Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
Diterbitkan olehAriel Irwanda Telah diubah "9 tahun yang lalu
1
Studi Kelayakan Bisnis Aspek Pasar dan Pemasaran
2
Apakah Peramalan Itu? Seni dan ilmu untuk memprediksi kejadian dimasa datang Sebagai dasar untuk keputusan bisnis Produksi Persediaan Tenaga Kerja Fasilitas ?? Dinnul Alfian Akbar
3
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
4
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
5
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
6
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
7
Pendekatan Peramalan Metoda Kualitatif
Digunakan jika memiliki data yang sedikit Produk baru Teknologi baru Meliputi intuisi, pengalaman Dinnul Alfian Akbar
8
Pendekatan Peramalan Metoda Kuantitatif
Digunakan jika situasi stabil dan data historis Produk yang sudah ada Teknologi saat ini Meliputi teknik matematis Dinnul Alfian Akbar
9
Tinjauan Metoda Kualitatif
Keputusan juri eksekutif Sedikit pendapat dari manajemen puncak, kadang-kadang menggunakan modal statistik Metoda Delphi Kelompok para ahli Dinnul Alfian Akbar
10
Tinjauan Metoda Kualitatif
Gabungan dari tenaga penjualan Perkiraan dari masing-masing penjual, kemudian dijumlahkan Survei pasar konsuman Bertanya pada pelanggan Dinnul Alfian Akbar
11
Tinjauan Metoda Kuantitatitf
Model Time-Series Pendekatan Naif Rata-rata bergerak Penghalusan eksponensial Proyeksi tren Regresi linier Model Associative Dinnul Alfian Akbar
12
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
13
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
14
Trend Siklus Musim Acak
Komponen Time Series Trend Siklus Musim Acak Dinnul Alfian Akbar
15
∑ 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
16
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 ( )/3 = 11 2/3 ( )/3 = 13 2/3 ( )/3 = 16 ( )/3 = 19 1/3 Dinnul Alfian Akbar
17
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
18
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
19
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
20
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
21
Contoh Penghalusan Eksponensial
Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Dinnul Alfian Akbar
22
Contoh Penghalusan Eksponensial
Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Peramalan Baru = (153 – 142) Dinnul Alfian Akbar
23
Contoh Penghalusan Eksponensial
Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Peramalan Baru = (153 – 142) = = ≈ 144 mobil Dinnul Alfian Akbar
24
Menghitung Kesalahan Peramalan
Mean Absolute Deviation (MAD) MAD = ∑ |actual - peramalan| n Mean Squared Error (MSE) ∑ (kesalahan peramalan)2 n MSE = Dinnul Alfian Akbar
25
Menghitung Kesalahan Peramalan
Mean Absolute Percent Error (MAPE) MAPE = 100 ∑ |actuali - peramalani|/actuali n i = 1 Dinnul Alfian Akbar
26
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 Dinnul Alfian Akbar
27
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 = 84/8 = 10.50 untuk a = 0.10 = 100/8 = 12.50 untuk a = 0.50 Dinnul Alfian Akbar
28
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 MAD MSE = = 1,558/8 = untuk a = 0.10 = 1,612/8 = untuk a = 0.50 Dinnul Alfian Akbar
29
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 MAD MSE = 45.62/8 = 5.70% untuk a = 0.10 = 54.8/8 = 6.85% untuk a = 0.50 Dinnul Alfian Akbar
30
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 MAD MSE MAPE 5.70% 6.85% Dinnul Alfian Akbar
31
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
32
Penghalusan Eksponensial dengan Penyesuaian Tren
Ft = a(At - 1) + (1 - a)(Ft 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
33
Penghalusan Eksponensial dengan Penyesuaian Tren
Peramalan Permintaan Peramalan Tren Memperhitungkan Bulan(t) Aktual (At) Dihaluskan, Ft dihaluskan, Tt Tren, FITt 2 17 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Dinnul Alfian Akbar
34
Penghalusan Eksponensial dengan Penyesuaian Tren
Ramalan Permintaan Ramalan Tren Memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 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) = = 12.8 unit Dinnul Alfian Akbar
35
Penghalusan Eksponensial dengan Penyesuaian Tren
Ramalan Permintaan Ramalan tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 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)( ) + (1 - .4)(2) = = 1.92 unit Dinnul Alfian Akbar
36
Penghalusan Eksponensial dengan Penyesuaian Tren
Ramalan Permintaan Ramalan Tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 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 = = unit Dinnul Alfian Akbar
37
Penghalusan Eksponensial dengan Penyesuaian Tren
Ramalan Permintaan Ramalan Tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft Dihaluskan, Tt Tren, FITt 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Dinnul Alfian Akbar
38
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
39
Metoda Least Squares Persamaan untuk menghitung variabel regresi
y = a + bx ^ b = Sxy - nxy Sx2 - nx2 a = y - bx Dinnul Alfian Akbar
40
Contoh Least Squares Periode Permintaan
Tahun waktu (x) Daya Listrik x2 xy ∑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 = (4) = 56.70
41
Contoh Least Squares Garis tren adalah y = 56.70 + 10.54x ^
Periode Permintaan Tahun Waktu (x) Daya Listrik x2 xy Sx = 28 Sy = 692 Sx2 = 140 Sxy = 3,063 x = 4 y = 98.86 Garis tren adalah y = x ^ b = = = 10.54 Sxy - nxy Sx2 - nx2 3,063 - (7)(4)(98.86) 140 - (7)(42) Dinnul Alfian Akbar a = y - bx = (4) = 56.70
42
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
43
Contoh Indek Musiman Permintaan Rata-rata Rata-rata Indeks
Jan Feb Mar Apr May Jun Jul Aug Sept Oct Nov Dec Permintaan Rata-rata Rata-rata Indeks Bulan Bulanan Musiman Dinnul Alfian Akbar
44
Permintaan Bulanan Rata-rata 2000-2002 Permintaan Bulanan Rata-rata
Contoh Indek Musiman Jan Feb Mar Apr May Jun Jul Aug Sept Oct Nov Dec Permintaan Rata-rata Rata-rata Indeks Bulan Bulanan Musiman 0.957 Permintaan Bulanan Rata-rata Permintaan Bulanan Rata-rata Indeks Musiman = = 90/94 = 0.957 Dinnul Alfian Akbar
45
Contoh Indek Musiman Permintaan Rata-rata Rata-rata Indeks
Jan Feb Mar Apr May Jun Jul Aug Sept Oct Nov Dec Permintaan Rata-rata Rata-rata Indeks Bulan Bulanan Musiman Dinnul Alfian Akbar
46
Contoh Indek Musiman Ramalan untuk 2006
Jan Feb Mar Apr May Jun Jul Aug Sept Oct Nov Dec Permintaan Rata-rata Rata-rata Indeks Bulan 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
47
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
48
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
49
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 – | | | | | | | Panjualan Upah Dinnul Alfian Akbar
50
Contoh Peramalan Asosiatif
Penjualan, y Upah, x x2 xy ∑y = 15.0 ∑x = 18 ∑x2 = 80 ∑xy = 51.5 b = = = 0.25 ∑xy - nxy ∑x2 - nx2 (6)(3)(2.5) 80 - (6)(32) x = ∑x/6 = 18/6 = 3 y = ∑y/6 = 15/6 = 2.5 a = y - bx = (.25)(3) = 1.75 Dinnul Alfian Akbar
51
Contoh Peramalan Asosiatif
y = x ^ Penjualan = (upah) 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | panjualan upah Jika upah tahun depan diestimasi $600 juta, maka: 3.25 Penjualan = (6) Penjualan = $325,000 Dinnul Alfian Akbar
52
Standard Error of the Estimate
Suatu ukuran yang menunjukkan kekuatan hubungan antara dua variabel 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | penjualan upah 3.25 Dinnul Alfian Akbar
53
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
54
Standard Error of the Estimate
Rumus lain Sy,x = ∑y2 - a∑y - b∑xy n - 2 Dinnul Alfian Akbar
55
Standard Error of the Estimate
Sy,x = = ∑y2 - a∑y - b∑xy n - 2 (15) (51.5) 6 - 2 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | penjualan upah 3.25 Sy,x = Dinnul Alfian Akbar
56
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
57
Correlation Coefficient
nSxy - SxSy [nSx2 - (Sx)2][nSy2 - (Sy)2] Dinnul Alfian Akbar
58
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
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.