PERAMALAN (FORECASTING)

Sales will be $200 Million!

Peramalan adalah seni dan ilmu untuk memprediksi masa depan. Peramalan adalah perhitungan yang objektif dengan

menggunakan data-data masa lalu untuk menentukan kondisi dimasa mendatang.

Peramalan merupakan alat bantu dalam membuat perencanaan yang efektif dan efisien.

Peramalan dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu model matematis.

What is Forecasting ???

Sales will be $200 Million!

JENIS-JENIS PERAMALAN Peramalan ekonomi: menjelaskan siklus bisnis dengan

memprediksi: tingkat inflasi Ketersediaan jumlah uang Dana yang diperlukan Indikator perencanaan lainnya

Peramalan teknologi, memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik dan peralatan baru.

Peramalan permintaan, proyeksi permintaan untuk produk atau layanan suatu perusahaan atau biasa disebut juga peramalan penjualan dalam hal :- Pengendalian produksi, kapasitas, sistem penjadwalan dan input bagi rencana keuangan, pemasaran dan sumber SDM.

Sales will be $200 Million!

SEVEN STEP IN FORECASTING Menetapkan tujuan peramalan Memilih unsur yang akan diramalkan Menentukan horizon waktu peramalan Memilih jenis metode peramalan Mengumpulkan data yang diperlukan untuk melakukan peramalan Membuat peramalan Memvalidasi dan menerapkan peramalan

METODE PERAMALAN KUALITATIF Peramalan yang menggabungkan faktor seperti

intuisi,emosi, pengalaman pribadi dan menganalisa kondisi objektif dengan apa adanya.

METODE PERAMALAN KUANTITATIF Peramalan yang menggunakan model matematis yang

beragam dengan data masa lalu. Metode ini dapat digunakan apabila:

Tersedia data dan informasi masa lalu Data dan informasi tersebut dapat dikuantitatifkan

dalam bentuk numerik Disumsikan beberapa aspek masa lalu akan

berlanjut di masa yang akan datang

1. METODA KUALITATIF YANG TERDIRI DARI : METODA DELPHI JURI DARI OPINI EKSEKUTIF (JURY OF EXECUTIVE OPINION) KOMPOSIT TENAGA PENJUALAN (SALES FORCE COMPOSITE) SURVEY PASAR KONSUMEN (CONSUMER MARKET SURVEY)2. METODE KUANTITATIF SIMPLE AVERAGE MOVING AVERAGE WEIGHTED MOVING AVERAGE EXPONTIAL SMOOTHING REGRESSI LINIER REGRESSI NON LINIER BOX JENKINS 3. METODA CAUSAL KORELASI – REGRESSI ECONOMETRIE MODEL 36

METODA - METODA PERAMALAN

DELPHI METHOD Menggunakan suatu

proses kelompok 3 jenis partisipan

Pengambil Keputusan Staff Responden

Kelompok responden yang memberikan input pada pengambil keputsan. Respondents

Staff

Decision Makers(Sales?)

(What will sales be? survey) (Sales will be

45, 50, 55)

(Sales will be 50!)

¨ Terdiri dari sekumpulan kecil para pakar tingkat tinggi/manajer.

¨ Pendapat dari para manajer digabungkan dalam bentuk statistik untuk mendapatkan prediksi permintaan.

JURY OF EXECUTIVE OPINION

SALES FORCE COMPOSITE

¨ Setiap penjual memperkirakan berapa penjualan yang dapat dicapai dalam wilayahnya

¨ Digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan

¨ Sales harus mengetahui apa yang diinginkan konsumen

Sales

© 1995 Corel Corp.

CONSUMER MARKET SURVEY¨ Tanyakan pada konsumen

mengenai rencana pembelian di masa depan

¨ Terkadang sulit dalam menjawab pertanyaan

How many hoHow many hours will you use the Internet next

week?

© 1995 Corel Corp.

METODE KUANTITATIF

Naïve approach Moving averages Exponential smoothing

Trend projection Linear regression

Time-series Models

Associative models

MODEL DERET WAKTU(TIME SARIES MODELS) Teknik peramalan yang menggunakan

sejumlah data masa lalu untuk membuat peramalan.

PENDEKATAN NAIF Teknik peramalan yang

mengasumsikan permintaan periode berikutnya sama dengan permintaan pada periode terakhir.

Keuntungannya : Cost Effective and Efficient.

Suatu metode peramalan yang menggunakan n rata-rata periode terakhir data untuk meramalkan periode berikutnya.

RATA-RATA BERGERAK/MOVING AVERANGE (MA)

© 1995 Corel Corp.

EXPONENTIAL SMOOTHING Teknik peramalan rata-rata bergerak dengan

pembobotan di mana titik data dibobotkan oleh fungsi eksponensial.

ASSOCIATIVE MODELS Menggunakan lebih banyak variabel yang

berhubungan dengan besaran yang di prediksi variabel bebas dan variabel terikat)

METODE ANALISA REGRESI LINIER Model matematika garis lurus untuk

menggambarkan hubungan fungsional antara variabel-variabel yang bebas maupun variabel-variabel yang terikat.

MA n Permintaan dalam periode n sebelumnya

MOVING AVERAGE METHOD

n adalah jumlah periode dalam rata-rata bergerak

Contoh :

You’re manager of a museum store that sells historical replicas. You want to forecast sales (000) for 2003 using a 3-period moving average.

199841999 6200052001320027

© 1995 Corel Corp.

MOVING AVERAGE EXAMPLE

MOVING AVERAGE SOLUTION

Time Response Yi

Moving Total (n=3)

Moving Average

(n=3) 1998 4 NA NA 1999 6 NA NA 2000 5 NA NA 2001 3 4+6+5=15 15/3 = 5 2002 7 2003 NA

MOVING AVERAGE SOLUTION

Time Aktual Yi

Moving Total (n=3)

Moving Average

(n=3) 1998 4 NA NA 1999 6 NA NA 2000 5 NA NA 2001 3 4+6+5=15 15/3 = 5 2002 7 6+5+3=14 14/3=4 2/3 2003 NA

MOVING AVERAGE SOLUTION

Time Response Yi

Moving Total (n=3)

Moving Average

(n=3) 1998 4 NA NA 1999 6 NA NA 2000 5 NA NA 2001 3 4+6+5=15 15/3=5.0 2002 7 6+5+3=14 14/3=4.7 2003 NA 5+3+7=15 15/3=5.0

PowerPoint presentation to accompany Heizer/Render – Principles of Operations Management, 5e, and Operations Management, 7e

© 2004 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-18

95 96 97 98 99 00Year

Sales

2468 Actual

Forecast

MOVING AVERAGE GRAPH

Ft = At - 1 + (1-)At - 2 + (1- )2·At - 3 + (1- )3At - 4 + ... + (1- )t-1·A0

Ft = Forecast value At = Actual value = Smoothing constant

Ft = Ft-1 + (At-1 - Ft-1) Use for computing forecast

Pengaruh smoothing :-makin besar smootihing smakin kecil-makin kecil smoothing smakin besar-dalam metode single exponential smoothing adalah mencari

optimum yang akan memberikan MSE/MAD minimum.

EXPONENTIAL SMOOTHING EQUATIONS

WEIGHTED MOVING AVERAGE Metode Rata-rata Tertimbang Adalah metode perhitungan yang sama rata

bergerak sederhana namundiperlukan adanya koefisien penimbang dan digunakan apabila terjadi trend pada pola data masa lalu

Koefisien penimbang 0<CW>1 Equation :

WMA = ∑ (Weight for period n)(Demand in period n)/ ∑ Weights

WMA (WEIGHTED MOVING AVERAGE) Hitung WMA untuk 4 tahun apabila Tahun 1=100,

2= 90, 3=105, 4= 95

WMA = (100*0,4)+(90*0.3)+(105*0,2) + (95*0.1)/1

Kelemahan metode WMA tanggapannya tidak dapat dengan mudah berubah tanpa merubah masing-masing angka penimbangnya,

1. Peningkatan n dalam pembuatan ramalan kurang sensitif dengan perubahan

Tidak dapat melakukan trend peramalan dengan baik

Perlakuan data berdasarkan historis

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-22

You’re organizing a Kwanza meeting. You want to forecast attendance for 2000 using exponential smoothing ( = .10). The1995 forecast was 175.

19951801996 168199715919961751999190 © 1995 Corel Corp.

EXPONENTIAL SMOOTHING EXAMPLE

4-23

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 1681997 1591998 1751999 1902000 NA

175.00 +

EXPONENTIAL SMOOTHING SOLUTION

PowerPoint presentation to accompany Operations Management, 6E (Heizer & Render)

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-24

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 168 175.00 + .10(1997 1591998 1751999 1902000 NA

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-25

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 168 175.00 + .10(180 -1997 1591998 1751999 1902000 NA

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-26

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 168 175.00 + .10(180 - 175.00)1997 1591998 1751999 1902000 NA

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-27

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α= .10)1995 180 175.00 (Given)1996 168 175.00 + .10(180 - 175.00) = 175.501997 1591998 1751999 1902000 NA

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-28

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1994 168 175.00 + .10(180 - 175.00) = 175.501995 159 175.50 + .10(168 - 175.50) = 174.751996 1751997 1901998 NA

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-29

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 168 175.00 + .10(180 - 175.00) = 175.501997 159 175.50 + .10(168 - 175.50) = 174.751998 1751999 1902000 NA

174.75 + .10(159 - 174.75)= 173.18

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-30

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 168 175.00 + .10(180 - 175.00) = 175.501997 159 175.50 + .10(168 - 175.50) = 174.751998 175 174.75 + .10(159 - 174.75) = 173.181999 190 173.18 + .10(175 - 173.18) = 173.362000 NA

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-31

Ft = Ft-1 + ·(At-1 - Ft-1) Time Actual Forecast, Ft

(α = .10)1995 180 175.00 (Given)1996 168 175.00 + .10(180 - 175.00) = 175.501997 159 175.50 + .10(168 - 175.50) = 174.751998 175 174.75 + .10(159 - 174.75) = 173.181999 190 173.18 + .10(175 - 173.18) = 173.362000 NA 173.36 + .10(190 - 173.36) = 175.02

EXPONENTIAL SMOOTHING SOLUTION

© 2001 by Prentice Hall, Inc., Upper Saddle River, N.J. 074584-32

Year

Sales

140150160170180190

93 94 95 96 97 98

Actual

Forecast

EXPONENTIAL SMOOTHING GRAPH

Semoga menjadi peramal yang sukses