Contoh Metode Kausal Dalam Peramalan (Forecasting)

Metode Kausal

Metode peramalan kausal mengembangkan suatu model sebab-akibat antara permintaan yang diramalkan dengan variable-variabel lain yang dianggap berpengaruh. Sebagai contoh, permintaan akan baju baru mungkin berhubungan dengan banyaknya populasi, pendapat masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus (hari raya, natal, tahun baru). Data dari variable-variabel tersebut dikumpulkan dan dianalisa untuk menentukan kevaliditasan dari model peramalan yang diusulkan.

Metode ini dipakai untuk kondisi dimana variable penyebab terjadinya item yang akan diramalkan sudah diketahui. Dengan adanya hubungan tersebut, output dapat diketahui jika input diketahui.

Metode Regresi dan Korelasi

Metoda regresi dan korelasi pada penetapan suatu persamaan estimasi menggunakan teknik “least squares”. Hubungan yang ada pertama-tama dianalisis secara statistik. Ketepatan peramalan dengan menggunakan metoda ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata ketepatannya kurang begitu baik. 

Metoda ini banyak digunakan untuk peramalan penjualan, perencanaan keuntungan, peramalan permintaan dan permalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metoda ini adalah data kuartalan dari beberapa tahun lalu.

Contoh : Data berikut berhubungan dengan nilai penjualan pada bar pada beberapa pecan di penginapan Marthy and Polly Starr di Marathon, Florida. Jika peramalan menunjukkan bahwa akan dating 20 tamu pecan depan, berapakah penjualan yang diharapkan.

Semoga bermanfaat

SALAM SUKSES

Contoh Peramalan (Forecasting) Trend Projection

• Metode Trend Projection

Adalah suatu metode peramalan serangkaian waktu yang sesuai dengan garis tren terhadap serangkaian titik-titik data masa lalu, kemudian diproyeksikan ke dalam peramalan masa depan untuk peramalan jangka menengah dan jangka panjang. Persamaan garis :

Dimana :                y = variabel yg akan diprediksi

                              a = konstanta

                              b = kemiringan garis regresi

                              x = variabel bebas (waktu)

Dengan metode kuadrat terkecil (MKT) didapat :

 

Contoh : Tabel berikut adalah memperlihatkan jumlah kecelakaan yang terjadi di Florida State Highway 101 selama 4 tahun. Ramalkan jumlah kecelakaan yang terjadi pada bulan Mei.

Semoga bermanfaat.

SALAM SUKSES

Contoh Implementasi Peramalan Eksponential Smoothing

• Metode Eksponential Smoothing

Metode eksponential smoothing merupakan pengembangan dari metode moving averages. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar. Rumus metode eksponential smoothing :

dimana :     F_t   = Peramalan baru

                   F_t-1 = Peramalan sebelumnya

                   α    = Konstanta penghalusan (0≤α≥1)

                   A_t-1 = Permintaan aktual periode lalu

Menghitung kesalahan peramalan

Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan dalam peramalan. Tiga dari perhitungan yang paling terkenal adalah 

• Deviasi mutlak rata-rata (mean absolute deviation = MAD)

MAD adalah nilai yang dihitung dengan mengambil jumlah nilai absolut dari setiap kesalahan peramalan dibagi dengan jumlah periode data (n).

•   Kesalahan kuadrat rata-rata (mean absolute deviation =MSE)

•  Kesalahan persen mutlak rata-rata (mean absolute percent = MAPE)

Contoh : PT. TPN ingin memprediksi total penjualan bulan Januari tahun depan. Data penjualan bulan Januari hingga Desember adalah sebagai berikut:

Semoga bermanfaat

SALAM SUKSES

Contoh Peramalan Moving Average (Rata-rata bergerak)

Contoh : Berikut ini adalah contoh penjualan pada supermarket Minikuper selama satu tahun lalu. Kita ingin mengetahui nilai penjualan bulan depan tahun yang akan datang.

Tabel.

Graphik

Metode ini dapat menghaluskan fluktuasi tiba-tiba dalam pola permintaan untuk menghasilkan estimasi yang stabil. Metode ini mempunyai masalah :

• Meningkatkan ukuran n memang menghaluskan fluktuasi dengan lebih baik tetapi metode ini kurang sensitive untuk perubahan nyata dalam data.  
• Rata-rata bergerak tidak dapat memanfaatkan trend dengan baik. 
• Karena merupakan rata-rata, rata-rata bergerak akan selalu berada dalam tingkat masa lalu dan tidak akan memprediksi perubahan ke tingkat yang lebih tinggi maupun yang lebih rendah.

Semoga bermanfaat

SALAM SUKSES

Prosedur Peramalan (Forecasting) Dalam Manajemen Operasi

PROSEDUR PERAMALAN

Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah:

1. Mendefinisikan Tujuan Peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.

2. Membuat diagram pencar (Plot Data)

Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).

3.  Memilih model peramalan yang tepat

Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut.

4.  MELAKUKAN PERAMALAN

5.  Menghitung kesalahan ramalan (forecast error)

Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)

Dimana : Y(t)  = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada periode t
t       = Periode peramalan

Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)

SSE = S e(t)2 = S[Y(t)-Y’(t)]2

6.  Memilih Metode Peramalan dengan kesalahan yang terkecil.

Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut.

7.  Melakukan Verifikasi

Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.

MEMANTAU RAMALAN

Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan.

Salah satu cara untuk memantau peramalan  guna menjamin keefektifannya adalah menggunakan isyarat arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD).

Referensi : http://saskiabosa.blogspot.co.id/2013/10/forecasting-peramalan-untuk-manajemen.html

2 Metode Peramalan (Forecasting) Dalam Manajemen Operasi

Metode peramalan:

Peramalan berdasarkan metode terbagi menjadi 2 yaitu:

1. Metode Kuantitatif

 menggunakan berbagai model matematis atau metode statistik dan  data historis dan atau variabel-variabel kausal untuk meramalkan permintaan,

    Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :

A. Model Seri Waktu / Metode deret berkala

 Model seri waktu / metode deret berkala (time series)  metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu, terbagi menjadi :

1. Rata-rata bergerak (moving averages),

·         Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil  :

·         Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru :

Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai berikut.

          

2. Penghalusan eksponensial (exponential smoothing),

Penghalusan Eksponensial : metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.

Peramalan menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut:

         

3. Proyeksi trend (trend projection)

Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.

B. Model / metode kausal (causal/explanatory model)

Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel lain yang mempengaruhinya tetapi bukan waktu melainkan sebab akibat. Dalam prakteknya jenis metode peramalan ini terdiri dari :

·         Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.

Peramalan menggunakan metode regresi:

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan.

Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :

·         Adanya informasi masa lalu

·         Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)

    Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.

Adapun data- data yang ada dilapangan adalah :

·         Musiman (Seasonal)

 

·         Horizontal (Stationary)

 

·         Siklus (Cylikal)

 

·         Trend

 

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

·         Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu.

·         Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu :

·         Analisis deret waktu untuk regresi sederhana linier

·         Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:

Y = F (x)

Dimana :

Y = Dependent variable (variabel yang dicari)

X = Independent variable (variabel yang mempengaruhinya)

Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

Y = a + b x

Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :

 

kemudian nilai b dapat dicari dengan rumus :

 

·         Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.

·         Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.

2. Metode Kualitatif

Metode kualitatif umumnya 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 kualitatif dapat menggunakan teknik/metode peramalan, yaitu :

·    Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik.

·     Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.

·        Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.

·      Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.

Semoga bermanfaat

SALAM SUKSES