EMA402 - Manajemen Rantai Pasokan

  EMA402 - Manajemen Rantai Pasokan

  1 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d n a m h c a R r u iq f u a T

• 3

  2

  6

  6 EMA402 Materi #7 – Manajemen Rantai Pasokan Pembahasan Materi #7

  2 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

    Pengertian Moving Average

    Alasan Weighted Woving

  n

  Average

  a 

  Tujuan

  m h

  

  c Exponential Smoothing

   Jenis

  a R

   Model Trend Linear

  r 

  Validitas

  u

  Multiplicative

  iq f 

  Taksonomi

  u a 

  Model Simple Linear

  T 

  Metode Kualitatif Regression

• 

  3 Metode Kuantitatif Time

  2

   Kesalahan Peramalan

  6 Series

  6

   Pengendalian dan

   Metode Peramalan Pengawasan Peramalan Permintaan

  Pengertian (1) 

3 EMA402 - Manajemen Rantai Pasokan

  h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  (Peramalan adalah pernyataan tentang apa yang akan terjadi di masa depan, berdasarkan informasi yang tersedia sekarang).

  ”.

  Oxford Dictionary, “Forecast is a statement about what will happen in the future, based on information that is available now

• T a u f iq u r R a c h m a n

  3

  2

  4

  (Sofyan Assauri, 1984, hal. 1).

   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.

  Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih sekedar perkiraan.

  Pengertian (2) 

• T a u f iq u r R a c h m a n

  3

  6

  2

  6

  h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Materi #7

   Peramalan adalah seni dan ilmu untuk memprediksi masa depan.

  6

  6

   Peramalan adalah tahap awal, dan hasil ramalan merupakan dasar bagi seluruh tahapan pada perencanaan produksi.

  Alasan Peramalan

  5 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Ada ketidakpastian aktivitas produksi di masa yang akan datang.

  n a m h c a

   Kemampuan & sumber daya perusahaan

  R r u yang terbatas. iq f u a T

   Untuk dapat melayani konsumen lebih

• 3

  baik, melalui tersedianya hasil produksi

  2

  6

  6 yang baik.

  EMA402 - Manajemen Rantai Pasokan Materi #7 Tujuan Peramalan

  6 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Mengurangi ketidakpastian produksi.

  n a m h c 

  Agar langkah proaktif atau antisipatif

  a R r

  dapat dilakukan.

  u iq f u a T

• 3

   Keperluan penjadwalan produksi.

  2

  6

  6

  8

  Disebut juga peramalan penjualan, yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia. h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Interprestasi hasil atau penerjemahan hasil.

   Pemilihan alat atau metode peramalannya.

  Pemilihan dan pengumpulan datanya

(tidak reliabel, valid, dan lengkap).

  Validitas Peramalan  Identifikasi masalahnya. 

  3

  2

  6

  6

   Peramalan Permintaan (demand forecast), proyeksi permintaan untuk produk atau layanan suatu perusahaan.

   Peramalan Teknologi (technical forecast), memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan tempat produksi dan peralatan yang baru.

  Peramalan Ekonomi (economic forecast), menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan, dan indikator perencanaan lainnya.

  7 

  Jenis Peramalan

Materi #7 EMA402 - Manajemen Rantai Pasokan

• T a u f iq u r R a c h m a n

  3

  2

  6

  6

  h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

• T a u f iq u r R a c h m a n

  Kegunaan Peramalan

  9 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Akuntansi Perkiraan biaya/keuntungan

  n Keuangan Arus kas dan pendanaan a m h

  Sumber daya

  c a

  Perekrutan, pelatihan

  R

  manusia

  r u iq

  Pemasaran Harga, promosi, strategi

  f u a T

  Sistem informasi Sistem IT/IS, pelayanan

• 3 manajemen

  2

  6

  6 Penjadwalan, MRP, beban

  Operasi

kerja

Desain produk/jasa Produk dan jasa baru

  EMA402 - Manajemen Rantai Pasokan Materi #7 Taksonomi Peramalan

  10 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Peramalan

  n Metode Metode a

  Kualitatif Kuantitatif

  m h c a

  Juri Opini Time

  R

  Kausal Eksekutif Series

  r u iq f Metode

  Regresi

  u Regresi Smoothing Dekomposisi a Delphi

  Linier

  T

  Tenaga Koefisien - Rata-rata

  3 Penjualan

  Korelasi

  2

  6

  6 Survei

  Pemodelan Moving Average Pasar

  Ekonomik Exponential Smoothing

  Metode Kualitatif

  11 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Juri Opini Eksekutif, peramalan dilakukan oleh eksekutif (manajer) tingkat atas perusahaan, karena

  n kemampuan yang mereka miliki. a m

  

  h

  Metode Delphi, dilakukan dengan melengkapi data

  c a

  untuk peramalan melalui pembagian daftar pertanyaan

  R r u kepada pelanggan/konsumen/masyarakat. iq f

  

  u Tenaga Penjualan, peramalan dilakukan dengan a T

  memanfaatkan kedekatan tenaga penjual dengan

• konsumen.

  3

  2

  6

   Survei Pasar, peramalan dilakukan dengan turun

  6

  langsung ke lapangan/pasar, sehingga diperoleh informasi langsung dari pasar.

  EMA402 - Manajemen Rantai Pasokan Materi #7 Metode Kuantitatif – Time Series

  12 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  n a m h c a R r u iq f u a T

• 3

  2

  6

  6

  

Metode Peramalan Permintaan

  13 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Moving averages (time series dengan komponen tren).

  n a m h c a

   Exponential smoothing (time series dengan

  R r u komponen tren). iq f u a T

   Linear trend multiplicative model (komponen

• 3

  2 6 tren dan musiman/sesaonal).

  6 EMA402 - Manajemen Rantai Pasokan Materi #7

  (1) Moving Averages

  14 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Untuk mengatasi masalah menggunakan rata- rata sederhana (simple average)

  n a m

  

  h

  Teknik moving average menghasilkan perkiraan

  c a R

  masa depan dengan rata-rata permintaan

  r u

  sebenarnya hanya untuk n periode waktu

  iq f u a

  terakhir (n sering pada kisaran 4 - 7).

  T

• 

3 Setiap data yang lebih dari n, maka diabaikan.

  2

  6

  6

   Nilai yang dipilih untuk n harus menjadi pilihan terbaik untuk data historis yang tersedia.

  (2) Moving Average

  15 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Secara matematis, persamaan moving average

adalah:

  n a m h c a R r u iq f u

  Dimana:

  a T

   F = Peramalan untuk periode mendatang (periode t)

• t

  3

  2

  

  6 n = Jumlah periode yang dirata-ratakan

  6

  

A = Jumlah aktual periode sebelumnya hingga

t-1 periode n

  EMA402 - Manajemen Rantai Pasokan Materi #7

Contoh 1 Simple Moving Average

  16 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Pertanyaan Minggu Permintaan

1 650

   Berapa nilai

  n

  2 678 peramalan

  a m h

  permintaan untuk 3 3 720

  c a

  mingguan dan 6 4 785

  R r

  mingguan dengan

  u

  5 859

  iq f menggunakan simple u

  6 920

  a

  moving average ?

  T

  7 850 Asumsi

• 3

  8 758

  2

  6

   Data aktual yang

  6

  9 892 dimiliki hanya 3

  10 920 minggu dan 6 minggu. 11 789 12 844

  Jawaban Contoh 1

  17 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Minggu Permintaan 3-Week 6-Week

  1 A ^{1 650}

  n

  A ² 2 678

  a m h

  A ³ 3 720

  c a R

  4 785 682.67

  r u

  5 859 727.67

  iq f u

  6 920 788.00

  a T

  7 850 854.67 768.67

• 3

  8 758 876.33 802.00

  2

  6

  6

  9 892 842.67 815.33 10 920 833.33 844.00 11 789 856.67 866.50 12 844 867.00 854.83

  EMA402 - Manajemen Rantai Pasokan Materi #7

Contoh 2 Simple Moving Average

  18 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan Minggu Permintaan 

  Berapa nilai peramalan 1 820

  n a

  berikut untuk 3

  m h c

  mingguan dan 5 2 775

  a R

  mingguan dengan

  r u

  3 680

  iq menggunakan simple f u a

  moving average ? 4 655

  T

  Asumsi -

  3

  5 620

  2

  6

   Data aktual yang

  6

  6 600 dimiliki hanya 3 minggu dan 5 minggu.

  7 575

  Jawaban Contoh 2

  19 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Week Demand 3-Week 5-Week

  n

  1 820

  a m h c a

  2 775

  R r u

  3 680

  iq f u a

  4 655 758.33

  T

• 3

  5 620 703.33

  2

  6

  6

  6 600 651.67 710.00 7 575 625.00 666.00 EMA402 - Manajemen Rantai Pasokan Materi #7

  (1) Weighted Moving Average

  20 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Merupakan sebuah penyempurnaan dari pendekatan simple moving average.

  n a m h c 

  Dengan memeberikan bobot pada yang

  a R data sebelumnya. r u iq f u

   Secara umum, data terbaru memiliki bobot

  a T lebih besar.

• 3

  2

  6

  6

   Tidak seperti simple moving average yang menggunakan bobot yang sama.

  (2) Weighted Moving Average

  21 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Sebagai contoh, kita mungkin percaya bahwa data terbaru adalah indikator terbaik dari sebuah

  n

  kumpulan data, tetapi untuk mencegah terjadinya

  a m

  fluktuasi acak, disertakan tiga bobot data, masing-

  h c a masing dengan penurunan tingkat kepentingan. R r u iq 

  Daripada menggunakan bobot 1/4 atau 0.25, untuk 4

  f u a

  periode dalam moving average, dapat digunakan

  T

  0.10, 0.20, 0.30, dan 0.40 (catatan: jika dijumlahkan =

• 3 1.0).

  2

  6

  6

   Bobot lainnya mungkin 0.20, 0.20, 0.25, 0.35 atau 0.05, 0.10, 0.25, dan 0.60.

  EMA402 - Manajemen Rantai Pasokan Materi #7

Persamaan Weighted Moving Average

  22 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  n a m h c

  

  a Dimana, W adalah bobot yang diberikan

  t

  R r

  untuk periode waktu "t

  u

  “ (ketika semua

  iq f u bobot ditambahkan harus sama dengan a T satu).

• 3

  2

  6

  6

  

Contoh 3 Weighted Moving Average

  23 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan:

Tabel berikut merupakan data permintaan

  n mingguan berserta bobot. Berapa nilai peramalan a m untuk periode 4 atau minggu ke-4. h c a R

  

Minggu Permintaan Bobot (Weight)

  r u iq

  1 650 t-1

  0.5

  f u a T

  2 678 t-2

  0.3

• 3

  3 720 t-3

  0.2

  2

  6

  6

  4 ???

Perhatikan bahwa bobot lebih menekankan pada

data terbaru, yaitu jangka waktu "t-1" EMA402 - Manajemen Rantai Pasokan Materi #7

  Jawaban Contoh 3

  24 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Minggu Permintaan W Peramalan

  n

  1 650

  0.2

  a m h c a

  2 678

  0.3 R

  r u iq f

  3 720

  0.5

  u a T

  4 693.4

• 3

  2

  6

  6

  

Contoh 4 Weighted Moving Average

  25 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan:

Tabel berikut merupakan data permintaan

  n a

  

mingguan berserta bobot. Berapa nilai peramalan

  m h c untuk periode 5 atau minggu ke-5. a R r u

  

Minggu Permintaan Bobot (Weight)

  iq f u

  1 820 t-1

  0.7

  a T

  2 775 t-2

  0.2

• 3

  2

  6

  3 680 t-3

  0.1

  6

  4 655 EMA402 - Manajemen Rantai Pasokan Materi #7

  Jawaban Contoh 4

  26 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Minggu Permintaan W Peramalan

1 820

  n a m h c

  2 775

  0.1

  a R r u

  3 680

  0.2

  iq f u

  4 655

  0.7

  a T

• 3

  5 672

  2

  6

  6

  (1) Exponential Smoothing

  27 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Exponential smoothing memiliki keuntungan dibandingkan moving

  n a m

  average karena:

  h c a R r 

  Perhitungan yang lebih

  u iq f

  sederhana, dan

  u a T

   Persyaratan data yang diperlukan

• 3

  2

  6

  lebih sedikit, terutama dalam situasi

  6

  yang memerlukan penggunaan data dari sejumlah besar periode masa lalu.

  EMA402 - Manajemen Rantai Pasokan Materi #7 (2)

  Exponential Smoothing

  28 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Perhitungan peramalan dengan exponential smoothing menggunakan persamaan berikut:

  n a m h

  Peramalan Baru=

  c a R 

   ( ) Permintaan Aktual Peridoe Lalu + (1 )

  r u

  Permalan Periode Lalu

  iq f u a T

  Atau,

• 3

  2

  6 Peramalan Permintaan =

  6 Peramalan Periode Lalu +  (Permintaan

  Aktual Periode Lalu

• – Peramalan Periode Lalu)

  (3) Exponential Smoothing

  29 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  n a m

  Dimana:

  h c a R = Nilai peramalan untuk periode waktu t.

• F t

  r u iq f

  = Nilai peramalan untuk 1 periode waktu

  u • F t-1 a T sebelum t.

• 3

  2

  6 6 = Nilai aktual untuk

  1 periode waktu

• A

  t-1 sebelum t.

  = Konstanta smoothing alpha

• α

  EMA402 - Manajemen Rantai Pasokan Materi #7 (4)

  Exponential Smoothing

  30 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Dimana adalah konstanta  smoothing yang nilainya harus antara

  n a m 0 s/d 1. h c a R r u

   Konstanta smoothing  dapat

  iq f u

  diartikan sebagai bobot yang

  a T

diberikan kepada nilai data terakhir.

• 3

  2

  6

  6

   Bobot (1  ) diterapkan pada permalan terakhir.

  

Contoh 5 Exponential Smoothing

  31 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan: Minggu Permintaan  1 820

  Tabel berikut ini

  n a

  merupakan data 2 775

  m h c

  permintaan

  a

  3 680

  R

  mingguan, berapa nilai

  r

  4 655

  u

  exponential smoothing

  iq f

  5 750

  u a

  untuk periode waktu 2

  T

  6 802 s/d 10 dengan α=0.10

• 7 798

  3

  2

  6

  dan α=0.60

  6

  8 689 Diasumsikan :

  9 775 

  F1 = A1

  10 EMA402 - Manajemen Rantai Pasokan Materi #7 (1) Jawaban Contoh 5

  32 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Kolom alpha ( ) yang bersangkutan

  α menunjukkan nilai-nilai perkiraan.

  n a m h c 

  Perhatikan bahwa peramalan hanya bisa

  a R

  dilakukan untuk satu periode waktu ke

  r u iq f masa depan. u a T

   Karena F1 = A1 maka:

• 3

  2

  6

6 F1 (

  α=0.10) = 820.00 F1 (

  α=0.60) = 820.00

  (2) Jawaban Contoh 5

  33 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  n

  F ( F ( α =0.10) α =0.60)

  a m

   

  h

  F2 = F1 + F2 = F1 + α (A1 – F1) α (A1 – F1)

  c a

  R r = 820.00 = 820.00 u iq f  

  = 820 + 0.10(820 = 820 + 0.60(820 – 820) – 820)

  F3 = F2 + F3 = F2 + α (A2 – F2) α (A2 – F2)

  u a

  T

  = 820 + 0.10(775 = 820 + 0.60(775 – 820) – 820)

  = 815.50 = 793.00

• 3

   

2 F4 = F3 + F4 = F3 +

  α (A3 – F3) α (A3 – F3)

  6

  6

  = 815.50 + 0.10(680 = 793.00 + 0.60(680 – 815.50) – 793.00) = 801.95 = 725.20   Dst. Dst.

  EMA402 - Manajemen Rantai Pasokan Materi #7 (3) Jawaban Contoh 5

  34 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

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

  1 820 820,00 820,00

  n a

  

2 775 820,00 820,00

  m h c

  

3 680 815,50 793,00

  a R r

  4 655 801,95 725,20

  u iq f

  

5 750 787,26 683,08

  u a T

  

6 802 783,53 723,23

• 3

  

7 798 785,38 770,49

  2

  6

  6

  

8 689 786,64 787,00

9 775 776,88 728,20

10 776,69 756,28

  Contoh 6 Exponential Smoothing

  35 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan: Minggu Permintaan 

  Berapa nilai

  n

  1 820

  a

  peramalan

  m h c

  exponential

  a

  2 775

  R

  smoothing untuk

  r u

  periode waktu 2 s/d 5

  iq

  3 680

  f u a

  T

  dengan α=0.50

  4 655 Diasumsikan :

• 3

  2

  6

   F1 = A1

  5

  6 EMA402 - Manajemen Rantai Pasokan Materi #7

  Jawaban Contoh 6

  36 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Minggu Permintaan F ( α=0.50)

  n

  1 820 820.00

  a m h c a

  2 775 820.00

  R r u

  3 680 797.50

  iq f u a

  4 655 738.75

  T

• 3

  5 696.88

  2

  6

6 F = 820+(0.5)(820-820) F = 820+(0.5)(775-820)

  2

  3 F = 820 F = 797.50

  2

  3

  

Model Trend Linear Multiplicative

  37 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Kecenderungan (trend).

  n a m h c a

  

  R

  Komponen

  r u

  musiman

  iq f u a

  (seasonal): rasio

  T

  untuk model trend. -

  3

  2

  6

  6 EMA402 - Manajemen Rantai Pasokan Materi #7

  (1) Model Simple Linear Regression

  38 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Model simple linear regression berusaha untuk menyesuaikan garis melalui berbagai data dari

  n a

  waktu ke waktu.

  m h c a 

  Merupakan model regresi linier.

  R r u iq f 

  Yt adalah nilai peramalan yang diregresikan atau variabel

  u a

  dependent dalam model,

  T

  

• a adalah nilai perpotongan garis regresi, dan

  3

  2

   6 b mirip dengan kemiringan (slope) garis regresi.

  6

   Namun, karena dihitung dengan variabilitas dari data, formulasinya tidak semudah konsep kemiringan (slope) yang biasa.

  (2) Model Simple Linear Regression

  39 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Persamaan untuk menghitung “a” dan “b”:

  n a m h c a R r u iq f u a T

• 3

  2

  6

  6 EMA402 - Manajemen Rantai Pasokan Materi #7

  

Contoh 7 Simple Linear Regression

  40 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan: 

  Sesuai tabel

  n a

  Minggu Penjualan berikut, berapa

  m h c a nilai model simple R

  1 150

  r

  linear regression

  u iq f

  yang dapat 2 157

  u a T digunakan untuk

• 3

  3 162 perkiraan

  2

  6

  penjualan pada

  6

  4 166 minggu selanjutnya? 5 177

  (1) Jawaban Contoh 7

  41 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Untuk model simple linear regression yang harus dilakukan pertama kali yaitu menghitung nilai

  n

  dari

  a “a” dan “b”. m h c

  2

  a

  Minggu (x) Penjualan (y) (x) (x).(y)

  R r u

  1 150 1 150

  iq f u

  2 157 4 314

  a T

  3 162 9 486

• 3

  2

  6

  4 166 16 664

  6

  5 177 25 885 3 162.4 55 2499

  EMA402 - Manajemen Rantai Pasokan Materi #7 (2) Jawaban Contoh 7

  42 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  n a m h c a R r u iq f u a T

• 3

  2

  6

  6

  (3) Jawaban Contoh 7

  43 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Hasilnya adalah:

  n a

   Jika kita plot hasil peramalan regresi terhadap penjualan

  m h

  aktual, diperoleh tabel berikut:

  c a R

  190

  r u iq f 180 u a T

  170 Aktual -

  3

  160

  2

  jualan Peramalan

  6

  n

  6

  150 Pe

  140

  1

  2

  3

  

4

  5

  6 Periode (Minggu) EMA402 - Manajemen Rantai Pasokan Materi #7

  (4) Jawaban Contoh 7

  44 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Minggu Penjualan Y = 143.5 + 6.3 X

t

  n a

  1 150 149.8

  m h c a R

  2 157 156.1

  r u iq f

  3 162 162.4

  u a T

• 3

  4 166 168.7

  2

  6

  6

  5 177 175.0 6 181.3

  Kesalahan Peramalan

  45 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Kesalahan peramalan = Permintaan aktual

• – Nilai peramalan = A t – F t

  n a m

   Ada 3 perhitungan yang paling banyak di

  h c a

  kenal, yaitu:

  R r u

  

  iq Deviasi Rata-rata Absolut (Mean Absolute f u a

  T

  Deviation – MAD).

• 3 

  Kesalahan Rata-rata Kuadrat (Mean Squared

  2

  6

6 Error – MSE).

   Kesalahan Persen Rata-rata Absolut (Mean Absolute Percent Error – MAPE).

  EMA402 - Manajemen Rantai Pasokan Materi #7 MAD

  46 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  



MAD yang ideal adalah nol (=0), yang berarti tidak ada kesalahan peramalan.

  n a 

  Semakin besar hasil nilai

  m h

  MAD, menunjukkan model

  c a

  yang dihasilkan yang

  R kurang tepat. r u iq 

  

 Karena MAD merupakan

A = Permintaan

  f t u

  nilai absolut penjumlahan

  a

  aktual periode

  T

  dari kesalahan, baik positif ke-t

• dan negatif, sehingga dapat

  3

  2

  

 menambah jumlah dan

F = Nilai peramalan t

  6

  6

  ukuran rata-rata dari periode ke-t kesalahan yang

   n = Jumlah periode t ditentukan.

   t = Periode

  MSE

  47 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Merupakan selisih kuadrat antara nilai yang diramalkan dan yang diamati

  n a m

   Menggunakan persamaan berikut:

  h c a R r u

   A = Permintaan t

  iq f u

  aktual periode

  a T

  ke-t

• 3 

  F = Nilai peramalan t

  2

  6

  periode ke-t

  6

   n = Jumlah periode t

   t = Periode

  EMA402 - Manajemen Rantai Pasokan Materi #7 MAPE

  48 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Masalah yang terjadi dengan MAD dan MSE adalah bahwa nilai kesalahan tergantung pada besarnya unsur yang diramal, jika unsurnya dalam satuan ribuan, maka nilai n kesalahan bisa menjadi sangat besar.

  a m 

  MAPE digunakan untuk menghindari masalah

  h c

  tersebut, yang dihitung sebagai rata-rata diferensiasi

  a R

  absolut antara nilai yang diramal dan aktual, yang

  r dinyatakan dalam persentase nilai aktual. u iq

  

  f Menggunakan persamaan berikut: u a T

   A = Permintaan t aktual periode

• 3

  2

  ke-t

  6

  6

   F = Nilai peramalan t periode ke-t

   n = Jumlah periode t

   t = Periode

  Contoh 8 MAD, MSE, MAPE

  49 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Pertanyaan: 

  Berapa nilai MAD, MSE, dan MAPE dari tabel nilai

  n a

  peramalan berikut ini

  m h c a R

  Bulan Penjualan Peramalan

  r u iq f

  1 220 n/a

  u a T

  2 250 255

• 3

  2

  3 210 205

  6

  6

  4 300 320 5 325 315 EMA402 - Manajemen Rantai Pasokan Materi #7 Jawaban Contoh 8 (MAD)

  50 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Bulan Penjualan Peramalan Deviasi Absolut 1 220 n/a

  n a m

  2 250 255 = |250 – 255| = 5

  h c a

  3 210 205 = |210 – 205| = 5

  R r u

  4 300 320 = |300 – 320| = 20

  iq f u a

  5 325 315 = |325

• – 315| = 10

  T

• 3

  Jumlah

  40

  2

  6

  6

  40

= = 10

  4

  Jawaban Contoh 8 (MSE)

  51 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  2 Bulan Penjualan Peramalan (Deviasi) 1 220 n/a

  n a

  2

  2

  m

  

2 250 255 = (250 – 255) = ( = 25

‒5)

  h c a

  2

  2

3 210 205 = (210 – 205) = (5) = 25

  R r u

  2

  2

4 300 320 = (300 – 320) = ( = 400

‒20)

  iq f u

  2

  2

  a

  5 325 315 = (325 – 315) = (10) = 100

  T

• 3

  Jumlah 550

  2

  6

  6

  

550

= = 137.5

4 EMA402 - Manajemen Rantai Pasokan Materi #7

  

Jawaban Contoh 8 (MAPE)

  52 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  

Bulan Penjualan Peramalan 100 *(Deviasi Absolut/Aktual)

1 220 n/a

  n a m

  h c a

  

2 250 255 = 100 * (| = 2.00%

‒5|/250)

  

3 210 205 = 100 * (|5|/210) = 2.38%

  R r u

  iq f u a

  4 300 320 = 100 * (| ‒20|/300) = 6.67%

  

5 325 315 = 100 * (|10|/325) = 3.08%

  T

• 3

  Jumlah 14.13%

  2

  6

  6

  14.13% = = 3.53%

  4

  

Pengawasan dan Pengendalian Peramalan

  53 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

   Salah satu cara untuk mengawasi peramalan adalah dengan menggunakan metode tracking signal.

  n a m

   Tracking signal adalah sebuah perhitungan untuk

  h c a

  mengetahui seberapa baik peramalan

  R r

  memprediksi nilai aktual.

  u iq f

   Tracking signal dihitung sebagai Running Sum of

  u a T the Forecast Errors (RSFE) dibagi dengan MAD.

• 3

  2

  6

  6 EMA402 - Manajemen Rantai Pasokan Materi #7

  

Contoh 9 Tracking Signal

  54 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Hitung nilai tracking signal dari tabel berikut ini

  n

  Periode (t) Nilai Aktual (A ) Nilai Peramalan (F )

  a

  t t

  m h c a

  1 90 100

  R r u

  2 95 100

  iq f u a T

  3 115 100

• 3

  2

  4 100 110

  6

  6

  5 125 110 6 140 110

  Jawaban 9 Tracking Signal

  55 h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  Kum Kum t At Ft Errors RSFE |Error| Tracking Signal |Error| MAD

  n

  1 90 100

  10

  10

  a m h

  10.0 ‒10 ‒10 ‒10/10 = ‒1

  2 95 100

  5

  15

  c a R 3 115 100 +15

  7.5 ‒5 ‒15 ‒15/7.5 = ‒2

  15

  30 10.0 0/10 =

  r u

  4 100 110

  10

  40

  10.0 ‒10 ‒10 ‒10/10 = ‒1

  iq f u

  5 125 110 +15 +5

  15

  55 11.0 +5/11 = +0.5

  a T

  6 140 110 +30 +35

  30 85 14.2 +35/14.2 = +2.5

• 3

  2

  6

  85

  6 MAD = = 14.2

  6 RSFE

  

35

Tracking

= = = 2.5 MAD

Signal MAD

14.2 EMA402 - Manajemen Rantai Pasokan Materi #7

  

h t t p : / / t a u f i q u r r a c h m a n . w e b l o g . e s a u n g g u l . a c . i d

  an hm ac R r qu fi au T

• 23

  66