1 / 24

Peramalan . Manajemen Produksi #3

Peramalan . Manajemen Produksi #3. Desi Harsanti Pinuji. Peramalan adalah seni dan ilmu untuk memprediksi kejadian di masa depan Bisa dilakukan dengan cara : Melibatkan data masa lalu dan menempatkannya ke masa yang akan datang dengan model matematis Prediksi intuitif yang bersifat subyektif

magar
Download Presentation

Peramalan . Manajemen Produksi #3

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.Manajemen Produksi #3 Desi Harsanti Pinuji

  2. Peramalan adalah seni dan ilmu untuk memprediksi kejadian di masa depan • Bisa dilakukan dengan cara : • Melibatkan data masa lalu dan menempatkannya ke masa yang akan datang dengan model matematis • Prediksi intuitif yang bersifat subyektif • Kombinasi keduanya pengertian

  3. Meramal Horizon Waktu

  4. Siklus Hidup Produk

  5. Jenis Peramalan

  6. 7 Langkah Sistem Peramalan

  7. Pendekatan dalam Peramalan

  8. Keputusan dari Pendapat Juri  Pendapat sekumpulan kecil manajer atau pakar, sering dikombinasikan dengan data statistik • Metode Delphi • Menggunakan proses kelompok di mana pakar melakukan peramalan • 3 jenis peserta : pengambil keputusan, karyawan dan responden • Gabungan dari Tenaga Penjualan  Setiap tenaga penjualan memperkirakan berapa penjualan yang bisa dilakukan di wilayahnya • Survei Pasar Konsumen  Meminta input dari konsumen mengenai rencana pembelian mereka di masa depan Tinjauan Metode Kualitatif

  9. Tinjauan Metode Kuantitatif

  10. merupakan teknik peramalan yang menggunakan sekumpulan data masa lalu untuk melakukan peramalan • Didasarkan pada waktu yang berurutan atau berjarak sama (co : mingguan, bulanan, kuartalan) • Nilai masa depan diperkirakan hanya dari nilai masa lalu dan variabel lain diabaikan Peramalan Time Series

  11. Tren : pergerakan data sedikit demi sedikit meningkat atau menurun • Musim : pola data yang berulang pada kurun waktu tertentu seperti hari, minggu, bulan, kuartal • Siklus : pola dalam data yang terjadi setiap beberapa tahun • Variasi Acak : satu titik khusus dalam data, yang disebabkan oleh peluang dan situasi yang tidak biasa 4 Komponen Time Series

  12. Teknik peramalan yang mengasumsikan permintaan di periode mendatang sama dengan permintaan terkini • Merupakan model paling efektif dan efisien dari segi biaya Pendekatan Naif (Naive Approach)

  13. Menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan • Berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang waktu yang kita ramalkan • Rata-rata bergerak = ∑ permintaan n bulan sebelum n • Rata-rata bergerak dengan pembobotan = ∑ (bobot pada periode n) permintaan pada periode n ∑ bobot Rata-rata Bergerak(Moving Average)

  14. Latihan ya...

  15. merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, namun masih mudah digunakan • Menggunakan sangat sedikit pencatatan data masa lalu • Ft = F t-1+ α ( A t-1 – F t-1) Ft = peramalan baru Ft-1 = peramalan sebelumnya Α = konstanta penghalus (0 ≤ α≤ 1) At-1 = permintaan aktual periode lalu Penghalusan Eksponensial (Exponential Smoothing)

  16. Pada bulan Januari, sebuah dealer mobil memprediksi permintaan Nissan Livina di bulan Februari sebanyak 142 mobil. Permintaan aktual bulan Februri adalah 153 mobil. Dengan menggunakan konstanta penghalusan yang dipilih oleh pihak manajemen, α = 0,20. Kita dapat meramalkan permintaan di bulan Maret dengan menggunakan model penghalusan eksponensial. Hitunglah peramalan permintaan untuk bulan Maret! Latihan lagi nyok..

  17. metode yang menyesuaikan sebuah garis tren pada sekumpulan data masa lalu dan kemudian diproyeksikan dalam garis untuk meramalkan masa depan • y = a + bx y = nilai terhitung dari variabel yang akan diprediksi (variabel terikat) a = persilangan sumbu y b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di y) x = variabel bebas Proyeksi Tren (Trend Projection)

  18. Permintaan daya listrik pada PT Maju Mundur Tetap Oke selama periode 2004 hingga 2010 ditunjukkan pada tabel di bawah ini. Terus latihan...

  19. Biasanya mempertimbangkan beberapa variabel yang berhubungan dengan kuantitas yang diprediksi • ŷ = a + bx Ŷ = nilai variabel terikat a = perpotongan sumbu y b = kemiringan garis regresi x = variabel bebas METODE PERAMALAN ASOSIATIF

  20. Sebuah distro kaos berhasil membuka beberapa toko di beberapa kota. Seiring waktu, perusahaan mendapati bahwa penjualan toko biaya pekerjaan pembukaan toko bergantung pada tingkat penghasilan (upah) penduduk di daerah tersebut. Berikut adalah data penjualan Ya ampyun... Latihan lagi...

  21. Caranya?

  22. Suatu ukuran yang menunjukkan kekuatan hubungan antara dua variabel • r = n ∑ xy - ∑x ∑y [n∑x² - (∑ x)²][n∑y²- (∑y)²] Koefisien Determinasi = suatu ukuran jumlah variasi dalam variabel terikat terhadap rata-ratanya yang dijelaskan oleh persamaan regresi Koefisien Korelasi dan Determinasi

  23. Metode peramalan sebab akibat dengan lebih dari 1 variabel bebas • ŷ = a + b1x1 + b1x1 Ŷ = nilai variabel terikat a = perpotongan sumbu y b = kemiringan garis regresi x = variabel bebas Analisis Regresi Berganda

More Related