Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

METODE FORECASTING. PENDEKATAN FORECASTING ANALISA KUALITATIF ANALISA KUALITATIF  pendekatan yg bersifat subyektif  pendekatan yg bersifat subyektif.

Presentasi serupa


Presentasi berjudul: "METODE FORECASTING. PENDEKATAN FORECASTING ANALISA KUALITATIF ANALISA KUALITATIF  pendekatan yg bersifat subyektif  pendekatan yg bersifat subyektif."— Transcript presentasi:

1 METODE FORECASTING

2 PENDEKATAN FORECASTING ANALISA KUALITATIF ANALISA KUALITATIF  pendekatan yg bersifat subyektif  pendekatan yg bersifat subyektif ANALISA KUANTITATIF ANALISA KUANTITATIF  pendekatan model matematik dg  pendekatan model matematik dg menggunakan data yg bersifat menggunakan data yg bersifat historis & kausal historis & kausal

3 METODE FORECASTING: METODE KUALITATIF : - JURY OF EXECUTIVE OPINION - JURY OF EXECUTIVE OPINION - SALES FORCE COMPOSITE - SALES FORCE COMPOSITE - DELPHI - DELPHI - CUSTOMER MARKET SURVEY - CUSTOMER MARKET SURVEY

4 METODE KUANTITATIF: METODE KUANTITATIF: TIME SERIES  TIME SERIES  - DEKOMPOSISI - DEKOMPOSISI - MOVING AVERAGE - MOVING AVERAGE - EXPONENTIAL SMOOTHING - EXPONENTIAL SMOOTHING - EXPONENTIAL SMOOTHING by TREND ADJUSMENT - EXPONENTIAL SMOOTHING by TREND ADJUSMENT CAUSAL MODE  CAUSAL MODE  - TREND PROJECTION - TREND PROJECTION - LINEAR REGRESSION - LINEAR REGRESSION

5 1. JURY of EXECUTIVE OPINION EXECUTIVE PENDAPAT ESTIMASI PERMINTAAN

6 2.SALES FORCE COMPOSITE SALES PERSON ESTIMASI GABUNGAN ESTIMASI

7 3. METODE DELPHI MELIBATKAN 3 PARTISIPAN UTK MEMBUAT RAMALAN /FORECAST : *PARA PENGAMBIL KEPUTUSAN 5 – 10 Tenaga Ahli Tugas : Membuat Actual Forecast *STAF PEMBANTU Menyiapkan, mendistribusi, mengumpulkan dan membuat kuesioner/survei *RESPONDEN Wawancara/mengisi kuesioner

8 4.CUSTOMER MARKET SURVEY Masukkan dari pelanggan potensial untuk membuat perkiraan dan memperbaiki desain produk, dll

9 CUSTOMER SATISFACTION IS NOT ONLY THE MATTER OF FRONTLINER SERVICES

10 Why measuring Customer Satisfaction is important ? 96% of customers who have had a service problem will not verbalize their complaint – they will simply take their business elsewhere. (ONLY 4 % COMPLAINT) ONLY 4 % OF THE COMPLAINT actually launched will reach top management.

11 WHY CUSTOMER SATISFACTION IS IMPORTANT ? Cost for transforming an active customer into a loyal customer Cost for winning a new customer Cost for winning back dissatisfied customers

12 Opportunity Identification Product Development Marketing Strategy Development Marketing Life cycle MARKETING RESEARCH Marketing Research In Business Life Cycle Goal : Mendapatkan produk Yang sesuai dengan kebutuhan pasar dan match dengan kemampuan perusahaan Goal : Mengembangkan sebuah strategy marketing yang diharapkan berhasil mencapai target pemasaran. Goal : Memonitor seluruh performance pemasaran & memberikan masukan untuk perbaikan strategy. Goal : Menggali peluang pasar yang mungkin untuk digarap. Goal : Menggali peluang-peluang baru untuk memasuki pasar lebih dalam.

13 METODE KUANTITATIF 1. METODE DEKOMPOSISI Time Series dgn 4 komponen * Trend ( T ) * Seasonality ( S ) *Cycles (C ) *Random Variations ( R ) Berdasarkan dari pendekatan 4 komponen tersebut dibuat forecast

14 JUMLAH HARI RAWAT BULAN

15 2. METODE MOVING AVERAGE ( MA ) *Dasar asumsi : Demand cenderung stabil *MA = ∑ Demand pada periode n n *Jumlah Periode : Hasil 3 bln 3 MA

16 INDEKS MUSIMAN : BULAN Periode Waktu Actual Sales 2 MA ( I ) 2 MA ( II) Sales MA ( Indeks Musim ) ( x ) ( Y ) JANUARIFEBRUARIMARETAPRILMEIJUNIJULIAGUSTUSSEPTEMBEROKTOBERNOVEMBERDESEMBER ,5170,5177,0189,8196,0193,3192,0192,5193,5200,00,9970,9850,9831,0121,0260,9831,0001,0080,9821,000 Dilihat dari perubahan trend tiap bulan Contoh : Indeks Musim = Y 2 MA ( II )

17 DATA PAVILIUN A TA BULAN JUMLAH HARI RAWAT 3 MA HASIL 3 MA JANUARIFEBRUARIMARETAPRILMEIJUNIJULIAGUSTUSSEPTEMBEROKTOBERNOVEMBERDESEMBER ( )/3 ( )/3 ( )/3 ( )/3 Dst877,0919,7905,7824,0854,3860,7896,7912,3968,3928,

18 3. EXPONENTIAL SMOOTHING F = F -1 + α ( A -1 – F -1 ) F -1 = Forecast pada 1 periode yang lalu ( th, bln ) F= Forecast A-1= Actual pada 1 periode yang lalu α= Konstanta dengan nilai 0 – 1 ( Besarnya ditetapkan berdasarkan asumsi perubahan dibanding dengan tingkat perubahan yang lalu ) ( Besarnya ditetapkan berdasarkan asumsi perubahan dibanding dengan tingkat perubahan yang lalu )

19 F e = Forecast Error/Absolute Deviation F e-1 = F e pada 1 periode yg lalu MAD= ∑| F e | n MAD= Mean Absolute Deviation F e = A - F Fe -1 = A -1 - F -1 F = F -1 + α Fe -1

20 4. EXPONENTIAL SMOOTHING by Trend Adjusment Disamping perhitungan tersebut diatas ditambahkan garis dengan asumsi terhadap penyesuaian garis trend dengan tujuan untuk memperoleh garis trend yang lebih halus Rumus : Ft = F + Tc Ft= Forecasting dengan penyesuaian trend Tc= Trend Correction T c-1 = Tc pada periode sebelumnya Tc= ( 1 – β ) T c-1 + β ( F – F -1 ) β= Konstanta untuk trend yang diperluas (nilai : 0-1) Nilai β ditentukan berdasar : ” Trial/Error ” dengan mengacu pada nilai MAD yang relatif rendah

21 5. TREND PROJECTIONS Untuk mempertimbangkan hubungan sebab akibat dari variabel yang paling mempengaruhi x = Variabel Independen ( Variabel yang mempengaruhi ) y= Variabel Dependen ( Variabel yang dipengaruhi ) y = a + bx a= Koefisien Intercept b= Koefisien slope ( kemiringan garis regresi ) b = n ∑ xy – ( ∑ x) ( ∑ y) n ( ∑ x 2 ) – ( ∑ x) 2 n ( ∑ x 2 ) – ( ∑ x) 2 a= y – bx atau a= ∑ y – b( ∑ x) n

22 Contoh : BULAN Periode Waktu Actual Sales X2XY ( X) ( Y ) JANUARIFEBRUARIMARETAPRILMEIJUNIJULIAGUSTUSSEPTEMBEROKTOBERNOVEMBERDESEMBER

23 b = n ∑ xy – (∑x) – (∑y) n ( ∑x2) – (∑ x)2 n ( ∑x2) – (∑ x)2 12(15120) – (78) (2261) 12(650) – (78) 2 12(650) – (78) 22,9615 a= ∑y – b(∑x) n 2261 – 2,9615 (78)= 169, Persamaan garis regresi = y = 169,17 + 2,9615(x)

24 SBU Sales ( X ) ( Juta ) ( Y ) Profit ( Y ) ( Juta ) XYX2Y b = 12(53850) – (1447) (341)= 0, (237401) – (1447) 2 12(237401) – (1447) 2 a = 341 – 0,2023 (1447)= 4, Persamaan Garis Regresi : y = 4, ,2023(x)

25 6. LINEAR REGRESSION Prinsip = Trend Proyection Perbedaan : x : Bukan variabel waktu, tetapi variabel lain yang diperkirakan akan mempengaruhi variabel y Misalnya : = penjualan =profit margin Tingkat kesalahan data variabel dapat dihitung dengan rumus Se = √ ∑ Y 2 – a ∑ Y – b ∑ XY n – 2 n – 2 Se = Standart Error Estimasi

26 Misal : Penjualan (X)= Rp. 100 Juta Profit (Y)= 4, ,2023 ( 100 Juta ) = Rp ,- Bila Penjualan (X)= Rp. 0,- Profit(Y)= Rp. 4 Juta ?


Download ppt "METODE FORECASTING. PENDEKATAN FORECASTING ANALISA KUALITATIF ANALISA KUALITATIF  pendekatan yg bersifat subyektif  pendekatan yg bersifat subyektif."

Presentasi serupa


Iklan oleh Google