Top Banner
MANAJEMEN OPERASI LANJUTAN “PERAMALAN” ELFA CHILYATUL MAZIAH (141120161) NAJUA WIDAYANI (141120175) NOVITA RATNA PRATIWI (141120177) SHAFIRA YULIANA GUNADI (141120190)
23

Mol - Peramalan Pp

Dec 29, 2015

Download

Documents

tugas presentasi manajemen operasi lanjutan tentang peramalan
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Mol - Peramalan Pp

MANAJEMEN OPERASI LANJUTAN“PERAMALAN”

ELFA CHILYATUL MAZIAH (141120161) NAJUA WIDAYANI (141120175) NOVITA RATNA PRATIWI (141120177) SHAFIRA YULIANA GUNADI (141120190)

Page 2: Mol - Peramalan Pp

seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Peramalanmemerlukan pengambilan data historis danmemproyeksikannya ke masa depan denganbeberapa bentuk model matematis

Page 3: Mol - Peramalan Pp

3 kategori yang bermanfaat bagi manajer operasi

Peramalan jangka pendek Peramalan jangka menengah Peramalan jangka panjang

Page 4: Mol - Peramalan Pp

1. Perkenalan

2. Pertumbuhan

3.Dewasa

4.Penurunan

produk sukses melalui 4 tahap

Page 5: Mol - Peramalan Pp

1. Ramalan Ekonomi2.Ramalan Teknologi3.Ramalan Permintaan

Page 6: Mol - Peramalan Pp

Ramalan produk berpengaruh terhadap 3 fungsi

1. Sumber Daya Manusia2. Kapasitas3. Manajemen Rantai - Supply

Page 7: Mol - Peramalan Pp

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)

Page 8: Mol - Peramalan Pp

2. Metode kualitatif

Ada 5 teknik peramalan kualitatif yang berbeda :

1. Pendapat dari Juri eksekutif.

2. Gabungan armada penjualan.

3. Metode Delphi. Ada 3 partisipan dalam proses ini : pengambil

keputusan, personel staf, dan responden.

4. Survey pasar konsumen.

5. Pendekatan naif.

Page 9: Mol - Peramalan Pp

8 tahap untuk sistem peramalan:

1. Menentukan penggunaan peramalan itu

2. Memilih hal-hal yang akan diramalkan

3. Menentukan horizon waktunya

4. Memilih model peramalannya

5. Mengumpulkan data yang dibutuhkan untuk membuat ramalan

6. Menentukan model peramalan yang tepat

7. Membuat ramalan

8. Menerapkan hasilnya

Page 10: Mol - Peramalan Pp

Dekomposisi Seri Waktu

Seri waktu biasanya memiliki empat komponen (pola permintaan):

1. Trend (T)

2. Musim (S)

3. Siklus (C)

4. Variasi acak (R)

Page 11: Mol - Peramalan Pp

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 :

𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑏𝑒𝑟𝑔𝑒𝑟𝑎𝑘 = 𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑑𝑎𝑡𝑎 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑠𝑒𝑏𝑒𝑙𝑢𝑚𝑛𝑦𝑎

𝑛

Dimana n adalah jumlah periode dalam rata-rata bergerak misalnya, empat, lima, atau enambulan secara berurutan, untuk rata-rata bergerak empat, lima, atau enam periode.

Page 12: Mol - Peramalan Pp

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 :

𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑏𝑒𝑟𝑔𝑒𝑟𝑎𝑘 = (𝑇𝑖𝑚𝑏𝑎𝑛𝑔𝑎𝑛 𝑢𝑛𝑡𝑢𝑘 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)(𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑝𝑒𝑟𝑖𝑜𝑑𝑒)

𝑇𝑖𝑚𝑏𝑎𝑛𝑔𝑎𝑛

Page 13: Mol - Peramalan Pp

metode peramalan yang mudahdigunakan dan efisisen bila dilakukandengan computer.

R𝑎𝑚𝑎𝑙𝑎𝑛 𝑏𝑎𝑟𝑢 = 𝑅𝑎𝑚𝑎𝑙𝑎𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑙𝑎𝑙𝑢 +

𝛼 𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑎𝑘𝑡𝑢𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑙𝑎𝑙𝑢 − 𝑟𝑎𝑚𝑎𝑙𝑎𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑙𝑎𝑙𝑢

Dimana 𝛼 adalah timbangannya, atau konstanta penghalusan, yang nilainya antara 0 sampai 1.

Page 14: Mol - Peramalan Pp

Kesalahan peramalan = Permintaan – Ramalan

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) :

𝑀𝐴𝐷 = (𝐾𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑝𝑒𝑟𝑎𝑚𝑎𝑙𝑎𝑛)

𝑛

Page 15: Mol - Peramalan Pp

cara lain mengukur kesalahan ramalan secara menyeluruh. MSE

adalah rata-rata perbedaan kuadrat antara nilai yang diramalkan

dan nilai yang diamati. Rumusnya adalah :

𝑀𝑆𝐸 = 𝐾𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑝𝑒𝑟𝑎𝑚𝑎𝑙𝑎𝑛2

𝑛

Page 16: Mol - Peramalan Pp

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.

Page 17: Mol - Peramalan Pp

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.

𝑦 = 𝑎 + 𝑏𝑥

Dimana 𝑦 = nilai variable tidak bebas

𝑎 = pemotongan sumbu y

𝑏 = kelandaian garis regresi

x = variable bebas

Page 18: Mol - Peramalan Pp

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 𝑆𝑦𝑥 . Kesalahan standar ini disebut deviasi

standar regresi dengan persamaan

𝑆𝑦,𝑥 = 𝛿(𝑦−𝑦𝑐)2

𝑛−2

Dimana

Y = nilai-y untuk setiap titik data

Yc = nilai yang dihitung dari variable terikat

n = jumlah titik data

Page 19: Mol - Peramalan Pp

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

𝑟 =𝑛 𝑥𝑦 − 𝑥 𝑦

(𝑛 𝑥2 − 𝑥 2)(𝑛 𝑦2 − ( 𝑦)2))

Meskipun koefisien korelasi adalah ukuran yang paling umum digunakan untuk menjelaskan hubungan anataa duavariable, 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 variasidalam variable tidak bebas (y) yang dijelaskan oleh persamaan regresi.

Page 20: Mol - Peramalan Pp

Analisis Regresi Berganda

Regresi bertingkat memungkinkan kita membentuk model dengan beberapa variable bebas.

Persamaan :

𝑦 = 𝑎 + 𝑏1𝑥1 + 𝑏2𝑥2

Dimana,

𝑦 = variable tidak bebas

𝑎 = perpotongan y

𝑏1𝑑𝑎𝑛 𝑏2 = kelandaian garis regresi

𝑥1𝑑𝑎𝑛 𝑥2 = nilai dua variable bebas

Page 21: Mol - Peramalan Pp

Isyarat arah dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan

deviasi absolut mean (MAD).

𝐼𝑠𝑦𝑎𝑟𝑎𝑡 𝑇𝑎𝑛𝑑𝑎 =𝑅𝑆𝐹𝐸

𝑀𝐴𝐷

= = (𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑎𝑘𝑡𝑢𝑎𝑙 𝑑𝑎𝑙𝑎𝑚 𝑝𝑒𝑟𝑖𝑜𝑑𝑒−𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑟𝑎𝑚𝑎𝑙𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑖)

𝑀𝐴𝐷

Dimana, 𝑀𝐴𝐷 = (𝐾𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑟𝑎𝑚𝑎𝑙𝑎𝑛)

𝑛

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.

Page 22: Mol - Peramalan Pp

Teknik utama disektor eceran adalah

menelusuri permintaan dengan menjaga

catatan jangka pendek yang baik.

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.

Page 23: Mol - Peramalan Pp

THANK YOU