Dokumen tersebut membahas tentang peramalan kebutuhan logistik dengan menggunakan metode ekstrapolasi seri waktu. Metode ini mengasumsikan pola permintaan masa lalu akan terulang di masa depan. Beberapa teknik yang dijelaskan adalah teknik dasar, rata-rata bergerak, dan dekomposisi untuk memperkirakan permintaan jangka pendek dan menengah. Pilihan metode tergantung pada karakteristik data sejarah

1. ISYE6090 - Supply Cahin : Logistics
LECTURE NOTES
Supply Chain : Logistics
Week 3
Forecasting Logistics Requirement

2. ISYE6090 - Supply Cahin : Logistics
LEARNING OUTCOMES
LO 1 : Identify the model for industrial logistics problems of its objectives, constraints and
decision variables.
LO 2 : Apply logistics systems of its engineering design method.
OUTLINE MATERI (Sub-Topic):
 Demand Forecasting Methods.
 Time Series Extrapolation.
 Further Time Series Extrapolation Method : The Constant Trend Case.

3. ISYE6090 - Supply Cahin : Logistics
ISI MATERI
PENDAHULUAN.
Peramalan merupakan upaya untuk menentukan terlebih dahulu hasil yang paling mungkin
dari variabel tidak pasti. Perencanaan dan pengendalian sistem logistik perlu prediksi untuk
tingkat kegiatan ekonomi masa depan karena jeda waktu dalam pencocokan pasokan dengan
permintaan. Keputusan tertentu harus dilakukan sebelum mempertimbangkan beberapa data
yang ada pada setiap aspek dari proses perencanaan jaringan (termasuk lokasi fasilitas dan
pembelian kapasitas) serta penjadwalan produksi, manajemen persediaan dan perencanaan
transportasi.
Kebutuhan logistik yang diantaranya diprediksi termasuk permintaan pelanggan, harga bahan
baku, biaya tenaga kerja dan ‘lead time’. Dalam pertemuan ini teknik peramalan dijelaskan
sehubungan dengan permintaan meskipun mereka sama-sama berlaku untuk jenis lain dari
data.
Peramalan didasarkan pada beberapa hipotesis. Tidak ada metode peramalan dapat dianggap
unggul daripada orang lain dalam segala hal. Sebagai faktanya, untuk menghasilkan
perkiraan permintaan harus menunjukkan beberapa derajat keteraturan. Misalnya, pola
permintaan harus tetap hampir sama di masa depan atau entri permintaan harus bergantung
sampai batas tertentu pada nilai-nilai masa lalu dari satu set variabel. Item yang hipotesis ini
memegang dikatakan memiliki permintaan rutin. Hal ini sering terjadi ketika ada banyak
pelanggan yang secara individu membeli sebagian kecil dari volume penjualan secara
keseluruhan.
Perkiraan Jangka Panjang, Jangka Menengah Dan Jangka Pendek. Perkiraan
permintaan yang diselenggarakan oleh periode waktu menjadi tiga kategori umum, yaitu :
 Prakiraan jangka panjang dengan rentang waktu dari satu sampai lima tahun.
Prediksi untuk waktu yang lebih lama yang sangat bisa diandalkan, karena isu-isu
politik dan teknologi ikut bermain. Prakiraan jangka panjang yang digunakan untuk
memutuskan apakah item baru harus diletakkan di pasar, atau apakah yang lama harus
ditarik, serta dalam merancang jaringan logistik. Prakiraan seperti sering dihasilkan
untuk seluruh kelompok komoditas (atau jasa) bukan untuk satu item (atau layanan).

4. ISYE6090 - Supply Cahin : Logistics
 Prakiraan jangka menengah memperpanjang selama periode beberapa bulan
sampai satu tahun. Prakiraan ini sering digunakan untuk keputusan taktis untuk
logistik, seperti pengaturan produksi dan distribusi rencana tahunan, manajemen
persediaan dan alokasi slot yang di gudang.
 Prakiraan jangka pendek mencakup interval waktu dari beberapa hari sampai
beberapa minggu. Biasanya digunakan untuk jadwal dan menjadwal ulang untuk
memenuhi produksi dan target distribusi jangka menengah. Sebagai permintaan
layanan yang diterima, ada kurang perlu untuk perkiraan. Akibatnya, perkiraan untuk.
interval waktu yang lebih singkat (beberapa jam atau satu hari) cukup jarang (lihat
Gambar berikut).
Peran ahli logistik dalam menghasilkan perkiraan. Memprediksi permintaan jangka
menengah dan panjang yang hampir perlu menjadi perhatian seseorang yang menangani
logistik. Akan tetapi tugas sering, dilakukan manajer pemasaran yang mencoba untuk
mempengaruhi permintaan, misalnya, dengan meluncurkan kampanye iklan untuk barang-
barang yang penjualannya menurun. Seseorang yang menangani logistic lebih sering
melakukan prediksi untuk permintaan jangka pendek.
Permintaan Dependen versus Independen. Permintaan untuk barang-barang tertentu
(misalnya barang jadi dari perusahaan manufaktur) tidak dapat berhubungan dengan
permintaan dari beberapa komoditas lainnya. Namun, ada beberapa produk (seperti bahan
baku dan komponen yang diperlukan saat produksi) yang permintaannya dapat diturunkan
secara deterministik sesuai persyaratan dari beberapa item lain (misalnya barang jadi).
Sebagai contoh, jumlah pengeras suara yang dibutuhkan ketika merakit satu set TV dapat
dengan mudah dihitung sebagai kelipatan dari jumlah set TV yang dibuat. Kemungkinan juga
terdapat produk yang struktur produknya cukup kompleks dapat berisi ratusan komponen
yang berbeda, perhitungan tersebut sering dilakukan melalui prosedur komputerisasi, seperti
perencanaan sumber daya manufaktur (MRP).
Lokasi Spasial Permintaan. Karena dalam banyak kasus pelanggan secara geografis
tersebar, perlu memperkirakan tidak hanya ketika permintaan yang ada ditempat tersebut,

5. ISYE6090 - Supply Cahin : Logistics
tetapi juga di mana volume permintaan akan terjadi. Hal ini karena keputusan lokasi gudang
tersebut dan pengaturan tingkat persediaan dipengaruhi oleh lokasi permintaan. Untuk tujuan
ini, top-down atau pendekatan bottom-up dapat dimanfaatkan. Dalam metode top-down,
seluruh permintaan global diperkirakan dan kemudian dibagi secara heuristik antara wilayah
geografis (mis atas dasar kuota penjualan terbaru). Sebaliknya, dalam teknik bottom-up, pola
permintaan item diperkirakan di setiap wilayah geografis, dan kemudian jika diperlukan.
METODA PERAMALAN KEBUTUHAN.
Sebelum memperkenalkan klasifikasi metode peramalan kebutuhan, perlu mengamati hal
berikut.
• Peramalan jangka pendek adalah sebagai aturan yang lebih akurat daripada yang untuk
periode menengah dan panjang. Hal ini hanya karena semakin panjang interval waktu,
semakin besar kemungkinan kejadian yang tak terduga.
• Peramalan kebutuhan agregat umumnya lebih tepat daripada item tunggal. Hal ini dapat
dijelaskan sebagai berikut. Misalkan tuntutan n item dapat dimodelkan sebagai
independen variabel acak X1, X2,. . . , Xn, memiliki nilai rata-rata yang diharapkan μx
yang sama dan standar deviasi σx yang sama. Kemudian, agregat demand y adalah
variabel acak,
Y = X1 + X2 +· · ·+Xn,
dimana nilai ekspetasi dan standar deviasi, sebagai berikut :
μy = nμx dan
Hal ini mengikuti rasio antara stadar deviasi σy dan rata-rata μy sebagai berikut :
√
………… (2.1)
Persamaan (2.1) menunjukkan bahwa dispersi relatif dari permintaan agregat sekitar
koresponden nilai yang diharapkan μy kurang dari dispersi relative dari permintaan item
tunggal.
Pendekatan peramalan dapat diklasifikasikan dalam dua kategori utama: kualitatif dan
metode kuantitatif.
a. Metoda Kualitatif.

6. ISYE6090 - Supply Cahin : Logistics
Metode kualitatif terutama didasarkan pada pengalaman tenaga kerja atau survei,
meskipun mereka juga dapat menggunakan alat-alat matematika sederhana untuk
menggabungkan perkiraan yang berbeda. Metode kualitatif biasanya digunakan untuk
prakiraan jangka menengah panjang dan, bila ada sejarah cukup untuk menggunakan
pendekatan kuantitatif.
Hal ini terjadi, misalnya, ketika newproduct atau layanan diluncurkan di pasar, ketika
sebuah kemasan produk berubah, atau ketika pola permintaan di masa mendatang
diharapkan akan terpengaruh oleh pergantian politik atau dengan kemajuan teknologi.
Metode kualitatif yang paling banyak digunakan adalah penjualan penilaian kekuatan,
riset pasar dan metode Delphi. Dalam pendekatan pertama, peramalan dikembangkan
oleh salesman perusahaan. Sebagai aturan, tenaga kerja dapat memberikan perkiraan yang
akurat karena dekat dengan pelanggan. riset pasar didasarkan pada wawancara dengan
calon konsumen atau pengguna. Hal ini memakan waktu dan memerlukan pengetahuan
yang mendalam tentang teori sampling.
Untuk alasan ini hanya digunakan sesekali, misalnya, ketika memutuskan apakah produk
baru harus diluncurkan. Dalam metode Delphi, serangkaian kuesioner disampaikan
kepada panel ahli. Setiap kali sekelompok pertanyaan dijawab, set baru informasi menjadi
tersedia. Kemudian kuesioner baru disiapkan sedemikian rupa bahwa setiap ahli
dihadapkan dengan temuan baru. Prosedur ini menghilangkan efek ikutan dari pendapat
mayoritas. Metode Delphi berakhir segera setelah semua ahli berbagi sudut pandang yang
sama. Teknik ini terutama digunakan untuk memperkirakan pengaruh perubahan politik
atau makro-ekonomi pada permintaan barang.
b. Metoda Kuantitatif.
Metode kuantitatif dapat digunakan setiap kali ada sejarah permintaan yang cukup.
Teknik-teknik tersebut milik dua kelompok utama: metode kausal dan time series
ekstrapolasi. metode kausal didasarkan pada hipotesis bahwa permintaan di masa
mendatang tergantung pada nilai-nilai masa lalu atau saat ini dari beberapa variabel.

7. ISYE6090 - Supply Cahin : Logistics
Mereka termasuk regresi, model ekonometrik, model input-output, analisis siklus hidup,
model simulasi komputer dan jaringan saraf.
Sebagian besar pendekatan ini sulit untuk melaksanakan, bahkan untuk perusahaan besar.
Pada praktek, hanya regresi tunggal atau ganda digunakan untuk perencanaan dan
pengendalian logistik.
Time series ekstrapolasi mengandaikan bahwa beberapa fitur dari masa lalu permintaan
pola waktu akan tetap sama. Pola permintaan kemudian diproyeksikan di masa depan. Ini
bisa dilakukan dalam beberapa cara, termasuk teknik dasar, moving average, teknik
smoothing eksponensial, pendekatan dekomposisi dan metode Box-Jenkins. Pemilihan
teknik peramalan kuantitatif yang paling cocok tergantung pada jenis data historis yang
tersedia dan jenis produk (Atau layanan). Namun, sebagai suatu peraturan, yang terbaik
adalah untuk memilih pendekatan yang paling sederhana mungkin. Prinsip ini didasarkan
pada pengamatan berikut :
• Prakiraan diperoleh dengan menggunakan teknik sederhana yang mudah dipahami
dan menjelaskan. Ini adalah aspek fundamental ketika sejumlah besar uang yang
terlibat dalam proses pengambilan keputusan.
• Dalam konteks bisnis, prosedur peramalan yang rumit jarang menghasilkan hasil yang
lebih baik dari yang sederhana.
EKSTRAPOLASI ‘TIME SERIES.
Ekstrapolasi ‘Time Series’ menganggap bahwa fitur utama dari pola permintaan masa lalu
akan direplikasi di masa depan. Sebuah ramalan dapat diperoleh dengan ekstrapolasi
(memproyeksikan) pola permintaan. Teknik-teknik tersebut cocok untuk prediksi jangka
pendek dan menengah, di mana kemungkinan pergantian adalah rendah.
Sebagaimana dijelaskan dalam Bagian metoda peramalan kebutuhan, time series ekstrapolasi
dapat dilakukan dengan beberapa cara. Metode dekomposisi klasik digambarkan dalam
bagian ini, sedangkan teknik dasar, rata-rata dan teknik smoothing exponential moving
dijelaskan kemudian.
METODA EKSTRAPOLASI ‘TIME SERIES’ LANJUT : KASUS TREN KONSTAN.
Langkah pertama menganalisis kasus di mana pola permintaan terakhir tidak menunjukkan
efek siklus dan musiman yang relevan, dan tren yang konstan. Perkiraan awal bahwa

8. ISYE6090 - Supply Cahin : Logistics
peramalan harus dihasilkan hanya untuk periode berikutnya ke depan. Berikut akan
ditujukkan teknik yang dapat digunakan untuk memprediksi :
a. Teknik Awal (Elementary).
Perkiraan untuk periode pertama kalinya ke depan hanya diberikan oleh
Sebagai contoh :
Sarath adalah distributor peralatan Korea yang berbasis di Malaysia. Volume penjualan
portable TV set selama 12 minggu terakhir di Kuala Lumpur ditunjukkan pada Tabel berikut:
.
Perioda
Waktu
Kuantitas Perioda
Waktu
Kuantitas
1 1180 7 1162
2 1176 8 1163
3 1185 9 1180
4 1163 10 1170
5 1188 11 1161
6 1172 12 1177
Pola permintaan digambarkan pada Gambar 2.13.
0
200
400
600
800
1000
1200
1400
1 2 3 4 5 6 7 8 9 10 11 12
Perioda Waktu Kuantitas

9. ISYE6090 - Supply Cahin : Logistics
Hal ini dapat dilihat bahwa tren konstan. Dengan menggunakan teknik dasar, kita
memperoleh
b. Metoda ‘Moving Average’.
Metode rata-rata bergerak (moving average) menggunakan rata-rata dari r entri permintaan
terbaru sebagai perkiraan untuk periode pertama depan (r ≥1):
∑
Jika r dipilih sama dengan 1, metoda moving average menjadi teknik elementary (awal)
dengan menggunakan metoda moving average contoh soal diatas diperoleh hasil peramalan
sebagai berikut :
Bila menggunakan metode rata-rata bergerak, kita harus menunggu data permintaan r
pertama akan tersedia sebelum memproduksi perkiraan. Untuk mengatasi kelemahan ini,
perkiraan perioda waktu T < r diperoleh dengan menggunakan rata-rata dari data yang
tersedia pada periode T pertama
∑
Sebagai contoh, jika T = 1 kemudian p2 = d1, jika T = 2 maka p3 = (d1 + d2)/2.
Sebuah aspek kunci dari metode rata-rata bergerak adalah pilihan parameter r. Nilai kecil r
memungkinkan penyesuaian cepat dari perkiraan fluktuasi permintaan tetapi, pada saat yang
sama, meningkatkan pengaruh gangguan acak. Sebaliknya, nilai tinggi r efektif menyaring
efek acak, tapi menghasilkan adaptasi lambat untuk menuntut variasi. Fenomena ini dapat
dijelaskan sebagai berikut. Biarkan d1,. . . , dT variabel-variabel acak independen dengan yang

10. ISYE6090 - Supply Cahin : Logistics
diharapkan nilai μ dan standar σ deviasi. Itu variabel acak akan memiliki nilai yang
diharapkan didefinisikan sebagai
∑ ∑
Standar Deviasi :
√
Metoda Exponential Smoothing.
Metode pemulusan eksponensial (juga dikenal sebagai metode Brown) dapat dilihat sebagai
evolusi dari teknik rata-rata bergerak. Peramalan permintaan diperoleh dengan
mempertimbangkan semua data historis dan menetapkan bobot yang lebih rendah untuk data
yang lebih lama.Peramalan permintaan untuk periode pertama ke depan diberikan oleh
( )
Dimana α ϵ (0,1) merupakan konstan smoothing. Disini pT merepresentasikan peramalan
kebutuhan untuk perioda T untuk perioda waktu T-1.
Contoh.
Misal pada perioda waktu T ada dT = 1177 dan pT = 1182. Kemudian peramalan pT+1
diperoleh dengan menggunakan metoda Brown dengan nilai α = 0.2.
pT+1 = 0.2 x 117 + (1 – 0.2) x 1182) = 1181.

11. ISYE6090 - Supply Cahin : Logistics
SIMPULAN.
Peramalan merupakan upaya untuk menentukan terlebih dahulu hasil yang paling mungkin
dari variabel tidak pasti. Perencanaan dan pengendalian sistem logistik perlu prediksi untuk
tingkat kegiatan ekonomi masa depan karena jeda waktu dalam pencocokan pasokan dengan
permintaan. Keputusan tertentu harus dilakukan sebelum mempertimbangkan beberapa data
yang ada pada setiap aspek dari proses perencanaan jaringan (termasuk lokasi fasilitas dan
pembelian kapasitas) serta penjadwalan produksi, manajemen persediaan dan perencanaan
transportasi.
Kebutuhan logistik yang diantaranya diprediksi termasuk permintaan pelanggan, harga bahan
baku, biaya tenaga kerja dan ‘lead time’. Dalam pertemuan ini teknik peramalan dijelaskan
sehubungan dengan permintaan meskipun mereka sama-sama berlaku untuk jenis lain dari
data.
Dalam memprediksi kebutuhan, perioda waktu menjadi suatu hal yang diperlukan untuk
dipertimbangkan.Diklasifikasikan dalam tiga kelompok jangka waktu, yaitu : jangka panjang,
jangka menengah dan jangka pendek. Perioda waktu peramalan ini mempengaruhi seberapa
banyak data masa yang diperlukan sebagai dasar dalam melakukan peramalan.
Beberapa metoda untuk memprediksi kebutuhan dimasa mendatang diperlukan, pada bagian
ini dibahas metoda peramalan yang sederhana.

12. ISYE6090 - Supply Cahin : Logistics
DAFTAR PUSTAKA
 Ghiani, G., G. Laporte, and R. Musmanno. (2004). Introduction to Logistics
Systems Planning and Control. 1st Edition. John Wiley and Sons. . ISBN: 978-
0470849163.
 Goetschalckx, Marc. (2009). Supply chain engineering : version 0.8.0.0, 24 Dec
2009. SPRIN. . ISBN: 9781441965110.
 Ghiani, Gianpaolo, Laporte, Gilbert, Musmanno, Roberto. (2013). Introduction
to logistics systems management. 2nd Edition. JWS. . ISBN:
9781119943389.The book in the first list is a must to have for each student.