Disusun Oleh : Iphov Kumala Sriwana PERAMALAN Disusun Oleh : Iphov Kumala Sriwana

FORECASTING

PERAMALAN (FORECASTING) Untuk perusahaan dg produk positioningnya MTS peramalan adalah dasar untuk mengambil keputusan mengenai peralatan pabrik, perencanaan SDM, pembelian material,dan penjadwalan produksi bahkan untuk beberapa MTO peramalan masih digunakan sebagai dasar pengambilan keputusan

PRINSIP DALAM PERAMALAN Dalam peramalan selalu ada error Jarang sekali forecast sama tepat dengan aktual demand Error dalam peramalan perlu diukur Untuk mengurangi error, besarnya error perlu diketahui

Peramalan tingkat famili lebih akurat dibanding peramalan tingkat end item Prosentase error peramalan secara keseluruhan produk lebih kecil dibanding peramalan per produk Peramalan jangka pendek lebih akurat dibanding peramalan jangka panjang.

Contoh Resource Forecasts Horizon Time Span Item Being Forecasted Unit of Measure Long Range Years Product Lines, Factory Capacities Dollars, Tons Medium Range Months Product Groups, Depart. Capacities Units, Pounds Short Range Days, Weeks Specific Products, Machine Capacities Units, Hours

METODA PERAMALAN Metoda kualitatif Metoda kuantitatif

METODA KUALITATIF Metoda management Decision Pendekatan ini digunakan dalam peramalan perencanaan produk baru Periode peramalan adalah jangka panjang Mekanismenya : Group executive dari marketing, engineering, finance, dan manufacturing bertemu untuk mendiskusikan tentang rencana produk.

Delphi Technique Pendekatan ini biasanya digunakan untuk meramalkan teknologi Periode peramalan adalah jangka panjang

Mekanismenya : Dilakukan dengan menggunakan diskusi panel jarak jauh, dimana setiap panelis dikirim beberapa daftar pertanyaan yang harus dijawab. Dengan satu kali atau beberapa iterasi kemudian jawaban para panelis dijadikan ide dalam pengambilan keputusan

Market Research Adalah pendekatan yang sistematis dalam mengumpulkan dan menganalisis data yang berkaitan dengan pemasaran Teknik yang sering digunakan dalam market research adalah Consumer Survey, biasanya data dikumpulkan lewat kuesioner. Pendekatan ini sering digunakan dalam perencanaan produk baru, advertising dan promotion. Periode peramalan jangka menengah

Historical Analogies Pendekatan ini sering digunakan dalam perencanaan produk baru, dan teknologi Pendekatan ini menggunakan history masa lalu dari produk atau teknologi untuk meramalkan permintaan kedepan.

Contoh : Peramalan produk Hand Phone berkamera berdasarkan penjualan produk kamera digital. Peramalan teknologi steam-power locomotive berasal dari teknologi diesel

METODA KUANTITATIF Dapat diterapkan jika : Tersedia informasi mengenai data masa lalu. Informasi dapat dikuantifisir (diwujudkan dalam bentuk angka). Asumsi beberapa aspek pola masa lalu akan terus berlanjut (assumption of continuity).

Pola Data Pola Horisontal – Horizontal (H) – terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. Deret seperti itu, stationer terhadap nilai rata-ratanya.

Pola Horisontal Quantity Time

Pola Trend (T) Pola Trend (T) - terjadi bilamana terdapat kenaiklan atau penurunan sekuler jangka panjang dalam data.

Pola Trend (T) Quantity Time

Pola Musiman – Seasonal (S) Pola Musiman – Seasonal (S) – terjadi bilamana deret dipengaruhi oleh faktor musiman, seperti kuartal tahun tertentu, bulanan, harian pada minggu tertentu.

Pola Musiman – Seasonal (S) Year 1 Quantity Year 2 | | | | | | | | | | | | J F M A M J J A S O N D Months

Pola Siklik – Cyclic (C) - Pola Siklik – Cyclic (C) - terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

Pola Siklik – Cyclic (C) - Quantity Years

Metoda kuantitatif dibagi dua : Time Series. Estimasi masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuan : menentukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan.

Model Causal. Mengasumsikan bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih independent variabel. Tujuan : menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari dependent variabel.

Peramalan Prediksi terhadap kebutuhan produksi di masa yang akan datang, berdasarkan data masa lalu. Semakin banyak data masa lalu, semakin Baik. PERAMALAN BY IPHOV

Klasifikasi Metode Peramalan Metode Kuantitatif – Data masa lalu Metode Kualitatif - Subjektif PERAMALAN BY IPHOV

Kuantitatif Time Series - Unexplained caused Causal – explained caused PERAMALAN BY IPHOV

Time Series Averaging Smoothing – Fluktuatif Dekomposisi – Pola Simple Regresi PERAMALAN BY IPHOV

Kualitatif Metode Subjektif – pendapat subjektif Explanatory – Alasan Normatif – berdasarkan norma PERAMALAN BY IPHOV

Langkah Kumpulkan data demand masa lalu Plot Data masa lalu, Lihat trendnya Tentukan metode peramalan, berdasarkan trendnya Lakukan perhitungan peramalan Hitung nilai errornya Pilihlah metode yang memiliki error terkecil Buat Moving Range Chart PERAMALAN BY IPHOV

Contoh Data Masa Lalu PERAMALAN BY IPHOV

Plotting Data PERAMALAN BY IPHOV

Pemilihan Metode -> 30 Trend Naik / turun – Regresi Trend Datar – Konstan Trend tak beraturan - Smoothing PERAMALAN BY IPHOV

Averaging base on 2 months Bulan Xt -> 2006 Ft ->2007 Des 100 Jan 200 150 -> Jan Feb 300 250 -> Feb Mart 200 -> Mar April 150 -> Apr Mei 250 400 PERAMALAN BY IPHOV

PERAMALAN BY IPHOV

PERAMALAN BY IPHOV

PERAMALAN BY IPHOV

PERAMALAN BY IPHOV

Error / Kesalahan

Error = Xt – Ft