b. peramalan
Post on 26-Oct-2015
45 Views
Preview:
TRANSCRIPT
Teknik Industri FT-Universitas Pancasila
Sistem ProduksiPeramalan & Pengelolaan Demand
Sistem Produksi
Teknik Industri – FT UP
Teknik Industri FT-Universitas Pancasila
2
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
Teknik Industri FT-Universitas Pancasila
3
FORECASTING
• Tanya pada yang berkompeten (expert)
• Cross check dengan data penjualan masa lalu
Perlu metoda bukan sekedar intuisi Forecasting
Gila ajah
Penjualan
september 1.200
unit
Apa ??
1.2000
???
Teknik Industri FT-Universitas Pancasila
4
Peramalan
• Peramalan: Estimasi nilai atau karakteristik masa depan
prediksi (prediction)
peramalan (forecast)
kecenderungan (trend)
Teknik Industri FT-Universitas Pancasila
5
Demand
• Faktor yang mempengaruhi demand Variasi random
Rencana konsumen
Daur hidup produk
Pesaing
Perilaku/sikap konsumen
Waktu
Siklus bisnis
Iklan
Sales effort
Reputasi
Desain produk
Kebijaksanaan kredit
Kualitas
Perusahaan PermintaanInput Output
Teknik Industri FT-Universitas Pancasila
6
DATA
SUMBER :
Arsip perusahaan
Data pemerintah (laporan Biro Pusat Statistik, Departemen, dll)
• FAKTOR INTERNAL THD PENJUALAN
Kualitas, harga, delivery time, promosi, discount, dll
• FAKTOR EKSTERNAL
Indikator perekonomian : GNP, tingkat pertumbuhan ekonomi, tingkat inflasi, nilai tukar valuta asing, dll
Teknik Industri FT-Universitas Pancasila
7
Sistem Peramalan (1)
Data Historis
Tujuan
model
Forecast
(Prediction)
Feedback on
forecast
accuracy
Data checked for
accuracy and
reasonableness
Update sesuai
kebutuhan
Knowledge of
changed
condition
Pembandingan
dengan kondisi
aktual
Teknik Industri FT-Universitas Pancasila
8
Sistem Peramalan (2)
DECISION
MAKER
ORGANIZATION & ITS
ENVIRONMENT
INFORMAL
INFORMATION
INFORMAL
INFO
MIS
VALUE
OBJECTIVE
DECISION
REQUIREMENT
FORECASTER
VALUE
LIKELY
ACCURACY
COST/TIME
CONSTRAIN
PLANNING
GUIDELINE
ASSUMPTION
WORKING
FORECAST
REVISE
ASSUMPTION
FINAL
FORECAST
ACTION PLAN
No
FORECAST
RECOMMEND
INFORMAL
ADJUST
SELECT KEY
VARIABLES
SELECT
FORECASTING
PROCEDURES
INITIAL
FORECAST
Yes
Teknik Industri FT-Universitas Pancasila
9
Konsiderasi (1)
• 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"
Teknik Industri FT-Universitas Pancasila
10
Konsiderasi (2)
• Ketelitian
Suatu ukuran seberapa tepat ramalan dari kondisi aktual
• Sederhana dalam perhitungan
ketelitian tinggi vs sederhana dalam perhitungan
• Kemampuan menyesuaikan terhadap perubahan
• Lead time, perioda, horizon
Teknik Industri FT-Universitas Pancasila
11
Taksonomi Peramalan
PERAMALAN
KAUSAL
EXPONENTIALSMOOTHING
MOVINGAVERAGE
RATA-RATA
SMOOTHING
REGRESI
TIME SERIES
MODELKUALITATIF
MODELKUALITATIF
Kuantitatif
Teknik Industri FT-Universitas Pancasila
12
Karakteristik
peramalan
Karakteristik ketersediaan informasi
Informasi kuantitatif cukup tersedia Informasi kuantitatif kurang atau
tidak tersedia, tetap pengetahuan
kualitatif cukup tersedia
Informasi
kurang atau
tidak tersedia
Metode deret
waktu
Metode
kausal
Metode
exploratori
Metode
normatif
Peramalan
kontinu
berdasarkan
pola atau
hubungan
tertentu
Memprediksi
pertumbuhan
penjualan
atau GNP
Mempelajari
pengaruh
harga dan
promosi
terhadap
penjualan
Memprediksi
kecepatan
transportasi
pada tahun
2010
Memprediksi
perkembangan
otomotif
pada tahun
2010
Memprediksi
pengaruh
perkembangan
teknologi luar
angkasa
Peramalan
perubahan
yang akan
terjadi
Memprediksi
resesi
berikutnya
Mempelajari
pengaruh
pengendalian
harga dan
pembatasan
iklan TV
terhadap
penjualan
Memprediksi
pengaruh
kenaikan
harga minyak
terhadap
konsumsi
minyak
Memprediksi
embargo
minyak yang
diikuti oleh
perang Arab-
Israel
Penemuan
sumber energi
baru yang
murah dan
tidak
menimbulkan
polusi
Teknik Industri FT-Universitas Pancasila
13
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
Teknik Industri FT-Universitas Pancasila
14
Qualitative Forecasting
1. Market Survey
2. Expert Opinian and the Deplhi Technique
Please check the approproate boxes
I do not own a 35 mm camera
I own Single Lens Refelx (SLR 35 mm camera
I onw an autofocus 35 mm camera
I plan to purchase a new SLR 35 mm camera in the next two years
I plan to purchase a new autofocus 35 mm camera in the next two years
I do not plan to purchase a new 35 mm camera in the next two years
Teknik Industri FT-Universitas Pancasila
15
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
Teknik Industri FT-Universitas Pancasila
16
Prosedur Peramalan
• Plot data permintaan vs. waktu
• Pilih beberapa metoda peramalan
• Evaluasi kesalahan peramalan
• Pilih metoda peramalan dengan kesalahan peramalan terkecil
• Intepretasi hasil peramalan
Teknik Industri FT-Universitas Pancasila
17
Pengembangan Model Peramalan
• Formulasi dasar :
Konstan :
Liniear trend
Seasonal :
• Solve model : cari nilai parameter
• Intepretasi dan implementasi
tktt xfd )(
tt ad
tt btad
ttt acd
Teknik Industri FT-Universitas Pancasila
18
CAUSAL FORECASTING
1. SIMPLE LINIEAR REGRESSION
2. MULTI LINEAR REGRESSION
ntbhad ttt ,...,2,1
1bulan padan dikeluarka yg (IMB)bangunan mendirikanijin jumlah
bulan pada terjualyangset kitchen jumlah where
t-h
td
t
t
. 3322110 ttttt xbxbxbbd
termnoise
bulan padarusak yang phone-cellularjumlah
bulan pada phone-cellular harga
bulan pada potensial pembelijumlah
bulan pada terjualyang phone-cellularjumlah where
3
2
1
t
t
t
t
t
tx
tx
tx
td
Teknik Industri FT-Universitas Pancasila
19
TIME SERIES FORCASTING
1. CONSTANT PROCESS :
a) Simple methods :
b) Moving Average:
c) Simple Exponential smoothing:
2. TREND PROCESS:
• Double exponential smoothing
3. SEASONAL PROCESS:
tt ad
T
t
tTTkT dT
ddF
1
1 dimana
T
NTt
tTTkT dN
MMF
1
1 dimana
1)1( dimana TTTTkT SdSSF
tt btad
ttt acd
Teknik Industri FT-Universitas Pancasila
21
Contoh Teknik Peramalan
• Konstan
• Regresi linier
• Siklis
^ ^ ^
( )D a ad
tn
tt
n
1
N
tbtd
N
t
N
ttdtdtN
t
N
t
N
t
N
t
N
t
N
t
N
t
a
tt
b
tbaD
11^
1
2
2
1 1 1^
^^^
)(
1
)()(.
)(
)(
^
( ) cosD t a ut
Nv sin
2 t
N
2
Teknik Industri FT-Universitas Pancasila
22
Kriteria Performansi Peramalan
• Mean Square Error (MSE)
dimana:
dt = data aktual pada periode t
Dt‘ = nilai ramalan pada periode t
n = banyaknya periode
MSE
t tt
n
n
d D
2
1
( ' )
Teknik Industri FT-Universitas Pancasila
23
Kriteria Performansi Peramalan
• Standard error of estimate (SEE)
dimana:
f = derajat kebebasan
– 1 : untuk data konstan
– 2 : untuk data linier
– 3 : untuk data kuadratis
SEE t t
n f
d Dt
n
2
1
( ' )( )
Teknik Industri FT-Universitas Pancasila
24
Kriteria Performansi Peramalan
• Persentase Kesalahan
• Mean Absolute Percentage Error (MAPE)
t
t t
t
PEd D
dx
( ) %
'100
MAPEn
tt
n
PE
1
Teknik Industri FT-Universitas Pancasila
25
Contoh
• Dari data 12 bulan terakhir tercata penjualan produk X:
• Gambar diagram Pencar:
t 1 2 3 4 5 6 7 8 9 10 11 12
dt 140 159 136 157 173 181 177 188 154 179 180 160
Teknik Industri FT-Universitas Pancasila
26
Metoda Konstan
t dt dt' e = dt - dt' e2 SEE
1 140 165.33 -25.33 641.61 2 159 165.33 -6.33 40.07
3 136 165.33 -29.33 860.25
4 157 165.33 -8.33 69.39 5 173 165.33 7.67 58.83
6 181 165.33 15.67 245.55 7 177 165.33 11.67 136.19
8 188 165.33 22.67 513.93
9 154 165.33 -11.33 128.37 10 179 165.33 13.67 186.87
11 180 165.33 14.67 215.21 12 160 165.33 -5.33 28.41
3124.68 17
Teknik Industri FT-Universitas Pancasila
27
Metoda Konstan
aN
tt
n
t
dd
1 '
SEEn f
dt dtt
n
2
1
3124 68
12 1
3124 68
11
16 85 17
( ')
.
.
.
Teknik Industri FT-Universitas Pancasila
28
Metoda Linier
t dt t . dt t2 dt'=156+1.t e = dt - dt' e2
1 140 140 1 157 -17 289 2 159 318 4 158 1 1
3 136 408 9 159 -23 529
4 157 628 16 160 -3 9 5 173 865 25 161 12 144
6 181 1086 36 162 19 361 7 177 1239 49 163 14 196
8 188 1504 64 164 24 576
9 154 1386 81 165 -11 121 10 179 1790 100 166 13 169
11 180 1980 121 167 13 169 12 160 1920 144 168 -8 64
78 1984 13264 647 2628
t 6.5 dt 165.33
Teknik Industri FT-Universitas Pancasila
29
Metoda Linier
b
N t dt dt t
N
t
n
a
dt
N
b t
Ndt b t
t
n
t
n
t
n
t
n
t
n
t
n
t t
.
.
( )
1 11
2
1
2
1 1
1
b
a dt b t
dt t
12 13264 1984 78
12 647
157168 154752
7764 6084
2416
1680
1 44 1
165 33 1 44 6 5 165 33 9 35
155 98 156
156 1
2
78
( ) ( )( )
( )
.
.
. . ( . ) . .
.
'
( ) SEEn f
dt dtt
n
2
1
2628
12 2
2628
10
16 21 16
( ')
.
Teknik Industri FT-Universitas Pancasila
30
Metoda Kuadratis
t dt t.dt t2 t2.dt t4 dt' e=dt-
dt'
e2
-6 140 -840 36 5040 1296 118.36 21.64 468.29
-5 159 -795 25 3975 625 127.82 31.18 972.19
-4 136 -544 16 2176 256 143.88 -7.88 62.09
-3 157 -471 9 1413 81 146.74 10.26 105.27
-2 173 -346 4 692 16 147.6 23.4 547.56
-1 181 -181 1 181 1 152.46 28.54 814.53
1 177 177 1 171 1 156.86 20.14 405.62
2 188 376 4 752 16 158.4 29.6 876.16
3 154 462 9 1386 81 159.96 -5.96 35.52
4 179 716 16 2864 1256 161.48 17.52 306.95
5 180 900 25 4500 625 149.82 30.18 910.83
6 160 960 36 5760 1296 144.76 15.24 232.26
1984 404 182 28710 4550 5737.2
7
Teknik Industri FT-Universitas Pancasila
31
Metoda Kuadratis
b
t dt N dt
n
a
dt C
N
t
n
t
nt
n
t
n
t
n
t
n
t
n
t
n
t
t t
t t
t
. .
( )
1
2
1
2
1
2
1
2
1
4
1
1
2
1
2 c=
dtt=1
n
b
c
a
dt t t
404
1822 22 2 2
1984 182 12 28910
12 4550
361088 346920
33124 54600
14168
214760 6597 0 66
1984 0 66 182
12
1984 120 12
12
155 32
155 32 2 2 0 66
2
2
182
. .
( )( ) ( )
( )
. .
. ( ) .
.
' . . .
( )
SEE
5737 27
12 3
5737 27
9
25 25 25
.
.
.
Teknik Industri FT-Universitas Pancasila
32
Pemilihan Metoda Terbaik & Hasil Peramalan
• Metode yang dipilih adalah metode peramalan linier
• Dt' = 156 + t
Konstan Linier Siklis
SEE 17 16 25
t 13 14 15 16 17 18 19 20 21 22 23 24
Dt' 169 170 171 172 173 174 175 176 177 178 179 180
Teknik Industri FT-Universitas Pancasila
33
Metoda Peramalan Lainnya
• Moving average method
Simple moving average
• Exponential smoothing
Simple exponential smoothing
• Winters model
Teknik Industri FT-Universitas Pancasila
34
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
1'
1'
ddddMR tttt
1n
MRMR
MRLCL
MRUCL
66.2
66.2
Teknik Industri FT-Universitas Pancasila
35
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
• Bila kondisi out-of-control terjadi, tindakan yang bisa diambil :
Perbaiki ramalan dengan mencakup data baru (sistem sebab baru)
Tunggu evidence selanjutnya
center line
UCL
LCL
reg
ion
A
reg
ion
B
reg
ion
C
reg
ion
A
reg
ion
B
reg
ion
C
Teknik Industri FT-Universitas Pancasila
36
Contoh Verifikasi (1)
•Dt' = 156 + tt Dt Dt' Dt'- Dt MR
1 140 156 16
2 159 157 -2 18
3 136 158 22 24
4 157 159 2 20
5 173 160 -13 15
6 181 161 -20 7
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
159
45.38
45.38
45.1411
159
LCL
UCL
MR
Teknik Industri FT-Universitas Pancasila
37
Contoh Verifikasi (2)
3 8 . 4 5
2 5 . 6 3
1 2 . 8 2
- 3 8 . 4 5
- 1 2 . 8 2
- 2 5 . 6 3
Teknik Industri FT-Universitas Pancasila
38
Tugas Kelompok
• Buku: Sipper D, R.L. Bulfin, Production planning, control and integration,
McGraw-Hill, USA, 1997
• Bab: Forcasting (Bab 4)
• Soal: 4.24, 4.29 dan 4.36 Data demand/penjualan pada setiap soal di atas diubah menggunakan
formula:Demand (baru) = demand (buku) * bulan + tanggal
Dimana:Bulan = bulan kelahiran (mis: Juli = 7)Tanggal = tanggal kelahiran dari salah satu anggota kelompok
• Kelompok: Beranggotakan minimum 1 orang dan maksimum 3 orang (masing-
masing 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
Teknik Industri FT-Universitas Pancasila
39
DESAIN SISTEM FORECASTING
FORECAST NEED
DATA AVAILABLE ?
COLLECT
DATA ?ANALYZE DATA
QUANTITATIVE ?
CAUSAL FACTORS?
TIME SERIES APPROACHCAUSAL APPROACH
SELECT MODEL
CHOOSE METHOD
ESTIMATE PARAMETERS
MODEL VALIDATION
QUALITATICE APPROACH
SELECT MODEL
CHOOSE METHOD
ESTIMATE PARAMETERS
MODEL VALIDATION
CHOOSE METHOD
MODEL VALIDATION
NO
NO
NO
YES
YES
YES
Teknik Industri FT-Universitas Pancasila
40
FORECAST ERROR
• Forecast Error = nilai actual – hasil peramalan
• Jenis Ukuran Forecast Error :
a) Mean Absolut deviatation (MAD) :
b) Mean Square Error (MSE) :
c) Mean absolut percentage Error (MAPE)
ttt Fde
T
t
teT
MAD
1
1
T
tt
eT
MSE
1
21
T
t t
t
d
e
TMAD
1
100.1
top related