forecasting

II. FORCASTING ( PERAMALAN )

1. PERAMALAN -- Suatu perkiraan jumlah produksi untuk merencanakan segala sumber Daya yang digunakan dalam menyiapkan produk dengan menggunakan DATA-DATA masa lalu.

2. DATA --- Sesuatu yang pernah terjadi dan dapat dipertanggung jawabkan.

3. JENIS- JENIS DATA :- Kualitatif- Kuantitatif.

3. SIFAT-SIFAT :- Data Primer- Data sekunder

4. MACAM-MACAM METODE PERAMALAN.- Past Data- Metode Moving Average- Metode Regresi- Metode Exponential Smooting- Metode Musiman.

5. Pedoman pemakaian Metode Peramalan Peramalan atau perkiraan merupakan sesuatu yang

tidak pasti namun dapat digunakan dalam suatu perencanaan Jumlah Produksi dengan mengambil RESIKO yang terke cil.

Pemakaian Metode Peramalan smuanya dalam hasil yang tidak pasti tetapi perlu Pedoman untuk menentukan Metode

yang sesuai Pola Data-data Masa lalu dan dalam pengambilan keputusan untuk mengambil hasil ramalan sebagai dasar perencanaan perlu Uji Tracking Signal

A. LANGKA-LANGKA PENERAPAN METODE PERAMALAN

1. Identifikasi Pola Historis dari Data Aktual 2. Menentukan Model Peramalan sesuai Pola Data3. Melakukan Analisis data dengan M. Peramalan4. Menganalisis hasil Peramalan Berdasarkan MAD

• ( Mean Absolute Deviation) Terkecil.• 5. Menganalisis Keandalan Hasil Peramalan dengan

peta Kontrol Tracking Signal.

B. POLA DATA DERET WAKTU.

1. Pola Data Constant Level.2. Pola Data Lenear trend.3. Pola Exponential trend.3. Pola data Musiman

D. Rumus Tracking Signals.Periode(1)

Forcast (2)

Data Aktual (3)

Error(4)=(3)-(2)

Kumulatif (5) =Komulatif dari (4)

Absolut Error(6) = Absolut dari (4)

Komulatif Absolut Error(7)= Komulatif dari (6)

MAD(8) = (7) / (1)

Tracking Signal(9) = (5) / (8)

6. APLIKASI METODE PERAMALAN

a. Metode Past Data -- jika data masa lalu hanya 1.

b. Metode Moving Average- Rata-Rata Bergerak

Rumus Peramalan :

Ft = X1 + X2 + ...... + Xtt

2. : Metode Regresi. a. Betuk Pola Data LINEAR

Y ‘ = a.n + b.x Y’ = a.n + b.X + c X² + d X3

Aplikasi Metode Regresi Linear

Data-data Penjualan Masalah Lalu ( Data Aktual

Periode Data Aktual ( Unit )

1. 2.050 2. 2.450 3. 5.500 4. 4.960 5. 6.560 6. 7.580 7. 8.300

3.Metode Peramalan Exponential Smoothing

a. Pola data .

b. Rumus Exponential Smoothing Tunggal

Ft = Ft-1 + (At-1 – Ft-1)

Ket : Ft : Nilai ramalan untuk periode waktu ke t

Ft-1 : Nilai ramalan untuk 1 periode yang lalu

At-1 : Nilai Aktual untuk 1 periode yang lalu

: konstanta Pemulasan (0 < > 1 )atau 0,1 sd 0,9MAD = ( absolut dari penyimpangan peramalan)

n

c. Rumus Exponential Ganda

F’t = Ft + (1- )F’t -1Ket : F’t : Nilai ramalan exp.ganda periode tF’t-1 : Nilai ramalan untuk 1 periode yang laluFt : Nilai ramalan tunggal pada periode t : konstanta Pemulasan (0< >1)atau 0,1 sd 0,9

MAD = ( absolut dari penyimpangan peramalan) n

Periode Data Aktual ( Unit )

1. 18.050 2. 20450 3. 25.500 4. 36.560 5. 40.560 6. 45.580 7. 48.000

Periode Data Aktual ( Unit )

1. 20.050 2. 25.450 3. 22.500 4. 18.500 5. 20.560 6. 35.580 7. 48.000 8. 30.650 9. 36.750

a. Pola data cenderung sama pada waktu yang sama di periode yang lain.

Periode I Periode II

Tentukan Indeks Musiman. Indeks Musim = Rata-rata penjualan dari 2 periode pd waktu

sama Rata-rata penjualan setiap waktu dari 2

periode

Analisis garis kecenderungan

Ramalkan sesuai kecenderungan pola data.

Data-data 2 Periode : Bulan Periode I Periode II

1. 8.000 12.0002. 7.500 11.0003. 8.200 12.5004. 9.000 13.0005. 13.500 17.400

6. 11.000 15.4007. 10.000 13.750

8. 9.500 10.500 9. 8.000 11.500 10. 9.850 10.000 11. 7.500 10.500 12. 8.600 11.000

TABEL I :PENENTUAN INDEX MUSIM:

TABEL II : PERHITUNGAN ANALISIS GARIS KECENDERUN

TABEL III :PERAMALAN SESUAI POLA DATA

(1) (2) (3) (4) (5) (6)Satuan Periode

Data periode

I

Data periode

II

Rata2 Permintaan(1)+(2) /2

Rata2 Permintaan /bulan ∑(3) /jml bln

Indek Musim (4)/(5)

(1) (2) (3) (4) (5)Periode

WktI dan II

Indeks Waktu (t)

Data Aktual (A)

t. A(2) X (3)

2(t)

(1) (2) (3) (4) (5) (6)

Periode Wkt II

Indeks Waktu (t)

Data Aktual

(A)

Indek Musim

Nilai Ramalan sesuai model

Nilai Ramalan setelah dikoreksi Indeks Musim