EMA302 3 Peramalan Forecasting 1

EMA302 - Manajemen Operasional #3 - Peramalan (Forecasting) #1
EMA302 - Manajemen Operasional 1
6623 - Taufiqur Rachman h t t p://ta ufiqurrach man.webl og.e sa unggu l.ac.id
PERAMALAN
(FORECASTING)
Materi #3 EMA302 Manajemen Operasional
Pengertian (1)
2 http://taufiqurrachman.weblog.esaunggul.ac.id
Oxford Dictionary,
Forecast is a statement about what will happen in the
6623 - Taufiqur Rachman
future, based on information that is available now.

(Peramalan adalah pernyataan tentang apa yang akan
terjadi di masa depan, berdasarkan informasi yang
tersedia sekarang).
Peramalan adalah seni dan ilmu untuk memprediksi masa
depan.
Peramalan adalah tahap awal, dan hasil ramalan
merupakan dasar bagi seluruh tahapan pada perencanaan
produksi.
EMA302 - Manajemen Operasional Materi #3
6623 - Taufiqur Rachman 1

Pengertian (2)
Pada hakekatnya peramalan hanya merupakan suatu

perkiraan (guess), tetapi dengan menggunakan teknik-
teknik tertentu, maka peramalan menjadi lebih sekedar
perkiraan.
Peramalan dapat dikatakan perkiraan yang ilmiah
(educated guess). Setiap pengambilan keputusan yang
menyangkut keadaan di masa yang akan datang, maka
pasti ada peramalan yang melandasi pengambilan
keputusan tersebut.
(Sofyan Assauri, 1984, hal. 1).
Mengapa Perlu Peramalan?

Ada ketidakpastian aktivitas produksi di masa

yang akan datang.
Kemampuan & sumber daya perusahaan yang

terbatas.
Untuk dapat melayani konsumen lebih baik,

melalui tersedianya hasil produksi yang baik.

Tujuan Peramalan
Mengurangi ketidakpastian produksi.

Agar langkah proaktif atau antisipatif dapat

dilakukan.
Keperluan penjadwalan produksi.
Jenis Peramalan
Peramalan Ekonomi (economic forecast), menjelaskan siklus

bisnis dengan memprediksi tingkat inflasi, ketersediaan uang,
dana yang dibutuhkan, dan indikator perencanaan lainnya.
Peramalan Teknologi (technical forecast), memperhatikan

tingkat kemajuan teknologi yang dapat meluncurkan produk
baru yang menarik, yang membutuhkan tempat produksi dan
peralatan yang baru.
Peramalan Permintaan (demand forecast), proyeksi permintaan

untuk produk atau layanan suatu perusahaan. Disebut juga
peramalan penjualan, yang mengendalikan produksi, kapasitas,
serta sistem penjadwalan dan menjadi input bagi perencanaan
keuangan, pemasaran, dan sumber daya manusia.

Validitas Peramalan
Identifikasi masalahnya.
Pemilihan dan pengumpulan datanya (tidak

reliabel, valid, dan lengkap).
Pemilihan alat atau metode peramalannya.
Interprestasi hasil atau penerjemahan hasil.
Kegunaan Peramalan
Akuntansi Perkiraan biaya/keuntungan

Keuangan Arus kas dan pendanaan
Sumber daya manusia Perekrutan, pelatihan

Pemasaran Harga, promosi, strategi
Sistem informasi
Sistem IT/IS, pelayanan
manajemen
Operasi Penjadwalan, MRP, beban kerja

Desain produk/jasa Produk dan jasa baru

Taksonomi Peramalan
Peramalan
Metode Metode
Kualitatif Kuantitatif
Juri Opini
Time Series Kausal
Eksekutif
Metode Regresi
Regresi Smoothing Dekomposisi
Delphi Linier
Tenaga Koefisien
Rata-rata
Penjualan Korelasi
Moving Pemodelan
Survei Pasar
Average Ekonomik
Exponential
Smoothing
Metode Kualitatif
Juri Opini Eksekutif, peramalan dilakukan oleh eksekutif

(manajer) tingkat atas perusahaan, karena kemampuan
yang mereka miliki.
Metode Delphi, dilakukan dengan melengkapi data untuk

peramalan melalui pembagian daftar pertanyaan kepada
pelanggan/konsumen/masyarakat.
Tenaga Penjualan, peramalan dilakukan dengan
memanfaatkan kedekatan tenaga penjual dengan
konsumen.
Survei Pasar, peramalan dilakukan dengan turun langsung
ke lapangan/pasar, sehingga diperoleh informasi langsung
dari pasar.

Metode Kuantitatif Time Series

Peramalan Permintaan
Moving averages (time series dengan

komponen tren).
Exponential smoothing (time series dengan

komponen tren).
Linear trend
multiplicative model
(komponen tren dan musiman/sesaonal).

Moving Averages (1)

Untuk mengatasi masalah menggunakan rata-rata

sederhana (simple average)
Teknik moving average menghasilkan perkiraan

masa depan dengan rata-rata permintaan
sebenarnya hanya untuk n periode waktu terakhir
(n sering pada kisaran 4 - 7).
Setiap data yang lebih dari n, maka diabaikan.
Nilai yang dipilih untuk n harus menjadi pilihan
terbaik untuk data historis yang tersedia.
Moving Average (2)

Secara matematis, persamaan moving average adalah:

Dimana:
Ft = Peramalan untuk periode mendatang (periode t)
n = Jumlah periode yang dirata-ratakan
At-1 = Jumlah aktual periode sebelumnya hingga periode n

Contoh #3.1 Simple Moving Average

Pertanyaan Minggu Permintaan

Berapa nilai peramalan 1 650
permintaan untuk 3 2 678
mingguan dan 6 3 720

mingguan dengan 4 785
menggunakan simple 5 859
moving average ? 6 920
7 850
Asumsi 8 758
Data aktual yang dimiliki 9 892
hanya 3 minggu dan 6 10 920
minggu. 11 789
12 844
Jawaban Contoh #3.1

Minggu Permintaan 3-Week 6-Week

1 A1 650
2 678 A2
3 A3 720
4 785 682.67
5 859 727.67
6 920 788.00
7 850 854.67 768.67
8 758 876.33 802.00
9 892 842.67 815.33
10 920 833.33 844.00
11 789 856.67 866.50
12 844 867.00 854.83

Contoh #3.2 Simple Moving Average

Pertanyaan Minggu Permintaan

Berapa nilai peramalan
berikut untuk 3 1 820
mingguan dan 5 2 775

mingguan dengan
menggunakan simple 3 680
moving average ?
4 655
Asumsi 5 620
Data aktual yang dimiliki
6 600
hanya 3 minggu dan 5
minggu. 7 575
Jawaban Contoh #3.2

Week Demand 3-Week 5-Week

1 820
2 775
3 680
4 655 758.33
5 620 703.33
6 600 651.67 710.00
7 575 625.00 666.00

Weighted Moving Average (1)

Merupakan sebuah penyempurnaan dari

pendekatan simple moving average.
Dengan memeberikan bobot pada yang data

sebelumnya.
Secara umum, data terbaru memiliki bobot lebih
besar.
Tidak seperti simple moving average yang
menggunakan bobot yang sama.
Weighted Moving Average (1)

Sebagai contoh, kita mungkin percaya bahwa data

terbaru adalah indikator terbaik dari sebuah kumpulan
data, tetapi untuk mencegah terjadinya fluktuasi acak,
disertakan tiga bobot data, masing-masing dengan

penurunan tingkat kepentingan.
Daripada menggunakan bobot 1/4 atau 0.25, untuk 4

periode dalam moving average, dapat digunakan 0.10,
0.20, 0.30, dan 0.40 (catatan: jika dijumlahkan = 1.0).
Bobot lainnya mungkin 0.20, 0.20, 0.25, 0.35 atau 0.05,

0.10, 0.25, dan 0.60.

Persamaan Weighted Moving Average

Dimana, Wt adalah bobot yang diberikan untuk

periode waktu "t (ketika semua bobot
ditambahkan harus sama dengan satu).
Contoh #3.3 Weighted Moving Average

Pertanyaan:
Tabel berikut merupakan data permintaan mingguan
berserta bobot. Berapa nilai peramalan untuk periode 4 atau
minggu ke-4.
Minggu Permintaan Bobot (Weight)
1 650 t-1 0.5
2 678 t-2 0.3
3 720 t-3 0.2
4 ???
Perhatikan bahwa bobot lebih menekankan pada data
terbaru, yaitu jangka waktu "t-1"

Jawaban Contoh #3.3

Minggu Permintaan W Peramalan

1 650 0.2
2 678 0.3
3 720 0.5
4 693.4
Contoh #3.4 Weighted Moving Average

Pertanyaan:
Tabel berikut merupakan data permintaan mingguan
berserta bobot. Berapa nilai peramalan untuk periode 5 atau
minggu ke-5.
Minggu Permintaan Bobot (Weight)
1 820 t-1 0.7
2 775 t-2 0.2
3 680 t-3 0.1
4 655

Jawaban Contoh #3.4

Minggu Permintaan W Peramalan

1 820
2 775 0.1
3 680 0.2
4 655 0.7
5 672
Exponential Smoothing (1)

Exponential smoothing memiliki

keuntungan dibandingkan moving average
karena:
Perhitungan yang lebih sederhana, dan
Persyaratan data yang diperlukan lebih

sedikit, terutama dalam situasi yang
memerlukan penggunaan data dari
sejumlah besar periode masa lalu.


Perhitungan peramalan dengan exponential

smoothing menggunakan persamaan berikut:
Peramalan Baru=
() Permintaan Aktual Peridoe Lalu + (1 )
Permalan Periode Lalu
Atau,
Peramalan Permintaan =
Peramalan Periode Lalu + (Permintaan
Aktual Periode Lalu Peramalan Periode Lalu)

Dimana:
Ft = Nilai peramalan untuk periode waktu t.
Ft-1 = Nilai peramalan untuk 1 periode waktu
sebelum t.
At-1 = Nilai aktual untuk 1 periode waktu t.

= Konstanta smoothing alpha


Dimana adalah konstanta smoothing yang

nilainya harus antara 0 s/d 1.
Konstanta smoothing dapat diartikan

sebagai bobot yang diberikan kepada nilai
data terakhir.
Bobot (1 ) diterapkan pada permalan

terakhir.
Contoh #3.5 Exponential Smoothing

Pertanyaan: Minggu Permintaan

Tabel berikut ini merupakan 1 820
data permintaan mingguan,
2 775
berapa nilai exponential 3 680
smoothing untuk periode 4 655
waktu 2 s/d 10 dengan 5 750
=0.10 dan =0.60
6 802
7 798
Diasumsikan : 8 689
F1 = A1 9 775
10

Jawaban Contoh #3.5 (1)

Kolom alpha () yang bersangkutan menunjukkan

nilai-nilai perkiraan.
Perhatikan bahwa peramalan hanya bisa

dilakukan untuk satu periode waktu ke masa
depan.
Karena F1 = A1 maka:
F1 (=0.10) = 820.00
F1 (=0.60) = 820.00

F (=0.10) F (=0.60)
F2 = F1 + (A1 F1) F2 = F1 + (A1 F1)

= 820 + 0.10(820 820) = 820 + 0.60(820 820)
= 820.00 = 820.00
F3 = F2 + (A2 F2) F3 = F2 + (A2 F2)
= 820 + 0.10(775 820) = 820 + 0.60(775 820)
= 815.50 = 793.00
F4 = F3 + (A3 F3) F4 = F3 + (A3 F3)
= 815.50 + 0.10(680. 815.50) = 793.00 + 0.10(680. 793.00)
= 801.95 = 725.20
Dst. Dst.


Minggu Permintaan F (=0.10) F (=0.60)

1 820 820,00 820,00
2 775 820,00 820,00
3 680 815,50 793,00

4 655 801,95 725,20
5 750 787,26 683,08
6 802 783,53 723,23
7 798 785,38 770,49
8 689 786,64 787,00
9 775 776,88 728,20
10 776,69 756,28
Contoh #3.6 Exponential Smoothing

Pertanyaan: Minggu Permintaan

Berapa nilai peramalan
exponential smoothing 1 820

untuk periode waktu 2 2 775

s/d 5 dengan =0.50
3 680
Diasumsikan : 4 655
F1 = A1
5

Jawaban Contoh #3.6

Minggu Permintaan F (=0.50)

1 820 820.00
2 775 820.00
3 680 797.50
4 655 738.75
5 696.88
F2 = 820+(0.5)(820-820) F3 = 820+(0.5)(775-820)
F2 = 820 F3 = 797.50
Kesalahan Peramalan
Kesalahan peramalan
= Permintaan aktual Nilai peramalan = At Ft
Ada 3 perhitungan yang paling banyak di kenal, yaitu:

DeviasiRata-rata Absolut (Mean Absolute Deviation
MAD).
Kesalahan Rata-rata Kuadrat (Mean Squared Error
MSE).
Kesalahan Persen Rata-rata Absolut (Mean Absolute
Percent Error MAPE).

MAD
MAD yang ideal adalah nol

(=0), yang berarti tidak ada
kesalahan peramalan.
Semakin besar hasil nilai MAD,

menunjukkan model yang
dihasilkan yang kurang tepat.
At = Permintaan aktual Karena MAD merupakan nilai
periode ke-t absolut penjumlahan dari
Ft = Nilai peramalan kesalahan, baik positif dan
periode ke-t negatif, sehingga dapat
n = Jumlah periode t menambah jumlah dan ukuran
rata-rata dari kesalahan yang
t = Periode ditentukan.
MSE
Merupakan selisih kuadrat antara nilai yang

diramalkan dan yang diamati
Menggunakan persamaan berikut:
At = Permintaan aktual
periode ke-t
Ft = Nilai peramalan
periode ke-t
n = Jumlah periode t
t = Periode

MAPE
Masalah yang terjadi dengan MAD dan MSE adalah bahwa nilai
kesalahan tergantung pada besarnya unsur yang diramal, jika
unsurnya dalam satuan ribuan, maka nilai kesalahan bisa
menjadi sangat besar.
MAPE digunakan untuk menghindari masalah tersebut, yang

dihitung sebagai rata-rata diferensiasi absolut antara nilai yang
diramal dan aktual, yang dinyatakan dalam persentase nilai
aktual.
Menggunakan persamaan berikut:
At = Permintaan aktual
periode ke-t
F t = Nilai peramalan
periode ke-t
n = Jumlah periode t
t = Periode
Contoh #3.7 MAD, MSE, MAPE

Pertanyaan:
Berapa nilai MAD, MSE, dan MAPE dari tabel nilai
peramalan berikut ini

Bulan Penjualan Peramalan

1 220 n/a
2 250 255
3 210 205
4 300 320
5 325 315

Jawaban Contoh #3.7 (MAD)

Bulan Penjualan Peramalan Deviasi Absolut

1 220 n/a
2 250 255 = |250 255| = 5

3 210 205 = |210 205| = 5
4 300 320 = |300 320| = 20
5 325 315 = |325 315| = 10
Jumlah 40
40
= = 10
4
Jawaban Contoh #3.7 (MSE)

Bulan Penjualan Peramalan (Deviasi)2

1 220 n/a
2 250 255 = (250 255)2 = (5)2 = 25

3 210 205 = (210 205)2 = (5)2 = 25
4 300 320 = (300 320)2 = (20)2 = 400
5 325 315 = (325 315)2 = (10)2 = 100
Jumlah 550
550
= = 137.5
4

Jawaban Contoh #3.7 (MAPE)

Bulan Penjualan Peramalan 100 *(Deviasi Absolut/Aktual)

1 220 n/a
2 250 255 = 100 * (|5|/250) = 2.00%

3 210 205 = 100 * (|5|/210) = 2.38%
4 300 320 = 100 * (|20|/300) = 6.67%
5 325 315 = 100 * (|10|/325) = 3.08%
Jumlah 14.13%
14.13%
= = 3.53%
4
h t t p://ta ufiqurrach man.webl og.e sa unggu l.ac.id

44 EMA302 - Manajemen Operasional Materi #3

EMA302 3 Peramalan Forecasting 1

Diunggah oleh

Hak Cipta:

Format Tersedia

EMA302 3 Peramalan Forecasting 1

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

EMA302 3 Peramalan Forecasting 1

Diunggah oleh

Hak Cipta:

Format Tersedia

EMA302 - Manajemen Operasional #3 - Peramalan (Forecasting) #1

EMA302 - Manajemen Operasional 1

6623 - Taufiqur Rachman h t t p://ta ufiqurrach man.webl og.e sa unggu l.ac.id

future, based on information that is available now.

6623 - Taufiqur Rachman 1

Pada hakekatnya peramalan hanya merupakan suatu

EMA302 - Manajemen Operasional Materi #3

Mengapa Perlu Peramalan?

Ada ketidakpastian aktivitas produksi di masa

Kemampuan & sumber daya perusahaan yang

Untuk dapat melayani konsumen lebih baik,

EMA302 - Manajemen Operasional Materi #3

6623 - Taufiqur Rachman 2

Mengurangi ketidakpastian produksi.

Agar langkah proaktif atau antisipatif dapat

Keperluan penjadwalan produksi.

EMA302 - Manajemen Operasional Materi #3

Peramalan Ekonomi (economic forecast), menjelaskan siklus

Peramalan Teknologi (technical forecast), memperhatikan

Peramalan Permintaan (demand forecast), proyeksi permintaan

EMA302 - Manajemen Operasional Materi #3

6623 - Taufiqur Rachman 3

Pemilihan dan pengumpulan datanya (tidak

Pemilihan alat atau metode peramalannya.

Interprestasi hasil atau penerjemahan hasil.

EMA302 - Manajemen Operasional Materi #3

Akuntansi Perkiraan biaya/keuntungan

Sumber daya manusia Perekrutan, pelatihan

Operasi Penjadwalan, MRP, beban kerja

EMA302 - Manajemen Operasional Materi #3

6623 - Taufiqur Rachman 4

Juri Opini Eksekutif, peramalan dilakukan oleh eksekutif

Metode Delphi, dilakukan dengan melengkapi data untuk

6623 - Taufiqur Rachman 5

Metode Kuantitatif Time Series

EMA302 - Manajemen Operasional Materi #3

Moving averages (time series dengan

Exponential smoothing (time series dengan

EMA302 - Manajemen Operasional Materi #3

6623 - Taufiqur Rachman 6

Moving Averages (1)

Untuk mengatasi masalah menggunakan rata-rata

Teknik moving average menghasilkan perkiraan

Moving Average (2)

Secara matematis, persamaan moving average adalah:

EMA302 - Manajemen Operasional Materi #3

6623 - Taufiqur Rachman 7

Contoh #3.1 Simple Moving Average

Pertanyaan Minggu Permintaan

mingguan dan 6 3 720

Jawaban Contoh #3.1

Minggu Permintaan 3-Week 6-Week

6623 - Taufiqur Rachman 8

Contoh #3.2 Simple Moving Average

Pertanyaan Minggu Permintaan

mingguan dan 5 2 775

EMA302 - Manajemen Operasional Materi #3

Jawaban Contoh #3.2

Week Demand 3-Week 5-Week