1 / 58

Studi Kelayakan Bisnis

Studi Kelayakan Bisnis. Aspek Pasar dan Pemasaran. ??. Apakah Peramalan Itu?. Seni dan ilmu untuk memprediksi kejadian dimasa datang Sebagai dasar untuk keputusan bisnis Produksi Persediaan Tenaga Kerja Fasilitas. Meramalkan Horison Waktu. Peramalan Jangka Pendek

zavad
Download Presentation

Studi Kelayakan Bisnis

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. Studi Kelayakan Bisnis Aspek Pasar dan Pemasaran

  2. ?? Apakah Peramalan Itu? • Seni dan ilmu untuk memprediksi kejadian dimasa datang • Sebagai dasar untuk keputusan bisnis • Produksi • Persediaan • Tenaga Kerja • Fasilitas Dinnul Alfian Akbar

  3. Meramalkan Horison Waktu • Peramalan Jangka Pendek • 1 tahun, umumnya kurang dari 3 bulan • Pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, tingkat produksi • Peramalan Jangka Menengah • 3 bulan hingga 3 tahun • Penjualan dan perencanaan produksi, anggaran • Peramalan Jangka Panjang • 3 tahun atau lebih • Perencanan produk baru, lokasi, penelitian dan pengembangan Dinnul Alfian Akbar

  4. Jenis-jenis Peramalan • Peramalan Ekonomi • Menjelaskan siklus bisnis – tingkat inflasi, ketersediaan uang. • Peramalan Teknologi • Memprediksi tingkat kemajuan teknologi • Dampak pengembangan produk baru • Peramalan Permintaan • Memprediksi penjualan produk yang ada Dinnul Alfian Akbar

  5. Tujuh Langkah Peramalan • Menetapkan tujuan peramalan • Memilih unsur apa yang akan diramal • Menentukan horison waktu yang akan diramal • Memilih tipe model peramalan • Mengumpulkan data • Membuat peramalan • Memvalidasi dan menerapkan hasil peramalan Dinnul Alfian Akbar

  6. Fakta! • Peramalan jarang ada yang sempurna • Kebanyakan teknik peramalan mengasumsikan bahwa sistem akan tetap stabil • Ramalan produk kelompok dan keseluruhan lebih akurat dibandingkan ramalan produk individual Dinnul Alfian Akbar

  7. Pendekatan Peramalan Metoda Kualitatif • Digunakan jika memiliki data yang sedikit • Produk baru • Teknologi baru • Meliputi intuisi, pengalaman Dinnul Alfian Akbar

  8. Pendekatan Peramalan Metoda Kuantitatif • Digunakan jika situasi stabil dan data historis • Produk yang sudah ada • Teknologi saat ini • Meliputi teknik matematis Dinnul Alfian Akbar

  9. Tinjauan Metoda Kualitatif • Keputusan juri eksekutif • Sedikit pendapat dari manajemen puncak, kadang-kadang menggunakan modal statistik • Metoda Delphi • Kelompok para ahli Dinnul Alfian Akbar

  10. Tinjauan Metoda Kualitatif • Gabungan dari tenaga penjualan • Perkiraan dari masing-masing penjual, kemudian dijumlahkan • Survei pasar konsuman • Bertanya pada pelanggan Dinnul Alfian Akbar

  11. Model Time-Series Model Associative Tinjauan Metoda Kuantitatitf • Pendekatan Naif • Rata-rata bergerak • Penghalusan eksponensial • Proyeksi tren • Regresi linier Dinnul Alfian Akbar

  12. Pendekatan Naif • Mengasumsikan permintaan perode mendatang adalah sama dengan permintaan sekarang • Contoh jika penjualan di bulan Mei 48, maka penjualan dibulan Juni juga akan 48 • Kadang-kadang efektif dan efisien dari segi biaya Dinnul Alfian Akbar

  13. Peramalan Time Series • Sekumpulan data yang berbentuk angka • Diperoleh berdasarkan periode waktu tertentu • Peramalan hanya berdasarkan nilai masa lalu • Mengasumsikan bahwa faktor masa lalu dan sekarang akan mempengaruhi nila masa datang Dinnul Alfian Akbar

  14. Trend Siklus Musim Acak Komponen Time Series Dinnul Alfian Akbar

  15. Rata-rata Bergerak • adalah rata-rata dari sejumlah data • Digunakan jika hanya sedikit atau malah tidak ada tren • Seringkali digunakan untuk penghalusan ∑ permintaan n periode sebelumnya n Rata-rata bergerak = Dinnul Alfian Akbar

  16. Penjualan Rata-rata Bergerak Bulan Aktual 3 bulanan January 10 February 12 March 13 April 16 May 19 June 23 July 26 10 12 13 (10 + 12 + 13)/3 = 11 2/3 Rata-rata Bergerak (12 + 13 + 16)/3 = 13 2/3 (13 + 16 + 19)/3 = 16 (16 + 19 + 23)/3 = 19 1/3 Dinnul Alfian Akbar

  17. Rata-rata bergerak tertimbang ∑(bobot periode n) x (permintaan periode n) ∑ bobot = Rata-rata Bergerak Tertimbang • Menggunakan nilai tren sekarang • Data masa lalu biasanya kurang berguna • Bobot berdasarkan pengalaman atau intuisi Dinnul Alfian Akbar

  18. Bobot diberikan Periode 3 bulan lalu 2 2 bulan lalu 1 3 bulan lalu 6 jumlah bobot total Penjualan rata-rata bergerak Bulan Aktuan 3 bulanan January 10 February 12 March 13 April 16 May 19 June 23 July 26 10 12 13 [(3 x 13) + (2 x 12) + (10)]/6 = 121/6 Rata-rata Bergerak Tertimbang [(3 x 16) + (2 x 13) + (12)]/6 = 141/3 [(3 x 19) + (2 x 16) + (13)]/6 = 17 [(3 x 23) + (2 x 19) + (16)]/6 = 201/2 Dinnul Alfian Akbar

  19. Penghalusan Eksponensial • Berbentuk rata-rata bergerak • Bobot diberi fungsi eksponensial • Memerlukan penghalusan konstan () • Range dari 0 to 1 • Meluputi sedikit data masa lalu Dinnul Alfian Akbar

  20. Penghalusan Eksponensial Peramalan Baru = peramalan periode lalu + a(permintaan aktual periode lalu – peramalan periode lalu) Ft = Ft – 1 +a(At – 1 - Ft – 1) Di mana Ft = peramalan baru Ft – 1 = peramalan sebelumnya a = konstanta penghalusan (bobot) (0  a  1) Dinnul Alfian Akbar

  21. Contoh Penghalusan Eksponensial Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Dinnul Alfian Akbar

  22. Contoh Penghalusan Eksponensial Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Peramalan Baru = 142 + 0.2(153 – 142) Dinnul Alfian Akbar

  23. Contoh Penghalusan Eksponensial Peramalan permintaan = 142 Ford Mustangs Permintaan sebenarnya = 153 Konstanta penghalusan a = 0.20 Peramalan Baru = 142 + 0.2(153 – 142) = 142 + 2.2 = 144.2 ≈ 144 mobil Dinnul Alfian Akbar

  24. Mean Absolute Deviation (MAD) MAD = ∑ |actual - peramalan| n Menghitung Kesalahan Peramalan Mean Squared Error (MSE) ∑(kesalahan peramalan)2 n MSE = Dinnul Alfian Akbar

  25. Mean Absolute Percent Error (MAPE) n i = 1 100 ∑ |actuali - peramalani|/actuali n MAPE = Menghitung Kesalahan Peramalan Dinnul Alfian Akbar

  26. Bongkar Ramalan Deviasi Ramalan Deviasie Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk untuk untuk Kuartal Aktuala = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 Perbandingan Kesalahan Peramalan Dinnul Alfian Akbar

  27. Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan for Kuartal Aktuala = 0.10 a = 0.10 a = 0.50 a = 0.50 ∑ |deviasi| n MAD = untuk a = 0.10 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 = 84/8 = 10.50 untuk a = 0.50 = 100/8 = 12.50 Perbandingan Kesalahan Peramalan Dinnul Alfian Akbar

  28. Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan untuk Kuartal Aktualda = 0.10 a = 0.10 a = 0.50 a = 0.50 untuk a = 0.10 = 1,558/8 = 194.75 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 MAD 10.50 12.50 untuk a = 0.50 = 1,612/8 = 201.50 Perbandingan Kesalahan Peramalan ∑(kesalahan peramalan)2 n MSE = Dinnul Alfian Akbar

  29. n i = 1 100 ∑ |deviasi|/aktuali n MAPE = Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan untuk Kuartal Aktuala = 0.10 a = 0.10 a = 0.50 a = 0.50 untuk a = 0.10 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 MAD 10.50 12.50 MSE 194.75 201.50 = 45.62/8 = 5.70% untuk a = 0.50 = 54.8/8 = 6.85% Perbandingan Kesalahan Peramalan Dinnul Alfian Akbar

  30. Bongkar Ramalan Deviasi Ramalan Deviasi Muat (dibulatkan) Absolut (dibulatkan) Absolut Tonase dengan untuk dengan untuk Kuartal Aktuala = 0.10 a = 0.10 a = 0.50 a = 0.50 1 180 175 5 175 5 2 168 176 8 178 10 3 159 175 16 173 14 4 175 173 2 166 9 5 190 173 17 170 20 6 205 175 30 180 25 7 180 178 2 193 13 8 182 178 4 186 4 84 100 MAD 10.50 12.50 MSE 194.75 201.50 MAPE 5.70% 6.85% Perbandingan Kesalahan Peramalan Dinnul Alfian Akbar

  31. Ramalan dengan (FITt) = tren Ramalan Tren penghalusan (Ft) + (Tt)Penghalusan Eksponensial Eksponensial Penghalusan Eksponensial dengan Penyesuaian Tren Jika terjadi tren, penghalusan eksponensial harus dimodifikasi Dinnul Alfian Akbar

  32. Penghalusan Eksponensial dengan Penyesuaian Tren Ft = a(At - 1) + (1 - a)(Ft - 1 + Tt - 1) Tt = b(Ft - Ft - 1) + (1 - b)Tt - 1 Langkah 1: Hitung Ft Langkah 2: Hitung Tt Langkah 3: Hitung ramalan FITt= Ft+ Tt Dinnul Alfian Akbar

  33. Peramalan Permintaan Peramalan Tren Memperhitungkan Bulan(t) Aktual (At) Dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Penghalusan Eksponensial dengan Penyesuaian Tren Dinnul Alfian Akbar

  34. Ramalan Permintaan Ramalan Tren Memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Penghalusan Eksponensial dengan Penyesuaian Tren Langkah 1: Ramalan untuk bulan 2 F2 = aA1 + (1 - a)(F1 + T1) F2 = (.2)(12) + (1 - .2)(11 + 2) = 2.4 + 10.4 = 12.8 unit Dinnul Alfian Akbar

  35. Ramalan Permintaan Ramalan tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 12.80 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Penghalusan Eksponensial dengan Penyesuaian Tren Langkah 2: Tren untuk Bulan 2 T2 = b(F2 - F1) + (1 - b)T1 T2 = (.4)(12.8 - 11) + (1 - .4)(2) = 0.72 + 1.2 = 1.92 unit Dinnul Alfian Akbar

  36. Ramalan Permintaan Ramalan Tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 12.80 1.92 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Penghalusan Eksponensial dengan Penyesuaian Tren Langkah 3: Hitung FIT untuk Bulan 2 FIT2 = F2 + T1 FIT2 = 12.8 + 1.92 = 14.72 unit Dinnul Alfian Akbar

  37. Ramalan Permintaan Ramalan Tren memperhitungkan Bulan(t) Aktual (At) dihaluskan, Ft Dihaluskan, Tt Tren, FITt 1 12 11 2 13.00 2 17 12.80 1.92 14.72 3 20 4 19 5 24 6 21 7 31 8 28 9 36 10 Penghalusan Eksponensial dengan Penyesuaian Tren 15.18 2.10 17.28 17.82 2.32 20.14 19.91 2.23 22.14 22.51 2.38 24.89 24.11 2.07 26.18 27.14 2.45 29.59 29.28 2.32 31.60 32.48 2.68 35.16 Dinnul Alfian Akbar

  38. ^ y = a + bx ^ dimana y = nilai terhitung dari variabel yang akan diprediksi (dependent variable) a = persilangan sumbu y b = kemiringan garis regresi x = independent variable Proyeksi Tren Tren linier dapat menggunakan teknik least squares Dinnul Alfian Akbar

  39. Sxy - nxy Sx2 - nx2 b = ^ y = a + bx a = y - bx Metoda Least Squares Persamaan untuk menghitung variabel regresi Dinnul Alfian Akbar

  40. Periode Permintaan Tahun waktu (x) Daya Listrik x2 xy 1999 1 74 1 74 2000 2 79 4 158 2001 3 80 9 240 2002 4 90 16 360 2003 5 105 25 525 2004 6 142 36 852 2005 7 122 49 854 ∑x = 28 ∑y = 692 ∑x2 = 140 ∑xy = 3,063 x = 4 y = 98.86 3,063 - (7)(4)(98.86) 140 - (7)(42) a = y - bx = 98.86 - 10.54(4) = 56.70 ∑xy - nxy ∑x2 - nx2 b = = = 10.54 Contoh Least Squares Dinnul Alfian Akbar

  41. Periode Permintaan Tahun Waktu (x) Daya Listrik x2 xy 1999 1 74 1 74 2000 2 79 4 158 2001 3 80 9 240 2002 4 90 16 360 2003 5 105 25 525 2004 6 142 36 852 2005 7 122 49 854 Sx = 28 Sy = 692 Sx2 = 140 Sxy = 3,063 x = 4 y = 98.86 Garis tren adalah ^ y = 56.70 + 10.54x 3,063 - (7)(4)(98.86) 140 - (7)(42) a = y - bx = 98.86 - 10.54(4) = 56.70 Sxy - nxy Sx2 - nx2 b = = = 10.54 Contoh Least Squares Dinnul Alfian Akbar

  42. Variasi Musiman Pada Data Pergerakan reguler meningkat atau menurun dalam satu kurun waktu tertentu terkait dengan kejadian yang berulang Temukan rata-rata permintaan historis untuk setiap musim Hitung rata-rata permintaan untuk semua bulan Hitung setiap indeks musiman setiap musim Estimasikan permintaan tahunan total untuk tahun depan Bagilan prediksi permintaan tahunan total dengan jumlah musim, kemudian kalikan dengan indeks musiman bulan tersebut. Dinnul Alfian Akbar

  43. Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2000-2002 Bulanan Musiman Jan 80 85 105 90 94 Feb 70 85 85 80 94 Mar 80 93 82 85 94 Apr 90 95 115 100 94 May 113 125 131 123 94 Jun 110 115 120 115 94 Jul 100 102 113 105 94 Aug 88 102 110 100 94 Sept 85 90 95 90 94 Oct 77 78 85 80 94 Nov 75 72 83 80 94 Dec 82 78 80 80 94 Contoh Indek Musiman Dinnul Alfian Akbar

  44. Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2003-2005 Bulanan Musiman Jan 80 85 105 90 94 Feb 70 85 85 80 94 Mar 80 93 82 85 94 Apr 90 95 115 100 94 May 113 125 131 123 94 Jun 110 115 120 115 94 Jul 100 102 113 105 94 Aug 88 102 110 100 94 Sept 85 90 95 90 94 Oct 77 78 85 80 94 Nov 75 72 83 80 94 Dec 82 78 80 80 94 Contoh Indek Musiman 0.957 Permintaan Bulanan Rata-rata 2000-2002 Permintaan Bulanan Rata-rata Indeks Musiman = = 90/94 = 0.957 Dinnul Alfian Akbar

  45. Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2000-2002 Bulanan Musiman Jan 80 85 105 90 94 0.957 Feb 70 85 85 80 94 0.851 Mar 80 93 82 85 94 0.904 Apr 90 95 115 100 94 1.064 May 113 125 131 123 94 1.309 Jun 110 115 120 115 94 1.223 Jul 100 102 113 105 94 1.117 Aug 88 102 110 100 94 1.064 Sept 85 90 95 90 94 0.957 Oct 77 78 85 80 94 0.851 Nov 75 72 83 80 94 0.851 Dec 82 78 80 80 94 0.851 Contoh Indek Musiman Dinnul Alfian Akbar

  46. Permintaan Rata-rata Rata-rata Indeks Bulan 2000 2001 2002 2000-2002 Bulanan Musiman Jan 80 85 105 90 94 0.957 Feb 70 85 85 80 94 0.851 Mar 80 93 82 85 94 0.904 Apr 90 95 115 100 94 1.064 May 113 125 131 123 94 1.309 Jun 110 115 120 115 94 1.223 Jul 100 102 113 105 94 1.117 Aug 88 102 110 100 94 1.064 Sept 85 90 95 90 94 0.957 Oct 77 78 85 80 94 0.851 Nov 75 72 83 80 94 0.851 Dec 82 78 80 80 94 0.851 Ramalan untuk 2006 1,200 12 1,200 12 Jan x .957 = 96 Feb x .851 = 85 Contoh Indek Musiman Permintaan tahunan yang diharapkan = 1,200 Dinnul Alfian Akbar

  47. Peramalan Asosiatif Digunakan jika terjadi perubahan pada 1 atay lebih variabel independe yang dapat dipakai untuk memprediksi perubahan pada variabel dependen Teknik umum yang digunakan adalah analisis regresi linier Dinnul Alfian Akbar

  48. ^ y = a + bx ^ dimana y = nilai terhitung dari variabel yang akan diprediksi (dependent variable) a = persilangan sumbu y b = kemiringan garis regresi x = independent variable Peramalan Asosiatif Hasil ramalan berdasarkan variabel prediktor dengan menggunakan teknik analisis least squares Dinnul Alfian Akbar

  49. Penjualan Upah Lokal ($000,000), y ($000,000,000), x 2.0 1 3.0 3 2.5 4 2.0 2 2.0 1 3.5 7 4.0 – 3.0 – 2.0 – 1.0 – Panjualan | | | | | | | 0 1 2 3 4 5 6 7 Upah Contoh Peramalan Asosiatif Dinnul Alfian Akbar

  50. Penjualan, y Upah, x x2 xy 2.0 1 1 2.0 3.0 3 9 9.0 2.5 4 16 10.0 2.0 2 4 4.0 2.0 1 1 2.0 3.5 7 49 24.5 ∑y = 15.0 ∑x = 18 ∑x2 = 80 ∑xy = 51.5 ∑xy - nxy ∑x2 - nx2 x = ∑x/6 = 18/6 = 3 b = = = 0.25 y = ∑y/6 = 15/6 = 2.5 a = y - bx = 2.5 - (.25)(3) = 1.75 51.5 - (6)(3)(2.5) 80 - (6)(32) Contoh Peramalan Asosiatif Dinnul Alfian Akbar

More Related