Manajemen Operasional
PERAMALAN (
Forecasting
)
Putri Irene Kanny
Sub Pokok bahasan pertemuan ke-3
☃
Prediksi dan Peramalan
☃
Jenis-jenis Metode Peramalan
☃
Metode deret berkala
☃
Metode peramalan kausal
☃
Metode prediktif
☃
Metode Delphi
☃
survey pasar
PERAMALAN
Salah satu keputusan penting dalam perusahaan yang dilakukan oleh
manajemen adalah menentukan tingkat produksi barang dan jasa untuk persipan masa datang
Penentuan tingkat produksi yang merupakan tingkat penawaran akan
dipengaruhi oleh jumlah permintaan pasar yg dapat dipenuhi oleh perusahaan
Tingkat penawaran yang lebih tinggi dari permintaan pasar dapat
mengakibatkan terjadinya pemborosan biaya (biaya penyimpanan, modal dan biaya kerusakan barang)
Tingkat penawaran yang lebih rendah dibandingkan pangsa pasar yang dapat diraih mengakibatkan hilangnya kesempatan untuk memperoleh keuntungan, bahkan kehilangan pelanggan karena beralih ke perusahaan pesaing
TUJUAN
PERAMALAN
Mengukur dan Memprediksi peristiwa masa depan
Membantu dalam mengurangi tingkat kesalahan dalam
pengambilan keputusan oleh manajemen
Mengkaji kebijakan
perusahaan atau evaluasi
ü Peramalan tidak saja dilakukan untuk menentukan jumlah produk yang perlu dibuat atau kapsitias jasa yang
disedikan, tetapi disemua bidang (pengadaan, personalia, penjualan dll)
ü Biasanya memerlukan kebiasaan selama jangka waktu tertentu
ü Peramalan dapat dilakukan secara Kuantitatif dan
kualitatif
ü Metode Kualitatif
Berdasarkan metode yang subjektif, pendapat (judgment) dari yg melakukan peramalan
ü Metode Kuantitatif
Dua hal pokok yang harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat
(Makridakis 1999)
malan yang
akurat
.
Pemilihan teknik
peramalan yang tepat yang akan memanfaatkan
informasi data yang diperoleh
l
Peramalan merupakan masukan untuk semua
jenis perencanaan dan pengendalian bisnis.
l
Pemasaran
menggunakan peramalan untuk
merencanakan produk, promosi dan harga.
l
Keuangan
menggunakan peramalan sebagai
masukan perencanaan keuangan.
• Peramalan berhubungan dengan apa yang kita
duga akan (will) terjadi di masa yang akan datang. • Perencanaan berhubungan dengan apa yang kita
Prakiraan
didefinisikan sebagai proses
peramalan suatu variabel (kejadian) di masa
datang dengan berdasarkan data variabel pada
masa sebelumnya (data masa lampau). Data ini
digunakan untuk memperkirakan perkiraan masa
datang
Prediksi
adalah proses peramalan suatu
variabel di masa datang dengan lebih
mendasarkan pada pertimbangan intuisi
daripada data masa lampau. Didukung oleh data
kuantitatif sebagai informasi dalam melakukan
Contoh
l Perusahaan ingin meramalkan beberapa
permintaan pasar atas produknya pada periode masa akan datang
l Perusahaan tsb dapat melakukan prakiraan
dengan meggunakan data penjualann periode
sebelumnya untuk taksiran permintaan pasar pada masa datang
l Namun jika perusahaan tsb ingin mengeluarkan
Syarat Peramalan yang baik
2. HARUS EFISIEN (MEMILIKI VARIAN YANG KECIL)
Syarat Peramalan lanjutan...
3. HARUS KONSISTEN (SEMAKIN BESAR n, SEMAKIN MENDEKATI KENYATAAN)
Me
an
Berdasarkan Jangka
Waktu
Berdasarkan rencana
Operasi
Berdasarkan
Peramalan berdasarkan jangka waktu
§ Peramalan jangka Panjang : yang mencakup waktu labih besar
dari 18 bulan. (pendekatan kualitatif)
§ Misal : Peramalan yang diperlukan dalam kaitan dengan
penanaman modal, perencanaan produk baru, perencanaan fasilitas lokasi, ekpasnsi, perencanaan kegaiatan litbang
(Penelitian dan Pengembangan/R&D),
§ Peramalan jangka Menengah : Mencakup waktu antara 3 sampai
18 bulan. (pendekatan kuantitatif)
§ Misal : perencanaan penjualan, perencanaan produksi,
perencanaan TK tidak tetap dan menganalisis rencana operasi
§ Peramalan jangka Pendek : jangka waktu kurang dari 3 bulan.
(pendekatan kuantitatif)
Peramalan berdasarkan Rencana Operasi
RAMALAN EKONOMI : membahas siklus bisnis
dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya,
RAMALAN TEKNOLOGI : berkaitan dengan
tingkat kemajuan teknologi dan produk baru
RAMALAN PERMINTAAN : berkaitan dengan
proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem
l
PERAMALAN KUANTITATIF
,
menggunakan berbagai model
matematis
atau metode statistik dan data historis dan
atau variabel-variabel kausal untuk
meramalkan permintaan.
l
PERAMALAN KUALITATIF
,
menggunakan
intuisi
, pengalaman pribadi dan
berdasarkan pendapat (
judment
) dari yang
melakukan peramalan.
A. Metode Seri Waktu / Deret berkala
(Time Series)
l metode yang dipergunakan untuk menganalisis
serangkaian data variabel waktu yang merupakan fungsi dari waktu.
l mis tahunan, bulanan, triwulan dsb
l Peramalan di dasarkan pada nilai variable yg telah lalu dan atau peramalan kesalahan masa lalu
1. Rata-rata bergerak (
moving
averages
)
2. Penghalusan eksponensial
(
exponential smoothing
)
3. Proyeksi trend (
trend
projection
)
1. Rata-rata bergerak (moving
averages-MA),
•
Menggunakan n nilai data terbaru dalam
suatu deret berkala untuk meramalkan
periode yang akan datang.
•
Rata-rata perubahan atau pergerakan
sebagai observasi baru.
•
Penghitungan rata-rata bergerak adalah
⎃Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil
⎃Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat
dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru
Model rata-rata bobot bergerak lebih responsif
terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata
Contoh Peramalan,
Contoh Rata-Rata Bergerak Tertimbang ( Periode Rata – Rata Bergerak : 3 periode )
Nilai produksi satu periode sebelumnya akan memiliki bobot yang lebih besar dari nilai produksi dua periode sebelumnya, dan nilai
2. Penghalusan eksponensial (exponential smoothing)
Penghalusan Eksponensial
:
Ø
Metode peramalan dengan menambahkan
parameter alpha dalam modelnya untuk
mengurangi faktor kerandoman.
Ø
Merupakan kasus khusus dari metode
rata-rata bergerak tertimbang dimana penimbang
dipilih hanya untuk observasi terbaru.
Ø
Istilah eksponensial dalam metode ini berasal
dari pembobotan/timbangan (faktor penghalusan
dari periode-periode sebelumnya yang
3. Proyeksi trend (
trend projection
)
Metode proyeksi trend dengan regresi,
merupakan metode yang digunakan baik
untuk jangka pendek maupun jangka
panjang. Metode ini merupakan garis
trend untuk persamaan matematis.
•Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik dan turun)
•Trend biasanya merupakan hasil perubahan dalam
1
B. Model / metode kausal
(causal / explanatory model)
l Mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau
beberapa variabel bebas (independent variable).
l Analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi
l Dalam prakteknya jenis metode peramalan ini terdiri dari
− Metode regresi dan kolerasi, merupakan metode yang
Pedoman untuk menerapkan metode kausal :
1.
Pada saat terdapat alasan-alasan yang
prioritas untuk menganggap bahwa satu
variabel adalah dipengaruhi oleh variabel yang
lain.
2.
Pada saat sebuah indikator utama dapat
teridentifikasikan.
3.
Horison waktu peramalan yang relevan.
4.
diasumsikan nilai produksi yang akan
A. Metode regresi dan kolerasi
✅merupakan metode yang digunakan baik untuk
jangka panjang maupun jangka pendek (lebih baik jangka pendek)
✅ didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statistik.
✅Mis: peramalan penjualan, perencanaan
keuntungan, peramalan permintaan & keadaan ekonomi.
✅Data yg digunakan kuartalan dari beberapa tahun lalu (informasi masa lalu)
Peramalan menggunakan metode regresi:
l Hal- hal yang perlu diketahui sebelum melakukan
peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :
1. Adanya informasi masa lalu
2. Informasi yang ada dapat dibuatkan dalam bentuk data
(dikuantifikasikan)
3. Diasumsikan bahwa pola data yang ada dari data masa lalu
akan berkelanjutan dimasa yang akan datang.
l Adapun data- data yang ada dilapangan adalah :
Pola Data Ramalan
1. Komponen Tren (Trend Component)
Merepresentasikan suatu perubahan dari waktu ke waktu
(cenderung naik atau turun). Tren biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi,
teknologi, dan atau Pola sebaran penyakit.
2. Komponen Siklis (Cyclical Component)
Merepresentasikan rangkaian titik-titik dengan pola siklis (pergerakan secara siklis/naik-turun) di atas atau di bawah garis tren dalam kurung waktu satu tahun.
3. Komponen Musim (Seasonal Component)
Merepresentasikan pola berulang dengan durasi
kurang dari 1 tahun dalam suatu deret berkala. Pola durasi dapat berupa jam atau waktu yang lebih
4. Komponen Tak Beraturan (Irregular Component)
Mengukur simpangan nilai deret berkala
sebenarnya dari yang diharapkan berdasarkan komponen lain. Hal tersebut disebabkan oleh
B. Model Input-Output
✅merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa
digunakan untuk menyusun trend ekonomi jangka panjang.
✅Model ini kurang baik ketepatannya untuk peramalana jangka panjang.
✅Mis: peramalan penjualan perusahaan,
penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub sektor industri.
✅Data yang dibutuhkan untuk penggunaan Metoda adalah data tahunan selama sekitar
C. Model ekonometri
✅
merupakan peramalan yang digunakan
untuk jangka panjang dan jangka pendek.
✅
Ketepatannya model ini sangat baik.
✅
Mis: peramalan penjualan menurut kelas
produk, atau peramalan keadaan ekonomi
masyarakat, seperti permintaan, harga dan
penawaran.
✅
Data yg digunakan data kuartalan
beberapa tahun
2. Metode Kualitatif
l
umumnya bersifat
subjektif
, dipengaruhi
oleh
intuisi, emosi, pendidikan
dan
pengalaman
seseorang.
l
Oleh karena itu hasil peramalan dari satu
orang dengan orang lain
dapat
berbeda.
Meskipun demikian, peramalan
kualitatif dapat menggunakan
1. Juri dari Opini Eksekutif
: metode ini
mengambil opini atau pendapat dari
sekelompok kecil manajer puncak/top manager
(pemasaran, produksi, teknik, keuangan dan
logistik), yang seringkali dikombinasikan
dengan model-model statistik.
2. Gabungan Tenaga Penjualan
: setiap
3.Metode Delphi
Ø
Pengambil keputusan, karyawan, dan
responder. Pengambil keputusan biasanya
terdiri dari 5 hingga 10 orang pakar yang akan
melakukan peramalan
Ø
Melibatkan banyak pihak, yaitu para staf, yang
membuat kuesioner, mengirim, merangkum
hasilnya untuk dipakai para ahli dalam
menganalisisnya.
Contoh Metode Delphi
l
Negara bagian Alaska menggunakan metode
Delphi untuk meramalkan ekonomi jangka
panjangnya. Sekitar 90% anggaran negara bagian
dihasilkan dari 1,5 juta barel minyak yang dipompa
setiap hari, melalui pipa minyak di Prudhoe Bay.
Sekumpulan besar pakar harus mewakili semua
kelompok dan pendapat dalam negara bagian dan
wilayah. Delphi merupakan alas peramalan yang
sempurna, karena perjalanan para panelis dapat
dihindari. Hal ini juga berarti bahwa Para
4. Survai Pasar (market survey)
:
☃
Masukan diperoleh dari konsumen atau
konsumen potensial terhadap rencana
pembelian pada periode yang diamati.
☃
Survai dapat dilakukan dengan kuesioner,
telepon, atau wawancara langsung.
☃
Riset pasar tidak hanya akan membantu
peramalan
, tetapi juga untuk meningkatkan
vBila peramalan sudah selesai, paling tidak JANGAN MELUPANKANNYA.
vSangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang
diproyeksikan.
vSalah satu cara untuk memantau peramalan guna
menjamin keefektifannya adalah menggunakan isyarat arah.
vIsyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik
3.Rata” Prosentase Kesalahan Absolut (Mape – Mean Absolute Percentage Error)
dimana :
ei : selisih hasil ramalan dengan data sebenarnya n : jumlah periode X1 : data sebenarnya
n = Periode pergerakan
4. Kesalahan rata-rata (AE= Average Error)
n
Peramalan Pada Sektor Jasa
Teknik utama pada sektor eceran adalah melihat permintaan dan membuat catatan jangka pendek yang teliti.
CONTOH tempat potong rambut pria
mengharapkan puncak bisnisnya pada hari jumat dan sabtu. karenanya hampri semua tempat
PROSEDUR PERAMALAN
1.Mendefinisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu
permintaan.
2.Membuat diagram pencar (Plot Data) Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).
3. Memilih model peramalan yang tepat Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut.
5. Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai
data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai
“kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)
lDimana : Y(t) = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada periode t t = Periode peramalan
lMaka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat
SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE –
Standard Error Estimated)
6. Memilih Metode Peramalan dengan
kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda
secara signifikan pada tingkat ketelitian
tertentu (Uji statistik F), maka pilihlah secara
sembarang metode-metode tersebut.
7. Melakukan Verifikasi
Untuk mengevaluasi apakah pola data
Terlepas dari sistem yang digunakan oleh perusahaan seperti
Tupperware, setiap perusahaan menghadapi beberapa kenyataan:
✏ Peramalan jarang ada yang sempurna. Hal ini berarti faktor luar yang tidak dapat kita duga atau kendalikan sering mempengaruhi peramalan. Perusahaan harus memberikan kelonggaran untuk kenyataan ini.
✏ Hampir semua teknik peramalan mengasumsikan bahwa
sistem akan tetap stabil. Oleh karena itu, beberapa perusahaan membuat ramalan secara otomatis menggunakan komputer
dengan software peramalan, dan hanya mengawasi produk yang mempunyai permintaan tidak menentu.
✏ Baik peramalan kelompok produk maupun peramalan secara keseluruhan lebih akurat daripada peramalan produk
individu. Sebagai contoh, Tupperware, melakukan peramalan
