modul 1 peramalan laporan perencanaan da
MODUL 1
PERAMALAN PERMINTAAN
1.1 TUJUAN
Tujuan pemberian tugas pada modul ini adalah sebagai berikut :
1. Mahasiswa dapat memilih metode peramalan yang tepat.
2. Mahasiswa dapat meramalkan permintaan masa mendatang.
1.2 TUGAS RESMI
Selesaikan tugas peramalan berikut dengan menggunakan Software WinQSB
dan secara manual :
1. Permintaan bulanan sebuah produk selama tahun 2015 adalah sebagai
berikut :
Tabel 1.1 data tugas 1
Bulan
Permintaan (unit)
Januari
90
Febuari
96
Maret
99
April
86
Mei
87
Juni
86
Juli
96
Agustus
100
September
106
Oktober
105
November
106
Desember
110
Berdasarkan data tersebut,lakukan :
a. Plotting data permintaan dan pilih dua metode yang paling sesuai
berdasarkan hasil plotting data.
b. Ramalkan permintaan 5 bulan berikutnya.
c. Hitung MAPE masing-masing metode.
d. Berdasarkan nilai MAPE, metode mana yang paling sesuai untuk
meramalkan permintaan 5 bulan kedepan dan lakukan validasi dengan
Perancaan Dan Pengendalian Produksi I
|1
menggunakan Tracking Signal. Lakukan analisa hasil MAPE dan
Tracking Signal.
2. PT. Jaya Abadi adalah sebuah perusahaan botol, bagian produksi
menugaskan marketing untuk melakukan peramalan permintaan botol
dengan data permintan masa lalu seperti berikut :
Tabel 1.2 data tugas 2
Permintaan (unit)
Bulan
1
2
Januari
1206
1230
Februari
1220
1246
Maret
1246
1250
April
1260
1230
Mei
1280
1226
Juni
1296
1210
Juli
1280
1220
Agustus
1256
1236
September
1230
1240
Oktober
1200
1256
November
1196
1250
Desember
1216
1246
Berdasrkan data tersebut, lakukan :
a. Plotting data permintaan dan pilih 2 metode yang paling sesuai
berdasarkan hasil plotting tersebut.
b. Ramalkan permintaan 5 bulan berikutnya.
c. Hitung MAPE, metode mana yang paling sesuai untuk meramalkan
permintaan 5 bulan kedepan dan lakukan validasi dengan
menggunakan Tracking Signal. Lakukan analisa hasil MAPE dan
Tracking Signal.
3. PT. Abal Abal adalah sebuah perusahaan sepatu, departemen marketing
ingin mengetahui permintaan bulan berikutnya dengan melakukan
peramalan permintaan data masa lalu sebagai berikut :
Tabel 1.3 data tugas 3
Bulan
Perancaan Dan Pengendalian Produksi I
Permintaan (unit)
|2
Januari
2000
Febuari
4500
Maret
5800
April
7600
Mei
8100
Juni
2800
Juli
2900
Agustus
4700
September
6000
Oktober
8000
November
8530
Desember
3025
Januari
3200
Febuari
4820
Maret
6010
April
8260
Mei
8709
Juni
3215
Berdasrkan data tersebut, lakukan :
a. Plotting data permintaan dan pilih 2 metode yang paling sesuai
berdasarkan hasil plotting data. (gunakan nilai alfa = 0,6, beta = 0,06
dan gama = 0,6 jika menggunakan metode winter)
b. Ramalkan permintaan 6 bulan berikutnya.
c. Hitung MAPE masing-masing metode
d. Berdasarkan nilai MAPE, metode mana yang paling sesuai untuk
meramalkan permintaan 5 bulan kedepan dan lakukan validasi dengan
menggunakan Tracking Signal. Lakukan analisa hasil MAPE dan
Tracking Signal.
1.3 PENGOLAHAN DATA DENGAN Software WinQSB
1.3.1
Hasil pengolahan data tugas 1
a. Data permintaan tugas 1
Tabel 1.4 data tugas 1
Bulan
Perancaan Dan Pengendalian Produksi I
Permintaan (unit)
|3
Januari
90
Febuari
96
Maret
99
April
86
Mei
87
Juni
86
Juli
96
Agustus
100
September
106
Oktober
105
November
106
Desember
110
b. Garfik data permintaan
Object 3
Grafik 1.1 Kecenderungan data permintaan tugas 1
Dari grafik di atas dapat diketahui tugas 1 berpola data trend.
Untuk melakukan peramalan dapat menggunakan metode :
- Linear Regression
- Single Exponential Smoothing
c. Hasil peramalan
- Linear Regression
Perancaan Dan Pengendalian Produksi I
|4
Gambar 1.1 linear regression winQSB
Interpretasi :
Dari gambar di atas, perhitungan linear regression dengan
menggunakan software winQSB diketahui nilai peramalan untuk
periode 13 – 17 yaitu 108.6364, 110.3881, 112.1399, 113.8916,
115.6434. dan nilai MAPE diketahui 4,832084.
-
Single Exponential Smoothing
Gambar 1.2 single exponential smoothing winQSB
Perancaan Dan Pengendalian Produksi I
|5
Interpretasi :
Dari gambar di atas, perhitungan single exponential smoothing
dengan menggunakan software winQSB diketahui nilai peramalan
untuk periode 13 – 17 yaitu 109,7153. Dan nilai MAPE diketahui
4,723977.
Dari hasil kedua perhitungan linear regression dan single
exponential smoothing diatas dengan menggunakan software
winQSB dapat disimpulkan bahwa nilai MAPE linear regression
yaitu 4,832084 dan nilai single exponential smoothing yaitu
4,723977. Diketahui nilai MAPE metode single exponential
smoothing lebih kecil dari pada metode linear regression, 4,723977
< 4,832084. Jadi metode yang paling sesuai untuk meramalkan
permintaan 5 bulan kedepan adalah metode single exponential
smoothing.
Perancaan Dan Pengendalian Produksi I
|6
1.3.2
Hasil pengolahan data tugas 2
a. Data permintaan tugas 2
Tabel 1.5 data tugas 2
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Permintaan (unit)
1
2
1206
1230
1220
1246
1246
1250
1260
1230
1280
1226
1296
1210
1280
1220
1256
1236
1230
1240
1200
1256
1196
1250
1216
1246
b. Garfik data permintaan
Object 5
Grafik 1.2 Kecenderungan data permintaan tugas 2
Dari grafik di atas dapat diketahui tugas 2 berpola data siklis.
Untuk melakukan peramalan dapat menggunakan metode :
- Moving average
- Single exponential smoothing
Perancaan Dan Pengendalian Produksi I
|7
c. Hasil peramalan
- Moving average
Gambar 1.3 moving average winQSB
Interpretasi :
Dari gambar di atas, perhitungan moving average dengan
menggunakan software winQSB diketahui nilai peramalan untuk
periode 25 – 30 yaitu 1250,667. dan nilai MAPE m-3 diketahui
1,852780, dan nilai MAPE m-5 diketahui 2,030698. Sehingga
dapat diketahui peramalan moving average dengan menggunakan
m-3 lebih sesuai dari pada menggunakan m-5.
-
Singgle exponential smoothing
Gambar 1.4 Single exponential smoothing
Perancaan Dan Pengendalian Produksi I
|8
Interpretasi :
Dari gambar di atas, perhitungan single exponential smoothing
dengan menggunakan software winQSB diketahui nilai peramalan
untuk periode 25 - 30 yaitu 1238,583. Dan nilai MAPE diketahui
1,791483.
Dari hasil kedua perhitungan moving average dan single
exponential smoothing diatas dengan menggunakan software
winQSB dapat diketahui bahwa nilai MAPE moving average yaitu
1,852780 dan nilai MAPE single exponential smoothing yaitu
1,791483. Diketahui nilai MAPE single exponential smooting lebih
kecil dari pada moving average, 1,791483
PERAMALAN PERMINTAAN
1.1 TUJUAN
Tujuan pemberian tugas pada modul ini adalah sebagai berikut :
1. Mahasiswa dapat memilih metode peramalan yang tepat.
2. Mahasiswa dapat meramalkan permintaan masa mendatang.
1.2 TUGAS RESMI
Selesaikan tugas peramalan berikut dengan menggunakan Software WinQSB
dan secara manual :
1. Permintaan bulanan sebuah produk selama tahun 2015 adalah sebagai
berikut :
Tabel 1.1 data tugas 1
Bulan
Permintaan (unit)
Januari
90
Febuari
96
Maret
99
April
86
Mei
87
Juni
86
Juli
96
Agustus
100
September
106
Oktober
105
November
106
Desember
110
Berdasarkan data tersebut,lakukan :
a. Plotting data permintaan dan pilih dua metode yang paling sesuai
berdasarkan hasil plotting data.
b. Ramalkan permintaan 5 bulan berikutnya.
c. Hitung MAPE masing-masing metode.
d. Berdasarkan nilai MAPE, metode mana yang paling sesuai untuk
meramalkan permintaan 5 bulan kedepan dan lakukan validasi dengan
Perancaan Dan Pengendalian Produksi I
|1
menggunakan Tracking Signal. Lakukan analisa hasil MAPE dan
Tracking Signal.
2. PT. Jaya Abadi adalah sebuah perusahaan botol, bagian produksi
menugaskan marketing untuk melakukan peramalan permintaan botol
dengan data permintan masa lalu seperti berikut :
Tabel 1.2 data tugas 2
Permintaan (unit)
Bulan
1
2
Januari
1206
1230
Februari
1220
1246
Maret
1246
1250
April
1260
1230
Mei
1280
1226
Juni
1296
1210
Juli
1280
1220
Agustus
1256
1236
September
1230
1240
Oktober
1200
1256
November
1196
1250
Desember
1216
1246
Berdasrkan data tersebut, lakukan :
a. Plotting data permintaan dan pilih 2 metode yang paling sesuai
berdasarkan hasil plotting tersebut.
b. Ramalkan permintaan 5 bulan berikutnya.
c. Hitung MAPE, metode mana yang paling sesuai untuk meramalkan
permintaan 5 bulan kedepan dan lakukan validasi dengan
menggunakan Tracking Signal. Lakukan analisa hasil MAPE dan
Tracking Signal.
3. PT. Abal Abal adalah sebuah perusahaan sepatu, departemen marketing
ingin mengetahui permintaan bulan berikutnya dengan melakukan
peramalan permintaan data masa lalu sebagai berikut :
Tabel 1.3 data tugas 3
Bulan
Perancaan Dan Pengendalian Produksi I
Permintaan (unit)
|2
Januari
2000
Febuari
4500
Maret
5800
April
7600
Mei
8100
Juni
2800
Juli
2900
Agustus
4700
September
6000
Oktober
8000
November
8530
Desember
3025
Januari
3200
Febuari
4820
Maret
6010
April
8260
Mei
8709
Juni
3215
Berdasrkan data tersebut, lakukan :
a. Plotting data permintaan dan pilih 2 metode yang paling sesuai
berdasarkan hasil plotting data. (gunakan nilai alfa = 0,6, beta = 0,06
dan gama = 0,6 jika menggunakan metode winter)
b. Ramalkan permintaan 6 bulan berikutnya.
c. Hitung MAPE masing-masing metode
d. Berdasarkan nilai MAPE, metode mana yang paling sesuai untuk
meramalkan permintaan 5 bulan kedepan dan lakukan validasi dengan
menggunakan Tracking Signal. Lakukan analisa hasil MAPE dan
Tracking Signal.
1.3 PENGOLAHAN DATA DENGAN Software WinQSB
1.3.1
Hasil pengolahan data tugas 1
a. Data permintaan tugas 1
Tabel 1.4 data tugas 1
Bulan
Perancaan Dan Pengendalian Produksi I
Permintaan (unit)
|3
Januari
90
Febuari
96
Maret
99
April
86
Mei
87
Juni
86
Juli
96
Agustus
100
September
106
Oktober
105
November
106
Desember
110
b. Garfik data permintaan
Object 3
Grafik 1.1 Kecenderungan data permintaan tugas 1
Dari grafik di atas dapat diketahui tugas 1 berpola data trend.
Untuk melakukan peramalan dapat menggunakan metode :
- Linear Regression
- Single Exponential Smoothing
c. Hasil peramalan
- Linear Regression
Perancaan Dan Pengendalian Produksi I
|4
Gambar 1.1 linear regression winQSB
Interpretasi :
Dari gambar di atas, perhitungan linear regression dengan
menggunakan software winQSB diketahui nilai peramalan untuk
periode 13 – 17 yaitu 108.6364, 110.3881, 112.1399, 113.8916,
115.6434. dan nilai MAPE diketahui 4,832084.
-
Single Exponential Smoothing
Gambar 1.2 single exponential smoothing winQSB
Perancaan Dan Pengendalian Produksi I
|5
Interpretasi :
Dari gambar di atas, perhitungan single exponential smoothing
dengan menggunakan software winQSB diketahui nilai peramalan
untuk periode 13 – 17 yaitu 109,7153. Dan nilai MAPE diketahui
4,723977.
Dari hasil kedua perhitungan linear regression dan single
exponential smoothing diatas dengan menggunakan software
winQSB dapat disimpulkan bahwa nilai MAPE linear regression
yaitu 4,832084 dan nilai single exponential smoothing yaitu
4,723977. Diketahui nilai MAPE metode single exponential
smoothing lebih kecil dari pada metode linear regression, 4,723977
< 4,832084. Jadi metode yang paling sesuai untuk meramalkan
permintaan 5 bulan kedepan adalah metode single exponential
smoothing.
Perancaan Dan Pengendalian Produksi I
|6
1.3.2
Hasil pengolahan data tugas 2
a. Data permintaan tugas 2
Tabel 1.5 data tugas 2
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Permintaan (unit)
1
2
1206
1230
1220
1246
1246
1250
1260
1230
1280
1226
1296
1210
1280
1220
1256
1236
1230
1240
1200
1256
1196
1250
1216
1246
b. Garfik data permintaan
Object 5
Grafik 1.2 Kecenderungan data permintaan tugas 2
Dari grafik di atas dapat diketahui tugas 2 berpola data siklis.
Untuk melakukan peramalan dapat menggunakan metode :
- Moving average
- Single exponential smoothing
Perancaan Dan Pengendalian Produksi I
|7
c. Hasil peramalan
- Moving average
Gambar 1.3 moving average winQSB
Interpretasi :
Dari gambar di atas, perhitungan moving average dengan
menggunakan software winQSB diketahui nilai peramalan untuk
periode 25 – 30 yaitu 1250,667. dan nilai MAPE m-3 diketahui
1,852780, dan nilai MAPE m-5 diketahui 2,030698. Sehingga
dapat diketahui peramalan moving average dengan menggunakan
m-3 lebih sesuai dari pada menggunakan m-5.
-
Singgle exponential smoothing
Gambar 1.4 Single exponential smoothing
Perancaan Dan Pengendalian Produksi I
|8
Interpretasi :
Dari gambar di atas, perhitungan single exponential smoothing
dengan menggunakan software winQSB diketahui nilai peramalan
untuk periode 25 - 30 yaitu 1238,583. Dan nilai MAPE diketahui
1,791483.
Dari hasil kedua perhitungan moving average dan single
exponential smoothing diatas dengan menggunakan software
winQSB dapat diketahui bahwa nilai MAPE moving average yaitu
1,852780 dan nilai MAPE single exponential smoothing yaitu
1,791483. Diketahui nilai MAPE single exponential smooting lebih
kecil dari pada moving average, 1,791483