FORECASTING/ PERAMALAN

Presentasi berjudul: "FORECASTING/ PERAMALAN"— Transcript presentasi:

1 FORECASTING/ PERAMALAN
Seni dan ilmu memprediksi peristiwa- peristiwa masa depan Memerlukan pengambilan data historis dan memproyeksikan ke masa depan dengan beberapa bentuk matematis

2 Meramalkan horison waktu
Peramalan jangka pendek Peramalan jangka menengah Peramalan jangka panjang

3 Peramalan jangka pendek
Rentang waktunya mencapai satu tahun, tetapi umumnya kurang dari 3 bulan Digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasa dan tingkat produksi

4 Peramalan jangka menengah
Biasanya berjangka 3 bulan hingga 3 tahun Sangat bermanfaat dalam perencanaan penjualan, perencanaan dan penganggaran produksi, penggaran kas dan menganalisis berbagai rencana operasi

5 Perencanaan jangka panjang
Biasanya mencapai rentang waktu 3 tahun atau lebih Digunakan dalam perencanaan produk baru, pengeluaran modal, lokasi fasilitas, atau ekspansi, dan penelitian serta pengembangan

6 Jenis-jenis peramalan
Ramalan ekonomi membahas siklus bisnis dg memprediksi tingkat inflasi, indikator-indikator perencanaan lainnya Ramalan teknologi berkaitan dengan kemajuan teknologi, yang akan melahirkan produk-produk baru yang mengesankan, membutuhkan pabrik dan peralatan baru Ramalan permintaan proyeksi permintaan untuk produk atau jasa perusahaan, disebut juga ramalan penjualan

7 URGENSI STRATEGIK PERAMALAN
SUMBER DAYA MANUSIA KAPASITAS MANAJEMEN RANTAI SUPLAI

8 Sumber daya manusia Memperkerjakan,melatih dan memberhentikan para pekerja tergantung pada permintaan produk yang diantisipasi Contoh: Jika departemen sdm harus menambah pekerja tanpa ada pembatasan, jumlah pelatihan menurun dan mutu angkatan kerja merosot

9 Kapasitas Bila kapasitas tidak tepat, akan muncul masalah-masalah seperti pengiriman yang tidak terjamin, kehilangan pelanggan, kehilangan pasar dan lain-lain

10 Manajemen rantai-sulpai
Hubungan dengan pemasok yang baik dan keunggulan kerja yang terjamin untuk bahan baku dan suku cadang tergantung pada ramalan yang akurat

11 Pendekatan Peramalan Peramalan kualitatif
memanfaatkan faktor-faktor penting seperti intuisi, pengalaman pribadi, dan sistem nilai pengambilan keputusan Peramalan kuantitatif menggunakan berbagai model matematis yang menggunakan data historis dan atau variabel-variabel kausal untuk meramalkan permintaan

12 Tinjauan Metode Kualitatif
Juri dari opini ekskutif metode ini mengambil opini dari sekelompok kecil manajer tingkat tinggi, seringkali dikombinasikan dg model-model statistik Gabungan armada penjualan setiap wiraniaga mengestimasi jumlah penjualan di wilayahnya,kemudian dikaji ulang untuk meyakinkan kerealitasannya, dikaombinasikan pada tingkat yang lebih tinggi untuk mencapai ramalan secara keseluruhan Metode Delphi Proses kelompok iteratif ini mengijinkan para ahli, yang mungkin tinggal diberbagai tempat, untuk membuat ramalan. Ada tiga partisipan dalam proses Delphi: pengambil keputusan, personel staf dan responden.

13 Survey pasar konsumen Metode memperbesar masukan dari pelanggan atau calon pelanggan tanpa melihat rencana pembelian masa depannya Pendekatan naif mengasumsikan bahwa permintaan dalam periode berikutnya adalah sama dengan permintaan dalam periode sebelumnya.

14 Tianjauan metode kuantitatif
Rata-rata bergerak (moving average) Penghalusan eksponensial (exponential Smoothing) Proyeksi Trend (Trend projection) Regresi liniar (Linier regression) (a,b,c merupakan model seri waktu; d merupakan model kausal)

15 Tahap Untuk Sistem Peramalan
Menentukan penggunaan peramalan itu Memilih hal-hal yang akan diramalkan Menentukan horison waktunya Memilih model peramalannya Mengumpulkan data yang dibutuhkan Menentukan model peramalan yang tepat Membuat ramalan Menerapkan hasilnya

16 PERAMALAN SERI WAKTU DEKOMPOSISI SERI WAKTU
biasanya memiliki 4 komponen: 1. Trend (T) 2. Musim (S) 3. Siklus (C) 4. Variasi Acak (R) Permintaan = T x S x C x R Permintaan = T + S + C +R

17 Rata-rata Bergerak Bermanfaat jika kita mengasumsikan bahwa permintaan pasar tetap stabil sepanjang waktu Contoh: rata-rata bergerak 4 bulan diperoleh dengan menjumlahkan pemjumlahan selama 4 bulanan dan dibagi 4

18 Formulasi Rata-rata bergerak
∑ Permintaan data n periode sebeumnya __________________________________ n dimana n adalah jumlah periode dalam rata-rata bergerak

19 Rata-rata Bergerak tertimbang
Apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru.

20 Formulasi Rata-rata Bergerak Tertimbang
∑ (Timbangan untuk periode n)(permintaan dalam periode n) ∑ Timbangan

21 PENGHALUSAN EKSPONENSIAL
Metode peramalan yang mudah digunakan dan efisien bila dilakukan dengan komputer Cukup menggunakan data masa lalu yang relatif sedikit Ramalan baru = ramalan periode lalu + α (permintaan aktual periode lalu – ramalan periode lalu)

22 Formulasi matematis Ft = Ft-1 + α(At-1 – Ft-1) di mana:
Ft = Ramalan baru Ft-1 = Ramalan sebelumnya α = konstanta penghalusan At-1 = Permintaan aktual periode sebelumnya

23 Memilih Konstanta Penghalusan
Tujuan pemilihan konstanta yang tepat adalah untuk mencapai peramalan yang paling akurat. Keakuratan yang menyeluruh dari model peramalan bisa ditentukan dengan membandingkan nilai-nilai yang diramalkan dengan nilai-nilai aktual.

24 ∑ (Kesalahan Peramalan)
= Permintaan – Ramalan Sebuah ukuran untuk kesalahan peramalan menyeluruh untuk suatu model adalah deviasi absolut rata-rata hitung (mean absolute deviation/MAD) MAD = ∑ (Kesalahan Peramalan) n

25 Kesalahan Kuadrat Rata-rata (MSE)
Cara lain untuk mengukur kesalahan ramalan secara menyeluruh. Rata-rata perbedaan kuadrat nilai yang diramalkan dan nilai yang diamati. MSE = ∑ Kesalahan Rata-rata2 n

26 Proyeksi Trend Teknik ini mencocokkan garis tren ke rangkaian titik data historis dan kemudianmemproyeksikan garis itu ke dalam ramalan jangka menengah hingga jangka panjang Jika kita memutuskan untuk memutuskan garis trend linier dengan metode statistik yang tepat maka kita dapat memakai metode kuadrat terkecil (least-square method)

27 Formulasi Proyeksi Trend
Y = a + bx dimana: Y = nilai variabel yang diprediksi a = perpotongan sumbu-y (nilai pada periode dasar) b = kemiringan garis regresi (perubahan nilai trend) x = variabel bebas/ waktu

28 ∑yi = na + b∑xi ∑xi yi = a∑xi + b ∑xi²

29 Analisis Regresi Metode peramalan kausal biasanya mempertimbangkan beberapa variabel yang dikaitkan pada variabel yang sedang diprediksi Peramalan ini lebih kuat dibandingkan metode seri waktu yang hanyamenggunakan nilai historis untuk variabel yang diramalkan

30 Formulasi regresi linear
Y = a + bx Dimana, Y = nilai variabel terikat, misal penjualan a = perpotongan sumbu-y b = kemiringan garis regresi x = variabel bebas

31 Peramalan di Sektor Jasa
Peramalan di sektor jasa menunjukkan beberapa kendala yang tidak biasa. Teknik utama di sektor eceran adalah menelusuri permintaan dengan menjaga catatan jangka pendek yang baik