Peramalan .Manajemen Produksi #3 Desi Harsanti Pinuji

Peramalan adalah seni dan ilmu untuk memprediksi kejadian di masa depan Bisa dilakukan dengan cara : Melibatkan data masa lalu dan menempatkannya ke masa yang akan datang dengan model matematis Prediksi intuitif yang bersifat subyektif Kombinasi keduanya pengertian

Hingga 1 tahun (umumnya triwulan) Jangka pendek Hingga 1 tahun (umumnya triwulan) Merencanakan pembelian, jumlah tenaga kerja, penugasan kerja dan tingkat produksi Jangka menengah Hingga 3 tahun Merencanakan penjualan, anggaran produksi, anggaran kas, rencana operasi Jangka Panjang Masa 3 tahun atau lebih Merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, litbang Meramal Horizon Waktu

Perkenalan Pertumbuhan Kematangan Penurunan Siklus Hidup Produk

Jenis Peramalan Peramalan Ekonomi Peramalan teknologi Memprediksi inflasi Ketersediaan uang Indikator- indikator lainnya Peramalan Ekonomi Memperhatikan tingkat kemajuan teknologi Peramalan teknologi Meramal produksi, kapasitas, sistem penjadualan Input bagi perencanaan bagian yang lainnya Peramalan Permintaan Jenis Peramalan

7 Langkah Sistem Peramalan Menetapkan tujuan peramalan Menentukan Unsur apa yang akan diramal Menentukan horizon waktu peramalan Memilih tipe model peramalan Mengumpulkan data yang diperlukan untuk melakukan peramalan Membuat peramalan Memvalidasi dan menerapkan hasil peramalan 7 Langkah Sistem Peramalan

Pendekatan dalam Peramalan Peramalan kuantitatif Menggunakan model matematika dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan Peramalan kualitatif Menggabungkan faktor seperti intuisi, emodi, pengalaman pribadi, sistem nilai Pendekatan dalam Peramalan

Tinjauan Metode Kualitatif Keputusan dari Pendapat Juri  Pendapat sekumpulan kecil manajer atau pakar, sering dikombinasikan dengan data statistik Metode Delphi Menggunakan proses kelompok di mana pakar melakukan peramalan 3 jenis peserta : pengambil keputusan, karyawan dan responden Gabungan dari Tenaga Penjualan  Setiap tenaga penjualan memperkirakan berapa penjualan yang bisa dilakukan di wilayahnya Survei Pasar Konsumen  Meminta input dari konsumen mengenai rencana pembelian mereka di masa depan Tinjauan Metode Kualitatif

Tinjauan Metode Kuantitatif Model Time Series Pendekatan naif Rata-rata bergerak Penghalusan eksponensial Proyeksi Tren Model Asosiatif Regresi Linear Tinjauan Metode Kuantitatif

merupakan teknik peramalan yang menggunakan sekumpulan data masa lalu untuk melakukan peramalan Didasarkan pada waktu yang berurutan atau berjarak sama (co : mingguan, bulanan, kuartalan) Nilai masa depan diperkirakan hanya dari nilai masa lalu dan variabel lain diabaikan Peramalan Time Series

Tren : pergerakan data sedikit demi sedikit meningkat atau menurun Musim : pola data yang berulang pada kurun waktu tertentu seperti hari, minggu, bulan, kuartal Siklus : pola dalam data yang terjadi setiap beberapa tahun Variasi Acak : satu titik khusus dalam data, yang disebabkan oleh peluang dan situasi yang tidak biasa 4 Komponen Time Series

Pendekatan Naif (Naive Approach) Teknik peramalan yang mengasumsikan permintaan di periode mendatang sama dengan permintaan terkini Merupakan model paling efektif dan efisien dari segi biaya Pendekatan Naif (Naive Approach)

Rata-rata Bergerak (Moving Average) Menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan Berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang waktu yang kita ramalkan Rata-rata bergerak = ∑ permintaan n bulan sebelum n Rata-rata bergerak dengan pembobotan = ∑ (bobot pada periode n) permintaan pada periode n ∑ bobot Rata-rata Bergerak (Moving Average)

Latihan ya... Bulan Penjualan aktual Januari 12 Februari Maret 13 April 16 Mei 19 Juni 23 Juli 26 Agustus 30 September 28 Latihan ya...

Penghalusan Eksponensial (Exponential Smoothing) merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, namun masih mudah digunakan Menggunakan sangat sedikit pencatatan data masa lalu Ft = F t-1 + α ( A t-1 – F t-1) Ft = peramalan baru Ft-1 = peramalan sebelumnya Α = konstanta penghalus (0 ≤ α ≤ 1) At-1 = permintaan aktual periode lalu Penghalusan Eksponensial (Exponential Smoothing)

Pada bulan Januari, sebuah dealer mobil memprediksi permintaan Nissan Livina di bulan Februari sebanyak 142 mobil. Permintaan aktual bulan Februri adalah 153 mobil. Dengan menggunakan konstanta penghalusan yang dipilih oleh pihak manajemen, α = 0,20. Kita dapat meramalkan permintaan di bulan Maret dengan menggunakan model penghalusan eksponensial. Hitunglah peramalan permintaan untuk bulan Maret! Latihan lagi nyok..

Proyeksi Tren (Trend Projection) metode yang menyesuaikan sebuah garis tren pada sekumpulan data masa lalu dan kemudian diproyeksikan dalam garis untuk meramalkan masa depan y = a + bx y = nilai terhitung dari variabel yang akan diprediksi (variabel terikat) a = persilangan sumbu y b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di y) x = variabel bebas Proyeksi Tren (Trend Projection)

Permintaan daya listrik pada PT Maju Mundur Tetap Oke selama periode 2004 hingga 2010 ditunjukkan pada tabel di bawah ini. Tahun Permintaan Daya Listrik 2004 74 2008 105 2005 79 2009 142 2006 80 2010 122 2007 90 Terus latihan...

METODE PERAMALAN ASOSIATIF Biasanya mempertimbangkan beberapa variabel yang berhubungan dengan kuantitas yang diprediksi ŷ = a + bx Ŷ = nilai variabel terikat a = perpotongan sumbu y b = kemiringan garis regresi x = variabel bebas METODE PERAMALAN ASOSIATIF

Sebuah distro kaos berhasil membuka beberapa toko di beberapa kota Sebuah distro kaos berhasil membuka beberapa toko di beberapa kota. Seiring waktu, perusahaan mendapati bahwa penjualan toko biaya pekerjaan pembukaan toko bergantung pada tingkat penghasilan (upah) penduduk di daerah tersebut. Berikut adalah data penjualan Tahun ke Penjualan (y) Upah (x) 1 2,0 4 2 3,0 3 5 2,5 6 3,5 7 Ya ampyun... Latihan lagi...

Caranya? Cek hubungannya, linier kah? Cari jumlah x dan jumlah y Cari rata-rata x dan rata-rata y Hitung x kuadrat dan jumlahkan Hitung b dan a Caranya?

Koefisien Korelasi dan Determinasi Suatu ukuran yang menunjukkan kekuatan hubungan antara dua variabel r = n ∑ xy - ∑x ∑y [n∑x² - (∑ x)²][n∑y²- (∑y)²] Koefisien Determinasi = suatu ukuran jumlah variasi dalam variabel terikat terhadap rata- ratanya yang dijelaskan oleh persamaan regresi Koefisien Korelasi dan Determinasi

Analisis Regresi Berganda Metode peramalan sebab akibat dengan lebih dari 1 variabel bebas ŷ = a + b1x1 + b1x1 Ŷ = nilai variabel terikat a = perpotongan sumbu y b = kemiringan garis regresi x = variabel bebas Analisis Regresi Berganda