Peramalan adalah suatu perkiraan yang diharapkan untuk suatu produksi atau bebrapa produk dalam periode waktu yang ditentukan di masa yang akan datang (Ginting,2007).
Kegunaan peramalan adalah :
1. Menentukan apa yang dibuthkan untuk perluasan pabrik.
2. Menentuka perencanaan lanjutan bagi produk-produk yang ada untuk dikerjakan dengan fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek produk-produk yang ada untuk dikerjakan berdasarkan peralatan yang ada.
Metode peramalan dapat dibagi menjadi dua kategori yaitu :
1. 1. Metode kualitatif
Penggunaan metode kualitatif:
a. Tidak memerlukan data kuantitatif
b. Unsur subyektifitas peramalan sangat besar pengaruhnya dalam hasil peramalan
c. Baik untuk peramalan jangka panjang
2. 2. Metode kuantitatif
Penggunaan metode kuantitatif membutuhkan :
a. Data kondisi masa lalu
b. Data tersebut dapat dikuantifisir
c. Diasumsikan pola data masa lalu akan berlanjut pada masa yang akan datang
Metode kuantitatif dibagi menjadi dua metode yaitu :
a. Metode deret berkala (time series)
Metode yang berdasarkan data masa lalu dari suatu produk.
b. Metode kausal
Metode yang didasarkan data masa lalu dan data variabel lain yang menentukan atau mempengaruhi masa depan.
Berikut ini adalah beberapa metode peramalan:
a. Simple Average
Adalah menghitung rata-rata dari data yang tersedia. Persamaan dari metode ini adalah:
F(t) = A
F(t+1) = F(t)
b. Weight Moving Average
Peramalannya dipengaruhi oleh T periode masa lalu dan data tiap waktu tetap. Persamaannya adalah:
F(t)=SW(i)A(i)/SW(i) dimana i=(t-m+1) ke-t
F(T+1) = F(t)
c. Moving Average With Linier Trend
Metode ini efektif jika trend linier dan random errornya tidak terlalu besar. Persamaannya adalah:
(t)=SA(i)/m dimana i=(t-m+1) ke-t
T(t)=12S(iA(t-(m-1)/2-i)/m(m2-1) dimana i=-(m-1)/2 ke (m=1)/2
F(t+t)=F(t) + T(t) (t+t)
d. Single Exponential Smoothing
Dihitung berdasarkan hasil peramalan ditambah dengan peramalan periode sebelumnya dan tergantung nilai α yang digunakan. Persamaan metode ini adalah:
F(0)=A(1)
F(t) = aA(t) + (1-a)f(t-1)
F(t+t) = F(t)
e. Single Exponential Smoothing With Trend
Persamaan metode ini adalah:
F(0)=A
T(0)=0
F(t)=aA(t) + (!-a) (f(t) + T(t))
T(t) = b(F(t)-F(t-1_ + (1-b) T (t-1)
F(t+t) = F(T) + T(t)
f. Double Exponential Smoothing
Persamaan metode ini adalah:
F0 = F(0) = A1
F1 = aA1 + (1-a)Ft-1
F’1 = aA1 + (1-a) F’t-1
F(t-1) = F’t
g. Double Exponential Smoothing With Trend
F0 = F’(0) = A1
F1 = aA1 + (1-a)Ft-1
F’1 = af1 + (1-a)F’t-1
G = t a/b
F(t+1) = (2+g) F(t) + (1+g) F’(t)
h. Linier Regression
Metode ini menunjukan hubungan sementara dari beberapa variabel peramalan. Variabel yang akan diprediksi disebut variabel dependent sedangkan variabel waktu yag digunakan dalam peramalan disebut variabel independent. Persamaan metode ini adalah:
b = [Si A(i) (i-n)a(n+1)/2] [ Si (i2-n)(n+1)2/4] dimana i=1 ke-n
A = A-b (n+1)/2
F(t) = a bt
Tidak ada komentar:
Posting Komentar