Manajemen Operasional

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

Analisis Data Berkala A. PENDAHUlUAN
Peramalan STIE PUTRA BANGSA.
PERAMALAN M.O. by Nurul K, SE,M.S.i
METODE PERAMALAN UNTUK MANAJEMEN
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
Teknik Pemisahan Biaya Campuran
Peramalan (Forecasting)
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
BAB X Indeks Musiman & Gerakan Siklis.
ANALISIS DATA BERKALA.
ANALISIS DATA BERKALA.
Metode Least Square Data Ganjil
Apakah Peramalan itu ? Peramalan : seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan denganmelibatkan pengambilan data.
ANALISIS DATA BERKALA.
PERENCANAAN PERMINTAAN DALAM Supply Chain
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
FORECASTING -PERAMALAN-
Tekhnik Proyeksi Bisnis
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
Dian Safitri P.K. ANALISIS TIME SERIES.
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Bab IX ANALISIS DATA BERKALA.
PERAMALAN “Proyeksi Tren”
MODUL 19 POKOK BAHASAN : ( TIME SERIES MODEL )
MENENTUKAN TREND Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend. Beberapa di antaranya adalah metode tangan bebas, metode.
BAB X INDEKS MUSIMAN DAN GERAKAN SIKLIS
ANALISIS TIME SERIES.
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.
BAB X Indeks Musiman & Gerakan Siklis.
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Analisis Time Series.
Peramalan Operation Management.
FORECASTING/ PERAMALAN
Manajemen Operasional (Peramalan Permintaan)
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
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
Kelompok CDM ( Cash Deposit Machine )
ANALISIS DATA BERKALA.
Bab IX ANALISIS DATA BERKALA.
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
FORECASTING.
Pertemuan-3 PERAMALAN (FORECASTING)
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
METODE ANALISIS TREND: Trend Non Linier
PRENSENTATION KELOMPOK 10
06 Analisis Trend Analisis deret berkala dan peramalan
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
Manajemen Operasional
Manajemen Operasional
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Time Series.
METODE PERAMALAN.
OPERATIONAL / PRODUCTION MANAGEMENT
Transcript presentasi:

Manajemen Operasional Peramalan Manajemen Operasional

Metode Peramalan top-down forecasting, dimulai dengan penggunaan hasil-hasil peramalan berbagai kondisi bisnis umum yang dibuat oleh para ekonom dalam lembaga pemerintah dan dalam perusahaan-perusahaan besar. Misal : GNP tahun yang akan datang sebesar 1.500 trilyun rupiah. Bagaimana hal tersebut mempengaruhi perusahaan ? bottom-up forecasating, dimulai dari perkiraan permintaan produk akhir individual. Berapa banyak produk yang dapat dijual perusahaan tahun depan ? Berapa jam pelayanan yang akan diminta ? Dalam metode ini para peramal menerima estimasi-estimasi dari orang-orang penjualan, para dealer (distributor), dan para pelanggan. Analisis juga perlu melihat pola-pola penjualan di masa yang lalu

Proses Peramalan Peramalan adalah suatu usaha untuk meramalkan keadaan yang akan datang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa masa yang akan datang atas dasar pola-pola di waktu yang lalu.

Proses peramalan Penentuan tujuan, yaitu penentuan estimasi yang diinginkan. Hal ini tergantung dari informasi dari para manajer Pengembangan model, merupakan kerangka analitis yang apabila dimasukkan data (input data), maka menghasilkan estimasi di waktu mendatang. Pengujian model, untuk menentukan tingkat akurasi, validitas dan reliabilitas yang diharapkan. Nilai suatu model ditentukan oleh derajad ketepatan hasil peramalan dengan kenyataan (actual) Penerapan model, perlu dimasukkan data historik guna menghasilkan suatu ramalan. Revisi dan evaluasi, perbaikkan mungkin diperlukan karena adanya perubahan-perubahan yang terjadi di lingkungan perusahaan, seperti tingkat harga, karakteristik produk, kebijakan pemerintah, dll. Sedangkan evaluasi ditujukan untuk pembandingan peramalan dengan hasil nyata, sehingga dapat menilai ketepatan penggunaan suatu metodologi atau teknik peramalan.

Teknik-Teknik Peramalan Teknik Kualitatif : Teknik ini adalah subyektif atau “judgmental” atau berdasarkan pada estimasi dan pendapat-pendapat. Berbagai sumber pendapat yang baik bagi peramalan kondisi bisnis adalah sebagai berikut : Para eksekutif Orang-orang bagian penjualan Para langganan Para ahli berbagai bidang, misal : konsultan manajemen

Teknik Kualitatif Metode Delphi, merupakan teknik yang mempergunakan prosedur sistematik untuk mendapatkan suatu konsensus pendapat-pendapat dari suatu kelompok ahli. Proses delphi dilakukan dengan meminta kepada para anggota kelompok untuk memberikan serangkaian ramalan-ramalan melalui tanggapan mereka terhadap daftar pertanyaan. Kemudian hasilnya diformulasikan dan dibagikan lagi kepada kelompok. Riset pasar, teknik ini secara khusus ditujukan untuk meramal permintan dan penjualan produk baru. Analogi historik, peramalan dilakukan dengan menggunakan pengalaman-pengalaman historis dari suatu produk yang sejenis. Konsensus panel, gagasan yang didiskusikan kelompok akan menghasil-kan ramalan-ramalan lebih baik daripada dilakukan oleh seseorang.

Analisis Runtun Waktu (Time Series) Model peramalan ini mencoba untuk meramalkan kejadian-kejadian di waktu yang akan datang atas dasar serangkaian data kejadian masa lalu. Komponen-komponen yang ada dalam peramalan time series adalah : Trend (T) Musiman atau seasional (S) Siklikal atau cyclical (C) Residu atau erratic (E) Dalam model klasik analisis time series, nilai ramalan (Y) merupakan fungsi perkalian dari komponen-komponen diatas : Y = T x S x C x E

Analisis Runtun Waktu (Time Series) Trend, merupakan pola gerakan penurunan atau pertumbuhan (kenaikkan) jangka panjang serangkaian data historik. Musiman, komponen ini mencerminkan pengaruh pola-pola pembelian musiman. Siklikal, atau sering disebut dengan gelombang konjungtur, adalah komponen dasar time series, dan merupakan komponen yang paling sulit ditentukan bila rentangan waktu tidak diketahui atau akibat siklus tidak dapat ditentukan. Residu, merupakan unsur yang menunjukkan fluktuasi-fluktuasi data yang tidak sistematik atau acak (random).

Prosedur Peramalan Mendapatkan data historis, dan menggambarkannya dalam “scatter diagram” untuk mengetahui tipe hubungan. (contoh : Linear) Mencari persamaan trend Mencari indeks musiman Memproyeksikan trend ke waktu yang akan datang Mengalikan nilai-nilai trend bulanan dengan indeks musiman Memodifikasi nilai-nilai yang diramal dengan pengetahuan tentang : Kondisi-kondisi bisnis siklikal (C) Antisipasi pengaruh-pengaruh yang tidak “biasa” (E)

Perhitungan Trend Freehand. Garis trend dibuat secara bebas tanpa menggunakan rumus matematika. Kurva trend “freehand” digambarkan melalui titik-titik data dan merupakan cara penyajian termudah. Kuadrat terkecil (least squares).Metode yang paling banyak dipakai untuk menentukan persamaan trend data, karena menghasilkan “line of best fit”. Garis trend ini mempunyai sifat : Penjumlahan seluruh deviasi vertikal titik-titik data terhadap garis adalah nol Penjumlahan seluruh kuadrat deviasi vertikal data historis dari garis adalah minimum Garis melalui rata-rata X dan Y

Perhitungan Trend Untuk persamaan linear, garis trend dicari dengan penyelesaian simultan nilai a dan b pada dua persamaan normal berikut : Σ Y = n a + b Σ X Σ XY = a Σ X + b Σ X2 Bila titik tengah data sebagai tahun dasar, maka Σ X = 0 dan dapat dihilangkan dari persamaan diatas, sehingga menjadi : Σ Y Σ Y = n a a = n Σ XY Σ XY = b Σ X2 b = Σ X2

Perhitungan Trend Bila ada sejumlah periode ganjil, titik tengah periode waktu ditentukan X = 0, sehingga jumlah plus dan minus akan sama dengan nol (0). Tetapi jika jumlah data adalah genap, prosedur pemberian kode menjadi : Nomor data Kode X 1 2 3 4 5 -2 -1 Nomor data Kode X 1 2 3 4 5 6 -3 -2 -1

Perhitungan Trend (Least squares) Tahun Kuartal Penjualan (dlm Unit) Y X XY X2 1981 1982 1983 1984 1 2 3 4 80 78 83 85 84 88 90 89 86 91 94 93 96 100 97 -8 -7 -6 -5 -4 -3 -2 -1 5 6 7 8 -640 -546 -498 -425 -336 -264 -180 -89 182 282 372 450 576 700 776 64 49 36 25 16 9 Jumlah ( Σ ) 1.424 446 408

Perhitungan Trend (Least squares) Σ Y 1.424 a = = = 89 n 16 Σ XY 446 b = = = 1,1 Σ X2 408 Jadi, Persamaan peramalan dalam bentuk Y = a + b X adalah : Y = 89 + 1,1 X Ramalan untuk kuartal pertama tahun 1985 adalah sebesar 98,9 unit dengan perhitungan : Y = 89 + 1,1 (9) = 98,9

Bila periode pertama sebagai tahun dasar (X=0) Apabila pertimbangan data ganjil dan data genap ingin diabaikan, tanpa khawatir terjadi ‘kesalahan’ dalam melakukan perhitungan peramalan, maka cara berikut ini dapat menjadi pilihan. Periode Permintaan (Y) X XY X2 Januari 45 Februari 44 1 Maret 46 2 92 4 April 43 3 129 9 Mei 176 16 222 10 441 30

Bila periode pertama sebagai tahun dasar (X=0) Apabila cara ini yang dipilih, maka untuk mendapatkan nilai a dan b, rumus yang digunakan adalah : ΣY ΣX2 – ΣX ΣXY a = n.ΣX2 – (ΣX)2 222(30) – 10(441) a = = 45 5(30) – (10)2 n.ΣXY – ΣX ΣY b = n.ΣX2 – (ΣX)2 5(441) – 10(222) b = = - 0,3 5(30) – (10)2 Y = a + bX Y = 45 – 0.3X ► 45 – 0,3(5) ► 45 – 1,5 ► 43,5

Perhitungan Trend (Rata-rata bergerak) Metode ini diperoleh melalui penjumlahan dan pencarian nilai rata-rata dari sejumlah periode tertentu, setiap kali menghilangkan nilai terlama dan menambah nilai baru. Σ X MA = Jumlah Periode Satu nilai X diganti setiap periode.

Perhitungan Trend (Rata-rata bergerak) Tahun Kuartal Penjualan (dlm Unit) Y Total Gerakan Rata-rata Bergerak 1981 1982 1983 1984 1 2 3 4 80 78 83 85 84 88 90 89 86 91 94 93 96 100 97 - 241 : 3 = 246 : 3 = 252 257 262 267 265 266 271 278 277 279 286 293 80,3 82 85,7 87,3 88,3 88,7 90,3 92,7 92,3 95,3 97,7

Perhitungan Trend (Rata-rata bergerak) Rata-rata bergerak secara efektif meratakan atau menghaluskan fluktuasi pola data yang ada. Semakin panjang datanya semakin halus kurvanya. Kelemahan metode ini tidak mempunyai persamaan untuk peramalan, sebagai gantinya adalah nilai rata-rata bergerak terakhir sebagai ramalan periode berikutnya. Seperti dalam contoh adalah sebesar 97,7 unit.