Manajemen Operasional (Peramalan Permintaan)

Slides:



Advertisements
Presentasi serupa
Moving Average dan Exponential Smoothing
Advertisements

ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Forecast dengan Smoothing
ANGGARAN PERUSAHAAN KULIAH 3
INDEKS MUSIMAN DAN GERAKAN SIKLIS
Peramalan (Forecasting)
Forecasting.
PERAMALAN DENGAN TREND
PERAMALAN (FORECASTING)
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
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
FORECASTING -PERAMALAN-
Tekhnik Proyeksi Bisnis
Pertemuan Metode Peramalan (Forecasting Method)
Dian Safitri P.K. ANALISIS TIME SERIES.
METODE-METODE PERAMALAN BISNIS
STATISTIK INDUSTRI MODUL 10
‘12 Manajemen Operasional Hidayat Wiweko, SE. M.Si
MANAJEMEN INVENTORY DAN LOGISTIK
Manajemen Operasional
BAB X INDEKS MUSIMAN DAN GERAKAN SIKLIS
DERET BERKALA DAN PERAMALAN
PERAMALAN DENGAN METODE SMOOTHING
MANAJEMEN PERSEDIAAN.
DERET BERKALA DAN PERAMALAN
METODA PERAMALAN KUANTITATIF
Anggaran Produksi.
FORECASTING/ PERAMALAN
DERET BERKALA DAN 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
M. Double Moving Average
Metode Semi Average (Setengah rata-rata) NAMA. : NENENG FATIHATU R NIM
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
Metode Semi Average (Setengah rata-rata) NAMA. : DWI INDAHSARI NIM
Nama : Mochammad Zaki Mubarok Kelas : 11. 2A. 05 NIM :
Metode Semi Average (Setengah rata-rata)
PERAMALAN (FORECASTING)
Metode Semi Average (Setengah rata-rata)
Forecast dengan Smoothing
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Studi Kelayakan Bisnis (Aspek Pasar dan Pemasaran)
FORECASTING.
BAB 6 analisis runtut waktu
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Metode Least Square Data Genap
DERET BERKALA DAN PERAMALAN
METODE ANALISIS TREND: Trend Non Linier
Moving Average Dimas Aryo Wibowo B.04.
Metode Semi Average (Setengah rata-rata)
Tugas Statistika Deskriptif
Tugas Moving Average Rani Wahyuningsih B.04.
Metode Semi Average (Setengah rata-rata)
11.2A.05 Komputerisasi Akuntansi
Tugas Moving Average Nama :Yanurman giawa Nim No.Absen : 05.
06 Analisis Trend Analisis deret berkala dan peramalan
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
Manajemen Operasional
DERET BERKALA DAN PERAMALAN
Manajemen Operasional
Anggaran Produksi.
Metode Semi Average (Setengah rata-rata) NAMA. : DWI INDAHSARI NIM
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Deret Waktu.
DERET BERKALA DAN PERAMALAN
Transcript presentasi:

Manajemen Operasional (Peramalan Permintaan) METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method) Metode kwadrat terkecil (least quares method) Dosen: Febriyanto, S.E., M.M.

Peramalan Permintaan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umunya berada di luar kendali manajemen. Seperti: pelanggan, pesaing, pemerintah dan lain sebagainya. Peramalan permintaan manajemen operasi: perencanaan skedul produksi, perencanaan pemenuhan kebutuhan bahan, perencanaan kebutuhan tenaga kerja, perencanaan kapasitas produksi, perencanaan layout fasilitas, penentuan lokasi, penentuan metode proses, penentuan jumlah mesin dan lain sebagainya.

Peramalan Permintaan Metode Peramalan Permintaan Metode kuantitatif dapat dibagi ke dalam deret berkala atau runtun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi mejadi metode eksploratoris dan normatif. Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu: 1. Tersedia informasi tentang masa lalu 2. Informasi dapat dikuantitatifkan dalam bentuk data numerik 3. Diasumsikan pola masa lalu akan terus berlanjut. Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu: Metode bebas (freehand method) Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method) Metode kwadrat terkecil (least quares method)

1. Metode Bebas

2. Metode setengah rata-rata (semi average method) Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut: Y' = ao + bx Keterangan Y’ : nilai trend periode tertentu a : nilai trend periode dasar b : tambahan trend tahunan yang dihitung dengan cara (X2 – X1)/n X2 : setengah rata-rata kelompok kedua X1 : setengah rata-rata kelompok pertama n : jumlah periode antara x2 dan x1 X : jumlah unit tahun yang dihitung dari periode dasar.

2. Metode setengah rata-rata (semi average method) ao = a1988 = 332.200 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

2. Metode setengah rata-rata (semi average method) Nilai trend permulaan tahun 1986-1995 adalah: ao = a1988 = 319.200 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480 Y1986 = 332.200 + 25.480 (-2,5) = 268.500 Y1987 = 332.200 + 25.480 (-1,5) = 293.980 Y1988 = 332.200 + 25.480 (-0,5) = 319.460 Y1989 = 332.200 + 25.480 ( 0,5) = 344.940 Y1990 = 332.200 + 25.480 ( 1,5) = 370.420 Y1991 = 332.200 + 25.480 ( 2,5) = 395.900 Y1992 = 332.200 + 25.480 ( 3,5) = 421.380 Y1993 = 332.200+ 25.480 (4,5) = 446.860 Y1994 = 332.200 + 25.480 ( 5,5) = 472.340 Y1995 = 332.200 + 25.480 ( 6,5) = 497.820

2. Metode setengah rata-rata (semi average method) Misalnya: Nilai trend permulaan tahun 1986-1995 adalah: ao = a1993 = 459.600 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480 Y1986 = 459.600+ 25.480 (-7,5) = 268.500 Y1987 = 459.600+ 25.480 (-6,5) = 293.980 Y1988 = 459.600+ 25.480 (-5,5) = 319.460 Y1989 = 459.600+ 25.480 (-4,5) = 344.940 Y1990 = 459.600+ 25.480 (-3,5) = 370.420 Y1991 = 459.600+ 25.480 (-2,5) = 395.900 Y1992 = 459.600+ 25.480 (-1,5) = 421.380 Y1993 = 459.600+ 25.480 (-0,5) = 459.600 Y1994 = 459.600+ 25.480 ( 0,5) = 472.340 Y1995 = 459.600+ 25.480 ( 1,5) = 497.820

2. Metode setengah rata-rata (semi average method)

3. Metode Single Moving Average Cara menghitung: Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar rata-rata 3 bulan sebelumnya. Rumus: St+1 = Forecast untuk periode ke t + 1 Xt = Data periode t n = Jangka waktu moving averages.

3. Metode Single Moving Average Misal: Jika forecast dengan metode 3 bulan moving averages untuk bulan April adalah Penjualan Januari 20.000 kg Februari 21.000 kg Maret 19.000 kg

3. Metode Single Moving Average Bulan Permintaan Forecast 3 bulan 5 bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 20 21 19 17 22 24 18 23 25 - 20.00 19.00 19.33 21.00 21.33 21.67 20.33 22.67 22.33 19.80 20.60 20.80 21.40 22.00 21.60

3. Metode Single Moving Average Metode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya. Metode Single Moving Average mempunyai 2 sifat khusus: Untuk membuat forecast diperlukan data masa lalu selama jangka waktu tertentu. Semakin panjang moving averages, maka akan menghasilkan moving averages yang semakin halus. Menghitung forecast error Mean absolute error => Mean squared error =>

3. Metode Single Moving Average Bulan Permintaan 3 bulan Forecast Error Absoluteerror (Error)2 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 20 21 19 17 22 24 18 23 25 - 20.00 19.00 19.33 21.00 21.33 21.67 20.33 22.67 22.33 -3.00 3.00 4.67 1.67 -1.67 -0.67 0.67 9.00 21.78 2.78 0.44

3. Metode Single Moving Average Perbandingan eror antara 3 bulan dan 5 bulan moving average 3 bln moving average 5 bln moving average Mean absolut error 2.67 2.37 Mean squared error 8.81 7.54 Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.

4. Trend Metode Least Square Trend adalah rata-rata perubahan dalam jangka panjang. Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif. Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif. Salah satu metode trend yang digunakan adalah metode least squares. Persamaan trend dengan metode least square adalah Ŷ = a + bX

4. Trend Metode Least Square Tahun X Penjualan Y xy X2 Y’ 2000 2001 2002 2003 2004 2005 2006 2007 2008 10 05 15 20 25 30 40 45 35 Y’ = a + bx Σx = na + bΣx Σxy = x + b Σx2 Dimana: a & b = konstanta persamaan n = Jumlah data x = periode waktu

4. Trend Metode Least Square Σx = na + bΣx Σxy = ∑xa + bΣx2 Tahun X Penjualan Y xy X2 Y’ 2000 2001 2002 2003 2004 2005 2006 2007 2008 1 2 3 4 5 6 7 8 10 05 15 20 25 30 40 45 35 60 100 150 240 315 280 9 16 36 49 64 1180 204

4. Trend Metode Least Square Σx = na + bΣx Σxy = ∑xa + b Σx2 36 = 9a + 36b (4) 1180 = 36a + 204b (1) 36 = 9a + 36b (4) => 144 = 36a + 144b 1180 = 36a + 204b (1) => 1180 = 36a + 204b -1036 = -60b b = -1036 /-60 b = 17.3 36 = 9a + 36b => 36 = 9a + 36 (17.3) => 36 = 9a + 622.8 => -9a = 622.8 – 36 => -9a = 586.8 => a = -65.2 Y’ = -65.2 + 17.3 x

Tahun Penjualan X XY X^2 Ŷ 2000 10 -65.25 2001 5 1 -47.95 2002 15 2 30 4 -30.65 2003 20 3 60 9 -13.35 2004 25 100 16 3.95 2005 150 21.25 2006 40 6 240 36 38.55 2007 45 7 315 49 55.85 2008 35 8 280 64 73.15 Σ 215   1180 204 Y = -65,25 + 17.30X a = b = 17.30