MOL PERAMALAN KELOMPOK 3

MAKALAH MANAJEMEN OPERASI LANJUTAN PERAMALAN

Dosen Pengampu : Yekti Utami, DRA, M.Si

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

MOL PERAMALAN KELOMPOK 3

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.

MERAMALKAN HORIZON WAKTU

3 kategori yang bermanfaat bagi manajer operasi adalah : 1. Peramalan jangka pendek. Rentang waktunya mencapai satu tahun tetapi umumnya kurang dari 3 bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan, dan tingkat produksi. 2. Peramalan jangka menengah. Peramalan ini biasanya berjangka 3 bulan hingga 3 tahun yang sangat bermanfaat dalam perencanaan penjualan, perencanaan dan penganggaran produksi, penganggaran kas, dan menganalisis berbagai rencana operasi. 3. Peramalan jangka panjang. Rentang waktunya biasanya 3 tahun atau lebih dan digunakan dalam merencanakan produk baru, pengeluaran modal, lokasi fasislitas, ekspansi, dan penelitian dan pengambangan. Permalan jangka pendek biasanya menggunakan metodologi yang berbeda daripada peramalan yang lebih panjang waktunya dan cenderung lebih akurat daripada peramalan jangka panjang. Factor-faktor yang mempengaruhi permintaan berubah setiap hari sehingga ketika horizon waktu semakin panjang, keakuratan peramalan akan berkurang. Dengan demikian ramalan penjualan perlu diperbaharui secara teratur untuk mempertahankan nilainya.

PENGARUH DAUR HIDUP PRODUK

Sebagian besar produk sukses melalui 4 tahap : 1. 2. 3. 4. Perkenalan Pertumbuhan Dewasa Penurunan

March 19, 2014

MOL PERAMALAN KELOMPOK 3

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

URGENSI SRATEGIK PERAMALAN

Ramalan produk berpengaruh terhadap 3 fungsi : 1. Sumber daya manusia : Memperkerjakan, melatih, dan memberhentikan para pekerja tergantung pada permintaan produk yang diantisipasi. 2. Kapasitas : bila kapasitas tidak tepat, akan muncul masalah-masalah seperti yang tidak terjamin, kehilangan pelanggan, dan kehilangan pangsa pasar. 3. Manajemen rantai supply : hibingan dengan pemasok yang baik dan keunggulan kerja yang terjamin untuk bahan baku dan suku cadang tergantung pada ramalan yang akurat.

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)

March 19, 2014

MOL PERAMALAN KELOMPOK 3

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

March 19, 2014

MOL PERAMALAN KELOMPOK 3

PERAMALAN SERI WAKTU

Dekomposisi Seri Waktu Seri waktu biasanya memiliki empat komponen : 1. Trend (T) adalah gerakan keatas atau ke bawah secara berangsur-angsur dari data sepanjang waktu. 2. Musim (S) adalah pola data yang berulang setelah periode harian, mingguan, bulanan, atau kuartalan (kuartalan menjadi kaidah munculnya istilah musim, yaitu musim : gugur, dingin, semi, dan panas). 3. Siklus ( C ) adalah pola dalam data yang terjadi setiap beberapa tahun. Siklus biasanya dikaitkan dengan siklus bisnis dan merupakan hal yang sangat penting dalam analisis dan perencanaan bisnis jangka pendek. 4. Variasi acak (R) adalah tanda dalam data yang disebabkan oleh peluang dan situasi yang tidak biasa ; variable acak mengikuti pola yang tidak dapat dilihat. Variasi aca sering dihapus dengan menghilangkan periode waktu (seperti mingguan, bulanan) yang jelasjelas menyimpang, atau dengan menghilangkan nilai yang tinggi dan rendah ketika seri setidaknya mempunyai hitungan lusin.

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 : = ( )( )

March 19, 2014

MOL PERAMALAN KELOMPOK 3

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.

MEMILIH KONSTANTA PENGHALUSAN

Pendekatan dengan penghalusan eksponensial mudah digunakan, dan telah sukses diterapkan di -Ratabanyak organisasi akan tetapi, nilai constanta penghalusan yang tepat bisa menciptakan perbedaan antara ramalan yang akurat dan ramalan yang tidak akurat. Dalam mengambil sebuah nilai untuk konstanta penghalusan, tujuannya adalah untuk mencapai ramalan yang paling akurat. Keakuratan yang menyeluruh dari model peramalan bias ditentukan dengan membandingkan nilai-nilai yang diramalkan dengan nilai-nilai actual. Kesalahan peramalan didefinisikan dengan : Kesalahan peramalan = Permintaan Ramalan Sebuah ukuran untuk kesalahan peramalan menyeluruh untuk suatu model adalah deviasi absolut rata-rata hitung (mean absolute deviation, MAD). MAD dihitung dengan mengambil jumlah nilai absolut dari kesalahan peramaln individu dan membaginya dengan jumlah periode data (n) : = ( )

March 19, 2014

MOL PERAMALAN KELOMPOK 3

KESALAHAN KUADRAT RATA-RATA

Adalah cara lain mengukur kesalahan ramalan secara menyeluruh. MSE adalah rata-rata perbedaan kuadrat antara nilai yang diramalkan dan nilai yang diamati. Rumusnya adalah : 2 =

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.

VARIASI MUSIM DALAM DATA

Menganalisis data secara bulanan atau kuartalan biasanya memudahkan para ahli statistic untuk menetapkan pola musim. Indeks musim kemudian bisa di kembangkan oleh beberapa metode umum. Untuk mempermudah perhitungan trend bisa di hilangkan atau hanya dua periode digunakanuntuk setiap indeks bulanan.

METODE PERAMALAN KAUSAL : ANALISIS REGRESI

Biasanya mempertimbangkan beberapa variable yang dikaitkan pada variable yang sedang di prediksi. Pendekatan ini lebih kuat daripada metode seri waktu yang hanya menggunakan nilai historis untuk variable yang di ramalkan. Banyak factor bisa di pertimbangkan dalam analisis kausal. Sebagai contoh penjualan produk mungkin di kaitkan dengan anggaran iklan perusahaan, pembebanan harga,harga pesaing,dan strategi promosi atau bahkan tingkat ekonomi dan pengangguran. Dalam hal ini, penjualan akan disebut variable terikat dan variable
March 19, 2014

MOL PERAMALAN KELOMPOK 3

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

MOL PERAMALAN KELOMPOK 3

( 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

MEMANTAU DAN MENGENDALIKAN RAMALAN

Cara untuk memantau peramalan untuk menjamin keefektifannya adalah menggunakan isyarat arah. Isyarat arah adalah pengukuran tentang sejauh mana peramalan memprediksi nilai actual dengan baik. Isyarat arah dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD). = ==
( )

( )

Dimana, =

March 19, 2014

MOL PERAMALAN KELOMPOK 3

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.

PERAMALAN DISEKTOR JASA

Peramalan disektor jasa menunjukkan beberapa kendala yang tidak biasa. Teknik utama disektor eceran adalah menelusuri permintaan dengan menjaga catatan jangka pendek yang baik. Sebagai contoh, seorang tukang cukur pria perlu memperkirakan arus puncak kunjungan pada hari jumat dan sabtu. Tentu saja hal ini berdasarkan kenyataan bahwa sebagian besar tukang cukur akan tutup pada hari minggu dan senin dan akan banyak kunjungan ekstra pada hari jumat dan sabtu.

PERANAN KOMPUTER DALAM PERAMALAN

Di era computer ini perhitungan peramalan jarang dilakukan dengan tangan. Banyak program akademis dan program yang dikemas secara komersial telah tersedia untuk menangani proyeksi seri waktu dan kausal.

March 19, 2014