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 Peramalan

  Mengukur 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. _l

Keuangan 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

datang

  Prediksi 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 peramalan

  Contoh

  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 lampau

  Syarat 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 baru

  RAMALAN 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. l

  PERAMALAN 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 sebelumnya

2. 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 bawah

2. 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 tahun

  Dalam 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 peramalan

  Melibatkan 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 karena

jadwal 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 pergerakan

4. 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 demand

sebagai 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 mempengaruhi

peramalan. 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 produk

individu. 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 sederhana

  2.Tidak ada satu teknik yang dapat dipergunakan untuk semua produk dan jasa Sunday, October 15, 2017 ^{Chapter 3 | Peramalan (Forecasting)}