ppt ppic fixx

7/18/2019 Ppt Ppic Fixx

http://slidepdf.com/reader/full/ppt-ppic-fixx 1/12

KELOMPOK 1

Athifah Tul Izza 0911030009 Jazuliatuddiyanah 0911030099

Lu’lu ul Maknunah 0911030101

M. Januar 0911033035

Mokhamad Midori 0911030103

Oktaviani Nurwidanti 0911030046

Puji Lestari 0911030109

Riska Pratiwi P. 0911033039

Sheila gresnantya 0911030119

Teny Sylvia 0911030123



Peramalan metode deret waktu (time series)

semestinya tidak digunakan karena hanya

mempertimbangkan data masa lalu tanpa

memperhatikan faktor-faktor yang mempengaruhi

perubahan permintaan

Production Planning and InventoryControl



Analisa deret waktu didasarkan pada asumsi

bahwa deret waktu tersebut terdiri dari

komponen-komponen .

Trend merupakan sifat dari permintaan dimasa

lalu terhadap terjadinya, apakah permintaan

tersebut cenderung naik, turun, atau konstan.

Siklus (C), permintaan suatu produk dapat

memiliki siklus yang berulang secara periodik,

biasanya lebih dari satu tahun sehingga pola initidak perlu dimasukan dalam peramalan jangka

pendek.

Deret waktuTime Series



ALASAN T!"S S"#"S S"!"STN$A TDA%

D&'NA%AN

1 • P e r u b a h a n p e r m i n t a a n d a l a m j a n g k a p a n j a n g t i d a k s e l a l u k o n s t a n k a r e n a t e r d a p a t f a k t o r - f a k t o r y a n g d a p a t m e m p e n g a r u h i p e r m i n t a a n t e r h a d a p b a r a n g d a n j a s a .

2

• M e t o d e d e r e t w a k t u m e m p u n y a i b e b e r a p a k e l e m a h a n

3 • T e r d a p a t m e t o d e y a n g l e b i h b a i k u n t u k d i g u n a k a n d a r i p a d a t i m e

s e r i e s .

4 •

K a r e n a M e t o d e T i m e S e r i e s M e m i l i k i K e t e l i t i a n Y a n g K u r a n g

D i b a n d i n g k a n D e n g a n M e t o d e L a i n ( M e t o d e K a u s a l )

5 • M e t o d e T i m e S e r i e s s u l i t d i m e n g e r t i k a r e n a h a n y a m e r a m a l k a n a p a y a n g a k a n t e r j a d i t a n p a m e n g e t a h u i a p a s a j a f a k t o r p e n y e b a b y a n g m e m p e n g a r u h i .



P"#'*A+AN P"#!NTAAN DALA! ,AN&%A PAN,AN&

TDA% S"LAL' %NSTAN %A#"NA T"#DAPAT .A%T#-

.A%T# $AN& DAPAT !"!P"N&A#'+ P"#!NTAANT"#+ADAP *A#AN& DAN ,ASA

Faktor-faktor yang dapat mempengaruhi permintaan terhadap

barang dan jasa, antara lain :

Tingkat pendapatan seseorang/masyarakat

Jumlah penduduk

Harga Barang Substitusi

Selera penduduk Fluktuasi ekonomi



2. METODE DERET WAKTU MEMPUNYAI

BEBERAPA KELEMAHAN

Moving Average

Pada peramalan moving average ini selalu berdasarkan pada jumlah (N)

data terakhir tanpa pertimbangan data-data sebelumnya serta setiap

data dianggap memiliki bobot yang sama atau dapat dikatakan tidak

mempunyai persamaan untuk peramalan.

Weight Moving Average

Peramalan kurang sensitive atau kurang akurat terhadap perubahan

nyata dalam suatu data peramalan dan dalam metode weight moving

average tidak bisa memanfaatkan data tren dengan baik. Karena

merupakan metode rata-rata bergerak ini akan selalu berada dalam

tingkat data masa lalu dan tidak akan memprediksi perubahan data ketingkat yang lebih tinggi maupun yang lebih rendah.

Exponential Smoothing

Dalam teknik ini berdasarkan pada asumsi yang konstan maka tidak

dapat digunakan untuk mengevaluasi pengaruh dari suatu keputusan

manajerial seperti perubahan harga atau perubahan strategi pemasaran.



Trend Analysis

Teknik yang sering digunakan untuk mendapatkan trend suatu data deret

waktu adalah rata-rata bergerak linier, pemulusan eksponensial, model

Gompertz, dimana teknik-teknik tersebut hanya menggunakan data masa

lalu untuk mendapatkan pola kecenderungannya dan tidakmemperhitungkan faktor-faktor lain yang mempengaruhi permintaan

produk.

Decomposition

Metode Dekomposisi adalah salah satu metode peramalan yang didasarkan

pada kenyataan bahwa biasanya apa yang telah terjadi akan berulang atauterjadi kembali dengan pola yang sama. Artinya yang dulu selalu naik,

pada waktu yang akan datang biasanya akan naik juga, yang biasanya

berkurang akan berkurang juga, yang biasanya berfluktuasi akan

berfluktuasi juga dan yang biasanya tidak teratur maka akan tidak teratur

juga.



3. TERDAPAT METODE YANG LEBIH

BAIK UNTUK DIGUNAKAN DARIPADA

TIME SERIES

Metode kausal yaitu model ini memasukkan dan

menguji variabel-variabel yang diduga

memengaruhi variabel dependent. Model kausal

biasanya menggunakan analisis regresi untukmenentukan mana variabel yang signifikan

mempengaruhi variabel dependen. Metode yang

prediksinya dihasilkan dari hubungan sebab akibat

beberapa variable yang berpengaruh , contoh :model regresi, model simulasi dan model analisa

input output.



4. KARENA METODE TIME SERIES MEMILIKI

KETELITIAN YANG KURANG DIBANDINGKAN

DENGAN METODE LAIN (METODE KAUSAL)

Metode time series hanya memiliki satu data awal

yaitu berupa data permintaan pada masa lalu.

Sedangkan pada metode kausal memiliki data awal

yang lebih kompleks yaitu bukan hanya dari data

permintaan di masa lalu, tapi juga ada data awal yang

dimasukkan dari faktor-faktor lainnya yang dapat

mempengaruhi nilai produksi.



5.METODE TIME SERIES SULIT DIMENGERTI KARENAHANYA MERAMALKAN APA YANG AKAN TERJADI TANPA

MENGETAHUI APA SAJA FAKTOR PENYEBAB YANG

MEMPENGARUHI.

Peramalan dengan deret berkala (time series)

memperlakukan sistem sebagai suatu kotak hitam

(blackbox) yang berarti tidak ada upaya untuk menemukan

faktor yang berpengaruh pada perilaku sistem tersebut.Sistem dianggap sebagai generating proses (proses

bangkitan) yang tidak diketahui proses atau mekanismenya

(proses). Pada sistem time series hanya menghasilkan

peramalan dari data sebelumnya, tanpa memperhatikan

hal-hal yang mempengaruhi hasil peramalan tersebut.Misalnya menghasilkan klasifikasi atau memprediksi tanpa

penjelasan, karena cenderung lebih kompleks sehingga

tidak dianalisis. Time series cenderung dianalogikan

seperti blackbox,



Terdapat dua alasan utama memperlakukan sebagai blakbo!:

Sistem tidak dimengerti dan kalaupun diketahui sulit untuk mengukur hubungan yang

mengaturnya"dalam sistem blakbo!

#erhatian utama hanya untuk meramalkan apa yang akan terjadi dan bukan untuk

mengetahui mengapa hal itu terjadi"

Tidak ook untuk pola data trend atau pola data musiman,karena jumlah permintaan

fluktuatif di pengaruhi oleh trend atau musim pada saat itu dan pada perkembangan

teknologi yang ada" $ariasi ini merupakan gerakan naik turun yang tidak dapat terduga

sebelumnya dan terjadi seara aak"



SYSTEM KOTAK HITAM

ppt ppic fixx

Documents