Академический Документы
Профессиональный Документы
Культура Документы
Disusun oleh: Elfa Chilyatul Maziah Najua Widayani Novita Ratna Pratiwi Shafira Yuliana Gunadi (141120161) (141120175) (141120177) (141120190)
PROGRAM STUDI MANAJEMEN FAKULTAS EKONOMI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA 2014
March 19, 2014
PERAMALAN
Peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Peramalan memerlukan pengambilan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematis. Sebagian kecil perusahaan bisa menghindari proses peramalan dengan hanya menunggu untuk melihat apa yang terjadi dan kemudian memanfaatkan peluang. Perencanaan yang efektif tergantung pada peramalan permintaan terhadap produk-produk perusahaan.
Produk dan jasa dalam 2 tahap pertama dari daur hidupnya membutuhkan ramalan yang lebih panjang dibandingkan produk dan jasa didalam tahap dewasa dan penurunan. Ramalan berguna dalam memproyeksikan tingkat penetapan staf yang berbeda, tingkat persediaan, dan kapasitas pabrik ketika produk bergerak dari tahap pertama ke tahap akhir.
JENIS-JENIS PERAMALAN
1. Ramalan ekonomi : membahaas siklus bisnis dengan mempredikasi tingkat inflasi, supply uang permulaan perumahan, dan indicator-indikator perencanaan lain. 2. Ramalan teknologi : berkaitan dengan tingkat kemajuan teknologi, yang akan melahirkan produk-produk baru yang mengesankan, membutuhkan pabrik, dan peralatan baru. 3. Ramalan permintaan : proyeksi permintaan untuk produk atau jasa perusahaan. Ramlan ini disebut juga ramalan penjualan mengarahkan produksi, kapasitas, dan system penjadwalan perusahaan, dan bertindak sebagai masukan untuk perencanaan keuangan, pemasaran, operasi, dan personalia
PENDEKATAN PERAMALAN
1. Peramalan kuantitatif Ada 4 metode peramalan kuantitatif, yaitu : 1. Rata-rata bergerak (moving averages) 2. Penghalusan eksponensial (exponential smoothing) 3. Proyeksi trend ( trend projection) 4. Regresi linear (linear regression)
2. Metode kualitatif Ada 5 teknik peramalan kualitatif yang berbeda : 1. Juri dari opini eksekutif. Metode ini mengambil opini dari sekelompok kecil manajer tingkat tinggi, seringkali dikombinasikan dengan model-model statistic dan menghasilkan estimasi permintaan kelompok. 2. Gabungan armada penjualan. Setiap wiraniaga mengestimasi jumlah diwilayahnya, ramalan ini kemudian dikaji ulang untuk meyakinkan kenyataannya, lalu dikombinasikan pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh. 3. Metode Delphi. Ada 3 partisipan dalam proses ini : pengambil keputusan, personel staf, dan responden. Pengambil keputusan biasanya terdiri dari sebuah kelompok beranggotakan 5-10 ahli yang akan membuat ramalan actual. Personel staf, membantu pengambilan keputusan dengan menyiapkan, mendistribusikan, mengumpulkan, dan meringkas serangkaian kuesioner dan hasil survey. Responden adalah kelompok orang yang biasanya dinilai dan diperhatikan. 4. Survey pasar konsumen. Metode ini membantu tidak hanya dalam menyiapkan ramalan tetapi juga dalam memperbaiki desain produk baru. 5. Pendekatan naif. Cara sederhana untuk peramalan ini mengasumsaikan bahwa permintaan dalam periode berikutnya adalah sama dengan permintaan dalam periode sebelumnya.
Delapan tahap untuk sistem peramalan: 1. 2. 3. 4. 5. 6. 7. 8. Menentukan penggunaan peramalan itu Memilih hal-hal yang akan diramalkan Menentukan horizon waktunya Memilih model peramalannya Mengumpulkan data yang dibutuhkan untuk membuat ramalan Menentukan model peramalan yang tepat Membuat ramalan Menerapkan hasilnya
Rata-Rata Bergerak Rata-rata bergerak (moving averages) ini bermanfaat jika kita mengasumsikan bahwa permintaan pasar tetap stabil sepanjang waktu. Secara sistematis, rata-rata bergerak sederhana (yang menjadi estimasi dari permintaan periode berikutnya), ditunjukkan sebagai : =
Dimana n adalah jumlah periode dalam rata-rata bergerak misalnya, empat, lima, atau enam bulan secara berurutan, untuk rata-rata bergerak empat, lima, atau enam periode.
Rata-Rata Bergerak Tertimbang Pilihan timbangan adalah bersifat arbirter karena tidak ada rumus untuk menentukannya. Jika bulan atau periode terakhir ditimbang terlalu berat, ramalan bias mencerminkan perubahan dalam permintaan yang tidak biasa atau pola penjualan yang terlalu cepat. Rata-rata bergerak tertimbang ditunjukkan secara matematis dengan : = ( )( )
Penghalusan Eksponensial Penghasilan eksponensial (exponential smoothing) adalah metode peramalan yang mudah digunakan dan efisisen bila dilakukan dengan computer. Meskipun merupakan teknik rata-rata bergerak, penghalusan eksponensial menckup pemeliharaan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar adalah sebagai berikut : = + ( ) Dimana adalah timbangannya, atau konstanta penghalusan, yang nilainya antara 0 sampai 1.
Penghalusan Eksponensial dengan Trend Penghalusan Eksponensial sederhana sering disebut sebagai penghalusan tingkat pertama, dan penghalusan yang di sesuaikan trend disebut penghalusan tingkat ke dua, atau berganda. Untuk menghaluskan koreksi trend, bisa di hitung ramalan penghalusan eksponensial sederhana dan kemudian disesuaikan untuk kelambatan positif atau negative.
Proyeksi Trend Teknik ini mencocokkan garis trend kerangkaian titik data historis dan kemudian memproyeksikan garis itu ke dalam ramalan jangka menengah hingga jangka panjang. Jika kita memutuskan untuk mengembangkan garis trend linear dengan metode statistic yang tepat, maka kita dapat memakai metode kuadrat terkecil.
lainnya di sebut variable bebas. Model peramalan kausal kuantitatif yang paling umum adalah analisis regresi linear.
Menggunakan Analisis Regresi Linear untuk Meramal Regresi biasanya digunakan sebagai alat dalam kasus ekonomi dan hukum : regresi adalah teknin pilihan dalam kasus diskriminasi ras, usia, dan jenis kelamin. = + Dimana = nilai variable tidak bebas = pemotongan sumbu y = kelandaian garis regresi x = variable bebas
Kesalahan Standar Estimasi Estimasi titik sesungguhnya adalah rata-rata hitung, atau nilai yang diharapkan dari distribusi nilai penjualan yang mungkin. Untuk mengukur keakuratan estimasi regresi kita perlu menghitung kesalahan standar estimasi . Kesalahan standar ini disebut deviasi standar regresi dengan persamaan , = Dimana Y Yc n = nilai-y untuk setiap titik data = nilai yang dihitung dari variable terikat = jumlah titik data
()2 2
Koefisien Korelasi untuk Garis Regresi Persamaan regresi adalah cara untuk menunjukkan sifat hubungan antara 2 variabel. Persamaan itu menunjukkan bagaimana 1 variabel berkaitan dengan nilai dan perubahan didalam variable lain. Cara lain untuk mengevaluasi hubungan antara 2 variabel adalah menghitung koefisien korelasi. Ukuran ini menunjukkan derajat hubungan linear. Biasanya dikenal dengan r, koefisien korelasi nilainya terletak antara +1 dan -1. Persamaan untuk r adalah
March 19, 2014
( 2 ( )2 )( 2 ( )2 ))
Meskipun koefisien korelasi adalah ukuran yang paling umum digunakan untuk menjelaskan hubungan anataa dua variable, ada pula ukuran lain. Ukuran itu disebut koefisien determinasi. Inilah kuadrat koefisien korelasi, r2. Nilai r2 akan selalu berupa angka positif dalam rentang 0<r2<1. Koefisien determinasi adalah persentase variasi dalam variable tidak bebas (y) yang dijelaskan oleh persamaan regresi.
Analisis Regresi Berganda Regresi bertingkat memungkinkan kita membentuk model dengan beberapa variable bebas. Persamaan : = + 1 1 + 2 2 Dimana, = variable tidak bebas = perpotongan y 1 2 = kelandaian garis regresi 1 2 = nilai dua variable bebas
( )
Dimana, =
Isyarat arah positif menunjukkan bahwa permintaan lebih besar dari ramalan. Tanda negative berarti bahwa RSSE rendah, mempunyai bias positif sebanyak bias negtifnya. Dengan kata lain, bias yang kecil tidak masalah, tetapi bias positif dan negative seharusnya saling menyeimbangkan sehingga tanda penelusuran berada disekeliling bias nol.