PERAMALAN (FORECASTING) (ppt)

 DOWNLOADF

PERAMALAN (FORECASTING)

Tanggung jawab marketing

Sangat penting

Dalam perencanaan &
    pengawasan produksi

Mempengaruhi efisiensi produksi



Sumber  dalam pengambilan keputusan

  Pemilihan proses
    Perencanaan kapasitas
  Layout fasilitas
  Penjadwalan
  Persediaan
  SDM
  Investasi

METODE FORECASTING

Top-down forecasting

Bottom-up forecasting

Ekstrapolasi matematikal dan statistikal pengalaman masa lalu ke waktu mendatang







TOP-DOWN FORECASTING

Dipengaruhi oleh para ekonom dari pemerintah, perusahaan besar maupun perguruan tinggi yang membuat peramalan kondisi bisnis umum

Informasi detil dapat dengan membeli dari organisasi peramal ekonometrik

Dilanjutkan dengan :

 Menerjemahkan peramalan umum ke peramalan
     bisnis industrinya
 Memperkirakan market share perusahaan
 Peramalan penjualan bulanan
TOP-DOWN FORECASTING

Peramal menggunakan Metode Peramalan Ekstrinsik:
   
    yang biasa digunakan untuk peramalan kelompok-kelompok produk

    yang berasumsi adanya hubungan antara penjualan dengan faktor eksternal baik di masa lalu maupun di waktu mendatang

Metode statistik yang digunakan :
 Analisis regresi
 Analisis korelasi

BOTTOM-UP FORECASTING

Dimulai dengan perkiraan permintaan produk individual, misal:
        Berapa produk padat dijual tahun depan?
        Berapa jam pelayanan yang dibutuhkan?

Estimasi dari:
            Salesman
Distributor
Pelanggan
Pola-pola penjualan masa lalu

 Kombinasi perkiraan dari berbagai produk individual akan
      membentuk Peramalan Total (Agregat)

Dalam realitas, digunakan kombinasi :
    BOTTOM-UP dan TOP-DOWN
    plus PENDAPAT DEWAN EKSEKUTIF   
METODE FORECASTING
MASALAH

Akurasi

PEMECAHAN

Sistem perencanaan & pengawasan produksi harus mampu melakukan umpan balik dan tindakan koreksi secara cepat

PROSES PERAMALAN
    DEFINISI PERAMALAN

    Suatu usaha untuk memperkirakan keadaan di masa datang melalui keadaan di masa lalu

    Memerlukan kebijakan dan proyeksi
   
   
PROSES PERAMALAN
PROSES PERAMALAN
MANAJEMEN SISTEM INFORMASI

Data internal & eksternal harus akurat

PENETAPAN TUJUAN

Variabel apa yang akan diestimasi
Siapa pengguna hasil ramalan

Akan digunakan untuk apa
Estimasi jangka pendek dan panjang yang diinginkan

Akurasi yang diinginkan
Kapan estimasi dibutuhkan

Segmentasi peramalan yang diinginkan:
Kelompok pembeli
Kelompok produk atau
Daerah geografis
TEKNIK PERAMALAN
Banyak teknik telah dikembangkan
    misal:

TEKNIK KUALITATIF

ANALISIS RUNTUN WAKTU
    (TIME SERIES)

SMOOTHING CONSTANT

ANALISIS REGRESI & KORELASI
TEKNIK KUALITATIF

Bersifat subyektif (judgemental), berdasarkan pada estimasi & pendapat.

Sumber pendapat :
Para eksekutif    pengalaman
Salesman        hubungan dengan pelanggan
Pelanggan        surat, telefon, survei, wawancara
Spesialis/ahli        dokter, apoteker
TEKNIK KUALITATIF

Metode DELPHI
Sistematis
Pendapat kelompok ahli
Ada moderator
Tidak ada tekanan kelompok / dominasi individu

Riset pasar
Terutama bila kurang data historik & data kurang dapat dipercaya
Kendala: Mahal, lama dan kurang kekuatan prediktif

Analogi historik
Pengalaman produk sejenis

Konsensus panel
Menekankan hasil diskusi kelompok drpd hasil perorangan

RISET PASAR
ANALISIS RUNTUN WAKTU

Komponen analisis:
Tren (T)
Musiman / seasional (S)
Siklus / cyclical (C)
Residu / erratic (E)  tidak signifikan

Tren
Naik, datar atau turun
Analisis tren:     Freehand, Least squares,             Moving     averages
Musiman / seasional
Mempertinggi akurasi peramalan
Menghitung Indeks Musim
Siklus
Paling sulit
Akibat perang, situasi politik, siklus bisnis atau tekanan sosial

ANALISIS RUNTUN WAKTU
Freehand

Garis tren dibuat secara bebas
Non matematis (digambar dari titik-titik data)
Subyektifitas tinggi
Jarang dipakai

Least square (Kuadrat terkecil)

Paling banyak dipakai
Line of best fit
ANALISIS RUNTUN WAKTU
Moving Average (Rata-rata Bergerak)

Tidak punya persamaan matematis
Metode lain: rata-rata bergerak tertimbang (pembobotan)


ANALISIS RUNTUN WAKTU
Indeks Musim
Hanya memasukkan komponen tren & musiman
Tidak memperhitungkan pengaruh siklikal

ANALISIS RUNTUN WAKTU
SCATTER DIAGRAM & TREND
SMOOTHING CONSTANT
    Forecast baru =
            (1-a) x Forecast lama + a x Permintaan baru

a = Smoothing constant = 0 -1 

Hubungan a dengan waktu:

Waktu (Bulan)         a
3                0,5
4                0,4
5                0,33
7                0,25
9                0,2
19            0,1
39            0,05
199            0,01
           
PENGUKURAN KESALAHAN FORECAST
      MEAN ABSOLUTE DEVIATION (MAD)

        MAD =     S l Nilai sales – Forecast I
                        N
    Contoh:    Forecast mingguan 1500 kotak,                     realisasi sbb:

    Waktu (Mingu ke-)  Sales (Kotak)  Simpangan       Nilai mutlak
            1    1200        -300        300
            2    1500        0        0
            3    1900        400        400
            4    1700        200        200
            5    1600        100        100
                                1000
            MAD = 1000 : 5 = 200 kotak