KONSEP DASAR PERAMALAN Pertemuan 1 dan 2
Penjualan september 1.200 unit Apa ?? 1.200 ???
Membuat keputusan yang baik Apakah yang yang dapat membuat membuat suatu 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
perusahaan perusahaan
Data
pemerintah (laporan Biro Pusat Statistik, Departemen, dll)
FAKTOR
INTERNAL THD PENJUALAN
Kualitas,
FAKTOR
harga, delivery time, promosi, discount, dll
EKSTERNAL
Indikator
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 perhitunga n
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.
input
Generating process sistem
output
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. input
Cause and effect relationship
sistem
output
Contoh:
MODEL KUALITATIF
REGRESI
PERAMALAN
RATA-RATA
TIME SERIES
SMOOTHING
MOVING AVERAGE
MODEL KUANTITATIF EXPONENTIAL SMOOTHING
KAUSAL
Horison dan Periode Peramalan Horison peramalan: menunjukkan seberapa jauh ke depan peramalan dilakukan dan terkait dengan jangkauan perencanaan perencanaan yang akan dilakukan dilakukan (misal: (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 Select several forecating methods which suitable for the demand pattern Performs the forecasting and evaluate the forecasting error Select forecast result with the smallest error, error, validate and interpret the result
Pola Data pada Model Time-Series
Sumber: Metode dan Aplikasi peramalan, Makridakis, S.
Teknik Peramalan untuk Pola Data Horizon
Data relatif stable untuk periode waktu tertentu
Terjadi variasi sepanjang waktu tetapi tidak signifikan
Fungsi yang menunjukkan pola data konstan d(t) = a
d(t)
= permintaan selama periode t
a
= konstanta
Teknik 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 Trend Demand
menunjukkan kecenderungan meningkat (menurun) dari waktu ke waktu
Fungsi
pola data trend adalah: d(t) = a + bt
d(t)
= permintaan pada periode t
a, b = parameter model Teknik
peramalan yang dipakai antara lain:
Double
moving average Pemulusan eksponensial dari Brown Pemulusan eksponensial dari Holt
Teknik Peramalan untuk Pola Data Siklis
Pola data siklis dapat didefiniskan sebagai fluktuasi seperti gelombang disekitar garis trend.
Pola siklis cenderung untuk berulang setiap dua, tiga tahun, atau lebih
Pola 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 Musiman Suatu
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 winter
Regresi
berganda runtut waktu
Metode
Box-Jenkins
Kesalahan Peramalan (1)
Di dalam setiap sistem selalu terdapat unsur acak di dalamnya.
Karena itu sistem lebih tepat digambarkan sebagai berikut: input
output sistem
Unsur acak
Unsur acak di dalam sistem menghasilkan adanya kesalahan ramalan (hasil ramalan dan kondisi sesungguhnya tidak sama persis).
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 r amalan 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
Pelan ggan
Nilai belanja
Nilai estimasi 7
Nilai estimasi 9
Nilai estimasi 10
Nilai estimasi 12
Error
Error
Error
Error
Square d error
Square d error
Square d error
Square d error
1
9
2
4
0
0
-1
1
-3
9
2
8
1
1
-1
1
-2 -2
4
-4
16
3
9
2
4
0
0
-1
1
-3
9
4
12
5
25
2
4
0
0
5
9
2
2
-1
1
-3
9
6
12
5
25
2
4
0
0
7
11
4
16
2
4
1
1
-1
1
8
7
0
0
-2
4
-3 -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
3
0 3
9
0 9
SSE (sum of suared error)
144
48
36
84
MSE (mean squared error
12
4
3
7
Ukuran Kesalahan Peramalan
Mean Square Error (MSE) 2
Error
n
(d t d 't )
MSE t 1
PE t
percentage d (
d ' ) x 100% d
t
t
t
n
Standard Error of Estimate (SEE) 2
n
SEE
t 1
(d t d 't ) (n f )
f = degree of freedom - 1 untuk pola data konstan - 2 untuk pola data trend - 3 untuk pola data siklis
Tahun
Jumlah
1980
98
1981
100
Perhatikan tabel jumlah penjualan tas tradisiona tr adisionall dari sebuah pengusaha kecil di sebelah ini:
1982
107
1983
90
1984
92
1985
100
a) Tentukan MSE dengan uji coba nilai estimasi berturut-turut 90, 95, 100, 105, 110.
1986
98
1987
112
1988
120
1989
100
1990
98
1991
92
1992
95
1993
100
1994
98
Latihan
b) Nilai estimasi mana yang memberikan MSE terkecil?
Verifikasi Peramalan Dilakukan
untuk memeriksa apakah hasil peramalan sudah betul
Menggunakan
teknik moving range chart
Plot nilai (dt-d’t) pada grafik A n o i g e r
B n o i g e r
C n o i g e r
UCL
center line
A n o i g e r
B n o i g e r
C n o i g e r
LCL
Kondisi di luar kendali jika: 1. Ada 1. Ada titik di luar luar UCL atau LCL 2. 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 4. Ada 8 titik plot 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 ? …. Jika jelas penyebab; hasil ramalan bisa dipakai
Jika tidak: bisa tunggu bukti baru baru…. …. Kembali in control … pakai terus…. terus …. Terjadi lagi out of control … pikirkan ganti metode peramalan
Bisa juga langsung mengganti metode peramalan….. peramalan …..
Penutup
Peramalan merupakan langkah awal dalam perencanaan
Berfungsi mendapatkan nilai perkiraan sepanjang periode perencanaan
Perkiraan tersebut menjadi referensi dalam menyusun rencana kerja sesuai ketersediaan sumber daya perusahaan
Peramalan yang diperoleh tepat waktu sangat menolong proses perencanaan
Perlu juga diperhatikan biaya untuk mengumpulkan data serta manfaat dari perencanaan yang diperoleh
Selalu diliputi kesalahan karena itu kemudian perlu up-dating data sebagai bentuk pengendalian
