BAB III LANDASAN TEORI
3.1. Peramalan Forecasting
1
Peramalan adalah segala kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Teknik peramalan adalah suatu teori yang
mempelajari cara- cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akandatang berdasarkan data- data yang relevan pada masa lalu.
3.1.1 Ukuran Akurasi Peramalan
2
3.1.1.1 Rata-rata Deviasi Mutlak Mean Absolute Deviation = MAD
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
dengan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut: MAD
=
n Ft
At
Dimana; A = Permintaan aktual pada periode-t
Ft = Peramalan permintaan pada periode-t n = Jumlah periode yang terlibat
1
Riggs, James L : Production Sistem;Planning and analysis control,3
rd
Edition
2
Nasution, Arman Hakim : Perencanaan Pengendalian Produksi
Universitas Sumatera Utara
3.1.1.2. Rata-rata Kuadrat Kesalahan Mean Square Error = MSE
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara
matematis MSE dirumuskan sebagai berikut;
MSE =
n Ft
At
2
3.1.1.3. Rata-rata Kesalahan Peramalan Mean Forecast Error = MFE
MFE sangat efektif untuk mengetahui apakah suatu hasil permalan selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak bias,
maka nilai MFE mendekati nol. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama periode periode peramalan dan membaginya dengan
jumlah periode peramalan. Secara matematis, MFE menyatakan sebagai berikut; MFE
=
n Ft
At
3.1.1.4. Rata-rata Persentase Kesalahan Absolut Mean Absolute Percentage Error = MAPE
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.
Secara matematis, MAPE dinyatakan sebagai berikut;
MAPE =
n 100
At
Ft At
Universitas Sumatera Utara
3.1.2 Langkah Peramalan
Didalam menentukan langkah peramalan perlu dilakukan pengumpulan data yang akurat, untuk memperoleh hasil yang maaksimal atau sesuai dengan apa
yang diharapkan. Prosedur peramalan yaang mengikuti aturan-aturan matematis dan statistik dan menunjukkan hubungan antara permintaan dengan satu atau lebih
variabel yang mempengaruhinya. Selain itu juga mengasumsikan bahwa bahwa tingkat keeratan dan macam dari hubungan antara variabel-variabel bebas dengan
permintaan yang terjadi pada masa lalu akan berulang juga pada masa yang akan datang.
Untuk itu langkah peramalan itu sendiri adalah sebagai berikut: 1.
Pengumpulan Data Dalam pengumpulan data yang diperlukan adalah data kondisi masa lalu. Data
tetsebut dapat dikuantisir dalam bentuk angka, diasumsikan pola data masa lalu akan berlanjut dimasa datang kecuali pada kondisi ekstrim.
2. Mendefenisikan tujuan peramalan
Kegunaan dari mendefenisikan peramalan ini adalah untuk menentukan metode peramalan yang digunakan serta meramalkan sistem dimasa yang akan
datang. 3.
Scater Diagram Scater Diagram bertujuan untuk melihat kecenderungan data atau pola data
atau hubungan antara sepasang kelompok data atau dua variabel untuk mengetahui jenis korelasi dan tingkat hubungannya.
Universitas Sumatera Utara
4. Pemilihan metode peramalan
Didalam memilih metode peramalan minimal dua metode peramalan yaang dianggap paling sesuai dengan pola data yang ada atau yang telah
dikumpulkan. 5.
Menghitung Parameter-parameter fungsi dari peramalan 6.
Hitung kesalahan tiap parameter dari metode peramalan 7.
Pilih metode peramalan yang terbaik Didalam setiap metode yang kita gunakan, harus dipilih metode peramalan
dengan memiliki kesalahan yang paling terkecil. Baru kita dapat melihat metode apa yang baik kita gunakan.
8. Lakukan verifikasi peramalan.
Proses verifikasi dilakukan untuk melihat apakah metode peramalan yang diperoleh representative terhadap data. Proses verifikasi dilakukan dengan
menggunakan Moving Range Chart MRC. Dari chart peta ini dapat terlihat apakah sebaran masih dalam control atau sudah berada diluar control. Jika
sebaran berada dalam control maka fungsi metode peramalan tersebut tidak sesuai, artinya pola peramalan terhadap data Y-Y
n
tersebut tidak representative. Proses verifikasi dengan menggunakan MRC dapat
digambarkan pada Gambar 3.2.
Universitas Sumatera Utara
Y-Yf A
B C
A B
C UCL = 2.66 MR
23 X 2.66 MR
13 X 2.66 MR
CENTRAL LINE = MR
- 13 X 2.66 MR
-2 3 X 2.66 MR
LCL = -2.66 MR
Gambar 3.2. Moving Range Chart
Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut: 1. Aturan satu titik
bila ada titik sebaran Y-Yn berada diluar UCL dan LCL. Walaupun jika semua titik sebaran berada dalam batas kontrol belum tentu fungsi metode
representatif. Untuk itu penganalisaan perlu dilanjutkan dengan membagi MRC dalam tiga daerah yaitu : A, B, C
2. Aturan tiga titik Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana
dua diantaranya jatuh pada daerah A
Universitas Sumatera Utara
3. Aturan lima titik Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana
empat diantaranya jatuh pada daerah B 4. Aturan delapan titik
bila ada delapan buah titik secara berurutan berada pada salah satu sisi, pada daerah C
3.1.3 Metode Peramalan
Ada beberapa metode peramalan : a.
Metode Kualitatif : Metode peramalan yang tidak menggunakan perumusan statistik atau matematis
b. Metode Kuantitatif : Metode peramalan yang menggunakan
perumusan matematis atau statistik. pada gambar 3.1 dibawah ini akan ditunjukkan mengenai taksonomi peramalan
Universitas Sumatera Utara
Metode Peramalan kuantitatif
time series Average
- Mean - Single moving average
- Double moving average exponential smoothing
- Simple exp. smoothing - Double Exp. smoothing
Regresi - Simple linear regresi
- Multiple linear regresi - Kuadratis
Dekomposisi Causal
Multiple regresi Economitric
Kualitatif Subjective assement
- Individual subjective - Excecutive Opinion
- Sales Force - Market Research
Normative - Relevance Trees
- System Dynamic
Exploratory - Scenario Writing
- Delphi - Cross Impact
- Curve Fitting - Analogy
- Morphology
Gambar 3.1 Taksonomi Metode Peramlan
3.1.3.1. Metode Kualitatif
Pada metode kualitatif lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi seseorang, dan intuisi yang meskipun kelihatannya
kurang ilmiah tetapi dapat memberikan hasil yang baik. Metode kualitatif ini diwakili oleh:
Universitas Sumatera Utara
a. Metode Delphi
Metode ini merupakan cara sistematis untuk mendapatkan keputusan bersama dari suatu grup yang terdiri dari para ahli dan berasal dari disiplin yang
bebeda. Grup ini tidak ditemukan secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta pendapatnya secara terpisah dan tidak boleh
saling berunding. Pendapat yang berbeda secara signifikan dari ahli yang lain dalam grup tersebut akan ditanyakan lagi pada yang bersangkutan, sehingga
akhirnya diperoleh angka estimasi pada interval tertentu yang dapat diterima. Metode Delphi ini dipakai dalam peramalan teknologi yang sudah digunakan pada
pengoperasian jangka panjang. Selain itu metode ini juga bermanfaat dalam pengembangan produk baru, pengembangan kapasitas produksi, penerobosan ke
segmen pasar baru dan strategi keputusan bisnis lainnya.
b. Metode Penelitian Pasar
Metode ini mengumpulkan dan menganalisa fakta secara sistematis pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama dalam
penelitian pasar ini adalah survei konsumen. Survei konsumen akan memberikan informasi mengenai selera yang diharapkan konsumen, dimana informasi tersebut
diperoleh dari sampel dengan cara quesioner. Penelitian pasar sering digunakan dalam merencanakan produk baru, sistem periklanan dan promosi yang tepat.
Hasil penelitian pasar ini kadang-kadang juga dipakai sebagai pasar peramalan permintaan produk baru.
Universitas Sumatera Utara
Kategori