PERAMALAN (FORECASTING) PERMINTAAN PRODUK

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

TEKNIK PRAKIRAAN ATAU PERAMALAN
Analisis Data Berkala A. PENDAHUlUAN
Susanti Prasetiyaningtiyas. REFERENSI 1. Makridakis,Wheelwright and MCGee “ Forecasting : Methods and Applications” Second Edition. 2. Kuncoro,Mudradjat.
Metode Peramalan (Forecasting Method)
PERAMALAN M.O. by Nurul K, SE,M.S.i
METODE PERAMALAN UNTUK MANAJEMEN
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
ANALISIS RUNTUT WAKTU.
Peramalan (Forecasting)
Metode Peramalan (Forecasting Method)
Forecasting.
ANALISIS DATA BERKALA.
Metode Peramalan (Forecasting Method)
ANALISIS DATA BERKALA.
Pertemuan 3 PERAMALAN (1)
ANALISIS DATA BERKALA.
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
FORECASTING -PERAMALAN-
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
Bab IX ANALISIS DATA BERKALA.
MANAJEMEN INVENTORY DAN LOGISTIK
PERAMALAN “Proyeksi Tren”
MODUL 19 POKOK BAHASAN : ( TIME SERIES MODEL )
Manajemen Operasional
MENENTUKAN TREND Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend. Beberapa di antaranya adalah metode tangan bebas, metode.
ANALISIS TIME SERIES.
DERET BERKALA DAN PERAMALAN
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
Materi elearning Penganggaran bisnis 21B kamis, 17 maret 2016 momo
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Analisis Time Series.
Peramalan Operation Management.
LANJUTAN FORECASTING PROGRAM KULIAH SABTU MINGGU FAKULTAS EKONOMI
FORECASTING/ PERAMALAN
ANALISIS DERET BERKALA dengan METODE SEMI AVERAGE
Deret berkala dan Peramalan Julius Nursyamsi
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
Peramalan .Manajemen Produksi #3
Kelompok CDM ( Cash Deposit Machine )
ANALISIS DATA BERKALA.
PERAMALAN (FORECASTING)
Disusun Oleh : Iphov Kumala Sriwana
Bab IX ANALISIS DATA BERKALA.
METODE-METODE DALAM PERAMALAN
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
LINDA ZULAENY HARYANTO
DERET BERKALA (TIME SERIES) (1)
BAB 6 analisis runtut waktu
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Metode Least Square Data Genap
ASPEK PASAR DAN PEMASARAN
METODE PERAMALAN UNTUK MANAJEMEN
06 Analisis Trend Analisis deret berkala dan peramalan
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
Manajemen Operasional
DERET BERKALA DAN PERAMALAN
Manajemen Operasional
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Time Series.
Analisis Deret Waktu.
OPERATIONAL / PRODUCTION MANAGEMENT
Transcript presentasi:

PERAMALAN (FORECASTING) PERMINTAAN PRODUK Peramalan permintaan produk di masa yg akan datang penting dlm perencanaan produksi. Peramalan = suatu usaha untuk memperkirakan (estimasi) di masa yang akan datang melalui pengujian keadaan masa lalu. Essensi peramalan : prakiraan peristiwa masa yg akan datang atas dasar pola-pola di waktu yang lalu. Langkah-langkah forecasting : 1. penentuan tujuan Pd langkah ini terdiri atas penentuan macam estimasi yg diinginkan.

Hal-hal yg diestimasikan : a. variabel yg akan diestimasikan. b. bagian yg akan menggunakan hasil estimasi. c. kapan estimasi diperlukan. d. bagian-bagian peramalan yg diinginkan. Contoh : i. estimasi utk kelompok pembeli. ii. estimasi utk kelompok produk iii. estimasi utk kelompok daerah 2. Penentuan model utk forecasting Model : suatu kerangka analitik, jika data dimasukkan akan diperoleh estimasi penjualan di masa yg akan datang.

Teknik-teknik peramalan Berbagai teknik peramalan antara lain : kualitatif, analisis trend, analisis runtun waktu, analisis regresi & korelasi, model-model ekonometrik & model-model simulasi. Teknik kualitatif adalah subyektif atau judgmental berdasarkan pada estimasi-estimasi & pendapat-pendapat. Berbagai sumber pendapat bagi peramalan kondisi bisnis adalah sebagai berikut : 1. Para eksekutif. Para eksekutif sering mempunyai kemampuan utk memberikan masukan forecasting terutama para manajer yg berpengalaman mempunyai pengetahuan tentang kondisi bisnis di masa yg akan datang.

Lanjutan teknik kualitatif 2. Orang-orang penjualan orang penjualan (sales) secara tetap berhubungan dg para pelanggan (pembeli), sehingga mampu memprakirakan rencana-rencana pembelian, sikap & kebutuhan mereka terhadap suatu jenis produk. 3. Para pelanggan. pelanggan yg membeli suatu produk kadang-kadang bersedia utk menyampaikan rencana-rencana pembelian mereka yg berkaitan dg jenis produk & jumlahnya. 4. Ahli/konsultan Ahli/konsultan umumnya mempunyai pengetahuan tentang kondisi bisnis di masa yg akan datang.

Teknik peramalan kualtitatif yang dapat digunakan 1. Metode Delphi Teknik yg menggunakan suatu prosedur yg sistematik utk mendapatklan konsensus pendapat-pendapat dari kelompok ahli. Proses delphi dilakukan dg meminta pendapat pada kelompok utk memberikan suatu ramalan melalui tanggapan mereka terhadap daftar pertanyaan, kemudian dirumuskan & disimpulkan. 2. Riset pasar Menganalisis kebutuhan konsumen terhadap suatu produk. Dilakukan secara sampling.

Diskusi dilakukan dalam pertemuan pertukaran gagasan secara terbuka. Lanjutan 3. Analogi historis Peramalan dilakukan dengan menggunakan pengalaman historis dari suatu produk yg sejenis. Pengalaman produk baru dapat dikaitkan dengan tahap-tahap dalam siklus kehidupan produk yg sejenis. 4. Konsensus panel Gagasan yg didiskusikan oleh kelompok akan menghasilkan ramalan yg lebih baik daripada dilakukan oleh seorang saja. Diskusi dilakukan dalam pertemuan pertukaran gagasan secara terbuka. Diskusi dapat melibatkan : para eksekutif, sales, para ahli dan pelanggan.

Pola data metode deret berkala (1) Pola horisontal (H) terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar 1.1. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2.

Pola data metode deret berkala (2) Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4.

Karakteristik trend Komponen Amplitudo Penyebab Seasonal 12 bulan Liburan, musim, perioda finansial Cyclical 3-5 tahun Ekonomi nasional, perubahan politik Bisnis 1-5 tahun Pemasaran, kompetisi, performance Product life cycle 1-5 tahun, makin pendek Substitusi produk

Analisis runtun waktu Model analisis runtun waktu : digunakan utk meramalkan jumlah penjualan di masa yg akan datang atas dasar data-data di masa yg lalu. Serangkaian data merupakan kumpulan observasi berbagai variabel menurut waktu. Data-data dibuat dlm bentuk tabel atau grafik. Perhitungan trend 1. metode free hand : data dibuat dlm bentuk grafik : jumlah penjualan & waktu. 2. Kuadrat terkecil ∑Y = n.a + b∑X ∑XY = a. ∑X + b∑X2 Titik tengah data sebagai tahun dasar ∑x = 0, maka ; ∑Y = n.a a = ∑Y/n ∑XY = b. ∑X2 b = ∑XY/ ∑X2

Kesalahan Forcasting Kesalahan forcasting = Permintaan nyata- hasil peramalan Hasil : tepat, kurang atau lebih.

Contoh soal Data penjualan suatu produk selama 4 tahun terakhir. Tiap tahun data dibagi menjadi 4 triwulan. Data data tersebut sebagai berikut : tahun triwulan 1 2 3 4 2011 2012 2013 2014 80 84 86 90 78 88 91 96 83 94 100 85 89 93 97

Jawab dg perhitungan kuadrat terkecil (dengan rumus kuadrat terkecil. Pertanyaan : Hitunglah berapa permintaan produk tersebut pada triwulan 1 tahun 2015 ? Hitunglah berapa permintaan produk tersebut pada triwulan 3 tahun 2015 ?. Jawab dg perhitungan kuadrat terkecil (dengan rumus kuadrat terkecil.

Tahun Penjualan (Y) X XY X2 2011 2012 2013 2014 80 78 83 85 84 88 90 89 86 91 94 93 96 100 97 -15 -13 -11 -9 -7 -5 -3 -1 1 3 5 7 9 11 13 15 -1200 -1.014 -913 -765 -588 -440 -270 -89 273 470 651 810 1.056 1.300 1.455 225 169 121 81 49 25 Jumlah 1.424 822 1.360

perhitungan a = €Y/n = 1.424/16 = 89 b = €XY/€X2 = 822/1.360 = 0,6 Y = a + b X Y = 89 + 0,6 X Y = 89 + 0,6 (17) Y = 99,2 Jadi permintaan produk thn 2015 triwulan I = 99,2 Y = 89 + 0,6 (19) Y = 100,4 Jadi permintaan produk thn 2015 triwulan 3 = 100,4

Apabila data genap, maka jumlah (n) dikurangi 1 Keterangan Cara memberi notasi Apabila data genap, maka jumlah (n) dikurangi 1 Contoh jumlah data 16 => 16-1 = 15. maka data paling atas -15, -13, -11 dst (seperti contoh soal jumlah data ada 16). Apabila data ganjil maka : titik tengahnya diberi notasi 0, data di atasnya 1,2,3,4 dst. Data dibawahnya -1, -2,-3, -4 dst.

Contoh data ganjil Data Notasi (X) 1 5 2 4 3 6 7 -1 8 -2 9 -3 10 -4 11 7 -1 8 -2 9 -3 10 -4 11 -5 Jumlah

Contoh data Genap Data Notasi (X) 1 -11 2 -9 3 -7 4 -5 5 -3 6 -1 7 8 9 10 11 12 Jumlah

Tugas Data penjualan suatu produk selama 6 tahun terakhir. Tiap tahun data dibagi menjadi 4 triwulan. Data data tersebut sebagai berikut : tahun triwulan 1 2 3 4 2009 2010 2011 2012 2013 2014 101 284 286 190 221 122 178 388 291 196 213 - 387 199 394 150 431 385 289 493 197 321

Jawab dg perhitungan kuadrat terkecil (dengan rumus kuadrat terkecil. Pertanyaan : Hitunglah berapa permintaan produk tersebut pada triwulan 2 tahun 2014? Hitunglah berapa permintaan produk tersebut pada triwulan 3 dan ke-4 tahun 2014 ?. Jawab dg perhitungan kuadrat terkecil (dengan rumus kuadrat terkecil. Tugas dikumpulkan pada saat kuliah pertemuan berikutnya.