PERAMALAN Oleh: Sri Hermawati.

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

Moving Average dan Exponential Smoothing
Peramalan STIE PUTRA BANGSA.
Metode Peramalan (Forecasting Method)
METODE PERAMALAN KUANTITATIF
BAB. 3. KONSEP POKOK DALAM ASPEK PASAR DAN PEMASARAN
PERAMALAN PENGELOLAAN DEMAND
FACILITY DESIGN NURUL UMMI, ST MT.
PERAMALAN Memprediksi peristiwa masa depan
Peramalan (Forecasting)
Studi Kelayakan Bisnis Aspek Pasar dan Pemasaran
Metode Peramalan (Forecasting Method)
Forecasting.
METODE FORECASTING.
METODE PERAMALAN Pertemuan 15
Pertemuan VIII Peramalan Produk
Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
PERAMALAN (FORECASTING)
DERET BERKALA (TIME SERIES) (1)
Smoothing. Basic Smoothing Models Moving average, weighted moving average, exponential smoothing Single and Double Smoothing First order exponential smoothing.
Apakah Peramalan itu ? Peramalan : seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan denganmelibatkan pengambilan data.
METODE PENGHALUSAN EKSPONENSIAL
PERENCANAAN PERMINTAAN DALAM Supply Chain
QUANTITATIVE FORECASTING METHOD
RIZKA HADIWIYANTI, SKom,MKom
FORECASTING -PERAMALAN-
SUPPLY CHAIN MANAGEMENT (SCM)
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
TAHAP-TAHAP PERAMALAN
  At Ft2 At Ft MODUL 04 PERAMALAN (2/2)
MODUL 19 POKOK BAHASAN : ( TIME SERIES MODEL )
D0052 Pengantar Teknik dan Sistem Industri
MOVING AVERAGES.
Magister Management Program UNIVERSITAS KOMPUTER INDONESIA
Manajemen Operasional
ANALISIS TIME SERIES.
Peramalan “Penghalusan Eksponensial”
kelompok ahli. Disini ada proses “learning”.
METODA PERAMALAN KUANTITATIF
Peramalan Data Time Series
Peramalan Operation Management.
LANJUTAN FORECASTING PROGRAM KULIAH SABTU MINGGU FAKULTAS EKONOMI
FORECASTING/ PERAMALAN
MANAJEMEN OPERASIONAL
Manajemen Operasional (Peramalan Permintaan)
Deret berkala dan Peramalan Julius Nursyamsi
Peramalan .Manajemen Produksi #3
M. Double Moving Average
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
PERAMALAN (FORECASTING)
Naïve Method & Total Historical Average
PERAMALAN (Forecasting)
FORECASTING.
DERET BERKALA (TIME SERIES) (1)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
PERAMALAN (Forecasting)
PERAMALAN DALAM MANAJEMEN OPERASIONAL
06 Analisis Trend Analisis deret berkala dan peramalan
Perencanaan dan Pengendalian Produksi Minggu 2
Manajemen Operasional
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
Manajemen Operasional
Toman Sony Tambunan, S.E, M.Si NIP
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
METODE PERAMALAN.
Transcript presentasi:

PERAMALAN Oleh: Sri Hermawati

Peramalan Sebuah statement tentang nilai masa depan suatu variabel penting seperti permintaan. Forecasts berimbas pada keputusan dan aktivitas-aktivitas dalam organisasi Akuntansi, keungan Sumber daya manusia Pemasaran Sistem Informasi Manajemen Operasio- operasi perusahaan Desain produk / jasa

Penggunaan Peramalan Akuntansi Estimasai biaya/profit Keuangan Aliran kas dan pendanaan Sumberdaya manusia Hiring/recruiting/training Pemasaran Penetapan harga, promosi, strategi Sistem Informasi Manajemen IT/IS systems, layanan Operasional penjadwalan, MRP, pembebanan kerja Desain product/jasa Produk dan jasa baru

Elemen Prakiraan Yang Baik waktu Akurat Reliabel Berarti Tertulis Mudah digunakan

Langkah Dalam Proses Prakiraan Menentukan tujuan peramalan Menetapkan jangkauan waktu peramalan Pemilihan teknik peramalan Pengumpulan dan analisis data Persiapan peramlan Monitoring

Tipe tipe Peramalan Judgmental – menggunakan input subyektif Time series – menggunakan data historis dengan asumsi masa datang sama dengan masa lalu Associative models – menggunakan variabel penjelas untuk memprediksi masa yang akan datang

Judgmental Forecasts Berdasar opinion dari ekstekutif Berdasar opini dari tenaga penjualan Berdasar survei konsumen Berdasar opinion pihak pihak diluar perusahaan Berdasar metoda Delphi Opini manajer dan staff Mencapai peramalan berdasar konsensus

Pola Data Trend – pergerakan data dalam jangka panjang Seasonality – data jangka pendek dengan variasi reguler Cycle – gelombang data seperti variasi dengan durasi lebih dari satu tahun Irregular variations – disebabkan oleh gelombang yang tidak biasa Random variations – disebabkan oleh kesempatan yang ada

Time Series Forecasts Naive forecast Metode rata rata Trend

Naive Forecasts Prakiraan untuk satu periode sama dengan nilai senyatanya dari periode sebelumnya. Mudah digunakan Secara virtual tidak ada biaya Cepat dan mudah persiapannya Tidak diperlukan analisis data Mudah dipahami Tidak dapat membuktikan adanya akurasi tinggi Bisa saja tingkat ketepatannya standar

Technik Rata rata Rata rata bergerak (Moving average) Rata rata bergerak dengan bobot (Weighted moving average) Pemulusan eksponensial (Exponential smoothing)

Moving Averages MAn = n Ai  Moving average – suatu teknik rata rata dari sejumlah data yang ada. Weighted moving average – teknik moving average dengan pembobotan yang ditentukan berdasar kedekatan periode dengan periode yang akan diprediksi. MAn = n Ai i = 1 

Exponential Smoothing Ft = Ft-1 + (At-1 - Ft-1) Premise—sebagian besar observasi bisa merupakan pemiliki nilai Therefore, we should give more weight to the more recent time periods when forecasting.

Exponential Smoothing Ft = Ft-1 + (At-1 - Ft-1) Metode pembebanan rata rata yang berdasar teknik peramalan yang lalu plus prosentase tertentu dari kesalahan eramalan

Contoh: Exponential Smoothing

Linear Trend Equation Ft = a + bt Ft Ft = Forecast for period t t = Specified number of time periods a = Value of Ft at t = 0 b = Slope of the line

Menghitung a dan b b = n (ty) - t y 2 ( t) a 

Contoh Linear Trend Equation

Perhitungan Linear Trend y = 143.5 + 6.3t a = 812 - 6.3(15) 5 b 5 (2499) 15(812) 5(55) 225 12495 12180 275 6.3 143.5

Teknik Peramalan Asosiatif Variabel Predictor – digunakan untuk memprediksi nilai variabel Regresi – teknik untuk mencocockkan sebuah garis dalam kumpulan titik titik Garis Least squares – jumlah minimum dari pangkat simpangan disekitar garis

Ketepatan Peramalan Error – perbedaan antara nilai nyata dengan nilai perkiraan Mean Absolute Deviation (MAD) Rata rata absolut tingkat kesalahan Mean Squared Error (MSE) Rata rata dari kesalahan kuadrat Mean Absolute Percent Error (MAPE) Rata rata absolt dari prosentase kesalahan

MAD, MSE, and MAPE  Nilai nyata  Nilai perkiraan MAD = n MSE = - 1 2   n ( MAPE = Actual forecast  n / Actual*100) (

MAD, MSE

Contoh

Pengendalian Peramalan Control chart Alat visual untuk memonitor kesalahan peramalan Digunakan untuk mendeteksi kesaahannon random Kesalahan peramalan masih ada pada batas toleransi jika: Semua kesalahan ada didalam batas pengendalian Tidak berpola, seperti trends atau siklus

Sumber Kesalahan Peramalan Model mungkin tidak sesuai Variasi Irregular Kesalahan memilih teknik peramalan

Memilih Teknik Peramalan Tak ada satu teknik yang cocok untuk setiap kondisi Dua faktor yang paling penting biaya Tingkat ketepatan Faktor lain, termasuk kemampuan untuk variabilitas Data historis Komputer Waktu yang diperlukan untuk kebersamaan dan analisis data Forecast horizon

Terima Kasih

Referensi Stevenson, William. 2007. Production /Operation Management, McGraww Hill Kumar, S. Anil and N.Suresh. 2009. Operation Management, New Age International, New Delhi.