Transcript c. Pertemuan 3 Peramalan

STIE PUTRA BANGSA
Seni dan ilmu untuk memperkirakan kejadian di
masa depan.
Hal ini dapat dilakukan dengan melibatkan
pengambilan data masa lalu dan
menempatkannya ke masa yang akan datang
dengan suatu bentuk model matematis. Bisa juga
merupakan prediksi intuisi yang bersifat
subyektif. Atau bisa juga dengan menggunakan
kombinasi model matematis yang disesuaikan
dengan pertimbangan yang baik dari seorang
manajer.
STIE PUTRA BANGSA



Peramalan jangka pendek
jangka waktu hingga 1 tahun, tapi umumnya kurang
dari 3 bulan.
u/ merencanakan pembelian, tenaker
Peramalan jangka menengah
hitungan bulanan hingga 3 tahun.
u/ merencanakan penjualan, anggaran kas
Peramalan jangka panjang
umumnya untuk perencanaan masa 3th/lbh.
u/ merencanakan produk baru, pengembangan
fasilitas.
STIE PUTRA BANGSA




Perkenalan
Pertumbuhan
Kematangan
Penurunan
STIE PUTRA BANGSA



Peramalan ekonomi (economic forecast)
menjelaskan siklus bisnis dengan memprediksikan tingkat
inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan dan indikator perencanaan
lainnya
Peramalan teknologi (tenological forecast)
memperhatikan tingkat kemajuan teknologi yang dapat
meluncurkan produk baru yang menarik, yang
membutuhkan pabrik dan peralatan baru.
Peramalan permintaan (demand forecast)
proyeksi permintaan untuk produk atau layanan suatu
perusahaan.
STIE PUTRA BANGSA



Sumber Daya Manusia
Kapasitas
Manajemen Rantai Pasokan
STIE PUTRA BANGSA
1.
2.
3.
4.
5.
6.
7.
Menetapkan tujuan permalan
Memilih unsur apa yang akan diramal
Menentukan horizon waktu peramalan
Memilih tipe model peramalan
Mengumpulakan data yang diperlukan
untuk melakukan peramalan
Membuat peramalan
Memvalidasi dan menerapkan hasil
peramalan
STIE PUTRA BANGSA



Peramalan jarang ada yang sempurna
Hampir semua teknik peramalan
mengasumsikan bahwa sistem akan tetap
stabil
Baik peramalan kelompok produk maupun
peramalan secara keseluruhan lebih akurat
daripada peramalan kelompok individu
STIE PUTRA BANGSA
Tinjauan Metode Kualitatif
1. Keputusan dari pendapat juri eksekutif
2. Metode Delphi
3. Gabungan dari tenaga penjualan
4. Survei pasar konsumen
Tinjauan Metode Kuantitatif
1. Pendekatan Naif
2. Rata-rata bergerak
3. Penghalusan Eksponensial
4. Proyeksi Tren
5. Regresi Linear
asosiatif
time-series
STIE PUTRA BANGSA




Tren
pergerakan data sedikit demi sedikit
ex.perubahan pendapatan
Musim
pola data yang berulang pada kurun waktu tertentu seperti
hari, minggu, bulan
Siklus
pola dalam data yang terjadi setiap beberapa tahun
Variasi Acak
merupakan satu titik khusus dalam data, yang disebabkan
oleh peluang dan situasi yang tidak bisa
STIE PUTRA BANGSA
STIE PUTRA BANGSA

Cara yang paling sederhana untuk meramal
adalah dengan berasumsi bahwa permintaan
di periode mendatang akan sama dengan
permintaan pada periode terakhir.
STIE PUTRA BANGSA


Menggunakan sejumlah data aktual masa lalu
untuk menghasilkan peramalan.
Secara matematis;
rata-rata bergerak =
∑ permintaan n periode sebelumnya
n
STIE PUTRA BANGSA
Bulan
Penjualan Aktual
Rata-rata Bergerak 3 Bulanan
Januari
10
Februari
12
Maret
13
April
16
(10 + 12 + 13)/ 3 = 11
Mei
19
(10x1)+(12x2)+(13x3)/6 = ? (April)
Juni
23
Juli
26
Agustus
30
September
28
Oktober
18
November
16
Desember
14
STIE PUTRA BANGSA
2/3
Rata-rata bergerak dengan pembobotan=
∑ (bobot pada periode n) (permintaan pada periode n)
∑bobot
Contoh di atas, dengan bobot=
Bobot yang Diberikan
Periode
3
Bulan lalu
2
Dua bulan lalu
1
Tiga bulan lalu
6
Jumlah total bobot
STIE PUTRA BANGSA
Bulan
Penjuala
n Aktual
Rata-rata Bergerak 3 Bulanan
MAD
Januari
10
Februari
12
11+(0,3(10-11))= 10,7 (11)
1
Maret
13
11+(0,3(12-11))= 11,3 (11)
2
April
16
[(10)+(2x12)+(3x13)]/ 6 = 12
Mei
19
Juni
23
Juli
26
Agustus
30
September
28
Oktober
18
November
16
Desember
14
STIE PUTRA BANGSA
1/6
1.
2.
3.
Bertambahnya jumlah n meredam fluktuasi,
tetapi membuat metode ini kurang sensitif
Rata-rata bergerak tidak dapat
menggambarkan tren dengan baik
Rata-rata bergerak membutuhkan data
masa lalu yang ekstensif.
STIE PUTRA BANGSA
Peramalan Baru= Peramalan periode lalu +
α (permintaan aktual periode lalu - peramalan periode lalu)
Atau
Ft = F
t-1
+ α (At-1 – Ft-1)
Dimana, Ft
= peramalan baru
Ft-1 = peramalan sebelumnya
α
= konstanta penghalus (pembobot) (0 ≤ α ≤ 1)
STIE PUTRA BANGSA
Pada bulan Januari, sebuah dealer mobil memprediksi
permintaan Ford Mustang di bulan Februari sebanyak
142 mobil. Permintaan aktual bulan Februari adalah
153 mobil. Dengan menggunakan konstanta
penghalusan yang dipilih oleh pihak manajemen, α=
0,20, kita dapat meramalkan permintaan di bulan
Maret dengan menggunakan model penghalusan
eksponensial. Dengan memasukan data sampel ke
dalam rumus, kita mendapatkan;
Peramalan baru (untuk permintaan bulan Maret) =
142 + 0,2 (153-142)
= 142 + 2,2
= 144,2
STIE PUTRA BANGSA
Kesalahan Peramalan = Permintaan aktual – Nilai Peramalan
Mean Absolut Deviation
MAD = ∑∣aktual-peramalan∣
n
Mean Squared Error
MSE = ∑(kesalahan peramalan)
n
STIE PUTRA BANGSA
Teknik ini mencocokkan garis tren pada
serangkaian data masa lalu dan
memproyeksikan garis pada masa datang
untuk peramalan jangka menengah atau
jangka panjang.
ŷ= a + bx
Dimana;
ŷ = nilai terhitung dari variabel yang akan diprediksi
a = persilangan sumbu y
b = kemiringan garis regresi
x = variabel bebas
STIE PUTRA BANGSA
b = ∑ xy – nx y
∑ x2 – nx2
a = y – bx
∑ = tanda penjumlahan total
x = nilai variabel bebas
y = nilai variabel terikat
x = rata-rata nilai x
y = rata-rata nilai y
n = jumlah data atau pengamatan
STIE PUTRA BANGSA
Tahun
Permintaan Daya Listrik Tahun
Permintaan Daya Listrik
1997
74
2001
105
1998
79
2002
142
1999
80
2003
122
2000
90
STIE PUTRA BANGSA
Tahun
Periode
Waktu (x)
Permintaan Daya
Listrik (y)
1997
1
74
1998
2
79
1999
3
80
2000
4
90
2001
5
105
2002
6
142
2003
7
122
28
692
x2
STIE PUTRA BANGSA
xy