Metode Suavização exponencial Suavização adalah mengambil rata 8211 rata dari nilai pada beberapa periode untuk menaksir nilai pada suatu periode (Pangestu Subagyo, 1986: 3) Suavização exponencial adalah suatu metodo peramalan rata-rata bergerak yang melakukan pembobotan menurun secara exponencial terhadap nilai 8211 nilai observasi yang Lebih tua (Makridakis, 1993: 79) Metode explonential smoothing merupakan pengembangan dari metode média móvel. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data baru. 1. Metode Single Exponential Smoothing Metode único suavização exponencial merupakan perkembangan dari metodo média móvel sederhana, yang mula 8211 mula dengan rumus sebagai berikut: (1.1) (1.2) dan (1.3) (1.4) Perbedaan antara St1 dan St adalah sebgai berkut: ( A) Pada St1 terdapat sedangkan pada St tidak terdapat (b) Pada St terdapat sedangkan pada St1 tidak terdapat (Pangestu Subagyo, 1986: 18) Dengan melihat hubungan di atas maka kalau nilai St sudah diketahui maka nilai St1 dapat dicari berdasarkan nilai St itu Kalau Prevenção de dentistas nilai pada tahun t (yaitu St) maka persamaan diubah menjadi: (1.5) bisa diubah menjadi: (1.6) Di dalam metode Exponential smasting nilai diganti dengan sehingga rumus forecast menjadi: St1 Xt (1 8211) St (1.7) ( Pangestu Subagyo, 1986: 19) Penerapan teknik peramalan ini menghasilkan table di bawah ini Tabela I Nilai St contoh penggunaan metode Saingle Suavização exponencial Não Xt St 1 20 2 21 20 3 19 20,10 4 17 19,19 5 22 19,69 6 24 19,92 Su Mber (Pangestu subagyo, 1986: 21) Nilai ramalan untuk periode ke 7 dapat dihitung sebagai berikut: S7 X6 (1 8211) S6 0,1 (24) (0,9) 19,92 20,33 Metode Single Exponential Smoothing lebih cocok Digunakan untuk meramal hal 8211 hal yang fluktuasinya secara aleatório (tidak teratur). 2. Metode Doble Exponential Smoothing Metode ini merupakan modelo linear yang dikemukakan oleh Brown. Didalam merode Doble Exponencial Suavização dilakukan proses Suavização dua kali, sebagai berikut: St Xt (1 8211) St-1 (1.8) St S8217t (1 8211) (1.9) Rumusan ini agak berbeda dengan rumus Único Suporte Suplementar karena Xt dapat dipakai untuk mencari St Bukan St1 Forecast dilakukan dengan rumus: Stm at btm (1.10) m jangka waktu previsão kedepan (1.11) (1.12) Metode duplo exponencial alisamento ini biasanya lebih tepat untuk meramalkan dados yang mengalami tendência naik. Agar dapat menggunakan rumus (1.8) dan (1.9) maka nilai St-1 dan St-1 harus tersedia tetapi pada saat t 1, nilai 8211 nilai tersebut tidak dapat tersedia. Jadi nilai 8211 nilai ini harus ditentukan pada awal periode. Hal ini dilakukan dengan hanya menetapkan St dan St sama dengan Xt atau dengan menggunakan suatu nilai pertama sebagai nilai awal. Contoh penggunaan Metodo duplo esmagamento exponencial untuk penjualan barang X. Tabela 2 Volume penjualan barang X NO PERMINTAAN BARANG 1 120 2 125 3 129 4 124 5 130 Sumber (pangestu Subagyo, 1986: 26) Akan dicari ramalan minggu ke-6 dengan menggunakan rumus ( 1.10) dengan 0,2. Perhitungan di mulai dengan menghitung St172 dengan rumus (1.8) yaitu St Xt (1-) St-1. X1 120, karena belum cukup data St dianggap sebesar 120 dan selanjutnya dengan rumus (1.8) secara berangkai didapatkan kemudian mencari nilai dengan rumus (1.9) yaitu dengan 0,2. 120 dan harga-harga secara berangkai didapatkan: Harga-harga a dan b diperoleh dengan menggunakan rumus (1.11) dan (1.12). Dari secara berangkai didapat harga: dari secara berangkai didapat harga-harga Harga ramalan tahun ke-6 diperoleh dengan rumus (1.10) yaitu Stm em btm172 dengan m 1 dan 0,2 S6 a5 b5 126,84 0,64 127,48. Jadi ramalan penjualan tunai ke-6 adalah 127,48 3. Metode Triple Exponential Smoothing Metode ini merupakan metode previsão yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadrat. Metode ini lebih cocok kalau dipakai untuk membuat previsão yang berfluktuasi atau mengalami gelombang pasang surut. (Pangestu Subagyo, 1986: 26). Previsão de pembuatan de Prosedur dengan metode ini sebagai berikut: Carilah nilai dengan rumus sebagai berikut: (1.13) Untuk tahun pertama nilai belum bisa dicari dengan rumus di atas, maka boleh ditentukan dengan bebas. Biasanya ditentukan sama seperti nilai yang telah terjadi pada tahun pertama. Carilah nilai dengan rumus: (1.14) Pada tahun pertama biasanya nilai ditentukan seperti nilai yang terjadi pada tahun pertama: Carilah nilai (1.15) Untuk nilai tahun pertama biasanya dianggap sama dengan data tahun pertama. Carilah nilai (1.16) Carilah nilai (1.17) Carilah nilai (1.18) Buat persamaan forecastnya (1.19) m adalah jangka waktu maju ke depan, yaitu berapa tahun yang akan datang forecast dilakukan. Em, bt, ct adalah nilai yang telah dihitung sesuai dengan rumus di depan. Contoh penggunaan metode Triple Exponential Suavização untuk peramalan penjualan kita gunakan dados tabel 2. Akan tetapi ramalan tahun ke-6 menggunakan rumus (1.19) dengan 0,2. Dari contoh di atas kita sudah mendapatkan nilai dan maka kita harus mencari nilai. Em, bt, ct dengan. 120 dengan rumus (1.16) diperoleh harga-harga Dengan mengggunakan rumus (1.16) (1.17) (1.18) harga at, bt, ct bisa didapat Harga ramalan tahun ke-6 diperoleh dengan menggunakan rumus (1.19) Média móvel média móvel merupakan indikator yang Paling sering digunakan dan paling standar. Jika di Indonesiakan artinya kira-kira adalah rata-rata bergerak. Mudando média sendiri memiliki aplikasi yang sangat luas meskipun sederhana. Dikatakan sederhana karena pada dasarnya metode ini hanyalah pengembangan dode metode rata-rata yang kita kenal disekolah (nah, ada gunanya juga bukan kita bersekolah). Rata-rata bergerak tunggal (média móvel) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan munculnya data baru, maka nilai rata-rata yang baru dapat dihitung dengan menghilangkan dados yang terlama dan menambahkan dados yang terbaru. Mover média ini digunakan untuk memprediksi nilai pada periode berikutnya. Modelo ini sangat cocok digunakan pada dados yang stasioner atau dados yang konstant terhadap variansi, tetapi tidak dapat bekerja dengan dados yang mengandung unsur tendência atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan dados terakhir (F t), dan menggunakannya untuk memprediksi dados pada periode selanjutnya. Metodo ini sering digunakan pada dados kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (suavização). Dibanding dengan rata-rata sederhana (dari satu data masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari data yang diketahui. Jumlah titik dados dalam setiap rata-rata tidak berubah dengan berjalannya waktu. Kelemahan dieu metode ini adalah: Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan. Tidak hanya nilai rata-rata. Metode ini tidak dapat menanggulangi dengan baik adanya tendência atau musiman, walaupun metode ini lebih baik dibanding rata-rata total. Sukai ini: Tinggalkan Balasan Batalkan balasan Dah cukup informatif segh. Tapi kalau bisa dikasih contoh juga perhitungannya..mungkin bisa dalam bentuk excelnya aja (arquivo download-an) .. owh ya8230 harap maklum mas..masih dalam perancangan .. terimakasih untuk sarannya .. insya allah akan segera di laksanakanPeramalan (previsão). Adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan menggunakan dados historis dan memproyeksikannya ke masa depan dengan beberapa bentuk modelo matematis. Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari dados dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain: Peramalan berdasarkan jangka waktu: 1. Peramalan jangka pendek (kurang satu tahun, umumnya kurang tiga bulan. Digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi), 2. Peramalan jangka menengah ( Tba tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta (tiga tahun atau lebih, digumakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta), 3. peramalan jangka panjang (tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta Pengembangan). Peramalan berdasarkan rencana operasi 1. Ramalan ekonomi. Membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya, 2. Ramalan teknologi. Berkaitan dengan tingkat kemajuan teknologi dan produk baru, 3. Ramalan permintaan. Berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjadualan perusahaan. Peramalan berdasarkan metode pendekatan: 1. Peramalan kuantitatif. Modelo de berbagai de menggunakan matematis atau metode statistik dan dados historis dan atau variabel-variabel kausal untuk meramalkan permintaan, 2. Peramalan kualitatif. Manggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (julgamento) dari yang melakukan peramalan Metode peramalan: Peramalan berdasarkan metode terbagi menjadi 2 yaitu: 1. Metode Kuantitatif Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu: 1. M odel seri waktu metode deret berkala (Série de tempo) metode yang dipergunakan untuk menganalisis serangkaian dados yang merupakan fungsi dari waktu, 2. M odel metode kausal (modelo causalxplanatório), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (variável independente). 1. Modelo Seri Waktu Metode deret berkala, terbagi menjadi: 1. Rata-rata bergerak (médias móveis), 2. Penghalusan eksponensial (suavização exponencial), 3. Tendência Proyeksi (projeção de tendência) 1. Rata-rata bergerak (médias móveis) , Rata-Rata Bergerak Sederhana (médias móveis simples). Bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil: Rata-Rata Bergerak Tertimbang (médias móveis ponderadas). Apabila ada pola atau tendência yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru: 2. Penghalusan eksponensial (suavização exponencial), Penghalusan Eksponensial. Metode peramalan dengan menambahkan parâmetro alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotantimbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial. 3. Tendência Proyeksi (projeção de tendência) Metode proyeksi tendência dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis Tendência untuk persamaan matematis. Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. 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 mínimos quadrados yang dianalisis secara statis. Modelo Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun tendência ekonomi jangka panjang. Modelo ekonometri, merupakan peramalan yang digunakan untuk jangka panjan G dan jangka pendek. Peramalan menggunakan metode regresi: Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan. Halhau 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 dados (dikuantifikasikan) Diasumsikan bahwa pola dados yang ada dados dados lalu akan berkelanjutan dimasa Yang akan datang. Adapun data - data yang ada dilapangan adalah: Musiman (Sazonal) Horizontal (Estacionário) Siklus (Cylikal) Tendência Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu: Analisi deret waktu (séries temporais), merupakan analisis antaravariabel yang dicari dengan Variabel waktu Analisis Cross Section atau sebab akibat (método causal), 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 metodo ini kita gunakan notasi matematis seperti: Y Variável dependente (variabel yang Dicari) X variável independente (variabel yang mempengaruhinya) Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut: Dimana a dan b adalah merupakan parâmetro yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus: kemudian nilai b dapat dicari dengan rumus: 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 teknikmetode peramalan, yaitu: Juri dari Opini Eksekutif. Metodo ini mengambil opini atau pendapat dari sekelompok kecil manajer puncaktop gerente (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 profissional sehingga hasil peramalan diharapkan mendekati aktualnya. Survai Pasar (pesquisa de mercado). Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung. 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 perusa menindukan 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. Isyarat Arah (Tracking Signal). Adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (soma corrente do erro de previsão RSFE) dibagi dengan deviasi absolut mean (MAD) Prosedur Peramalan Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan Metodo kuantitatif. Tahapan tersebut adalah: Mendefinisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. Membuat diagrama pencar (Plot Data) Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) e waktu sebagai axis (X). 3. Memilih modelo peramalan yang tepat Melihat dari kecenderungan dados pada diagrama pencar, maka dapat dipilih beberapa modelo peramalan yang diperkirakan dapat mewakili pola tersebut. Menghitung kesalahan ramalan (erro de previsão) Keakuratan suatu modelo 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 (erro de previsão) atau deviasi yang dinyatakan dalam: Dimana. Y (t) Nilai dados aktual pada periode t Y (t) Nilai hasil peramalan pada periode tt Periode peramalan Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Soma de Erros Quadrados) dan Estimasi Erro Standar (SEE Erro Padrão Estimado) 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. Untuk mengevaluasi apakah pola dados menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya. METODE PERAMALAN LAINNYA Metode Market Experiment (Percobaan Pasar) Yaitu suatu cara untuk membuat peramalan permintaan dengan melakukan uji coba pada segmen atau bagian pasar tertentu. Uji coba dilakukan dengan memberikan perlakuan tertentad terhadap faktor-faktor yang mempengaruhi permintaan. Metode ini biasanya digunakan untuk produk baru atau produk yang mengalami inovasi atau pengembangan. 8211 Contoh. Pada produk Rokok Halim diberikan kepada konsumen secara gratis selama 1 bulan di berbagai tempat untuk mengetahui respon konsumen terhadap produk tersebut atau memberi diskon saat produk ini lançamento. Setelah respon masyarakat bagus, lalu Hilam dijual secara bertahap yaitu Rp 2.500,00 lalu dijual secara stabil pada harga Rp 4.000,00 karena termasuk produk baru oleh karena itu tetap dijual di bawah harga pasar agar dapat menarik minat konsumen. Metode Peramalan Dengan Pendekatan Pesquisa de Marketing Dalam melakukan peramalan permintaan konsumen, berbagai metode dapat digunakan terutama dengan pendekatan peninsular pemasaran (Pesquisa de Marketing) karena bagian pemasaranlah yang secara langsung berhubungan dengan konsumen. Metode peramalan yang sering digunakan yaitu: 8211 Survey Pelanggan Survey pelanggan merupakan suatu metode yang digunakan untuk mengetahui sikap dan persepsi konsumen atau pelanggan dengan cara mewawancarai konsumen secara langsung atau memberikan kuisioner yang sudah dipersiapkan. Biasanya juga disertakan nomer telefone atau alamat pada suatu produk agar konsumen bisa secara leluasa menyampaikan saran ataupun kritik.
No comments:
Post a Comment