Peramalan dan Pengelolaan Permintaan samsulb

Presentasi berjudul: "Peramalan dan Pengelolaan Permintaan samsulb"— Transcript presentasi:

1 Peramalan dan Pengelolaan Permintaan samsulb

2 Agenda Pengertian Peramalan Mengapa Peramalan Diperlukan
Sistem Peramalan Metode Peramalan Horison dan Periode Peramalan Data Peramalan untuk P3 Prosedur Peramalan Pola Data Teknik-teknik Peramalan Verifikasi Peramalan

3 Pengertian Peramalan Bukan menduga (guess) !
Estimasi nilai atau karakteristik masa depan Is the art of specifying meaningful information about the future (Narasimhan, et.al., 1995) Informasi yang dipergunakan sebagai dasar untuk membuat rencana

4 Peramalan dan Pengelolaan Permintaan
Mengapa Diperlukan Masa depan (waktu tempat perencanaan dimaksud) bersifat tidak pasti (uncertain) Permintaan tidak pasti karena: Kompetisi Perilaku konsumen Siklus bisnis Upaya penjualan Siklus hidup produk Variasi random, dll. Diperlukan referensi untuk perencanaan  hasil peramalan Peramalan dan Pengelolaan Permintaan

5 “Hukum” dalam Peramalan
Hasil ramalan tidak pernah tepat ! Semakin jauh ke masa depan peramalan dilakukan semakin tidak handal hasilnya ! Detailed forecasts are worse than aggregate forecasts! Peramalan dan Pengelolaan Permintaan

6 Sistem Peramalan

7 Sistem Peramalan Historical Data
Data cheked for accuracy and reasonableness Model Objectives Updating Knowledge of changed condition Comparison to actual observation Forecast Feedback on forecast accuracy

8 Peramalan dan Pengelolaan Permintaan
Metode Peramalan Terdapat dua kelompok: Metode Kualitatif Tidak memerlukan data kuantitatif Unsur subyektifitas peramalan sangat besar pengaruhnya dalam hasil peramalan Baik untuk peramalan jangka panjang Metode Kuantitatif Data kondisi masa lalu Data tersebut dapat dikuantifisir Diasumsikan pola data masa lalu akan berlanjut pada masa yang akan datang Peramalan dan Pengelolaan Permintaan

9 Horison dan Periode Peramalan
Horison peramalan: menunjukkan seberapa jauh ke depan peramalan dilakukan dan terkait dengan jangkauan perencanaan yang akan dilakukan (misal: setahun ke depan) Periode peramalan: menunjukkan basis waktu data peramalan (misal: bulanan) FORECAST DATA Horison Peramalan Periode peramalan

10 Peramalan dan Pengelolaan Permintaan
Data Peramalan untuk P3 Perencanaan produksi berusaha memenuhi permintaan pasar (demand) Data permintaan pasar sulit diukur Penjualan biasa dipakai sebagai pendekatan Baik jika bisa memperoleh data penjualan pasar keseluruhan Total Market Our company market Competitor market Peramalan dan Pengelolaan Permintaan

11 Prosedur Peramalan Plot the data versus time using graph and examine the demand pattern Select several forecating methods which suitable for the demand pattern Performs the forecasting and evaluate the forecasting error Select forecast result with the smallest error, validate and interpret the result

12 Pola Data

13 Teknik Peramalan untuk Pola Data Konstan
Data relatif stable untuk periode waktu tertentu Terjadi variasi sepanjang waktu tetapi tidak signifikan Fungsi yang menunjukkan pola data konstan d(t) = a d(t) = permintaan selama periode t a = konstanta Teknik peramalan yang bisa dipakai antara lain: Rata-rata biasa Single Moving average

14 Rata-rata Biasa Berdasarkan metode least square Peramalan:
dt = penjualan pada periode t t = 1, 2, 3………..n a = nilai ramalan

15 Contoh Peramalan: a = …..+113/12 = ~ 100 unit/bulan

16 Single Moving Average Jika terdapat data penjualan dt dari periode t = 1, 2, 3,… n; maka single moving average dan peramalan adalah:

17 Contoh: (3) dan (5) menunjukkan periode averaging
Month Period Sales MA(3) MA(5) Jan 1 200 Feb 2 135 Mar 3 195 Apr 4 197,5 176,7 Mei 5 310 175,8 Jun 6 175 234,2 207,5 Jul 7 155 227,5 202,5 Agu 8 130 213,3 206,5 Sep 9 220 153,3 193,5 Okt 10 227 168,3 198,0 Nov 11 235 209,2 191,4 Des 12 ? 244,2 203,5 (3) dan (5) menunjukkan periode averaging Mempengaruhi akurasi hasil peramalan

18 Teknik Peramalan untuk Pola Data Trend
Demand menunjukkan kecenderungan meningkat (menurun) dari waktu ke waktu Fungsi pola data trend adalah: d(t) = a + bt d(t) = permintaan pada periode t a, b = parameter model Teknik peramalan yang dipakai antara lain: Simple linear regression Double moving average Peramalan dan Pengelolaan Permintaan

19 Simple Linear Regression
Gunakan metode least square untuk memperoleh parameter a dan b

20 Contoh b = (12 x 17030)-(2553x78)/(12 x 650)-(78)2 = 3.0
dt t.dt t2 1 199 2 202 404 4 3 597 9 208 832 16 5 212 1060 25 6 194 1164 36 7 214 1498 49 8 220 1760 64 219 1971 81 10 234 2340 100 11 2409 121 12 233 2796 144 78 2553 17030 650 Month Sales Jan 199 Feb 202 Mar Apr 208 Mei 212 Jun 194 Jul 214 Ags 220 Sept 219 Okt 234 Nov Des 233 b = (12 x 17030)-(2553x78)/(12 x 650)-(78)2 = 3.0 a = 2553/ x 78/12 = 193

21 Peramalan untuk 12 periode ke depan:
Month Period (t) Forecasting Jan 13 233 Feb 14 236 Mar 15 239 Apr 16 242 Mei 17 245 Jun 18 248 Jul 19 251 Ags 20 254 Sept 21 257 Okt 22 260 Nov 23 263 Des 24 266 Fungsi peramalan: d(t) = t Peramalan untuk 12 periode ke depan:

22 Double Moving Average Parameter model a dan b dicari dengan teknik double moving average Moving average dilakukan dua tahap Dinyatakan dengan MA(m x n): moving avegare of m period for n moving averaged data Berdasarkan hasil perhitungan double moving average ini dihitung nilai parameter a dan b

23 Prosedur Untuk data penjualan dt, t = 1, 2, 3,….. N
Hitung moving average n periode sebagai berikut: Hitung moving average m periode dari hasil moving average n periode tersebut sebagai berikut: Hitung parameter model a dan b sebagai berikut:

24 Contoh: a7 = 2S7’ - S7’’ = 2 (159.5) - 153.25 = 167.75
Period Sales MA(4) MA(4x4) a b a+bm (m=1) 1 140 2 159 3 136 4 157 148.0 5 173 156.2 6 131 149.2 7 177 159.5 153.2 165.7 4.16 8 188 167.2 158.06 176.4 6.12 169.9 9 154 162.5 159.6 165.3 1.91 182.5 10 179 174.5 165.9 183.0 5.70 11 180 175.2 169.8 180.6 3.58 12 160 168.2 170.1 166.3 -1.2 13 182 173.3 177.1 1.29 14 192 178.5 174.3 182.6 2.79 15 224 189.5 177.8 201.1 7.75 16 196.5 184.9 208.0 7.70 17 198 200.5 191.2 209.7 6.16 18 206 204.0 197.6 210.3 4.25 19 203 198.7 199.9 197.5 -0.7 20 238 211.2 203.6 218.8 5.08 21 223.88 22 228.96 a7 = 2S7’ - S7’’ = 2 (159.5) = b7 = (S7’ - S7’’) n - 1 = 2/ (4-1) * ( ) = 4.166 Peramalan ???

25 Teknik Peramalan untuk Pola Data Siklis
Pola data siklis dapat didekati dengan fungsi: Parameter a, u dan v dapat dicari dengan metode determinan matriks: n = jumlah periode per siklus

26 Kriteria Performansi Peramalan
Performansi diukur dari kesalahan peramalan (forecasting error) Cerminan dari akurasi peramalan: semakin kecil kesalahan  semakin akurat hasil ramalan Kesalahan peramalan (et): deviasi antara observasi aktual (dt) dengan nilai ramalannya (d’t) atau et = dt – d’t Karena observasi aktual pada saat peramalan belum ada maka kesalahan dihitung pada data historis (observasi aktual historis vs nilai ramalan periode historis)

27 Ukuran Kesalahan Peramalan
Mean Square Error (MSE) Standard Error of Estimate (SEE) Error percentage f = degree of freedom - 1 untuk pola data konstan - 2 untuk pola data trend - 3 untuk pola data siklis Peramalan dan Pengelolaan Permintaan

28 Verifikasi Peramalan Dilakukan untuk memeriksa apakah hasil peramalan sudah betul Menggunakan teknik moving range chart Procedure: Calculate moving range for each period Compute average moving range Compute control limit Compute verification region

29 Plot nilai (dt-d’t) pada grafik
Kondisi di luar kendali jika: Ada titik di luar UCL atau LCL Dari 3 titik plot berturutan 2 titik berada pada region A ( 1.77 MR) Dari 5 titik plot berturutan terdapat 4 titik berada pada region B ( 0.89 MR) Ada 8 titik plot berturutan berada pada bagian atas atau bawah garis tengah (region C)

30 OUT OF CONTROL !!! Periksa apa yang terjadi pada kondisi out of control …… pabrik off ? Sales problem ? …. Jika jelas penyebab; hasil ramalan bisa dipakai Jika tidak: bisa tunggu evidence baru…. Kembali in control … pakai terus…. Terjadi lagi out of control … pikirkan ganti metode peramalan Bisa juga langsung mengganti metode peramalan…..

31 Contoh: Diketahui data penjualan 12 bulan yang lalu sebagai berikut:
Plotting data menunjukkan gambaran sebagai berikut t 1 2 3 4 5 6 7 8 9 10 11 12 dt 140 159 136 157 173 181 177 188 154 179 180 160

32 Percobaan pertama: konstan

33 Percobaan Kedua: Trend

34 Peramalan dan Pengelolaan Permintaan

35 Hasil ramalan

36 Pemilihan Peramalan Peramalan terpilih adalah metode linear
Fungsi peramalan: d’t = t Hasil peramalan:

37 Verifikasi t Dt Dt' Dt'- Dt MR 1 140 156 16 2 159 157 -2 18 3 136 158
22 24 4 20 5 173 160 -13 15 6 181 161 -20 7 177 162 -15 8 188 163 -25 10 9 154 164 179 165 -14 11 180 166 12 167 21

38 No evidence out of control observation
Forecasting function can be used for production planning

39 Catatan Berkaitan MTS-MTO
Peramalan dengan menggunakan data penjualan sangat mudah dipakai pada MTS ( Make to Stock ) Pada MTO (Make to Order ) penjualan terjadi pada saat konsumen melakukan pemesanan dan jenis serta jumlah pesanan tidak bisa diketahui dengan pasti Data penjualan sulit dipakai Bagaimana caranya ?

40 Penutup Peramalan merupakan langkah awal dalam perencanaan produksi
Berfungsi mendapatkan perkiraan penjualan sepanjang periode perencanaan Perkiraan tersebut menjadi referensi dalam menyusun rencana produksi sesuai ketersediaan sumber daya perusahaan Peramalan yang diperoleh tepat waktu sangat menolong proses perencanaan Perlu juga diperhatikan biaya untuk mengumpulkan data serta manfaat dari perencanaan yang diperoleh Selalu diliputi kesalahan karena itu kemudian perlu up-dating data sebagai bentuk pengendalian