PERAMALAN (FORECASTING) PERMINTAAN PRODUK

Slides:



Advertisements
Presentasi serupa
TEKNIK PRAKIRAAN ATAU PERAMALAN
Advertisements

PERAMALAN M.O. by Nurul K, SE,M.S.i
Lecture Note: Marina Malian,SE,Ak
METODE PERAMALAN UNTUK MANAJEMEN
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Forecasting Raisa Pratiwi ,SE.
Peramalan (Forecasting)
METODE FORECASTING.
Forecasting Raisa Pratiwi ,SE.
FORECAST SALES PERAMALAN PENJUALAN
ANALISIS DATA BERKALA.
Pertemuan VIII Peramalan Produk
Metode Least Square Data Ganjil
OPERASI LOGISTIK & KOORDINASI LOGISTIK
PERENCANAAN PERMINTAAN DALAM Supply Chain
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
FORECASTING -PERAMALAN-
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
Dian Safitri P.K. ANALISIS TIME SERIES.
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
REGRESI LINEAR.
Bab IX ANALISIS DATA BERKALA.
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.
OPERASI LOGISTIK & KOORDINASI LOGISTIK
ANALISIS TIME SERIES.
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
TEKNIK PERAMAL PENJUALAN
Materi elearning Penganggaran bisnis 21B kamis, 17 maret 2016 momo
Analisis Time Series.
Peramalan Operation Management.
LANJUTAN FORECASTING PROGRAM KULIAH SABTU MINGGU FAKULTAS EKONOMI
ASPEK PASAR DAN PEMASARAN KEWIRAUSAHAAN POSO NUGROHO, SE., MM
FORECASTING/ PERAMALAN
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
Peramalan .Manajemen Produksi #3
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
Kelompok CDM ( Cash Deposit Machine )
ANALISIS DATA BERKALA.
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
PERAMALAN (FORECASTING)
Disusun Oleh : Iphov Kumala Sriwana
RAMALAN PENJUALAN Robinhot Gultom, SE, M.Si.
Bab IX ANALISIS DATA BERKALA.
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Bab 4 Melaksanakan Riset Pemasaran & Meramalkan Permintaan
LINDA ZULAENY HARYANTO
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Perencanaan dan Peramalan Keuangan
TEKNIK PROYEKSI BISNIS
Metode Least Square Data Genap
ASPEK PASAR DAN PEMASARAN
METODE PERAMALAN UNTUK MANAJEMEN
Forecast/Ramalan Penjualan
LATIHAN SOAL REGRESI DAN KORELASI
REGRESI LINEAR.
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Manajemen Operasional
FORECAST PENJUALAN.
DERET BERKALA DAN PERAMALAN
Manajemen Operasional
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Time Series.
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 yg akan datang melalui pengujian keadaan masa lalu. Esensi peramalan : prakiraan peristiwa masa yg akan datang atas dasar pola-pola di waktu yg 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 rtegresi & korelasi, model-model ekonometrik & model-model simulasi. Teknik kualitatif adalah subyektif atau judgmental berdasarkan pd 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.

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

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 2006 2007 2008 2009 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 2010 ? Hitunglah berapa permintaan produk tersebut pada triwulan 3 tahun 2010 ?. Jawab dg perhitungan kuadrat terkecil (dengan rumus kuadrat terkecil.

Tahun Penjualan (Y) X XY X2 2006 2007 2008 2009 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 2.157 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 2010 triwulan I = 99,2 Y = 89 + 0,6 (19) Y = 100,4 Jadi permintaan produk thn 2010 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.