1 / 52

Peramalan & Pengelolaan Demand

Peramalan & Pengelolaan Demand. Perencanaan dan Pengendalian Produksi. Peramalan. Peramalan: Estimasi nilai atau karakteristik masa depan prediksi (prediction) peramalan (forecast) kecenderungan (trend). Demand. Faktor yang mempengaruhi demand Variasi random Rencana konsumen

ave
Download Presentation

Peramalan & Pengelolaan Demand

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Peramalan & Pengelolaan Demand Perencanaan dan Pengendalian Produksi

  2. Peramalan • Peramalan: Estimasi nilai atau karakteristik masa depan • prediksi (prediction) • peramalan (forecast) • kecenderungan (trend)

  3. Demand • Faktor yang mempengaruhi demand • Variasi random • Rencana konsumen • Daur hidup produk • Pesaing • Perilaku/sikap konsumen • Waktu • Siklus bisnis • Iklan • Sales effort • Reputasi • Desain produk • Kebijaksanaan kredit • Kualitas

  4. Sistem Peramalan (1)

  5. Sistem Peramalan (2)

  6. Konsiderasi (1) • Ongkos dan manfaat • Ongkos • Ongkos pengembangan metoda • Ongkos kegiatan peramalan • Ongkos akibat kesalahan ramal • Manfaat • Mengerti hubungan antara permintaan dan faktor lain • Kondisi dunia nyata  Sistem pengendalian produksi • "Untuk tujuan apa suatu ramalan dibuat akan menentukan pendekatan yang diambil"

  7. Konsiderasi (2) • Ketelitian • Suatu ukuran seberapa tepat ramalan dari kondisi aktual • Sederhana dalam perhitungan • ketelitian tinggi vs sederhana dalam perhitungan • Kemampuan menyesuaikan terhadap perubahan • Lead time, perioda, horizon

  8. Taksonomi Peramalan

  9. Karakteristik peramalan Karakteristik ketersediaan informasi Informasi kuantitatif cukup tersedia Informasi kuantitatif kurang atau tidak tersedia, tetap pengetahuan kualitatif cukup tersedia Informasi kurang atau tidak tersedia Metode deret waktu Metode kausal Metode exploratori Metode normatif Peramalan kontinu berdasarkan pola atau hubungan tertentu Memprediksi pertumbuhan penjualan atau GNP Mempelajari pengaruh harga dan promosi terhadap penjualan Memprediksi kecepatan transportasi pada tahun 2010 Memprediksi perkembangan otomotif pada tahun 2010 Memprediksi pengaruh perkembangan teknologi luar angkasa Peramalan perubahan yang akan terjadi Memprediksi resesi berikutnya Mempelajari pengaruh pengendalian harga dan pembatasan iklan TV terhadap penjualan Memprediksi pengaruh kenaikan harga minyak terhadap konsumsi minyak Memprediksi embargo minyak yang diikuti oleh perang Arab- Israel Penemuan sumber energi baru yang murah dan tidak menimbulkan polusi

  10. Taksonomi Peramalan (2) • Penggunaan Model Kualitatif: • Tidak memerlukan data kuantitatif • Unsur subyektifitas peramalan sangat besar pengaruhnya dalam hasil peramalan • Baik untuk peramalan jangka panjang • Contoh: • Opini individu • Opini kelompok • Delphi

  11. Taksonomi Peramalan (3) • Penggunaan model kuantitatif membutuhkan: • Data kondisi masa lalu • Data tersebut dapat dikuantifisir • Diasumsikan pola data masa lalu akan berlanjut pada masa yang akan datang • Data yang digunakan untuk keperluan perencanaan produksi: • Paling baik menggunakan data permintaan • Menggunakan data jumlah unit penjualan • Kalalu tidak dimiliki data penjualan gunakan data jumlah unit produksi

  12. Prosedur Peramalan • Plot data permintaan vs. waktu • Pilih beberapa metoda peramalan • Evaluasi kesalahan peramalan • Pilih metoda peramalan dengan kesalahan peramalan terkecil • Intepretasi hasil peramalan

  13. Pola Data

  14. Teknik Peramalan • Konstan • Regresi linier • Siklis

  15. Kriteria Performansi Peramalan • Mean Square Error (MSE) dimana: dt = data aktual pada periode t Dt‘ = nilai ramalan pada periode t n = banyaknya periode

  16. Kriteria Performansi Peramalan (2) • Standard error of estimate (SEE) dimana: f = derajat kebebasan • 1 : untuk data konstan • 2 : untuk data linier • 3 : untuk data kuadratis

  17. Kriteria Performansi Peramalan (3) • Persentase Kesalahan • Mean Absolute Percentage Error (MAPE)

  18. t 1 2 3 4 5 6 7 8 9 10 11 12 dt 140 159 136 157 173 181 177 188 154 179 180 160 Contoh • Dari data 12 bulan terakhir tercata penjualan produk X: • Gambar diagram Pencar:

  19. Metoda Konstan

  20. Metoda Konstan (2)

  21. Metoda Linier

  22. Metoda Linier (2)

  23. Metoda Kuadratis

  24. Metoda Kuadratis (2)

  25. Pemilihan Metoda Terbaik & Hasil Peramalan • Metode yang dipilih adalah metode peramalan linier • Dt' = 156 + t

  26. Metoda Peramalan Lainnya • Moving average method • Simple moving average • Exponential smoothing • Simple exponential smoothing • Winters model

  27. Verifikasi Peramalan • Dilakukan untuk memverifikasi apakah fungsi peramalan yang digunakan mewakili pola data yang ada. • Metoda verifikasi: moving range chart • Moving Range • Average moving range • Control limits

  28. Verifikasi Peramalan • Pengujian Out of control • Dari 3 titik yang berurutan, 2 titik atau lebih di Daerah A • Dari 5 titik yang berurutan, 4 titik atau lebih di Daerah B • Dari 8 titik yang berurutan seluruhnya berada atau di bawah center line • Satu titik di luar batas kontrol • Bila kondisi out-of-control terjadi, tindakan yang bisa diambil : • Perbaiki ramalan dengan mencakup data baru (sistem sebab baru) • Tunggu evidence selanjutnya

  29. Contoh Verifikasi (1) • Dt' = 156 + t

  30. Contoh Verifikasi (2)

  31. Tugas Kelompok • Buku: • Sipper D, R.L. Bulfin, Production planning, control and integration, McGraw-Hill, USA, 1997 • Bab: • Forcasting (Bab 4) • Soal: • 4.24, 4.29 dan 4.36 • Data demand/penjualan pada setiap soal di atas diubah menggunakan formula: Demand (baru) = demand (buku) * bulan + tanggal Dimana: Bulan = bulan kelahiran (mis: Juli = 7) Tanggal = tanggal kelahiran dari salah satu anggota kelompok • Kelompok: • Beranggotakan minimum 1 orang dan maksimum 3 orang

  32. FORECASTING Gila ajah • Tanya pada yang berkompeten (expert) • Cross cek dengan data penjualan masa lalu Perlu metoda bukan sekedar intuisi  Forecasting Penjualan september 1.200 unit Apa ?? 1.2000 ???

  33. JENIS METODA FORECASTING • JUDGMENT / QUALITATIVE METHODS • Opini dari tim expert yg kompeten • CAUSAL METHODS • Nilai satu variable terkait dengan satu variable sebab yang lain • TIME SERIES METHODS • Menggunakan data masa lalu untuk menentukan nilai yang akan datang

  34. DESAIN SISTEM FORECASTING

  35. KARAKTERISTIK PERMASALAH FORECASTING • KERANGKA WAKTU (TIME FRAME) • JANGKA PANJANG/ MENENGAH / PENDEK • TINGKAT KERINCIAN (LEVEL OF DETAIL) • LEVEL PRODUK FAMILI (AGGREGAT), INDIVIDUAL PRODUK, DLL • AKURASI YANG DIINGINKAN • PERKIRAAN PEYIMPANGAN HASIL PERAMALAN (%) • JUMLAH ITEM YANG DIRAMALKAN

  36. DATA SUMBER : • Arsip perusahaan • Data pemerintah (laporan Biro Pusat Statistik, Departemen, dll) • FAKTOR INTERNAL THD PENJUALAN • Kualitasm harga, delivery time, promosi, discount, dll • FAKTOR EKSTERNAL • Indikator perekonomian : GNP, Tingkat pertumbuhan ekonomi, tingkat inflasi, nilai tukar valuta asing, dll

  37. JENIS POLA DATA • Proses tetap (constant process)

  38. JENIS POLA DATA …. • Kecenderungan (Trend process)

  39. JENIS POLA DATA …. • Siklus (Seasonal Process)

  40. Pengembangan Model Peramalan • Formulasi dasar : Konstan : Liniear trend Seasonal : • Solve model : cari nilai parameter • Intepretasi dan implementasi

  41. Qualitative Forecasting • Market Survey • Expert Opinian and the Deplhi Technique

  42. CAUSAL FORECASTING • SIMPLE LINIEAR REGRESSION • MULTI LINEAR REGRESSION

  43. TIME SERIES FORCASTING • CONSTANT PROCESS : • Simple methods : b) Moving Average: c) Simple Exponential smooting: • TREND PROCESS: • Duble exponensial smoothing • SEASONAL PROCESS:

  44. CONTOH SOAL : MOVING AVERAGE DARI 3 BULAN TERAKHIR = 110 order utk bl November MOVING AVERAGE DARI 5 BULAN TERAKHIR = 91 order utk bl November

  45. THREE and FIVE – MONTH AVERAGE

  46. GRAFIK PERBANDINGAN ANTARA ACTUAL – 3-MONTH – 5-MOTH MOVING AVERAGE

  47. WEIGHTED MOVING AVERAGE Wi: BOBOT untuk periode I, antara 0 – 100 % : 1.0 CONTOH : JIKA PADA BULAN OKTOBER, SEPTEMBER DAN AGUSTUS DIBERI BOBOT MASING-MASING 50 %, 33 % DAN 17 %, BERAPA FORECAST UNTUK BULAN NOVEMBER ? JAWAB :

  48. EXPONENTIAL SMOOTHING KETERANGAN : Ft +1 : PERAMALAN UNTUK PERIODE BERIKUTNYA Dt : ACTUAL DEMAND PADA PERIODE SEKARANG Ft : PERAMALAN / FORECAST YANG TELAH DITETAPKAN SEBELUM NYA UNTUK PERIODE SWEKARANG α : A WEIGHTING FACTOR REFFERED TO AS THE SMOOTHING CONSTANT

  49. CONTOH :

  50. EXPONENTIAL SMOOTHING FORECASTS = 0.30 DAN  = 0.50

More Related