forecasting
TRANSCRIPT
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