Download - Peramalan Permintaan / Demand Forecasting
![Page 1: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/1.jpg)
Peramalan Permintaan / Demand ForecastingPertemuan 5
• Tinjauan Literatur• AHP
![Page 2: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/2.jpg)
• Perkiraan permintaan memiliki peran penting dalam sistem logistik terintegrasi danrantai pasok.
• Perkiraan permintaan memberikan informasi untuk beberapa aktivitas logistiktermasuk pembelian, manajemen inventaris, dan transportasi, misal:
a. Masalah pembelian: pengambilan keputusan perusahaan logistik terkaitjumlah bahan baku / peralatan yang akan dibeli dari pemasok untuk memenuhikebutuhan produksi, memutuskan jumlah pekerja / buruh.
b. Masalah persediaan: terkait proses dan produk jadi untuk disimpan di gudang,
c. Masalah transportasi: terkait keputusan jumlah produk jadi yang akan diangkutke pelanggan untuk memenuhi permintaan pelanggan.
• Perkiraan permintaan di masa yang akan datang menentukan strategi promosi,alokasi pemasaran, harga, dan aktivitas riset pasar.
Pengantar
![Page 3: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/3.jpg)
![Page 4: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/4.jpg)
De
ma
nd
Fo
re
ca
sti
ng
Klasifikasi pendekatan teknik peramalan bersifat kualitatif atau kuantitatif.
1. Pendekatan kualitatif diterapkan pada kasus-kasus dimana data historis tidakdapat diterapkan atau tersedia. Dalam kasus seperti itu, pembuat keputusanmemperkirakan permintaan berdasarkan pengalaman dan penilaian mereka.
• Umumnya, peramalan permintaan tidak hanya bergantung pada faktor-faktor yang dapat diukur seperti penjualan di masa lalu, tetapi juga informasiyang tidak dapat diukur termasuk kebijakan perusahaan, strategi pesaing,preferensi pelanggan, dan sebagainya.
2. Pendekatan kuantitatif dapat diadopsi ketika data historis dari variabel yangakan diramalkan tersedia. Asumsi dasarnya adalah bahwa informasi dapatdikuantifikasi, dan permintaan di masa depan akan mengikuti atau bertepatandengan tren di masa lalu.
• Rangkaian waktu (time series) dan metode kasual adalah dua pendekatankuantitatif yang umum digunakan.
• Kedua metode ini menggunakan teknik statistik untuk menemukan poladalam data historis seperti trend (kecenderungan), siklus, musiman, dantidak teratur, kemudian mengekstrapolasi pola tersebut ke masa depan.
![Page 5: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/5.jpg)
![Page 6: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/6.jpg)
• AHP dikembangkan oleh Prof. Thomas L. Saaty tahun 1970, untukmenyelesaikan permasalahan yang komplek dimana data dan informasistatistik dari masalah yang dihadapi sangat sedikit.
• AHP merupakan metoda pengambilan keputusan yang melibatkan sejumlahkriteria dan alternatif yang dipilih berdasarkan pertimbangan semua kriteriaterkait (Saaty, 2004).
• Kriteria memiliki derajat kepentingan yang berbeda-beda; demikian pulahalnya alternatif memiliki preferensi yang berbeda menurut masing-masingkriteria yang ada.
Metodologi
Analytic Hierarchy Process (AHP)
![Page 7: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/7.jpg)
1. Dekomposisi (Decomposition)
Setelah persoalan didefinisikan, maka perlu dilakukan decomposition, yaitumemecah persoalan yang utuh menjadi unsur-unsurnya. Pemecahan tersebutakan menghasilkan beberapa tingkatan dari suatu persoalan. Oleh karena itu,proses analisis ini dinamakan hierarki (hierachy).
2. Penilaian Komparasi (Comparative Judgment)
Prinsip ini membuat penilaian tentang kepentingan relatif dua elemen padasuatu tingkat tertentu yang berkaitan dengan tingkat di atasnya. Penilaian inimerupakan inti dari AHP karena berpengaruh terhadap prioritas elemen-elemen. Hasil penilaian ini tampak lebih baik bila disajikan dalam bentukmatriks perbandingan berpasangan (pairwise comparison).
Tiga Prinsip Dasar AHP, (Saaty, 1994):
![Page 8: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/8.jpg)
3. Penentuan Prioritas (Synthesis of Priority)
Dari setiap matriks pairwise comparison dapat ditentukan nilai eigenvectoruntuk mendapatkan prioritas daerah (local priority). Oleh karena matrikspairwise comparison terdapat pada setiap tingkat, maka global priority dapatdiperoleh dengan melakukan sintesa di antara prioritas daerah.
Tiga Prinsip Dasar AHP, (Saaty, 1994):
![Page 9: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/9.jpg)
Th
e F
low
ch
ar
t o
f t
he
A
HP Pairwice Comparison Judgement Matrices
(PCJM)
A1
A2
… An
A1
w1/
w1
w1/
w2
… w1/
wn
A2
w2/
w1
w2/
w2
… w2/
wn
… … … … …
n wn/
w1
wn/
w2
… wn/
wn
![Page 10: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/10.jpg)
Skala penilaian perbandingan berpasangan (Saaty, 1988)
Nilai Keterangan
1 sama penting dengan kriteria/alternatif lainnya
3 sedikit lebih penting yang satu dengan yang lainnya
5 cukup penting
7 sangat penting
9 Kepentingan yang ekstrim
2,4,6,8 Nilai tengah diantara dua nilai keputusan yang berdekatan
Reciprocal /
berbalikan
Jika aktifitas i mempunyai nilai yang lebih tinggi dari aktifitas j maka
j mempunyai nilai berbalikan ketika dibandingkan dengan i
rasio Rasio yang didapat langsung dari pengukuran
![Page 11: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/11.jpg)
Langkah-Langkah PenyelesaianAHP
1. Menentukan tujuan, kriteria, dan alternatif keputusan :
• Tujuan: Membangun fasilitas umum
• Kriteria: Manfaat, perawatan, dan partisipasi masyarakat
• Alternatif: Jalan, gedung olahraga, dan pasar
![Page 12: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/12.jpg)
2. Membuat “pohon hierarki” (hierarchical tree) untuk berbagaikriteria dan alternatif keputusan
![Page 13: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/13.jpg)
3. Kemudian dibentuk sebuah matriks pair wise comparison,
Nilai Keterangan
1 sama penting dengan kriteria/alternatif lainnya
3 sedikit lebih penting yang satu dengan yang lainnya
5 cukup penting
7 sangat penting
9 Kepentingan yang ekstrim
2,4,6,8 Nilai tengah diantara dua nilai keputusan yang berdekatan
berbalikan Jika aktifitas i mempunyai nilai yang lebih tinggi dari aktifitas j maka
j mempunyai nilai berbalikan ketika dibandingkan dengan i
rasio Rasio yang didapat langsung dari pengukuran
![Page 14: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/14.jpg)
• Kemudian diperoleh matriks sebagai berikut:
![Page 15: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/15.jpg)
![Page 16: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/16.jpg)
4. Membuat peringkat prioritas dari matriks pairwise dengan menentukan
eigenvector, yaitu:
![Page 17: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/17.jpg)
![Page 18: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/18.jpg)
![Page 19: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/19.jpg)
![Page 20: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/20.jpg)
5. Membuat peringkat alternatif dari matriks pairwise masing-masing alternatif dengan menentukaneigenvector setiap alternatif. Cara yang digunakan sama ketika membuat peringkat prioritas di atas.
![Page 21: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/21.jpg)
21
![Page 22: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/22.jpg)
22
![Page 23: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/23.jpg)
Konsistensi Jawaban
Dalam penggunaan AHP, terdapat beberapa faktor yang dapat menyebabkan respondenmemberikan jawaban yang tidak konsisten, yaitu:
![Page 24: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/24.jpg)
![Page 25: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/25.jpg)
Perhitungan Rasio Konsistensi
• AHP mentoleransi adanya inkonsistensi dengan menyediakan ukuran inkonsistensipenilaian. Ukuran ini merupakan salah satu elemen penting dalam proses penentuanprioritas berdasarkan pairwise comparison. Semakin besar rasio konsistensi, semakintidak konsisten.
• Rasio konsistensi yang acceptable adalah kurang dari atau sama dengan 10 persen,meskipun dalam kasus tertentu rasio konsistensi yang lebih besar dari 10 persen dapatdianggap acceptable.
• Untuk mengetahui apakah hasil penilaian bersifat konsisten, maka beberapa langkahuntuk menghitung rasio inkonsitensi untuk menguji konsistensi penilaian.
Dimana:RK : Rasio KonsistensiIK : Indeks KonsistensiIR : Indeks Random
![Page 26: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/26.jpg)
Orde Matriks (n) 1 2 3 4 5 6 7 8
IR 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41
Orde Matriks (n) 9 10 11 12 13 14 15
IR 1,45 1,49 1,51 1,48 1,56 1,57 1,59
![Page 27: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/27.jpg)
Perhitungan Rasio Konsistensi
• misalnya kita memiliki matriks perbandingan berikut:
![Page 28: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/28.jpg)
Perhitungan Rasio Konsistensi
![Page 29: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/29.jpg)
![Page 30: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/30.jpg)
30
![Page 31: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/31.jpg)
![Page 32: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/32.jpg)
• Analisis regresi berganda untuk mengembangkan peramalan menggunakanpersamaan matematis, sedangkan GA untuk menentukan koefisienpersamaan sehingga akurasi atau kinerja persamaan dapat dimaksimalkanatau kesalahan persamaan diminimalkan.
• Metode ini mengembangkan persamaan matematika untuk mengidentifikasihubungan kasual antara variabel dependen, yaitu variabel yang diprediksi,dan satu atau lebih dari satu variabel independen, yaitu variabel yangdigunakan untuk memprediksi secara tepat. nilai variabel dependen.
• Ada dua jenis analisis regresi: linier sederhana dan berganda.
Analisis regresi linier sederhana terdiri dari satu variabel dependen bersamadengan satu variabel independen, sedangkan analisis regresi bergandamelibatkan dua atau lebih variabel independen.
M e todologi
Genetic Algorithm (GA) -Based Mult iple Regression Analysis
![Page 33: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/33.jpg)
Th
e F
low
ch
ar
t o
f t
he
GA
-ba
se
d
mu
ltip
le r
eg
re
ss
ion
an
aly
sis
![Page 34: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/34.jpg)
• Persamaan matematis peramalan yang diusulkan dapat dibangun dalamPersamaan:
Ft = c0 + c1x1t + c2x2t + ... + cmxmt
• Selain itu, metode mean absolute persentase error (MAPE) yang dirumuskandalam Persamaan:
Dimana: At = nilai permintaan aktual pada periode t, Ft = nilai ramalanpermintaan pada periode t, xit = nilai variabel bebas i pada periode t (i = 1, 2,..,M), ci = regresi yang diramalkan koefisien variabel independen i, c0 = koefisienkonstan
M e thodology
GA-Based Mult iple Regression Analysis
![Page 35: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/35.jpg)
Prosedur GA untuk mengoptimalkan koefisien dijelaskan sebagai berikut.• Pertama-tama, parameter GA ditetapkan oleh pembuat keputusan.
Parameternya meliputi: Ukuran populasi: jumlah kromosom dalam populasi. Nomor iterasi: jumlah generasi yang dilakukan. Laju crossover: rasio yang menentukan jumlah kromosom yang akan
menjalani crossover. Laju mutasi: rasio yang menentukan jumlah kromosom yang mengalami
mutasi.• Setelah itu, kromosom awal yang direpresentasikan dalam nilai kontinu
dibangun secara acak.
M e thodology
GA-Based Mult iple Regression Analysis
![Page 36: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/36.jpg)
Expert Choice merupakan suatu program aplikasi yang dapat digunakan sebagaisalah satu tool untuk membantu para pengambil keputusan dalam menentukan
keputusan.
Software
![Page 37: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/37.jpg)
Sebuah perusahaan sedang mempertimbangkan pemilihan supplier bahan bakusuatu produk. Terdapat 3 supplier yang akan dipilih satu terbaik. Perusahaanmemiliki 4 kriteria yang akan dipakai sebagai dasar dalam pemilihan supplier, yaitu:harga bahan baku (cost), kualitas bahan baku (quality), jarak (distance) danupah/biaya tenaga kerja (wage).
Dengan menggunakan metode AHP, tentukan supplier yang akan dipilih sebagaisupplier terbaik.
Latihan
COST
A B C
A 1 3 2
B 1/3 1 1/5
C 1/2 5 1
QUALITY
A B C
A 1 6 1/3
B 1/6 1 1/9
C 3 9 1
DISTANCE
A B C
A 1 1/3 1
B 3 1 7
C 1 1/7 1
WAGE
A B C
A 1 1/3 1/2
B 3 1 4
C 2 1/4 1
![Page 38: Peramalan Permintaan / Demand Forecasting](https://reader031.vdocuments.net/reader031/viewer/2022020623/61f1128c3a130553db298fef/html5/thumbnails/38.jpg)
Bahan Bacaan tentang Genetic Algorithm (GA) - Based Multiple Regression Analysis.
“Implementasi Algoritma Genetika dan Regresi Linier Berganda untuk PrediksiPersediaan Bahan Makanan pada Restoran Cepat Saji”. Conference: Seminar Nasional
Multidisiplin Ilmu (SENMI) 2017, Universitas Budi Luhur, Jakarta.
Tambahan