Transcript
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.
Peramalan jangka pendekjangka waktu hingga 1 tahun, tapi umumnya kurang dari 3 bulan.u/ merencanakan pembelian, tenaker
Peramalan jangka menengahhitungan bulanan hingga 3 tahun.u/ merencanakan penjualan, anggaran kas
Peramalan jangka panjangumumnya untuk perencanaan masa 3th/lbh.u/ merencanakan produk baru, pengembangan fasilitas.
Perkenalan Pertumbuhan Kematangan Penurunan
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.
Sumber Daya Manusia Kapasitas Manajemen Rantai Pasokan
1. Menetapkan tujuan permalan2. Memilih unsur apa yang akan diramal3. Menentukan horizon waktu peramalan4. Memilih tipe model peramalan5. Mengumpulakan data yang diperlukan
untuk melakukan peramalan6. Membuat peramalan7. Memvalidasi dan menerapkan hasil
peramalan
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
Tinjauan Metode Kualitatif1. Keputusan dari pendapat juri eksekutif2. Metode Delphi3. Gabungan dari tenaga penjualan4. Survei pasar konsumen
Tinjauan Metode Kuantitatif1. Pendekatan Naif2. Rata-rata bergerak time-
series3. Penghalusan Eksponensial4. Proyeksi Tren5. Regresi Linear asosiatif
Trenpergerakan data sedikit demi sedikitex.perubahan pendapatan
Musimpola data yang berulang pada kurun waktu tertentu seperti hari, minggu, bulan
Sikluspola dalam data yang terjadi setiap beberapa tahun
Variasi Acakmerupakan satu titik khusus dalam data, yang disebabkan oleh peluang dan situasi yang tidak bisa
Cara yang paling sederhana untuk meramal adalah dengan berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir.
Menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan.
Secara matematis;
rata-rata bergerak = ∑ permintaan n periode sebelumnya
n
Bulan Penjualan Aktual
Rata-rata Bergerak 3 Bulanan
Januari 10
Februari 12
Maret 13
April 16 (10 + 12 + 13)/ 3 = 11 2/3
Mei 19
Juni 23
Juli 26
Agustus 30
September 28
Oktober 18
November 16
Desember 14
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
Bulan Penjualan
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 1/6
Mei 19
Juni 23
Juli 26
Agustus 30
September
28
Oktober 18
November 16
Desember 14
1. Bertambahnya jumlah n meredam fluktuasi, tetapi membuat metode ini kurang sensitif
2. Rata-rata bergerak tidak dapat menggambarkan tren dengan baik
3. Rata-rata bergerak membutuhkan data masa lalu yang ekstensif.
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)
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
Kesalahan Peramalan = Permintaan aktual – Nilai Peramalan
Mean Absolut Deviation
MAD = ∑∣aktual-peramalan∣ n
Mean Squared ErrorMSE = ∑(kesalahan peramalan)
n
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 + bxDimana;ŷ= nilai terhitung dari variabel yang akan diprediksi
a= persilangan sumbu yb= kemiringan garis regresix= variabel bebas
b = ∑ xy – nx y ∑ x2 – nx2
a = y – bx∑ = tanda penjumlahan totalx = nilai variabel bebasy = nilai variabel terikatx = rata-rata nilai xy = rata-rata nilai yn = jumlah data atau pengamatan
Tahun Permintaan Daya Listrik
Tahun Permintaan Daya Listrik
1997 74 2001 105
1998 79 2002 142
1999 80 2003 122
2000 90
Tahun
Periode Waktu (x)
Permintaan Daya Listrik (y)
x2 xy
1997 1 74
1998 2 79
1999 3 80
2000 4 90
2001 5 105
2002 6 142
2003 7 122
28 692
top related