Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
PERAMALAN (FORECASTING)
Resista Vikaliana, S.Si. MM 09/10/2013
2
Pendahuluan Peramalan Pengambilan keputusan oleh Pimpinan
Keberhasilan perusahaan di masa depan Pendahuluan Resista Vikaliana, S.Si. MM 09/10/2013
3
Peramalan / Forecasting ilmu yang memprediksi kejadian masa yang akan datang, berdasarkan data masa lalu Pendahuluan Resista Vikaliana, S.Si. MM 09/10/2013
4
Pendahuluan Time Horizon Forecasting Jangka pendek (s.d. 3 bulan)
Merencanakan pembelian, penjadualan kerja, jumlah tenaga kerja, penugasan dan tingkat produksi Jangka menengah ( 3 bln – 3 tahun) Perencanaan penjualan, perencanaan dan penganggaran produksi, peanggaran kas dan menganalisis berbagai rencana operasi Jangka panjang (diatas 3 tahun) Perencanaan produk baru, pengeluaran modal, lokasi fasilitas, atau ekspansi, penelitian dan pengembangan Pendahuluan Resista Vikaliana, S.Si. MM 09/10/2013
5
Pendahuluan Pengaruh Product Life Cycle terhadap Forecasting
Dua tahap pertama membutuhkan ramalan yang lebih panjang dibanding tahap dewasa dan penurunan Introduction Growth Maturity Decline matang turun tumbuh Pendahuluan Ramalan berguna dalam tingkat penentapan staf, tingkat persediaan dan kapasitas pabrik awal Resista Vikaliana, S.Si. MM 09/10/2013
6
Pendahuluan Tipe Forecasting
Ramalan ekonomi inflasi, persediaan uang, pertumbuhan penduduk, dan lain-lain. Ramalan teknologi kebutuhan pabrik baru, peralatan baru, produk baru, dan lain-lain. Ramalan permintaan proyeksi permintaan produk atau jasa dan lain-lain. Pendahuluan Resista Vikaliana, S.Si. MM 09/10/2013
7
Pendekatan Model Peramalan
Pendekatan PERAMALAN Pendekatan Kuantitatif Pendekatan Kualitatif Pendekatan Model Peramalan Resista Vikaliana, S.Si. MM 09/10/2013
8
PENDEKATAN MODEL FORECASTING
Qualitatif intuisi, pengalaman Quantitave menggunakan model matematika dan data historis PENDEKATAN MODEL FORECASTING Resista Vikaliana, S.Si. MM 09/10/2013
9
Pendekatan Model Forecasting
Langkah-langkah dalam Sistem Forecasting Menentukan tujuan penggunaan forecasting Memilih item-item yang akan di- forecasting Menentukan time horizon Memilih model forecasting Mengambil data yg diperlukan untuk forecasting Validasi model forecasting Membuat forecasting Implementasi hasil forecasting Pendekatan Model Forecasting Resista Vikaliana, S.Si. MM 09/10/2013
10
PENDEKATAN MODEL FORECASTING
KUANTITATIF KUALITATIF Time series model Moving Average Exponensial Smoothing Trend Projection Linier Regretion causal model causal model Executive Opinion opini grup manajemen Sales Force Composit estimasi tiap sales Delphi Method opini expert (ahli) Costumer market survey input costumer tanpa melihat rencana pembelian konsumen di masa akan datang Naïve Approach Permintaan periode yad = permintaan periode terdekat sebelumnya PENDEKATAN MODEL FORECASTING Resista Vikaliana, S.Si. MM 09/10/2013
11
Pendekatan Kualitatif
Executive Opinion opini grup manajemen (dikombinasikan dengan model statistik) Sales Force Composit estimasi tiap sales Delphi Method opini expert (ahli) Ahli dari berbagai tempat. Tiga partisipan dalam Delphi: pengambil keputusan, personel staf, respoden. Costumer market survey input costumer tanpa melihat rencana pembelian konsumen di masa akan datang (ramalan dan desain produk baru) Naïve Approach Permintaan periode yang akan datang = permintaan periode terdekat sebelumnya Pendekatan Kualitatif Resista Vikaliana, S.Si. MM 09/10/2013
12
Quantitative Approach
Moving Average Permintaan yang akan datang = permintaan pd n periode n Moving Average dengan Pembobotan Permintaan yang akan datang = [(bobot periode n)(permintaan periode n)] bobot Quantitative Approach Resista Vikaliana, S.Si. MM 09/10/2013
13
PENDEKATAN MODEL FORECASTING
Dekomposisi Model Time Series Trend kecenderungan data naik/turun Seasonality pola perulangan data setelah periode tertentu (hari, minggu, bulan, musim) Cycles pola perulangan data setelah periode beberapa tahun Random variations variasi data pada situasi yg tidak pasti (tidak diperhitungkan). Demand = trend x seasonality x cycles x random Demand = trend + seasonality + cycles + random PENDEKATAN MODEL FORECASTING Resista Vikaliana, S.Si. MM 09/10/2013
14
Metode Kuadrat Terkecil/ Least Square
Persamaan trend Y = a + b.(X) Koefisien a a = ∑Y / n Koefisien b b = ∑XY / ∑ X² Metode Kuadrat Terkecil/ Least Square Resista Vikaliana 2/9/2013
15
Contoh Resista Vikaliana, S.Si. MM 09/10/2013
16
Contoh (dengan pembobotan)
Resista Vikaliana, S.Si. MM 09/10/2013
17
Quantitative Approach
Exponensial Smoothing Permintaan yad (Ft) = F t-1+ (A t-1 - F t-1) Dimana : F t-1 = Permintaan perideo sebelumnya A t-1 = Aktual Permintaan periode sebelumnya α = konstanta smoothing , nilai antara 0 – 1 Exponensial Smoothing dg Trend Permintaan yad (FITt) = Forecast baru(Ft)+Koreksi Trend(Tt) Tt = (1-) Tt-1 + (Ft - Ft-1) Dimana , = konstanta trend Quantitative Approach Resista Vikaliana, S.Si. MM 09/10/2013
18
Contoh Resista Vikaliana, S.Si. MM 09/10/2013
19
Quantitative Approach
Pemilihan Smoothing Constanta Kesalahan Forecast = permintaan – Perkiraan MAD (Mean Absolute Deviation) MAD = l kesalahan forecast l / n MSE (Mean Square Error) MSE = kesalahan forecast2 / n Quantitative Approach Resista Vikaliana, S.Si. MM 09/10/2013
20
Contoh MAD Resista Vikaliana, S.Si. MM 09/10/2013
21
Contoh MSE Resista Vikaliana, S.Si. MM 09/10/2013
22
Quantitative Approach
Trend Projection (Persamaan Regresi) hubungan antar variabel dan bukan hubungan sebab akibat Y = a + bx b = xy – n xy x2 – nx2 a = y – b x dimana, n = jumlah data Quantitative Approach Resista Vikaliana, S.Si. MM 09/10/2013
23
Quantitative Approach
Standart Error dari Estimasi Trend Projection S = y2 – a y – b xy n - 2 Koefisien Korelasi tingkat keeratan hubungan antara 2 variabel r = n xy - x y [nx2 – (x) 2][ny2 – (y) 2] Koefisien determinasi (r2) persentase variasi pada variabel dependent yg dapat dijelaskan oleh persamaan regresi. Quantitative Approach Resista Vikaliana, S.Si. MM 09/10/2013
24
Quantitative Approach
Variasi Seasonal Dalam Data Quantitative Approach Resista Vikaliana, S.Si. MM 09/10/2013
25
Quantitative Approach
Jika diprediksi permintaan tahun berikutnya 1200, maka : Resista Vikaliana, S.Si. MM 09/10/2013
26
Tracking Signal (TS) mengukur seberapa bagus forecasting dalam memprediksi nilai aktualnya.
Tracking Signal = RSFE MAD RSFE (running sum of the forecast errors) = [(aktual periode-n) – (forecast periode-n)] TS Bagus jika mendekati 0 (0 MAD) Monitor dan Kontrol Resista Vikaliana, S.Si. MM 09/10/2013
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.