om2x ....... untuk menghitung peramalan (Penjualan atau pun produksi) tidak semudah dengan ada yang ada di tipi " ketik reg(spasi) Ramal kirimi ke 6666 he he he.... didalam menghitug data peramalan penjualan semakin banyak data penjualan maka hasilnya semakin akurat (minimal data historis penjualan 36 bulan kebelakang). Terlampir file excel Contoh peramalan 2 buah produk sepatu merk air jordan dan air max selama 36 periode dan terlampir pula landasan teori peramalan produksi/penjualan
ini cara ngitung peramalan(File excel terlampir dan pdf metode peramalan terlampir) : Metode Peramalan Yang Biasa Digunakan. Peramalan dengan Metode Regresi Linear Salah satu bentuk peramalan yang paling sederhana adalah metode regresi linear. Dalam metode regresi linear diasumsikan bahwa terdapat hubungan antara variable yang ingin diramalkan (variable dependen) dengan variable lain (variable independent) Peramalan dengan Metode Regresi Kuadratis Peramalan dengan metode regresi kuadratis didasarkan pada asumsi bahwa pola pertumbuhan dari data histories bersifat kuadratis. Pola pertumbuhan ini didekati dengan suatu model yang menggambarkan hubungan yang terkait dalam suatu keadaan. Peramalan dengan Metode Siklis Persamaan matematis yang digunakan untuk data dengan pola siklis ini adalah:
dimana a, b dan c adalah konstanta yang didapat dari persamaan sebagai berikut :
Peramalan dengan Double Exponential Smotthing (Metode Linear Brown) Metode ini diperkenalkan oleh R.G. Brown. Exponential Smoothing (pemulusan secara eksponensial) merupakan salah satu dari beberapa teknik matematika yang secara langsung dapat diterapkan pada system peramalan. Prosedur peramalan ini memiliki semua sifat dari teknik moving average (rata-rata bergerak). Peramalan dengan pemulusan eksponensial ini tidak memerlukan data historis dalam jumlah yang besar. Dasar pemikiran dari metode metode Linear Brown adalah serupa dengan rata-rata bergerak linear, karena kedua nilai pemulusan eksponensial tunggal dan ganda ketinggian dari data yang sebenarnya. Dalam metode ini dikenal adanya suatu konstanta pemulusan (α). Peramalan dengan Triple Exponential Smotthing Metode Eksponential smoothing dapat digunakan untuk mengestimasi koefisien dalam model polimonial secara umum. Pada model linear hanya dibutuhkan dua parameter, pada model kuadratik dibutuhkan membutuhkan parameter ketiga bersamaan dengan kedua parameter lainnya. Peramalan dengan Double Moving Average Peramalan dengan metode ini mampu mengurangi kesalahan sistematis yang terjadi bila moving average (rata-rata bergerak) yang digunakan untuk data yang memiliki trend tertentu. Dasar dari metode ini adalah menghitung rata-rata bergerak yang kedua.Rata-rata bergerak ganda merupakan rata-rata bergerak dari rata-rata bergerak, yang disimbolkan sebagai MA (M x N) yang berarti MA dengan M periode dari MA dengan N periode. Prosedur yang dilakuakan adalah sebagai berikut: 1. Cari x rata-rata dari x1 sampai xt dan nilai peramalan untuk periode S't-1 adalah x rata-rata tersebut. 2. Cari rata-rata dari x2 sampai xt+1, dan nilai peramlan untuk periode S't+2 adalah x rata-rata tersebut. 3. Ulangi kedualangkah tersebut diatas sampai semua x terhitung. Lanjutkan dengan cara yang sama untuk menghitung S"t hanya saja sekarang yang dirata-ratakan bukan x, melainkan S't. 4. Menghitung a dengan rumus: a = 2S't – S"t 5. Menghitung bt dengan rumus bt = 6. Menghitung peramalan ( Ft+m ) dimana m merupakan jumlah periode ke muka dari t. rumus : Ft+m = aa + bt.* m………………..(2-6) Peramalan dengan Seasonal Peramalan dengan metode seasonal sangat baik jika digunakan untuk menghadapi data-data seasonal. Contohnya: permintaan akan batu bara dan minyak bumi yang meningkat pada musim dingin, serta permintaan akan stick golf dan sunblock yang meningkat pada musim panas (Hiezer, Jay dan BarryRender, 2001 :1996). Perhitungan metode seasonal sesuai dengan langkah – langkah sebagai berikut: 1. Hitung rata – rata permintaan tiap musim (atau bulan) dengan menjumlahkan permintaan untuk bulan tersebut dalam tiap tahun dan membaginya dengan jumlah tahunnya. 2. Hitunga rata – rata permintaan selama satu tahun dengan membagi total rata – rata permintaan selama setahun dengan jumlah periode. 3. Hitung index seasonal untuk setiap periode dengan membagi hasil perhitungan dari langkah (1) dengan hasil perhitungan pada langkah (2). 4. Tentukan total permintaan tahun selanjutnya dengan menggunakan rumus regresi linear. 5. Bagi total permintaan tahunan tersebut menjadi sejumlah periode, lalu kalikan total permintaan dengan index musiman untuk mendapatkan demand setiap bulannya. ************ Nilai Kesalahan Peramalan Dalam melakukan peramalan, hasil peramalan kita tidak mungkin benar-benar tepat. Selisih antara nilai sebenarnya dengan nilai peramalan dapat dikatakan sebagai error/deviasi. Melalaui nilai kesalahan ini dapat kita lakukan beberapa analisa, sehinggadapat dibandingkan metode peramalan mana yang sesuai dengan data yang kita miliki serta seberapa baik metode yang digunakan tersebut. Hal ini dapat diketahui dari perbandingan antara nilai-nilai kesalahan yang dihasilkan dari masing-masing metode. Metode yang terbaik atau yang paling sesuai dengan data kita, akan memiliki nilai peramalan kesalahan yang paling kecil. Secara umum Jumlah kesalahan peramalan bukan merupakan ukuran yang tepat untuk menentukan seberapa efektif metode peramalan yang digunakan, tetapi hanya merupakan ukuran bias atau selisih bias yang dihasilkan. Untuk menghindari masalah dimana nilai kesalahan nilai kesalahan positif menetralkan nilai kesalahan negatif Statistik-U dari Theil (Theil's U) ~ Statistik-U merupakan suatu ukuran kesalahan peramalan yang merupakan perbandingkan relatif antara metode peramalan formal dengan pendekatan naif dan juga mengkuadratkan kesalahan yang terjadi sehingga kesalahan yang besar diberikan lebih banyak bobot daripada kesalahan yang kecil. Karakteristik positif yang ditimbulkan dalam menggunakan statistik-U dari Theil (1966) sebagai ukuran ketepatan adalah mengenai interpretasi yang intuitif. Kesulitan ini akan menjadi lebih jelas dengan memeriksa perhitungan dan penggunaan statistik ini. Tracking Signal Salah satu cara untuk mengontrol peramalan untuk memastikan bahwa metode peramalan yang digunakan akan menghasilkan peramalan yang baik dengan menggunakan tracking signal. Tracking signal adalah suatu perhitungan mengenai sebaik apakah metode peramalan yang digunakan untuk memprediksi data aktualnya. Dengan diperbaharuinya peramalan secara terus-menerus setiap minggu, bulan, atau kuarter, maka data kebutuhan terbaru yang tersedia dibandingkan dengan nilai-nilai yang diperoleh dari peramalan. Tracking signal dihitung sebagai jumlah kesalahan peramalan (Running Sum Forecast Error/RSFE) yang dibandingkan dengan nilai Nilai positif tracking signal menunjukan bahwa data actual masih lebih besar dibandingkan dengan data peramalannya. Sedangkan nilai negatif tracking signal berarti bahwa data actual lebih kecil dibandingkan dengan data peramalannya. Sebuah tracking signal yang baik adalah tracking signal yang memiliki nilai RSFE yang kecil, dimana jumlah kesalahan peramalan positif hampir sama jumlahnya dengan kesalahan peramalan negatif. Pada saat nilai tracking signal dihitung, maka nilai tersebut dibandingkan dengan batas kontrol yang telah ditentukan. Apabila suatu tracking signal melampaui batas atas atau batas bawah kontrol, berarti metode peramalan yang digunakan bermasalah dan pihak manajemen mungkin ingin mengevaluasi kembali metode peramalan tersebut. Batas kontrol tidak boleh terlalu rendah, agar tersedia kelonggaran bagi kesalahan-kesalahan peramalan yang sangat kecil, tapi batas kontrol juga tidak boleh terlalu tinggi, sehingga peramalan yang buruk harus terus-menerus dipantau. George Ploss dan Oliver Wright, dua orang ahli control persediaan mengusulkan untuk mengguanakan batas maksimum sebesar ± 4MAD untuk persediaan yang besar dan batas maksimum ± 8 MAD untuk jumlah persediaan yang sedikit lebih rendah. Vertifikasi dan Pengendalian peramalan Jika ada data yang berada diluar batas kontrol yang telah ditentukan maka ada beberapa data yang harus dihilangkan atau mencari metode peramalan yang lain, Jika semua tititk berada dalam batas dalam yang ditentukan maka peramalan dinyatakan benar. Kondisi tidak terkendali jika : - Tiga titik atau data yang berurutan, dua atau lebih diantaranya berada di daerah A - Lima titik atau data yang berurutan,empat atau lebih diantaranya berada didaerah B - Delapan titik atau data yang berurutan berada pada salah satu sisi garis sumbu.
--- On Fri, 9/4/09, rina_fam <yudi.esaputra@
--- On Fri, 9/4/09, rina_fam <yudi.esaputra@
|
| Ada lowongan jadi direktur ga? Hubungi momods please... :D |
| http://www.facebook.com/group.php?gid=37671048001&ref=mf |
+-------------------------------------------------------------------+
| DILARANG : MLM, money game, OOT, iklan tanpa izin, SARA, testing, |
| pembicaraan pribadi, one line message, melecehkan, tidak sopan. |
+-------------------------------------------------------------------+
| Buat subjek yang kreatif, jangan : "tanya", "help", "mohon bantu" |
| Usahakan besar attachment < 200 kb. Gunakan winzip jika perlu. |
+-------------------------------------------------------------------+
| Ajak teman-teman Anda bergabung dengan mengirim e-mail kosong ke |
| XL-mania-subscribe@yahoogroups.com atau kirimkan mereka file dari |
| http://groups.yahoo.com/group/XL-mania/files/Promotion/ |
+-------------------------------------------------------------------+
| Berikan testimoni di : http://www.friendster.com/xlmania atau... |
| http://www.xl-mania.com/2008/06/testimoni-xl-mania.html |
+-------------------------------------------------------------------+
| Message lama ada di : |
| http://groups.yahoo.com/group/XL-mania/messages [perlu yahoo id] |
| http://www.mail-archive.com/xl-mania@yahoogroups.com |
+-------------------------------------------------------------------+
Change settings via the Web (Yahoo! ID required)
Change settings via email: Switch delivery to Daily Digest | Switch format to Traditional
Visit Your Group | Yahoo! Groups Terms of Use | Unsubscribe
Nenhum comentário:
Postar um comentário