METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method) Febriyanto, S.E., M.M. www.febriyanto79.wordpress.com
Peramalan Permintaan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umunya berada di luar kendali manajemen. Seperti: pelanggan, pesaing, pemerintah dan lain sebagainya. Peramalan permintaan manajemen operasi: perencanaan skedul produksi, perencanaan pemenuhan kebutuhan bahan, perencanaan kebutuhan tenaga kerja, perencanaan kapasitas produksi, perencanaan layout fasilitas, penentuan lokasi, penentuan metode proses, penentuan jumlah mesin dan lain sebagainya.
Peramalan Permintaan Metode Peramalan Permintaan Metode kuantitatif dapat dibagi ke dalam deret berkala atau runtun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi mejadi metode eksploratoris dan normatif. Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu: 1. Tersedia informasi tentang masa lalu 2. Informasi dapat dikuantitatifkan dalam bentuk data numerik 3. Diasumsikan pola masa lalu akan terus berlanjut. Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu: Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
1. Metode Bebas
2. Metode setengah ratarata (semi average method) Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut: Y' = a o + bx Keterangan Y : nilai trend periode tertentu a : nilai trend periode dasar b : tambahan trend tahunan yang dihitung dengan cara (X 2 X 1 )/n X 2 : setengah ratarata kelompok kedua X 1 : setengah ratarata kelompok pertama n : jumlah periode antara x 2 dan x 1 X : jumlah unit tahun yang dihitung dari periode dasar.
2. Metode setengah ratarata (semi average method) a o = a 1988 = 332.0 b = (X 2 X 1 )/n = (459.600 332.0)/5 = 25.480
2. Metode setengah ratarata (semi average method) Nilai trend permulaan tahun 19861995 adalah: a o = a 1988 = 319.0 b = (X 2 X 1 )/n = (459.600 332.0)/5 = 25.480 Y 1986 = 332.0 + 25.480 (2,5) = 268.500 Y 1987 = 332.0 + 25.480 (1,5) = 293.980 Y 1988 = 332.0 + 25.480 (0,5) = 319.460 Y 1989 = 332.0 + 25.480 ( 0,5) = 344.940 Y 1990 = 332.0 + 25.480 ( 1,5) = 370.4 Y 1991 = 332.0 + 25.480 ( 2,5) = 395.900 Y 1992 = 332.0 + 25.480 ( 3,5) = 421.380 Y 1993 = 332.0+ 25.480 (4,5) = 446.860 Y 1994 = 332.0 + 25.480 ( 5,5) = 472.340 Y 1995 = 332.0 + 25.480 ( 6,5) = 497.8
2. Metode setengah ratarata (semi average method) Misalnya: Nilai trend permulaan tahun 19861995 adalah: a o = a 1993 = 459.600 b = (X 2 X 1 )/n = (459.600 332.0)/5 = 25.480 Nilai trend permulaan tahun 19861995 adalah: Y 1986 = 459.600+ 25.480 (7,5) = 268.500 Y 1987 = 459.600+ 25.480 (6,5) = 293.980 Y 1988 = 459.600+ 25.480 (5,5) = 319.460 Y 1989 = 459.600+ 25.480 (4,5) = 344.940 Y 1990 = 459.600+ 25.480 (3,5) = 370.4 Y 1991 = 459.600+ 25.480 (2,5) = 395.900 Y 1992 = 459.600+ 25.480 (1,5) = 421.380 Y 1993 = 459.600+ 25.480 (0,5) = 459.600 Y 1994 = 459.600+ 25.480 ( 0,5) = 472.340 Y 1995 = 459.600+ 25.480 ( 1,5) = 497.8
2. Metode setengah ratarata (semi average method)
3. Metode Single Moving Average Metode single moving average Cara menghitung: Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar ratarata 3 bulan sebelumnya. Rumus: S t+1 = Forecast untuk periode ke t + 1 X t n X = Data periode t X... X n t t1 tn1 St 1 = Jangka waktu moving averages.
3. Metode Single Moving Average Misal: Jika forecast dengan metode 3 bulan moving averages untuk bulan April adalah Penjualan Januari.000 kg X Februari Maret X 3 X 3 2 1 S 4 S 4 S 4 19.000.000 21.000 3 21.000 kg 19.000 kg.000
3. Metode Single Moving Average Bulan Bulan Permintaan Permintaan Forecast Forecast 3 bulan 3 bulan 5 bulan 5 bulan Januari Januari Februari Februari Maret Maret 21 21 19 19 April April Mei Mei Juni Juni Juli Juli Agustus Agustus September September Oktober Oktober November November Desember Desember 17 17 22 22 24 24 18 18 23 23 25 25 22 22 24 24.00.00 19.00 19.00 19.33 19.33 21.00 21.00 21.33 21.33 2 2.33.33 22.67 22.67 22.33 22.33 19.80 19.80.60.60.00.00.80.80 21.40 21.40 22.00 22.00 21.60 21.60
3. Metode Single Moving Average Metode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast halhal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya. Metode Single Moving Average mempunyai 2 sifat khusus: Untuk membuat forecast diperlukan data masa lalu selama jangka waktu tertentu. Semakin panjang moving averages, maka akan menghasilkan moving averages yang semakin halus. Menghitung forecast error Mean absolute error => Mean squared error => E X E X t n t S t 2 S t
3. Metode Single Moving Average Bulan Bulan Permintaan Permintaan 3 bulan 3 bulan Forecast Forecast Error Error Absolute Absolute error error (Error) (Error) 2 Januari Januari Februari Februari Maret Maret 21 21 19 19 Maret Maret April April Mei Mei Juni Juni Juli Juli Agustus Agustus September September Oktober Oktober November November Desember Desember 19 19 17 17 22 22 24 24 18 18 23 23 25 25 22 22 24 24.00.00 19.00 19.00 19.33 19.33 21.00 21.00 21.33 21.33 2 2.33.33 22.67 22.67 22.33 22.33 3.00 3.00 3.00 3.00 4.67 4.67 3.00 3.00 4.67 4.67 0.67 0.67 3.00 3.00 3.00 3.00 4.67 4.67 3.00 3.00 4.67 4.67 0.67 0.67 9.00 9.00 9.00 9.00 21.78 21.78 9.00 9.00 2.78 2.78 2.78 2.78 21.78 21.78 0.44 0.44 2.78 2.78
3. Metode Single Moving Average Perbandingan eror antara 3 bulan dan 5 bulan moving average 3 bln moving average 5 bln moving average Mean absolut error 2.67 2.37 Mean squared error 8.81 7.54 Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.
4. Trend Metode Least Square Trend adalah ratarata perubahan dalam jangka panjang. Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif. Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif. Salah satu metode trend yang digunakan adalah metode least squares. Persamaan trend dengan metode least square adalah Ŷ = a + bx
4. Trend Metode Least Square Y = a + bx Σx = na + bσx Σxy = x + b Σx 2 Dimana: a & b = konstanta persamaan n = Jumlah data x = periode waktu Tahun X Penjualan Y 00 10 01 05 02 15 03 04 25 05 30 06 40 07 45 08 35 xy X 2 Y
4. Trend Metode Least Square Σx = na + bσx Σxy = xa + bσx 2 Tahun X Penjualan Y xy X 2 Y 00 0 10 0 0 01 1 05 5 1 02 2 15 30 4 03 3 60 9 04 4 25 100 16 05 5 30 150 25 06 6 40 240 36 07 7 45 315 49 08 8 35 280 64 36 1180 4
4. Trend Metode Least Square Σx = na + bσx 36 = 9a + 36b (4) Σxy = xa + b Σx 2 1180 = 36a + 4b (1) 36 = 9a + 36b (4) => 144 = 36a + 144b 1180 = 36a + 4b (1) => 1180 = 36a + 4b 1036 = 60b b = 1036 /60 b = 17.3 36 = 9a + 36b => 36 = 9a + 36 (17.3) => 36 = 9a + 622.8 => 9a = 622.8 36 => 9a = 586.8 => a = 65.2 Y = 65.2 + 17.3 x
Tahun Penjualan X XY X^2 Ŷ 00 10 0 0 0 65.25 01 5 1 5 1 47.95 02 15 2 30 4 30.65 03 3 60 9 13.35 04 25 4 100 16 3.95 05 30 5 150 25 21.25 06 40 6 240 36 38.55 07 45 7 315 49 55.85 08 35 8 280 64 73.15 Σ 215 1180 4 Y = 65,25 + 17.30X a = 65.25 b = 17.30