BAB III PERAMALAN WordPress com

Bab Iii Peramalan Wordpress Com-Free PDF

  • Date:29 Sep 2020
  • Views:0
  • Downloads:0
  • Pages:29
  • Size:843.20 KB

Share Pdf : Bab Iii Peramalan Wordpress Com

Download and Preview : Bab Iii Peramalan Wordpress Com


Report CopyRight/DMCA Form For : Bab Iii Peramalan Wordpress Com


Transcription:

bagian permintaan ke bagian Production Planning and Inventory. Control PPIC semestinya memisahkan antara permintaan yang. dikembangkan berdasarkan rencana permintaan yang umumnya. masih bersifat tidak pasti dan pesanan pesanan yang bersifat. Sistem peramalan memiliki sembilan langkah yang harus. diperhatikan untuk menjamin efektifitas dan efisiensi Langkah. langkah tersebut termasuk dalam manajemen permintaan yang. disebut juga sebagai konsep dasar sistem peramalan yaitu. Gaspersz 2004,a Menentukan tujuan dari peramalan, b Memilih item independent demand yang akan diramalkan. c Menentukan horison waktu dari peramalan jangka pendek. menengah dan panjang,d Memilih model model peramalan. e Memperoleh data yang dibutuhkan untuk melakukan,f Validasi model peramalan. g Membuat peramalan,h Implementasi hasil hasil peramalan. i Memantau keandalan hasil peramalan,3 2 Metode Peramalan Yang Digunakan.
Penyelesaian peramalan memiliki beberapa metode yang. umum seperti metode weight moving average exponential. smoothing dan regresi linier Berikut ini adalah penjelasan dari. metode tersebut Gaspersz 2004,a Metode Weight Moving Average WMA. Model rata rata begerak terbobot lebih responsif terhadap. perubahan karena data dari periode yang baru biasanya diberi. bobot lebih besar Suatu model rata rata bergerak n periode. terbobot weighted MA n dinyatakan sebagai berikut,Weighted MA n. pembobot untuk periode n permintaan aktual dalam periode n. Selanjutnya untuk mengetahui sejauh mana keandalan dari. model peramalan weighted moving average WMA maka, diharuskan untuk membuat peta kontrol tracking signal Cara. untuk bisa mendapatkan nilai tracking signal harus dicari terlebih. dahulu nilai MAD yang didapat dari rumus matematis adalah. sebagai berikut Gaspersz 2004,absolut dari forecast errors. Tracking Signal,b Metode Exponential Smoothing ES,Metode peramalan dengan pemulusan eksponensial.
biasanya digunakan untuk pola data yang tidak stabil atau. perubahannya besar dan bergejolak Metode permalan ini bekerja. hampir serupa dengan alat thermostat Apabila galat ramalan. forecast error adalah positif yang berarti nilai aktual permintaan. lebih tinggi daripada nilai ramalan A F 0 maka model. pemulusan eksponensial akan secara otomatis meningkatkan nilai. ramalannya Sebaliknya apabila galat ramalan forecast error. adalah negatif yang berarti nilai aktual permintaan lebih rendah. daripada nilai ramalan A F 0 maka metode pemulusan. eksponensial akan secara otomatis menurunkan nilai ramalan. Proses penyesuaian ini berlangsung secara terus menerus kecuali. galat ramalan telah mencapai nol Peramalan menggunakan. metode pemulusan eksponensial dilakukan berdasarkan formula. seperti di bawah ini Gaspersz 2004,Ft Ft 1 A t 1 Ft 1. Keterangan,Ft nilai ramalan untuk periode waktu ke t. Ft 1 nilai ramalan untu satu periode waktu yang lalu t 1. At 1 nilai aktual untuk satu periode waktu yang lalu t 1. konstanta pemulusan smoothing constant,Cara yang digunakan untuk mengetahui sejauh mana. keandalan dari model peramalan berdasarkan pemulusan. eksponensial harus menggunakan peta kontrol tracking signal dan. membandingkan apakah nilai nilai ramalan itu telah. menggambarkan atau sesuai dengan pola historis dari data aktual. permintaan Gaspersz 2004,c Metode Regresi Linier,Metode regresi linier sering sekali dipakai untuk. memecahkan masalah masalah dalam penaksiran tentunya hal ini. berlaku juga dalam peramalan sehingga metode regresi linier. menjadi suatu metode yang mempunyai taksiran terbaik diantara. metode metode yang lain Metode regresi linier dipergunakan. sebagai metode peramalan apabila pola historis dari data aktual. permintaan menunjukkan adanya suatu kecenderungan menaik. dari waktu ke waktu Istilah regresi linier berarti bahwa rataan. y x berkaitan linier dengan x dalam bentuk persamaan linier. populasi Hasan 1999, Koefisien regresi dan merupakan dua parameter yang.
akan ditaksir dari data sampel Bila taksiran untuk kedua. parameter itu masing masing dinyatakan dengan a dan b maka. y x dapat ditaksir dengan dari bentuk garis regresi berdasarkan. sampel atau garis kecocokan regresi Hasan 1999,Keterangan. nilai ramalan permintaan pada peiode ke t,a intersept. b slope dari garis kecenderungan merupakan tingkat perubahan. dalam permintaan, x indeks waktu t 1 2 3 n n adalah banyaknya periode. Dengan taksiran a dan b masing masing menyatakan, perpotongan dengan sumbu y dan kenaikannya Lambang. digunakan di sini untuk membedakan antara taksiran atau nilai. prediksi yang diberikan oleh garis regresi sampel dan nilai y. amatan percobaan yang sesungguhnya untuk suatu nilai x Slope. dan intersept dari persamaan regresi linier dihitung dengan. menggunakan formula berikut Hasan 1999,Keterangan,b slope dari persamaan garis lurus.
a intersept dari persamaan garis lurus,x index waktu. x bar nilai rata rata dari x,y variabel permintaan data aktual permintaan. y bar nilai rata rata permintaan per periode waktu rata rata dari. Menurut Pangestu 1986 forecasting adalah peramalan. perkiraan mengenai sesuatu yang belum terjadi Metode. peramalan terdiri atas metode peramalan kualitatif dan metode. peramalan kuantitatif Peramalan kualitatif bersifat subjektif. dipengaruhi oleh intuisi emosi pendidikan dan pengalaman. seseorang Oleh karena itu hasil peramalan dari satu orang. dengan orang lain dapat berbeda Meskipun demikian peramalan. dengan metode kualitatif tidak berarti hanya menggunakan intuisi. melainkan mengikutsertakan model statistik sebagai bahan. masukan dalam melakukan judgment pendapat keputusan dan. dapat dilakukan secara perseorangan ataupun kelompok. Peramalan kualitatif menggunakan empat metode yang umum. dipakai yaitu Herjanto 1999,1 Juri Opini Eksekutif. Metode ini cukup banyak digunakan Pendekatan ini, merupakan pendekatan peramalan yang paling sederhana dan. banyak digunakan dalam peramalan bisnis,2 Metode Delphi.
Metode ini serangkaian kuesioner disebarkan kepada. responden Langkah berikut jawabannya diringkas dan diberikan. ke panel ahli untuk dibuat perkiraan,3 Gabungan Tenaga Penjualan. Metode ini cukup banyak digunakan karena tenaga, penjualan sales force merupakan sumber informasi yang baik. mengenai permintaan konsumen Setiap tenaga penjualan. meramalkan tingkat penjualan di daerahnya kemudian. digabungkan pada tingkat provinsi dan seterunya sampai ke. tingkat nasional untuk mencapai peramalan yang menyeluruh. 4 Survei Pasar, Masukan diperoleh dari konsumen atau konsumen potensial. terhadap rencana pembelian di masa datang Survei dapat. dilakukan dengan kuesioner telepon atau wawancara langsung. Pendekatan ini membantu tidak hanya dalam menyiapkan. peramalan tetapi juga dalam meningkatkan desain produk dan. perencanaan untuk suatu produk baru Metode ini memiliki. kekurangan yaitu memerlukan waktu yang cukup lama metode. ini juga mahal dan sulit, Metode kuantitatif yang digunakan dalam memperkirakan. atau meramalkan dapat dikelompokkan dalam dua jenis yaitu. metode serial waktu dan kausal Berikut ini akan diuraikan dari. jenis jenis metode kuantitatif Herjanto 1999,a Metode Serial Waktu.
Metode serial waktu deret berkala time series adalah. metode yang digunakan untuk menganalisis serangkaian data. yang merupakan fungsi dari waktu Analisis serial waktu dimulai. dengan memplotkan data pada suatu skala waktu mempelajari. pola tersebut dan akhirnya mencari suatu bentuk atau pola yang. konsisten atas data,b Metode Kausal,Metode Kausal atau disebut juga dengan metode. eksplanatori mengasumsikan adanya hubungan sebab akibat. antara variabel bebas dan variabel tidak bebas yang. dipengaruhinya atau dalam bentuk lain antara input dan output. dari suatu sistem Sistem itu dapat berbentuk makro seperti. perekonomian nasional atau mikro seperti dalam perusahaan. atau rumah tangga,3 3 Ukuran Akurasi Peramalan, Validasi metode peramalan terutama dengan menggunakan. metode metode di atas tidak dapat lepas dari indikator indikator. dalam pengukuran akurasi peramalan Bagaimanapun juga. terdapat sejumlah indikator dalam pengukuran akurasi. peramalan tetapi yang paling umum digunakan adalah mean. absolute deviation mean absolute percentage error dan mean. squared error,a Mean Absolute Deviation MAD, Akurasi peramalan akan tinggi apabila nilai nilai MAD. mean absolute percentage error dan mean squared error semakin. kecil MAD merupakan nilai total absolut dari forecast error dibagi. dengan data Atau yang lebih mudah adalah nilai kumulatif. absolut error dibagi dengan periode Jika diformulasikan maka. formula untuk menghitung MAD adalah sebagai berikut. absolut dari forecast error,b Mean Squared Error MSE. Menurut Gaspersz 2004 mean squared error biasa disebut. juga galat peramalan Galat peramalan ini juga dapat berfungsi. untuk menghitung nilai MAD yang telah dibahas pada sub bab. sebelumnya,Galat ramalan tidak dapat dihindari dalam sistem.
peramalan namun galat ramalan itu harus dikelola dengan benar. Pengelolaan terhadap galat ramalan akan menjadi lebih efektif. apabila peramal mampu mengambil tindakan mengambil tindakan. yang tepat berkaitan dengan alasan alasan terjadinya galat. ramalan itu Dalam sistem peramalan penggunaan berbagai. model peramalan akan memberikan nilai ramalan yang berbeda. dan derajat dari galat ramalan yang berbeda pula, Rata rata kesalahan kuadrat memperkuat pengaruh angka. angka kesalahan besar tetapi memperkecil angka kesalahan. prakiraan yang lebih kecil dari satu unit,c Mean Absolute Percentage Error MAPE. Rata rata persentase kesalahan kuadrat merupakan, pengukuran ketelitian dengan cara persentase kesalahan absolute. MAPE menunjukkan rata rata kesalahan absolut prakiraan dalam. bentuk persentasenya terhadap data aktualnya,d Tracking Signal. Menurut Gaspersz 2004 suatu ukuran bagaimana baiknya. suatu ramalan memperkirakan nilai nilai aktual suatu ramalan. diperbaharui setiap minggu bulan atau triwulan sehingga data. permintaan yang baru dibandingkan terhadap nilai nilai ramalan. Tracking signal dihitung sebagai running sum of the forecast errors. dibagi dengan mean absolute deviation,Tracking Signal.
Tracking signal yang positif menunjukkan bahwa nilai aktual. permintaan lebih besar daripada ramalan sedangkan apabila. negatif berarti nilai aktual permintaan lebih kecil daripada. ramalan Pada setiap peramalan tracking signal terkadang. digunakan untuk melihat apakah nilai nilai yang dihasilkan. berada di dalam atau di luar batas batas pengendalian dimana. nilai nilai tracking signal itu bergerak antara 4 sampai 4. e Moving Range MR, Moving range dibuat untuk membandingkan nilai nilai. observasi atau data aktual dengan nilai peramalan dari kebutuhan. yang sama Dapat dikatakan bahwa moving range adalah peta. kontrol statistik yang digunakan pada pengendalian kualitas Peta. moving range memiliki batasan batasan yang terdiri dari batas. kontrol atas dan batas kontrol bawah Jika ada sebuah titik atau. data yang berada di luar batas tersebut maka ada beberapa data. yang harus dihilangkan atau mencari metode peramalan yang lain. Moving Range digunakan untuk mengetahui sejauh mana. arah pergerakan misal permintaan bergerak Perhitungan Moving. Range menggunakan rumus,MR Ft 1 At 1 Ft At,3 4 Pembahasan Peramalan. Pembahasan pada modul peramalan ini dimana akan, melakukan perhitungan atas ketiga metode yaitu metode. Weighted Moving Average WMA Single Exponential Smoothing. SES dan metode regresi linier Masing masing dari metode. metode tersebut dapat meramalkan penjualan lemari tas untuk. periode yang telah ditentukan peramalan Data penjualan aktual. ini merupakan syarat digunakan sebagai peramalan karena untuk. ketiga metode tersebut merupakan metode yang bersifat. kuantitatif sehingga data yang akan digunakan untuk. meramalkan penjualan di periode selanjutnya ialah data historis. Data penjualan aktual lemari tas dapat dilihat pada tabel 3 1. Tabel 3 1 Data Penjualan Aktual Lemari Tas,Bulan Indeks Waktu t Penjualan Aktual A. Januari 1 542,Februari 2 538,Maret 3 541,April 4 543.
Juni 6 537,Juli 7 541,Agustus 8 540,September 9 542. Oktober 10 540,November 11 538,Desember 12 541, 3 4 1 Perhitungan Metode Weighted Moving Averages WMA. Perhitungan pada metode Weighted Moving Averages WMA. dimana suatu nilai bobot tersebut telah ditentukan ialah 3 Nilai. tersebut dapat meramalkan berdasarkan indeks waktu yang. diramalkan dengan syarat minimal untuk nilai bobot tersebut. ialah 2 Hasil peramalan penjualan lemari tas dengan metode. WMA dapat dilihat pada tabel 3 2, Tabel 3 2 Peramalan Penjualan Lemari Tas Metode Weight Moving Averages. Indeks Waktu Penjualan,Bulan Ramalan Berdasarkan MA 3. t Aktual A,Januari 1 542,Februari 2 538,Maret 3 541.
April 4 543 540 16 541,Mei 5 538 541 5 542,Juni 6 537 540 16 541. Juli 7 541 538 33 539,Agustus 8 540 539 16 540,September 9 542 539 83 540. Tabel 3 2 Peramalan Penjualan Lemari Tas Metode Weight Moving Averages. Indeks Waktu Penjualan,Bulan Ramalan Berdasarkan MA 3. t Aktual A,Oktober 10 540 541 16 542,November 11 538 540 67 541. Desember 12 541 539 33 540,Januari 13 539 83 540,Contoh perhitungan untuk WMA.
Timbangan untuk periode n Penjualan dalam periode n. disebut juga sebagai konsep dasar sistem peramalan yaitu Gaspersz 2004 a Menentukan tujuan dari peramalan b Memilih Menurut Pangestu 1986 forecasting adalah peramalan perkiraan mengenai sesuatu yang belum terjadi Metode peramalan terdiri atas metode peramalan kualitatif dan metode peramalan kuantitatif Peramalan kualitatif bersifat subjektif dipengaruhi oleh intuisi emosi

Related Books