

t.dt

t2

t2.dt

t4

dt'

-6 -5 -4 -3 -2 -1 1 2 3 4 5 6

140 159 159 136 136 157 157 173 181 181 177 177 188 154 154 179 179 180 180 160 160 1984

-840 -795 -544 -544 -471 -471 -346 -181 -181 177 177 376 462 462 716 716 900 900 960 960 404

36 25 16 9 4 1 1 4 9 16 25 36 182

5040 5040 3975 3975 2176 2176 1413 1413 692 181 181 171 171 752 1386 1386 2864 2864 4500 4500 5760 5760 28710

1296 1296 625 625 256 256 81 16 1 1 16 81 1256 1256 625 625 1296 1296 4550

118.36 118.36 127.8 127.82 2 143.8 143.88 8 146.7 146.74 4 147.6 152.4 152.46 6 156.8 156.86 6 158.4 159.9 159.96 6 161.4 161.48 8 149.8 149.82 2 144.7 144.76 6

Σ

e=dtdt' 21.64 21.64 31.18 31.18 -7.88 -7.88 10.26 10.26 23.4 28.54 28.54 20.14 20.14 29.6 -5.96 -5.96 17.52 17.52 30.18 30.18 15.24 15.24


e2 468.29 468.29 972.1 972.19 9 62.09 62.09 105.2 105.27 7 547.56 814.5 814.53 3 405.6 405.62 2 876.16 35.52 35.52 306.9 306.95 5 910.8 910.83 3 232.2 232.26 6 5737.2 7

24

12


Metoda Kuadratis n

n

∑t.dt b=

t =1 n

n

n

2

2

∑dt∑t − N ∑t .dt t =1

t=1

c=

n

2

2

∑(t 2)

∑t t =1

t =1

n

n

t =1

t =1

t =1 n

b=

182

= 2. 22 ≈ 2. 2

4

− n∑t t =1

c=

(1984)(182) − 12(28910) 2

(182)

=

3610 361088 88− 3469 346920 20

4550) − 12(4550

3312 33124 4− 54600 4600

2

∑dt − C ∑t a=

404

=

N

SEE = =

573727 .

a=

14168 −21476

6 597≈ 0.66 66 = −0.65

1984− 0.66(1 82 82) 12

12 − 3

=

1984− 12012 01 . 2 12

. = 15532

573727 . 9

2

= 25. 25 25 ≈ 25

66t ∴dt' = 155.32 + 2. 2t + 0. 66

25



Pemilihan Metoda Terbaik & Hasil Peramalan

SEE

Konstan Konstan

Linier

Siklis

17

16

25

•

Metode yang dipilih adalah metode peramalan linier

•

Dt' = 156 + t

t Dt'

13 169

14 170

15 171

16 172

17 173

18 174

19 175

20 176

21 177

22 178


23 179

24 180

26

13


Metoda Peramalan Lainnya •

Moving average method 

•

Exponential smoothing 

•

Simple moving average

Simple exponential smoothing

Winters model


27


Verifikasi Peramalan • •

Dilakukan untuk memverifikasi apakah fungsi peramalan yang digunakan mewakili pola data yang ada. Metoda verifikasi: moving range chart

•

Moving Range

•

Average moving range

•

Control limits

(

) (

)

MR = d t ' − d t − d t ' −1 − d t −1 MR = ∑

MR n −1

UCL = +2.66 MR LCL = −2.66 MR


28

14


Verifikasi Peramalan • Pengujian Out of control 







Dari 3 titik yang berurutan, 2 titik atau lebih di Daerah A Dari 5 titik yang berurutan, 4 titik atau lebih di Daerah B Dari 8 titik yang berurutan seluruhnya berada atau di bawah center line Satu titik di luar batas kontrol

A n o i g e r

B n o i g e r

C n o i g e r

UCL

center line

• Bila kondisi out-of-control terjadi, tindakan yang bisa diambil : 



A n o i g e r

Perbaiki ramalan dengan mencakup data baru (sistem sebab baru) Tunggu evidence selanjutnya

B n o i g e r

C n o i g e r

LCL

29



Contoh Verifikasi (1) t

Dt

Dt'

Dt'Dt'- Dt

1

140

156

16

2

159

157

-2

18

3

136

158

22

24

= 14.45 11 UCL = 38.45

4

157

159

2

20

5

173

160

-13

15

6

181

161

-20

7

LCL = −38.45

7

177

162

-15

5

8

188

163

-25

10

9

154

164

10

15

10

179

165

-14

24

11

180

166

-14

0

12

160

167

7

21

•Dt' = 156 + t

MR =

159

MR

159 TI3122-Perencanaan TI3122-Perencanaan dan Pengendalian Produksi - Minggu 2

30

15


Contoh Verifikasi (2)


31


Tugas Kelompok •

Buku: 

• •

Bab: 



4.24, 4.29 dan 4.36 Data demand/penjualan demand/penjualan pada setiap soal di atas diubah menggunakan formula: Demand (baru) = demand (buku) * bulan + tanggal Dimana: Bulan = bulan kelahiran kelahiran (mis: Juli = 7) Tanggal = tanggal kelahiran dari salah satu anggota kelompok

Kelompok: 

•

Forcasting (Bab 4)

Soal: 

•

Sipper D, R.L. Bulfin, Production planning, control and integration, integration, McGraw-Hill, USA, 1997



Beranggotakan minimum 1 orang dan maksimum 3 orang (masingmasing dari TI(1), TI(2) dan TI(3); Anggota kelompok tidak boleh dari kelas yang sama

Dikumpulkan:  

Rabu, 10 September 2003 Jam 12.00, di LSP TI3122-Perencanaan TI3122-Perencanaan dan Pengendalian Produksi - Minggu 2

32

16

2) Peramalan & Pengelolaan Demand

Recommend Documents