Studi Kelayakan Bisnis Aspek Pasar dan Pemasaran

Apakah Peramalan Itu? Seni dan ilmu untuk memprediksi kejadian dimasa datang Sebagai dasar untuk keputusan bisnis Produksi Persediaan Tenaga Kerja Fasilitas ?? Dinnul Alfian Akbar

Meramalkan Horison Waktu Peramalan Jangka Pendek 1 tahun, umumnya kurang dari 3 bulan Pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, tingkat produksi Peramalan Jangka Menengah 3 bulan hingga 3 tahun Penjualan dan perencanaan produksi, anggaran Peramalan Jangka Panjang 3 tahun atau lebih Perencanan produk baru, lokasi, penelitian dan pengembangan Dinnul Alfian Akbar

Jenis-jenis Peramalan Peramalan Ekonomi Menjelaskan siklus bisnis – tingkat inflasi, ketersediaan uang. Peramalan Teknologi Memprediksi tingkat kemajuan teknologi Dampak pengembangan produk baru Peramalan Permintaan Memprediksi penjualan produk yang ada Dinnul Alfian Akbar

Tujuh Langkah Peramalan Menetapkan tujuan peramalan Memilih unsur apa yang akan diramal Menentukan horison waktu yang akan diramal Memilih tipe model peramalan Mengumpulkan data Membuat peramalan Memvalidasi dan menerapkan hasil peramalan Dinnul Alfian Akbar

Peramalan jarang ada yang sempurna Fakta! Peramalan jarang ada yang sempurna Kebanyakan teknik peramalan mengasumsikan bahwa sistem akan tetap stabil Ramalan produk kelompok dan keseluruhan lebih akurat dibandingkan ramalan produk individual Dinnul Alfian Akbar

Pendekatan Peramalan Metoda Kualitatif Digunakan jika memiliki data yang sedikit Produk baru Teknologi baru Meliputi intuisi, pengalaman Dinnul Alfian Akbar

Pendekatan Peramalan Metoda Kuantitatif Digunakan jika situasi stabil dan data historis Produk yang sudah ada Teknologi saat ini Meliputi teknik matematis Dinnul Alfian Akbar

Tinjauan Metoda Kualitatif Keputusan juri eksekutif Sedikit pendapat dari manajemen puncak, kadang-kadang menggunakan modal statistik Metoda Delphi Kelompok para ahli Dinnul Alfian Akbar

Tinjauan Metoda Kualitatif Gabungan dari tenaga penjualan Perkiraan dari masing-masing penjual, kemudian dijumlahkan Survei pasar konsuman Bertanya pada pelanggan Dinnul Alfian Akbar

Tinjauan Metoda Kuantitatitf Model Time-Series Pendekatan Naif Rata-rata bergerak Penghalusan eksponensial Proyeksi tren Regresi linier Model Associative Dinnul Alfian Akbar

Pendekatan Naif Mengasumsikan permintaan perode mendatang adalah sama dengan permintaan sekarang Contoh jika penjualan di bulan Mei 48, maka penjualan dibulan Juni juga akan 48 Kadang-kadang efektif dan efisien dari segi biaya Dinnul Alfian Akbar

Peramalan Time Series Sekumpulan data yang berbentuk angka Diperoleh berdasarkan periode waktu tertentu Peramalan hanya berdasarkan nilai masa lalu Mengasumsikan bahwa faktor masa lalu dan sekarang akan mempengaruhi nila masa datang Dinnul Alfian Akbar

Trend Siklus Musim Acak Komponen Time Series Trend Siklus Musim Acak Dinnul Alfian Akbar

∑ permintaan n periode sebelumnya Rata-rata Bergerak adalah rata-rata dari sejumlah data Digunakan jika hanya sedikit atau malah tidak ada tren Seringkali digunakan untuk penghalusan ∑ permintaan n periode sebelumnya n Rata-rata bergerak = Dinnul Alfian Akbar

Rata-rata Bergerak January 10 February 12 March 13 April 16 May 19 June 23 July 26 Penjualan Rata-rata Bergerak Bulan Aktual 3 bulanan 10 12 13 (10 + 12 + 13)/3 = 11 2/3 (12 + 13 + 16)/3 = 13 2/3 (13 + 16 + 19)/3 = 16 (16 + 19 + 23)/3 = 19 1/3 Dinnul Alfian Akbar

Rata-rata Bergerak Tertimbang Menggunakan nilai tren sekarang Data masa lalu biasanya kurang berguna Bobot berdasarkan pengalaman atau intuisi Rata-rata bergerak tertimbang = ∑ (bobot periode n) x (permintaan periode n) ∑ bobot Dinnul Alfian Akbar

Rata-rata Bergerak Tertimbang Bobot diberikan Periode 3 bulan lalu 2 2 bulan lalu 1 3 bulan lalu 6 jumlah bobot total Rata-rata Bergerak Tertimbang January 10 February 12 March 13 April 16 May 19 June 23 July 26 Penjualan rata-rata bergerak Bulan Aktuan 3 bulanan 10 12 13 [(3 x 13) + (2 x 12) + (10)]/6 = 121/6 [(3 x 16) + (2 x 13) + (12)]/6 = 141/3 [(3 x 19) + (2 x 16) + (13)]/6 = 17 [(3 x 23) + (2 x 19) + (16)]/6 = 201/2 Dinnul Alfian Akbar

Penghalusan Eksponensial Berbentuk rata-rata bergerak Bobot diberi fungsi eksponensial Memerlukan penghalusan konstan () Range dari 0 to 1 Meluputi sedikit data masa lalu Dinnul Alfian Akbar

Penghalusan Eksponensial Peramalan Baru = peramalan periode lalu + a (permintaan aktual periode lalu – peramalan periode lalu) Ft = Ft – 1 + a(At – 1 - Ft – 1) Di mana Ft = peramalan baru Ft – 1 = peramalan sebelumnya a = konstanta penghalusan (bobot) (0  a  1) Dinnul Alfian Akbar

Contoh Penghalusan Eksponensial Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Dinnul Alfian Akbar

Contoh Penghalusan Eksponensial Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Peramalan Baru = 142 + 0.2(153 – 142) Dinnul Alfian Akbar

Contoh Penghalusan Eksponensial Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Peramalan Baru = 142 + 0.2(153 – 142) = 142 + 2.2 = 144.2 ≈ 144 mobil Dinnul Alfian Akbar

Menghitung Kesalahan Peramalan Mean Absolute Deviation (MAD) MAD = ∑ |actual - peramalan| n Mean Squared Error (MSE) ∑ (kesalahan peramalan)2 n MSE = Dinnul Alfian Akbar

Menghitung Kesalahan Peramalan Mean Absolute Percent Error (MAPE) MAPE = 100 ∑ |actuali - peramalani|/actuali n i = 1 Dinnul Alfian Akbar

Perbandingan Kesalahan Peramalan Bongkar Ramalan Deviasi Ramalan Deviasie Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk untuk untuk Kuartal Aktual a = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 Dinnul Alfian Akbar

Perbandingan Kesalahan Peramalan MAD = ∑ |deviasi| n Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan for Kuartal Aktual a = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 = 84/8 = 10.50 untuk a = 0.10 = 100/8 = 12.50 untuk a = 0.50 Dinnul Alfian Akbar

Perbandingan Kesalahan Peramalan Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan untuk Kuartal Aktuald a = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 MAD 10.50 12.50 MSE = = 1,558/8 = 194.75 untuk a = 0.10 = 1,612/8 = 201.50 untuk a = 0.50 Dinnul Alfian Akbar

Perbandingan Kesalahan Peramalan MAPE = 100 ∑ |deviasi|/aktuali n i = 1 Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan untuk Kuartal Aktual a = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 MAD 10.50 12.50 MSE 194.75 201.50 = 45.62/8 = 5.70% untuk a = 0.10 = 54.8/8 = 6.85% untuk a = 0.50 Dinnul Alfian Akbar

Perbandingan Kesalahan Peramalan Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan untuk Kuartal Aktual a = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 MAD 10.50 12.50 MSE 194.75 201.50 MAPE 5.70% 6.85% Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Jika terjadi tren, penghalusan eksponensial harus dimodifikasi Ramalan dengan (FITt) = tren Ramalan Tren penghalusan (Ft) + (Tt)Penghalusan Eksponensial Eksponensial Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Ft = a(At - 1) + (1 - a)(Ft - 1 + Tt - 1) Tt = b(Ft - Ft - 1) + (1 - b)Tt - 1 Langkah 1: Hitung Ft Langkah 2: Hitung Tt Langkah 3: Hitung ramalan FITt = Ft + Tt Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Peramalan Permintaan Peramalan Tren Memperhitungkan Bulan(t) Aktual (At) Dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Ramalan Permintaan Ramalan Tren Memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Langkah 1: Ramalan untuk bulan 2 F2 = aA1 + (1 - a)(F1 + T1) F2 = (.2)(12) + (1 - .2)(11 + 2) = 2.4 + 10.4 = 12.8 unit Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Ramalan Permintaan Ramalan tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 12.80 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Langkah 2: Tren untuk Bulan 2 T2 = b(F2 - F1) + (1 - b)T1 T2 = (.4)(12.8 - 11) + (1 - .4)(2) = 0.72 + 1.2 = 1.92 unit Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Ramalan Permintaan Ramalan Tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 12.80 1.92 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Langkah 3: Hitung FIT untuk Bulan 2 FIT2 = F2 + T1 FIT2 = 12.8 + 1.92 = 14.72 unit Dinnul Alfian Akbar

Penghalusan Eksponensial dengan Penyesuaian Tren Ramalan Permintaan Ramalan Tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft Dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 12.80 1.92 14.72 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 15.18 2.10 17.28 17.82 2.32 20.14 19.91 2.23 22.14 22.51 2.38 24.89 24.11 2.07 26.18 27.14 2.45 29.59 29.28 2.32 31.60 32.48 2.68 35.16 Dinnul Alfian Akbar

Proyeksi Tren Tren linier dapat menggunakan teknik least squares y = a + bx ^ dimana y = nilai terhitung dari variabel yang akan diprediksi (dependent variable) a = persilangan sumbu y b = kemiringan garis regresi x = independent variable ^ Dinnul Alfian Akbar

Metoda Least Squares Persamaan untuk menghitung variabel regresi y = a + bx ^ b = Sxy - nxy Sx2 - nx2 a = y - bx Dinnul Alfian Akbar

Contoh Least Squares Periode Permintaan Tahun waktu (x) Daya Listrik x2 xy 1999 1 74 1 74 2000 2 79 4 158 2001 3 80 9 240 2002 4 90 16 360 2003 5 105 25 525 2004 6 142 36 852 2005 7 122 49 854 ∑x = 28 ∑y = 692 ∑x2 = 140 ∑xy = 3,063 x = 4 y = 98.86 b = = = 10.54 ∑xy - nxy ∑x2 - nx2 3,063 - (7)(4)(98.86) 140 - (7)(42) Dinnul Alfian Akbar a = y - bx = 98.86 - 10.54(4) = 56.70

Contoh Least Squares Garis tren adalah y = 56.70 + 10.54x ^ Periode Permintaan Tahun Waktu (x) Daya Listrik x2 xy 1999 1 74 1 74 2000 2 79 4 158 2001 3 80 9 240 2002 4 90 16 360 2003 5 105 25 525 2004 6 142 36 852 2005 7 122 49 854 Sx = 28 Sy = 692 Sx2 = 140 Sxy = 3,063 x = 4 y = 98.86 Garis tren adalah y = 56.70 + 10.54x ^ b = = = 10.54 Sxy - nxy Sx2 - nx2 3,063 - (7)(4)(98.86) 140 - (7)(42) Dinnul Alfian Akbar a = y - bx = 98.86 - 10.54(4) = 56.70

Variasi Musiman Pada Data Pergerakan reguler meningkat atau menurun dalam satu kurun waktu tertentu terkait dengan kejadian yang berulang Temukan rata-rata permintaan historis untuk setiap musim Hitung rata-rata permintaan untuk semua bulan Hitung setiap indeks musiman setiap musim Estimasikan permintaan tahunan total untuk tahun depan Bagilan prediksi permintaan tahunan total dengan jumlah musim, kemudian kalikan dengan indeks musiman bulan tersebut. Dinnul Alfian Akbar

Contoh Indek Musiman Permintaan Rata-rata Rata-rata Indeks Jan 80 85 105 90 94 Feb 70 85 85 80 94 Mar 80 93 82 85 94 Apr 90 95 115 100 94 May 113 125 131 123 94 Jun 110 115 120 115 94 Jul 100 102 113 105 94 Aug 88 102 110 100 94 Sept 85 90 95 90 94 Oct 77 78 85 80 94 Nov 75 72 83 80 94 Dec 82 78 80 80 94 Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2000-2002 Bulanan Musiman Dinnul Alfian Akbar

Permintaan Bulanan Rata-rata 2000-2002 Permintaan Bulanan Rata-rata Contoh Indek Musiman Jan 80 85 105 90 94 Feb 70 85 85 80 94 Mar 80 93 82 85 94 Apr 90 95 115 100 94 May 113 125 131 123 94 Jun 110 115 120 115 94 Jul 100 102 113 105 94 Aug 88 102 110 100 94 Sept 85 90 95 90 94 Oct 77 78 85 80 94 Nov 75 72 83 80 94 Dec 82 78 80 80 94 Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2003-2005 Bulanan Musiman 0.957 Permintaan Bulanan Rata-rata 2000-2002 Permintaan Bulanan Rata-rata Indeks Musiman = = 90/94 = 0.957 Dinnul Alfian Akbar

Contoh Indek Musiman Permintaan Rata-rata Rata-rata Indeks Jan 80 85 105 90 94 0.957 Feb 70 85 85 80 94 0.851 Mar 80 93 82 85 94 0.904 Apr 90 95 115 100 94 1.064 May 113 125 131 123 94 1.309 Jun 110 115 120 115 94 1.223 Jul 100 102 113 105 94 1.117 Aug 88 102 110 100 94 1.064 Sept 85 90 95 90 94 0.957 Oct 77 78 85 80 94 0.851 Nov 75 72 83 80 94 0.851 Dec 82 78 80 80 94 0.851 Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2000-2002 Bulanan Musiman Dinnul Alfian Akbar

Contoh Indek Musiman Ramalan untuk 2006 Jan 80 85 105 90 94 0.957 Feb 70 85 85 80 94 0.851 Mar 80 93 82 85 94 0.904 Apr 90 95 115 100 94 1.064 May 113 125 131 123 94 1.309 Jun 110 115 120 115 94 1.223 Jul 100 102 113 105 94 1.117 Aug 88 102 110 100 94 1.064 Sept 85 90 95 90 94 0.957 Oct 77 78 85 80 94 0.851 Nov 75 72 83 80 94 0.851 Dec 82 78 80 80 94 0.851 Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2000-2002 Bulanan Musiman Ramalan untuk 2006 Permintaan tahunan yang diharapkan = 1,200 Jan x .957 = 96 1,200 12 Feb x .851 = 85 1,200 12 Dinnul Alfian Akbar

Teknik umum yang digunakan adalah analisis regresi linier Peramalan Asosiatif Digunakan jika terjadi perubahan pada 1 atay lebih variabel independe yang dapat dipakai untuk memprediksi perubahan pada variabel dependen Teknik umum yang digunakan adalah analisis regresi linier Dinnul Alfian Akbar

Peramalan Asosiatif Hasil ramalan berdasarkan variabel prediktor dengan menggunakan teknik analisis least squares y = a + bx ^ dimana y = nilai terhitung dari variabel yang akan diprediksi (dependent variable) a = persilangan sumbu y b = kemiringan garis regresi x = independent variable ^ Dinnul Alfian Akbar

Contoh Peramalan Asosiatif Penjualan Upah Lokal ($000,000), y ($000,000,000), x 2.0 1 3.0 3 2.5 4 2.0 2 3.5 7 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 Panjualan Upah Dinnul Alfian Akbar

Contoh Peramalan Asosiatif Penjualan, y Upah, x x2 xy 2.0 1 1 2.0 3.0 3 9 9.0 2.5 4 16 10.0 2.0 2 4 4.0 3.5 7 49 24.5 ∑y = 15.0 ∑x = 18 ∑x2 = 80 ∑xy = 51.5 b = = = 0.25 ∑xy - nxy ∑x2 - nx2 51.5 - (6)(3)(2.5) 80 - (6)(32) x = ∑x/6 = 18/6 = 3 y = ∑y/6 = 15/6 = 2.5 a = y - bx = 2.5 - (.25)(3) = 1.75 Dinnul Alfian Akbar

Contoh Peramalan Asosiatif y = 1.75 + 0.25x ^ Penjualan = 1.75 + 0.25 (upah) 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 panjualan upah Jika upah tahun depan diestimasi $600 juta, maka: 3.25 Penjualan = 1.75 + .25(6) Penjualan = $325,000 Dinnul Alfian Akbar

Standard Error of the Estimate Suatu ukuran yang menunjukkan kekuatan hubungan antara dua variabel 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 penjualan upah 3.25 Dinnul Alfian Akbar

Standard Error of the Estimate Sy,x = ∑(y - yc)2 n - 2 dimana y = nilai y untuk setiap data yc = nilai yang dihitung dari variabel dependen, dari persamaan regresi n = jumlah data Dinnul Alfian Akbar

Standard Error of the Estimate Rumus lain Sy,x = ∑y2 - a∑y - b∑xy n - 2 Dinnul Alfian Akbar

Standard Error of the Estimate Sy,x = = ∑y2 - a∑y - b∑xy n - 2 39.5 - 1.75(15) - 0.25(51.5) 6 - 2 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 penjualan upah 3.25 Sy,x = 0.306 Dinnul Alfian Akbar

Korelasi Seberapa kuat hubungan linier antar variabel Korelasi tidak membutuhkan implikasi sebab akibat Koefisiens korelasi r, mengukur tingkat hubungan Kisaran nilai dari -1 sampai +1 Dinnul Alfian Akbar

Correlation Coefficient nSxy - SxSy [nSx2 - (Sx)2][nSy2 - (Sy)2] Dinnul Alfian Akbar

Correlation Coefficient y x (a) Perfect positive correlation: r = +1 y x (b) Positive correlation: 0 < r < 1 Correlation Coefficient r = n∑xy - ∑x∑y [n∑x2 - (∑x)2][n∑y2 - (∑y)2] y x (c) No correlation: r = 0 y x (d) Perfect negative correlation: r = -1 Dinnul Alfian Akbar