Sub Pokok bahasan pertemuan ke-3
Manajemen Operasional PERAMALAN (Forecasting)
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting) Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id
Sub Pokok bahasan pertemuan ke-3 ☃Prediksi dan Peramalan ☃Jenis-jenis Metode Peramalan
☃Metode deret berkala ☃Metode peramalan kausal ☃Metode prediktif ☃Metode Delphi
☃survey pasar ☃Analisis siklus hidup produk.
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
PERAMALAN Salah satu keputusan penting dalam perusahaan yang dilakukan oleh manajemen adalah menentukan tingkat produksi barang dan jasa untuk persipan masa datang Penentuan tingkat produksi yang merupakan tingkat penawaran akan dipengaruhi oleh jumlah permintaan pasar yg dapat dipenuhi oleh perusahaan Tingkat penawaran yang lebih tinggi dari permintaan pasar dapat mengakibatkan terjadinya pemborosan biaya (biaya penyimpanan, modal dan biaya kerusakan barang)
Tingkat penawaran yang lebih rendah dibandingkan pangsa pasar yang dapat
diraih mengakibatkan hilangnya kesempatan untuk memperoleh keuntungan,
bahkan kehilangan pelanggan karena beralih ke perusahaan pesaing Untuk membantu tercapainya suatu keputusan yang optimal perlu adanya cara yang tepat, sistematis dan dapat dipertanggungjawabkan.Salah satu alat yang diperukan oleh manajemen dan bagian integral dari proses
pengambilan keputusan adalah Metode PeramalanMengukur dan Memprediksi peristiwa masa depan Membantu dalam mengurangi TUJUAN tingkat kesalahan dalam pengambilan keputusan oleh PERAMALAN manajemen Mengkaji kebijakan perusahaan atau evaluasi pengaruh di masa yang akan datang
ü Peramalan tidak saja dilakukan untuk menentukan jumlah
produk yang perlu dibuat atau kapsitias jasa yang disedikan, tetapi disemua bidang (pengadaan, personalia, penjualan dll)ü Biasanya memerlukan kebiasaan selama jangka waktu tertentu ü Peramalan dapat dilakukan secara Kuantitatif dan kualitatif
ü Metode Kualitatif Berdasarkan metode yang subjektif, pendapat (judgment) dari yg melakukan peramalan ü Metode Kuantitatif
Berdasarkan rumus matematika Dua hal pokok yang harus diperhatikan dalam
proses peramalan yang akurat dan bermanfaat
(Makridakis 1999)Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan pera- malan yang akurat.
Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.
- Peramalan berhubungan dengan apa yang kita duga akan (will) terjadi di masa yang akan datang.
• Perencanaan berhubungan dengan apa yang kita
anggap harus (should) terjadi di masa yang akan
datang.
l Peramalan merupakan masukan untuk semua jenis perencanaan dan pengendalian bisnis. l
Pemasaran menggunakan peramalan untuk
merencanakan produk, promosi dan harga. lKeuangan menggunakan peramalan sebagai
masukan perencanaan keuangan.Prakiraan didefinisikan sebagai proses peramalan suatu variabel (kejadian) di masa datang dengan berdasarkan data variabel pada
masa sebelumnya (data masa lampau). Data ini
digunakan untuk memperkirakan perkiraan masa
datangPrediksi adalah proses peramalan suatu variabel di masa datang dengan lebih mendasarkan pada pertimbangan intuisi
daripada data masa lampau. Didukung oleh data
kuantitatif sebagai informasi dalam melakukan peramalanContoh
l
Perusahaan ingin meramalkan beberapa permintaan pasar atas produknya pada periode l masa akan datang Perusahaan tsb dapat melakukan prakiraan dengan meggunakan data penjualann periode sebelumnya untuk taksiran permintaan pasar pada l masa datang
Namun jika perusahaan tsb ingin mengeluarkan
produksi baru maka, melihat data berapa jumlah
yang dapat diserap pasar karena belum memiliki
data penjualan masa lampauSyarat Peramalan yang baik
1. TIDAK BIAS (SESUAI DENGAN KENYATAAN)
2. HARUS EFISIEN (MEMILIKI VARIAN YANG KECIL)
Syarat Peramalan lanjutan...Syarat Peramalan lanjutan...
3. HARUS KONSISTEN (SEMAKIN BESAR n, SEMAKIN MENDEKATI KENYATAAN)
4. MEMILIKI Mean Square Error ( MSE) YANG KECIL
an Berdasarkan Jangka al
Waktu am
Berdasarkan rencana Per
Operasi e d
Berdasarkan to
Metode/pendekatan Me Peramalan berdasarkan jangka waktu § Peramalan jangka Panjang : yang mencakup waktu labih besar dari 18 bulan. (pendekatan kualitatif)
§ Misal : Peramalan yang diperlukan dalam kaitan dengan penanaman modal, perencanaan produk baru, perencanaan fasilitas lokasi, ekpasnsi, perencanaan kegaiatan litbang (Penelitian dan Pengembangan/R&D),
§ Peramalan jangka Menengah : Mencakup waktu antara 3 sampai
18 bulan. (pendekatan kuantitatif) § Misal : perencanaan penjualan, perencanaan produksi, perencanaan TK tidak tetap dan menganalisis rencana operasi§ Peramalan jangka Pendek : jangka waktu kurang dari 3 bulan.
(pendekatan kuantitatif)
§ Misal : peramalan yang berhubungan dengan perencanaan
pembelian materal, penjadwalan kerja, penugasan karyawan, jumlah TK, tingkat produksi
Peramalan berdasarkan Rencana Operasi
RAMALAN EKONOMI : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya, RAMALAN TEKNOLOGI : berkaitan dengan tingkat kemajuan teknologi dan produk baruRAMALAN PERMINTAAN : berkaitan dengan proyeksi permintaan terhadap produk perusahaan.
Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjadualan perusahaan . Peramalan berdasarkan Metode/Pendekatan l
PERAMALAN KUANTITATIF,
menggunakan berbagai model matematis
atau metode statistik dan data historis dan atau variabel-variabel kausal untuk meramalkan permintaan. lPERAMALAN KUALITATIF, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan.
1. Metode Kuantitatif
A. Metode Seri Waktu / Deret berkala
l (Time Series) metode yang dipergunakan untuk menganalisis serangkaian data variabel waktu yang merupakan l fungsi dari waktu. l mis tahunan, bulanan, triwulan dsb Peramalan di dasarkan pada nilai variable yg telah lalu dan atau peramalan kesalahan masa lalu
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
1. Rata-rata bergerak (moving
averages)
2. Penghalusan eksponensial
(exponential smoothing)3. Proyeksi trend (trend projection)
Model Seri Waktu / Metode deret berkala, terbagi menjadi :
1. Rata-rata bergerak (moving averages-
MA), Menggunakan n nilai data terbaru dalam
- suatu deret berkala untuk meramalkan periode yang akan datang. Rata-rata perubahan atau pergerakan
- sebagai observasi baru. Penghitungan rata-rata bergerak adalah
- sebagai berikut:
Rata-Rata Bergerak Sederhana (simple moving ⎃ averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil
Rata-Rata Bergerak Tertimbang (weighted moving ⎃ averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru
Model rata-rata bobot bergerak lebih responsif
terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata
bobot bergerak yaitu sebagai berikut. Contoh Peramalan,
dimana hasil peramalan produksi bulan juli diperoleh dengan
menghitung rata-rata dari nilai produksi tiga bulan sebelumnya
(rata- rata produksi dari bulan April s.d. Juni).
Contoh Rata-Rata Bergerak Tertimbang ( Periode Rata – Rata Bergerak : 3 periode ) Nilai produksi satu periode sebelumnya akan memiliki bobot yang lebih besar dari nilai produksi dua periode sebelumnya, dan nilai
produksi dua periode sebelumnya ini akan memiliki bobot yang lebih
besar dari nilai produksi tiga periode sebelumnya2. Penghalusan eksponensial (exponential smoothing)
Penghalusan Eksponensial : ØMetode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. ØMerupakan kasus khusus dari metode rata- rata bergerak tertimbang dimana penimbang dipilih hanya untuk observasi terbaru. ØIstilah eksponensial dalam metode ini berasal
dari pembobotan/timbangan (faktor penghalusan
dari periode-periode sebelumnya yang berbentuk eksponensial.Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
1 2 Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting) 3
4
3. Proyeksi trend (trend projection)
Metode proyeksi trend dengan regresi,
merupakan metode yang digunakan baik
untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.•Merepresentasikan suatu perubahan dari waktu ke waktu
(cenderung naik dan turun)- Trend biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi, teknologi dan pola sebaran penyakit
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
1 2 3
4
B. Model / metode kausal l (causal / explanatory model) Mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau l beberapa variabel bebas (independent variable).
Analisis variabel yang dicari dengan variabel bebas atau l yang mempengaruhi Dalam prakteknya jenis metode peramalan ini terdiri dari −
Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan
teknik least squares yang dianalisis secara statis.
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
Pedoman untuk menerapkan metode kausal : 1.
Pada saat terdapat alasan-alasan yang prioritas untuk menganggap bahwa satu variabel adalah dipengaruhi oleh variabel yang lain.
2. Pada saat sebuah indikator utama dapat teridentifikasikan.
3. Horison waktu peramalan yang relevan.
4. diasumsikan nilai produksi yang akan diramalkan , besar kecilnya dipengaruhi oleh beberapa faktor.
Dalam prakteknya jenis metode peramalan ini terdiri dari
A. Metode regresi dan kolerasi
✅merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek (lebih baik jangka pendek) ✅ didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statistik.
✅Mis: peramalan penjualan, perencanaan
keuntungan, peramalan permintaan & keadaan
ekonomi. ✅Data yg digunakan kuartalan dari beberapa tahun lalu (informasi masa lalu) ✅ Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)Peramalan menggunakan metode regresi:
l
Hal- hal yang perlu diketahui sebelum melakukan peramalan dengan metode regresi adalah mengetahui 1. terlebih dahulu mengetahui kondisi- kondisi seperti : 2. Adanya informasi masa lalu Informasi yang ada dapat dibuatkan dalam bentuk data 3. (dikuantifikasikan)
Diasumsikan bahwa pola data yang ada dari data masa lalu
akan berkelanjutan dimasa yang akan datang.l
Adapun data- data yang ada dilapangan adalah : − − Musiman (Seasonal) − Horizontal (Stationary) − Siklus (Cylikal) Sunday, October 15, 2017 Trend Chapter 3 | Peramalan (Forecasting)
macam- macam pola data yang dimiliki oleh perusahaan:
Pola Data Ramalan
1. Komponen Tren (Trend Component)
Merepresentasikan suatu perubahan dari waktu ke waktu
(cenderung naik atau turun). Tren biasanya merupakan hasil
perubahan dalam populasi/penduduk, faktor demografi, teknologi, dan atau Pola sebaran penyakit. gradual, perubahan jangka panjang ke atas atau bawah2. Komponen Siklis (Cyclical Component)
Merepresentasikan rangkaian titik-titik dengan pola siklis (pergerakan secara siklis/naik-turun) di atas atau di bawah garis tren dalam kurung waktu satu tahun.
Perubahan ke atas atau ke bawah berulang selama jangka waktu yang lama
3. Komponen Musim (Seasonal Component)
Merepresentasikan pola berulang dengan durasi
kurang dari 1 tahun dalam suatu deret berkala. Pola
durasi dapat berupa jam atau waktu yang lebih pendek.4. Komponen Tak Beraturan (Irregular
Component) Mengukur simpangan nilai deret berkala sebenarnya dari yang diharapkan berdasarkan komponen lain. Hal tersebut disebabkan oleh
jangka waktu yang pendek (short-term) dan faktor
yang tidak terantisipasi yang dapat mempengaruhi
deret berkala.Dalam prakteknya jenis lanjutan….
B. Model Input-Output
✅merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.
✅Model ini kurang baik ketepatannya untuk peramalana jangka panjang.
✅Mis: peramalan penjualan perusahaan, penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub sektor industri.
✅Data yang dibutuhkan untuk penggunaan
Metoda adalah data tahunan selama sekitar sepuluh sampai lima belas tahunDalam prakteknya jenis lanjutan….
C. Model ekonometri
✅merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.
✅Ketepatannya model ini sangat baik. ✅Mis: peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan penawaran.
✅Data yg digunakan data kuartalan Sunday, October 15, 2017 beberapa tahun
Chapter 3 | Peramalan (Forecasting)
2. Metode Kualitatif
l umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. l
Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan 4 teknik/metode peramalan, yaitu
1. Juri dari Opini Eksekutif : metode ini
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
mengambil opini atau pendapat dari
sekelompok kecil manajer puncak/top manager
(pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik.2. Gabungan Tenaga Penjualan : setiap
tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
3.Metode Delphi
Pengambil keputusan, karyawan, dan Ø responder. Pengambil keputusan biasanya
terdiri dari 5 hingga 10 orang pakar yang akan
melakukan peramalanMelibatkan banyak pihak, yaitu para staf, yang Ø membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya.
Keuntungan metode ini hasilnya lebih akurat Ø dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
Contoh Metode Delphi l Negara bagian Alaska menggunakan metode Delphi untuk meramalkan ekonomi jangka panjangnya. Sekitar 90% anggaran negara bagian dihasilkan dari 1,5 juta barel minyak yang dipompa
setiap hari, melalui pipa minyak di Prudhoe Bay.
Sekumpulan besar pakar harus mewakili semua kelompok dan pendapat dalam negara bagian dan
wilayah. Delphi merupakan alas peramalan yang
sempurna, karena perjalanan para panelis dapat
dihindari. Hal ini juga berarti bahwa Para pemimpin Alaska dapat berperan serta karenajadwal mereka tidak dipengaruhi oleh pertemuan
dan jarak.Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
4. Survai Pasar (market survey) :
☃Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati.
☃Survai dapat dilakukan dengan kuesioner,
telepon, atau wawancara langsung.☃Riset pasar tidak hanya akan membantu
peramalan, tetapi juga untuk meningkatkan
desain produk dan perencanaan untuk produk-produk baru.MEMANTAU RAMALAN
vBila peramalan sudah selesai, paling tidak JANGAN MELUPANKANNYA. vSangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan. vSalah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah menggunakan isyarat arah. vIsyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik vIsyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
Akurasi Peramalan
3.Rata” Prosentase Kesalahan Absolut (Mape – Mean Absolute
Percentage Error) Xi dimana :ei : selisih hasil ramalan dengan data sebenarnya n : jumlah periode
X1 : data sebenarnya n = Periode pergerakan4. Kesalahan rata-rata (AE= Average Error)
n
44
Peramalan Pada Sektor Jasa Teknik utama pada sektor eceran adalah melihat permintaan dan membuat catatan jangka pendek yang teliti.
CONTOH tempat potong rambut pria mengharapkan puncak bisnisnya pada hari jumat dan sabtu. karenanya hampri semua tempat potong rambut tutup pada hari minggu dan senin, dan terdapat banyak permintaan pada hari jumat dan sabtu.
PROSEDUR PERAMALAN
1.Mendefinisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra- produksi untuk mengukur tingkat dari suatu permintaan.
2.Membuat diagram pencar (Plot Data) Misalnya
memplot demand versus waktu, dimana demandsebagai ordinat (Y) dan waktu sebagai axis (X).
3. Memilih model peramalan yang tepat Melihat
dari kecenderungan data pada diagram pencar,
maka dapat dipilih beberapa model peramalan
yang diperkirakan dapat mewakili pola tersebut.
4.Melakukan Peramalan
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
5. Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai
data yang sebenarnya. Perbedaan atau selisih antara
nilai aktual dan nilai ramalan disebut sebagai yang“kesalahan ramalan (forecast error)” atau deviasi dinyatakan dalam: l et = Y(t) – Y’(t) Dimana : Y(t) = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada periode t l t = Periode peramalan
Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat
SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE –Standard Error Estimated) SSE = S e(t)2 = S[Y(t)-Y’(t)]2
6. Memilih Metode Peramalan dengan kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda
secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut.7. Melakukan Verifikasi Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.
Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting) Terlepas dari sistem yang digunakan oleh perusahaan seperti Tupperware, setiap perusahaan menghadapi beberapa kenyataan:
✏ Peramalan jarang ada yang sempurna. Hal ini berarti faktor luar
yang tidak dapat kita duga atau kendalikan sering mempengaruhiperamalan. Perusahaan harus memberikan kelonggaran untuk
kenyataan ini. ✏ Hampir semua teknik peramalan mengasumsikan bahwa sistem akan tetap stabil. Oleh karena itu, beberapa perusahaan membuat ramalan secara otomatis menggunakan komputer dengan software peramalan, dan hanya mengawasi produk yang mempunyai permintaan tidak menentu.✏ Baik peramalan kelompok produk maupun peramalan secara
keseluruhan lebih akurat daripada peramalan produkindividu. Sebagai contoh, Tupperware, melakukan peramalan
melalui pengelompokkan ukuran produk dan daerah pemasaran. pendekatan ini menolong menyeimbangkan prediksi yg mungkin kurang/berlebih untuk setiap produk & daerah pemasaran. Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)
Fokus Peramalan
Fokus Peramalan didasakan pada dua prinsip :
1.Model peramalan yang canggih tidak selalu
lebih baik dari model yang sederhana2.Tidak ada satu teknik yang dapat dipergunakan untuk semua produk dan jasa Sunday, October 15, 2017 Chapter 3 | Peramalan (Forecasting)