PERAMALAN (FORECASTING) PERMINTAAN PRODUK

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

TEKNIK PRAKIRAAN ATAU PERAMALAN
Forecast/Ramalan Penjualan
PERAMALAN (FORECASTING)
Susanti Prasetiyaningtiyas. REFERENSI 1. Makridakis,Wheelwright and MCGee “ Forecasting : Methods and Applications” Second Edition. 2. Kuncoro,Mudradjat.
DATA DAN METODE PERAMALAN
Metode Peramalan (Forecasting Method)
PERAMALAN M.O. by Nurul K, SE,M.S.i
METODE PERAMALAN UNTUK MANAJEMEN
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Bab 4. METODE PENGUKURAN DAN PERAMALAN PERMINTAAN
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
ANGGARAN PERUSAHAAN KULIAH 3
Peramalan (Forecasting)
Metode Peramalan (Forecasting Method)
METODE FORECASTING.
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
Pertemuan VIII Peramalan Produk
Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
DERET BERKALA (TIME SERIES) (1)
ASPEK PASAR SKB (LANJUTAN)
Pertemuan 3 PERAMALAN (1)
OPERASI LOGISTIK & KOORDINASI LOGISTIK
PERENCANAAN PERMINTAAN DALAM Supply Chain
MANAJEMEN PERSEDIAAN DAN LOGISTIK POKOK BAHASAN : MODUL 19
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
BAB 7 PENYUSUNAN ANGGARAN.
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
MANAJEMEN INVENTORY DAN LOGISTIK
MODUL 19 POKOK BAHASAN : ( TIME SERIES MODEL )
MODUL STUDI KELAYAKAN BISNIS
Manajemen Operasional
OPERASI LOGISTIK & KOORDINASI LOGISTIK
11 TEORI PERAMALAN. 11 TEORI PERAMALAN Misalkan : Peramalan penjualan, peramalan pasar dan semacamnya Pengertian Peramalan Forecasting Menaksir suatu.
MANAJEMEN INVENTORY DAN LOGISTIK
kelompok ahli. Disini ada proses “learning”.
TEKNIK PERAMAL PENJUALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Peramalan Operation Management.
LANJUTAN FORECASTING PROGRAM KULIAH SABTU MINGGU FAKULTAS EKONOMI
ASPEK PASAR DAN PEMASARAN KEWIRAUSAHAAN POSO NUGROHO, SE., MM
FORECASTING/ PERAMALAN
SALES FORCASTING Oleh: H. Beben Bahren., S.E., M.si.
TEKNIK PERAMALAN PENJUALAN
Manajemen Operasional (Peramalan Permintaan)
Deret berkala dan Peramalan Julius Nursyamsi
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
Peramalan .Manajemen Produksi #3
M. Double Moving Average
PERAMALAN (FORECASTING)
Disusun Oleh : Iphov Kumala Sriwana
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
FORECASTING.
DERET BERKALA (TIME SERIES) (1)
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
METODE PERAMALAN UNTUK MANAJEMEN
06 Analisis Trend Analisis deret berkala dan peramalan
Oleh : Keti Purnamasari, S.E.,M.Si
Manajemen Operasional
FORECAST PENJUALAN.
Manajemen Operasional
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
OPERATIONAL / PRODUCTION MANAGEMENT
Transcript presentasi:

PERAMALAN (FORECASTING) PERMINTAAN PRODUK  2002, Prentice Hall, Inc.

PERAMALAN (FORECASTING) Proses peramalan adalah suatu usaha untuk melihat kondisi dimasa yang datang melalui pengujian keadaan dimasa lalu . Data historis digabungkan dengan menggunakan metode tertentu dan diolah uantuk memperoleh prakiraan keadaan pada masa yang akan datang

METODE-METODE PERAMALAN 1. TOP – DOWN 2. BOTTOM – UP 3. HISTORIKAL DNG MENGGUNAKAN MODEL MATEMATIKAL DAN STATISTIKAL 4. PERAMALAN EKSTRINSIK

1. METODE TOP – DOWN Metode ini sering dimulai dengan penggunaan hasil-hasil peramalan berbagai kondisi bisnis umum yang dibuat oleh para ekonom dalam lembaga pemerintahan dan dalam perusahaan besar serta universitas

CONTOH : Para ahli mengatakan bahwa produk nasional bruto tahun y.a.d sebesar 1000 trilyun rupiah. Bagi para perusahaan akan muncul pertanyaan: “ Bagaimana hal itu akan mempengaruhi kita?”

Para peramal dalam perusahaan akan menterjemahkan peramalan umum ke dalam peramalan bisnis industrinya di waktu y.a.d, kemudian akan diperkirakan market share perusahaan dan akhirnya ditentukan berapa banyak setiap produk perusahaan akan dapat dijual setiap bulan ( peramalan penjualan perusahaan )

2. METODE BOTTOM - UP Metode buttom-up dimulai dengan perkiraan permintaan produk akhir individual . Berapa banyak setiap produk akhir akan dapat dijual perusahaan tahun depan ?Atau Berapa jam pelayanan akan diminta ?

Dalam metode ini para peramal akan menerima estimasi dari orang-orang penjualan , para dealer (distributor), para langganan dan juga pola-pola penjualan masa lalu ditambah ramalan penjualan lainnya maka akan menghasilakan hasil peramalan agregat

3.HISTORIKAL DNG MODEL MATEMATIKAL DAN STATISTIKAL Metode peramalan ini menganggap bahwa ada hubungan antara penjualan produk yang lalu dengan penjualan dimasa y.a.d, maka dengan memasukkan data historis dan menggunakan model matematikal dan statiskal akan diperoleh perkiraan penjualan dimasa y.a.d

4. METODE EKSTRINSIK Metode ini biasanya digunakan untuk menyusun ramalan –ramalan khusus bagi produk-produk individual utama atau kelompok produk seperti sepatu atau ban Metode ini mengangap bahwa ada hubungan antara penjualan diwaktu lalu dengan satu atau lebih faktor eksternal, seperti pertumbuhan penduduk, tingkat pendapatan, tingkat pembangunan dll

CONTOH : Metode statistikal yang umum digunakan adalah analisis regresi dan korelasi . Untuk menggunakan metode ini diperlukan data historis yang akan dipakai untuk mengembangkan persamaan regresi dan kemampuan memperkirakan faktor-faktor prediktor atau varibel-variabel ekstrinsik dalam pembuatan ramalan.

PROSES PERAMALAN PENENTUAN TUJUAN Variabel apa yang akan diestimasi Siapa yang akan menggunakan hasil permalan Untuk tujuan apa peramlan digunakan Estimasi jangka panjang dan jangka pendek Derajat ketepatan estinmsi yg diinginkan Kapan estimasi dibutuhkan Bagian peramalan yang diinginkan , seperti permalan untuk kel. pembeli, kel. produk atau daerah geografis

2. PENGEMBANGAN MODEL Model adalah suatu kerangka analitik yang bila dimasukkan suatu data masukan menghasilkan estimasi penjualan diwaktu mendatang. Pemilihan model yang tepat adalah krusial. Setiap model mempunyai asumsi-asumsi yang harus dipenuhi sebagai persyaratan penggunaannya.

3. PENGUJIAN MODEL Model biasanya diuji untuk menentukan tingkat akurasi, validitas dan reliabilitas yang diharapkan, ini mencakup penyiapan data historis dan penyiapan estimasi tahun sekarang dengan data nyata. Nilai suatu model ditentukan oleh derajat ketepatan hasil peramalan dengan kenyataan (actual), atau pengujian model bermaksud untuk mengetahui validitas atau kemampuan prediktif secara logik suatu model

4. PENERAPAN MODEL Dalam tahap ini analis menerapkan model , data historik dimasukkan dalam model untuk menghasilkan suatu ramalan 5. REVISI DAN EVALUASI Ramalan yang telah dibuat harus selalu diperbaiki dan ditinjau kembali , karena kemungkinan adanya perubahan dalam perusahaan maupun lingkunagn , seperti tingkat harga, karakteristik produk, kemajuan tehnologi,dll. Langkah inin diperlukan untuk menjaga kualitas estimaasi-estimasi diwaktu yang akan datang

TEHNIK –TEHNIK PERAMALAN PERAMALAN KUALITATIF a. METODE DELPHI b. RISET PASAR c. ANALOGI HISTORIK d. KONSENSUS PANEL

2. PERAMALAN KUANTITATIF A. METODE DERET BERKALA (SERIAL WAKTU, TIME SERIES) B. METODE KAUSAL (CAUSAL / EXPLANATORY MODEL)

Persyaratan Penggunaan Metode Kuantitatif: Tersedia informasi tentang masa lalu. Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

A. METODE TIME SERIES Pola-pola dasar sbb : Trend (T) Musiman/ Seasional (S) Siklikal/ Cyclical (C ) Residu / Erratic (E)

B. METODE KAUSAL Least Square Rata-rata Bergerak /Moving Average Moment Analisa Regresi dan Korelasi

Kesimpulan Peramalan merupakan tahapan awal dalam perencanaan sistem operasi produksi. Model yang paling tepat harus dipilih dalam melakukan peramalan. Model yang dipilih dapat dibandingkan dengan model yang lain dengan menggunakan kriteria minimum average sum of squared errors. Distribusi forecast errors harus dimonitor, jika terjadi bias maka model yang digunakan tidak tepat.