Peramalan STIE PUTRA BANGSA.

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

TEKNIK PRAKIRAAN ATAU PERAMALAN
PERAMALAN (FORECASTING)
Metode Peramalan (Forecasting Method)
PERAMALAN M.O. by Nurul K, SE,M.S.i
METODE PERAMALAN UNTUK MANAJEMEN
Forecasting Raisa Pratiwi ,SE.
PERAMALAN Memprediksi peristiwa masa depan
Peramalan (Forecasting)
Studi Kelayakan Bisnis Aspek Pasar dan Pemasaran
Metode Peramalan (Forecasting Method)
Forecasting.
METODE FORECASTING.
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
Forecasting Raisa Pratiwi ,SE.
METODE PERAMALAN Pertemuan 15
Pertemuan VIII Peramalan Produk
Pertemuan-4 PERAMALAN (FORECASTING)
PERAMALAN (FORECASTING)
DERET BERKALA (TIME SERIES) (1)
Apakah Peramalan itu ? Peramalan : seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan denganmelibatkan pengambilan data.
OPERASI LOGISTIK & KOORDINASI LOGISTIK
METODE PENGHALUSAN EKSPONENSIAL
PERENCANAAN PERMINTAAN DALAM Supply Chain
MANAJEMEN PERSEDIAAN DAN LOGISTIK POKOK BAHASAN : MODUL 19
FORECASTING -PERAMALAN-
Pertemuan Metode Peramalan (Forecasting Method)
PERAMALAN (FORECASTING)
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
‘12 Manajemen Operasional Hidayat Wiweko, SE. M.Si
MANAJEMEN INVENTORY DAN LOGISTIK
PERAMALAN Oleh: Sri Hermawati.
TAHAP-TAHAP PERAMALAN
PERAMALAN “Proyeksi Tren”
MODUL 19 POKOK BAHASAN : ( TIME SERIES MODEL )
Manajemen Operasional
Program Studi Statistika, semester Ganjil 2015/2016
MANAJEMEN INVENTORY DAN LOGISTIK
PERAMALAN DENGAN METODE SMOOTHING
Peramalan “Penghalusan Eksponensial”
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
METODA PERAMALAN KUANTITATIF
Peramalan Operation Management.
LANJUTAN FORECASTING PROGRAM KULIAH SABTU MINGGU FAKULTAS EKONOMI
FORECASTING/ PERAMALAN
MANAJEMEN OPERASIONAL
Manajemen Operasional (Peramalan Permintaan)
Peramalan .Manajemen Produksi #3
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
PERAMALAN (FORECASTING)
SISTEM INFORMASI PERAMALAN
FORECASTING.
Pertemuan-3 PERAMALAN (FORECASTING)
DERET BERKALA (TIME SERIES) (1)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
METODE PERAMALAN UNTUK MANAJEMEN
PERAMALAN (Forecasting)
PERAMALAN DALAM MANAJEMEN OPERASIONAL
Perencanaan dan Pengendalian Produksi Minggu 2
Manajemen Operasional
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
Manajemen Operasional
Toman Sony Tambunan, S.E, M.Si NIP
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
METODE PERAMALAN.
FORECASTING (PERAMALAN) DALAM MANAJEMEN OPERASI NURJANNAH ENDAH RAHAYU,SE.,MM.
Transcript presentasi:

Peramalan STIE PUTRA BANGSA

Peramalan (forecasting) Seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi yang bersifat subyektif. Atau bisa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer. STIE PUTRA BANGSA

Meramal Horizon Waktu Peramalan jangka pendek jangka waktu hingga 1 tahun, tapi umumnya kurang dari 3 bulan. u/ merencanakan pembelian, tenaker Peramalan jangka menengah hitungan bulanan hingga 3 tahun. u/ merencanakan penjualan, anggaran kas Peramalan jangka panjang umumnya untuk perencanaan masa 3th/lbh. u/ merencanakan produk baru, pengembangan fasilitas. STIE PUTRA BANGSA

Pengaruh Siklus Hidup Produk Perkenalan Pertumbuhan Kematangan Penurunan STIE PUTRA BANGSA

Jenis Peramalan Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya Peramalan teknologi (tenological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. Peramalan permintaan (demand forecast) proyeksi permintaan untuk produk atau layanan suatu perusahaan. STIE PUTRA BANGSA

Kepentingan Strategis Peramalan Sumber Daya Manusia Kapasitas Manajemen Rantai Pasokan STIE PUTRA BANGSA

Tujuh Langkah Sistem Peramalan Menetapkan tujuan permalan Memilih unsur apa yang akan diramal Menentukan horizon waktu peramalan Memilih tipe model peramalan Mengumpulakan data yang diperlukan untuk melakukan peramalan Membuat peramalan Memvalidasi dan menerapkan hasil peramalan STIE PUTRA BANGSA

Peramalan jarang ada yang sempurna Hampir semua teknik peramalan mengasumsikan bahwa sistem akan tetap stabil Baik peramalan kelompok produk maupun peramalan secara keseluruhan lebih akurat daripada peramalan kelompok individu STIE PUTRA BANGSA

Pendekatan dalam Peramalan Tinjauan Metode Kualitatif Keputusan dari pendapat juri eksekutif Metode Delphi Gabungan dari tenaga penjualan Survei pasar konsumen Tinjauan Metode Kuantitatif Pendekatan Naif Rata-rata bergerak time-series Penghalusan Eksponensial Proyeksi Tren Regresi Linear asosiatif STIE PUTRA BANGSA

Peramalan Time-Series Tren pergerakan data sedikit demi sedikit ex.perubahan pendapatan Musim pola data yang berulang pada kurun waktu tertentu seperti hari, minggu, bulan Siklus pola dalam data yang terjadi setiap beberapa tahun Variasi Acak merupakan satu titik khusus dalam data, yang disebabkan oleh peluang dan situasi yang tidak bisa STIE PUTRA BANGSA

Time-Series STIE PUTRA BANGSA

Pendekatan Naif (naive approach) Cara yang paling sederhana untuk meramal adalah dengan berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. STIE PUTRA BANGSA

Rata-Rata Bergerak (moving average) Menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Secara matematis; rata-rata bergerak = ∑ permintaan n periode sebelumnya n STIE PUTRA BANGSA

Rata-rata Bergerak 3 Bulanan Contoh 1 Bulan Penjualan Aktual Rata-rata Bergerak 3 Bulanan Januari 10 Februari 12 Maret 13 April 16 (10 + 12 + 13)/ 3 = 11 2/3 Mei 19 (10x1)+(12x2)+(13x3)/6 = ? (April) Juni 23 Juli 26 Agustus 30 September 28 Oktober 18 November Desember 14 STIE PUTRA BANGSA

Rata-rata bergerak dengan Pembobotan ∑ (bobot pada periode n) (permintaan pada periode n) ∑bobot Contoh di atas, dengan bobot= Bobot yang Diberikan Periode 3 Bulan lalu 2 Dua bulan lalu 1 Tiga bulan lalu 6 Jumlah total bobot STIE PUTRA BANGSA

Rata-rata Bergerak 3 Bulanan Penjualan Aktual Rata-rata Bergerak 3 Bulanan MAD Januari 10 Februari 12 11+(0,3(10-11))= 10,7 (11) 1 Maret 13 11+(0,3(12-11))= 11,3 (11) 2 April 16 [(10)+(2x12)+(3x13)]/ 6 = 12 1/6 Mei 19 Juni 23 Juli 26 Agustus 30 September 28 Oktober 18 November Desember 14 STIE PUTRA BANGSA

Rata-rata Bergerak Mempunyai Tiga Masalah Bertambahnya jumlah n meredam fluktuasi, tetapi membuat metode ini kurang sensitif Rata-rata bergerak tidak dapat menggambarkan tren dengan baik Rata-rata bergerak membutuhkan data masa lalu yang ekstensif. STIE PUTRA BANGSA

Penghalusan Eksponensial Peramalan Baru= Peramalan periode lalu + α (permintaan aktual periode lalu - peramalan periode lalu) Atau Ft = F t-1 + α (At-1 – Ft-1) Dimana, Ft = peramalan baru Ft-1 = peramalan sebelumnya α = konstanta penghalus (pembobot) (0 ≤ α ≤ 1) STIE PUTRA BANGSA

Contoh 3 Pada bulan Januari, sebuah dealer mobil memprediksi permintaan Ford Mustang di bulan Februari sebanyak 142 mobil. Permintaan aktual bulan Februari 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. Dengan memasukan data sampel ke dalam rumus, kita mendapatkan; Peramalan baru (untuk permintaan bulan Maret) = 142 + 0,2 (153-142) = 142 + 2,2 = 144,2 STIE PUTRA BANGSA

Menghitung Kesalahan Peramalan Kesalahan Peramalan = Permintaan aktual – Nilai Peramalan Mean Absolut Deviation MAD = ∑∣aktual-peramalan∣ n Mean Squared Error MSE = ∑(kesalahan peramalan) STIE PUTRA BANGSA

Proyeksi Tren Teknik ini mencocokkan garis tren pada serangkaian data masa lalu dan memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau jangka panjang. ŷ= a + bx Dimana; ŷ = nilai terhitung dari variabel yang akan diprediksi a = persilangan sumbu y b = kemiringan garis regresi x = variabel bebas STIE PUTRA BANGSA

b = ∑ xy – nx y ∑ x2 – nx2 a = y – bx ∑ = tanda penjumlahan total x = nilai variabel bebas y = nilai variabel terikat x = rata-rata nilai x y = rata-rata nilai y n = jumlah data atau pengamatan STIE PUTRA BANGSA

Contoh Tahun Permintaan Daya Listrik 1997 74 2001 105 1998 79 2002 142 1999 80 2003 122 2000 90 STIE PUTRA BANGSA

Permintaan Daya Listrik (y) Tahun Periode Waktu (x) Permintaan Daya Listrik (y) x2 xy 1997 1 74 1998 2 79 1999 3 80 2000 4 90 2001 5 105 2002 6 142 2003 7 122 28 692 STIE PUTRA BANGSA