2) peramalan & pengelolaan demand

1

Departemen Teknik Industri FTI-ITB

TI-3122 Perencanaan dan Pengendalian Produksi

Peramalan & Pengelolaan Demand

Laboratorium Sistem Produksiwww.lspitb.org

©2003

TI3122-Perencanaan dan Pengendalian Produksi - Minggu 2 2


Hasil Pembelajaran

• UmumMahasiswa mampu menerapkan model matematik, heuristik dan teknik statistik untuk menganalisis danmerancang suatu sistem perencanaan dan pengendalianproduksi

• KhususMampu menganalisis pola deman serta menerapkanteknik-teknik peramalan

2



Peramalan

• Peramalan: Estimasi nilai atau karakteristikmasa depan

prediksi (prediction)peramalan (forecast)kecenderungan (trend)



Demand

• Faktor yang mempengaruhi demandVariasi randomRencana konsumenDaur hidup produkPesaingPerilaku/sikap konsumenWaktuSiklus bisnisIklanSales effortReputasiDesain produkKebijaksanaan kreditKualitas

Perusahaan PermintaanInput Output

3



Sistem Peramalan (1)

Data Historis

Tujuanmodel

Forecast (Prediction)

Feedback on forecast accuracy

Data checked for accuracy and

reasonableness

Update sesuai kebutuhan

Knowledge of changed condition

Pembandingan dengan kondisi

aktual



Sistem Peramalan (2)

DECISION MAKER

ORGANIZATION & ITS ENVIRONMENT

INFORMAL INFORMATION

INFORMAL INFO

MIS

VALUE

OBJECTIVE

DECISIONREQUIREMENT

FORECASTER

VALUE

LIKELY ACCURACY

COST/TIMECONSTRAIN

PLANNING GUIDELINE

ASSUMPTION

WORKINGFORECAST

REVISE ASSUMPTION

FINALFORECAST

ACTION PLAN

No

FORECAST RECOMMEND

INFORMAL ADJUST

SELECT KEY VARIABLES

SELECT FORECASTING PROCEDURES

INITIAL FORECAST

Yes

4



Konsiderasi (1)

• Ongkos dan manfaatOngkos– Ongkos pengembangan metoda– Ongkos kegiatan peramalan– Ongkos akibat kesalahan ramal

Manfaat– Mengerti hubungan antara permintaan dan faktor lain– Kondisi dunia nyata Sistem pengendalian produksi

"Untuk tujuan apa suatu ramalan dibuat akanmenentukan pendekatan yang diambil"



Konsiderasi (2)

• KetelitianSuatu ukuran seberapa tepat ramalan dari kondisiaktual

• Sederhana dalam perhitunganketelitian tinggi vs sederhana dalam perhitungan

• Kemampuan menyesuaikan terhadap perubahan

• Lead time, perioda, horizon

5



Taksonomi Peramalan

PERAMALAN

KAUSAL

EXPONENTIALSMOOTHING

MOVINGAVERAGE

RATA-RATA

SMOOTHING

REGRESI

TIME SERIES

MODELKUALITATIF

MODELKUALITATIF



Karakteristikperamalan

Karakteristik ketersediaan informasi

Informasi kuantitatif cukup tersedia Informasi kuantitatif kurang atautidak tersedia, tetap pengetahuankualitatif cukup tersedia

Informasikurang atautidak tersedia

Metode deretwaktu

Metodekausal

Metodeexploratori

Metodenormatif

Peramalankontinuberdasarkanpola atauhubungantertentu

Memprediksipertumbuhanpenjualanatau GNP

Mempelajaripengaruhharga danpromositerhadappenjualan

Memprediksikecepatantransportasipada tahun2010

Memprediksiperkembanganotomotifpada tahun2010

Memprediksipengaruhperkembanganteknologi luarangkasa

Peramalanperubahanyang akanterjadi

Memprediksiresesiberikutnya

Mempelajaripengaruhpengendalianharga danpembatasaniklan TVterhadappenjualan

Memprediksipengaruhkenaikanharga minyakterhadapkonsumsiminyak

Memprediksiembargominyak yangdiikuti olehperang Arab-Israel

Penemuansumber energibaru yangmurah dantidakmenimbulkanpolusi

6



Taksonomi Peramalan (2)

• Penggunaan Model Kualitatif:Tidak memerlukan data kuantitatifUnsur subyektifitas peramalan sangat besarpengaruhnya dalam hasil peramalanBaik untuk peramalan jangka panjang

• Contoh:Opini individuOpini kelompokDelphi



Taksonomi Peramalan (3)

• Penggunaan model kuantitatif membutuhkan:Data kondisi masa laluData tersebut dapat dikuantifisirDiasumsikan pola data masa lalu akan berlanjut padamasa yang akan datang

• Data yang digunakan untuk keperluanperencanaan produksi:

Paling baik menggunakan data permintaanMenggunakan data jumlah unit penjualanKalalu tidak dimiliki data penjualan gunakan data jumlahunit produksi

7



Prosedur Peramalan

• Plot data permintaan vs. waktu

• Pilih beberapa metoda peramalan

• Evaluasi kesalahan peramalan

• Pilih metoda peramalan dengan kesalahanperamalan terkecil

• Intepretasi hasil peramalan



Pola Data

8



Teknik Peramalan

• Konstan

• Regresi linier

• Siklis

^ ^ ^( )D a a

dt

n

tt

n

= = =∑

1

^ ^ ^

^ ^

( )

. ( ) ( ) ( )

( )

D a bt

bt t

a

t

N t d t d t t

Nt

N

d t

Nt

N

t

N

t

N

t

N

t

N

= +

=−

−=

====

=

=∑∑∑

∑∑

∑111

22

1

1

1

^( ) cosD t a u t

Nv= + + sin2 t

N2π π



Kriteria Performansi Peramalan

• Mean Square Error (MSE)

dimana:dt = data aktual pada periode tDt‘ = nilai ramalan pada periode tn = banyaknya periode

MSEt t

t

n

n

d D= =

−∑2

1( ' )

9




• Standard error of estimate (SEE)

dimana:f = derajat kebebasan

– 1 : untuk data konstan– 2 : untuk data linier– 3 : untuk data kuadratis

SEE t tn f

d Dt

n=

−−

∑=

2

1

( ' )( )




• Persentase Kesalahan

• Mean Absolute Percentage Error (MAPE)

tt t

tPE d D

dx=

−( ) %' 100

MAPEn

tt

n

PE= =∑

1

10



Contoh

• Dari data 12 bulan terakhir tercata penjualan produk X:

• Gambar diagram Pencar:

t 1 2 3 4 5 6 7 8 9 10 11 12

dt 140

159

136

157

173

181

177

188

154

179

180

160



Metoda Konstant dt dt' e = dt - dt' e2 SEE 1 140 165.33 -25.33 641.61 2 159 165.33 -6.33 40.07 3 136 165.33 -29.33 860.25 4 157 165.33 -8.33 69.39 5 173 165.33 7.67 58.83 6 181 165.33 15.67 245.55 7 177 165.33 11.67 136.19 8 188 165.33 22.67 513.93 9 154 165.33 -11.33 128.37 10 179 165.33 13.67 186.87 11 180 165.33 14.67 215.21 12 160 165.33 -5.33 28.41 3124.68 17

11



Metoda Konstan

aN

tt

n

t

dd= ⇒=

∑1 '

SEEn f

dt dtt

n

=−

=−

=

= ≈

−∑=

2

1

31246812 1

31246811

16 85 17

( ')

.

.

.



Metoda Liniert dt t . dt t2 dt'=156+1.t e = dt - dt' e2 1 140 140 1 157 -17 289 2 159 318 4 158 1 1 3 136 408 9 159 -23 529 4 157 628 16 160 -3 9 5 173 865 25 161 12 144 6 181 1086 36 162 19 361 7 177 1239 49 163 14 196 8 188 1504 64 164 24 576 9 154 1386 81 165 -11 121 10 179 1790 100 166 13 169 11 180 1980 121 167 13 169 12 160 1920 144 168 -8 64 ∑78 1984 13264 647 2628 t 6.5 dt 165.33

12



Metoda Linier

bN t dt dt t

Nt

n

adt

N

b t

Ndt b t

t

n

t

n

t

n

t

n

t

n

t

n

t t=

−

−=

= − = −

= ==

=

= =

∑ ∑∑

∑ ∑

∑ ∑

.

.

( )

1 11

2

1

2

1 1

1

b

a dt b t

dt t

=−

−

=−−

=

= ≈

= −= − = −= ≈

∴ = +

12 13264 1984 78

12 647

157168 1547527764 6084

24161680

1 44 1

16533 1 44 6 5 16533 9 3515598 156

156 1

278( ) ( )( )

( )

.

.. . ( . ) . ..

'

( ) SEEn f

dt dtt

n

=−

=−

=

= ≈

−∑=

2

1

262812 2

262810

16 21 16

( ')

.



Metoda Kuadratist dt t.dt t2 t2.dt t4 dt' e=dt-

dt' e2

-6 140 -840 36 5040 1296 118.36 21.64 468.29 -5 159 -795 25 3975 625 127.82 31.18 972.19 -4 136 -544 16 2176 256 143.88 -7.88 62.09 -3 157 -471 9 1413 81 146.74 10.26 105.27 -2 173 -346 4 692 16 147.6 23.4 547.56 -1 181 -181 1 181 1 152.46 28.54 814.53 1 177 177 1 171 1 156.86 20.14 405.62 2 188 376 4 752 16 158.4 29.6 876.16 3 154 462 9 1386 81 159.96 -5.96 35.52 4 179 716 16 2864 1256 161.48 17.52 306.95 5 180 900 25 4500 625 149.82 30.18 910.83 6 160 960 36 5760 1296 144.76 15.24 232.26 Σ 1984 404 182 28710 4550 5737.2

7

13



Metoda Kuadratis

bt dt N dt

n

adt C

N

t

n

t

nt

n

t

n

t

n

t

n

t

n

t

n

t

t t

t t

t

=−

−

=−

=

=

= =

= =

= =

∑

∑

∑ ∑ ∑

∑ ∑

∑ ∑

. .

( )1

2

1

2

1

2

12

1

4

1

1

2

1

2 c=

dtt=1

n

b

c

a

dt t t

= = ≈

=−

−=

−−

=−

= − ≈

=−

=−

=

∴ = + +

404182

2 22 2 2

1984 182 12 28910

12 4550

361088 34692033124 54600

1416821476

0 6597 0 66

1984 0 66 18212

1984 1201212

15532

15532 2 2 0 66

2

2

182

. .

( )( ) ( )

( )

. .

. ( ) .

.

' . . .

( )

SEE =−

=

= ≈

57372712 3

5737279

25 25 25

.

.

.



Pemilihan Metoda Terbaik & Hasil Peramalan

• Metode yang dipilih adalah metode peramalanlinier

• Dt' = 156 + t

Konstan Linier Siklis SEE 17 16 25

t 13 14 15 16 17 18 19 20 21 22 23 24 Dt' 169 170 171 172 173 174 175 176 177 178 179 180

14



Metoda Peramalan Lainnya

• Moving average methodSimple moving average

• Exponential smoothingSimple exponential smoothing

• Winters model



Verifikasi Peramalan

• Dilakukan untuk memverifikasi apakah fungsiperamalan yang digunakan mewakili pola data yang ada.

• Metoda verifikasi: moving range chart

• Moving Range

• Average moving range

• Control limits

( ) ( ) 1'

1' ddddMR tttt −− −−−=

∑−

=1n

MRMR

MRLCL

MRUCL

66.2

66.2

−=

+=

15



Verifikasi Peramalan

• Pengujian Out of controlDari 3 titik yang berurutan, 2 titik atau lebih di Daerah ADari 5 titik yang berurutan, 4 titik atau lebih di Daerah BDari 8 titik yang berurutanseluruhnya berada atau dibawah center lineSatu titik di luar batas kontrol

• Bila kondisi out-of-control terjadi, tindakan yang bisadiambil :

Perbaiki ramalan denganmencakup data baru (sistemsebab baru)Tunggu evidence selanjutnya

center line

UCL

LCL

regi

on A

regi

on B

regi

on C

regi

on A

regi

on B

regi

on C



Contoh Verifikasi (1)

•Dt' = 156 + t

159217167160120-1416618011

24-14165179101510164154910-2516318885-1516217777-201611816

15-13160173520215915742422158136318-21571592

161561401

MRDt'- DtDt'Dtt

45.3845.38

45.1411

159

−==

==

LCLUCL

MR

16



Contoh Verifikasi (2)

38.45

25.63

12.82

-38.45

-12.82

-25.63



Tugas Kelompok• Buku:

Sipper D, R.L. Bulfin, Production planning, control and integration, McGraw-Hill, USA, 1997

• Bab:Forcasting (Bab 4)

• Soal:4.24, 4.29 dan 4.36Data demand/penjualan pada setiap soal di atas diubah menggunakanformula:

Demand (baru) = demand (buku) * bulan + tanggalDimana:

Bulan = bulan kelahiran (mis: Juli = 7)Tanggal = tanggal kelahiran dari salah satu anggota kelompok

• Kelompok:Beranggotakan minimum 1 orang dan maksimum 3 orang (masing-masing dari TI(1), TI(2) dan TI(3);Anggota kelompok tidak boleh dari kelas yang sama

• Dikumpulkan:Rabu, 10 September 2003Jam 12.00, di LSP

2) peramalan & pengelolaan demand

Documents