MANAJEMEN OPERASIONAL PERAMALAN Dr Hamdan M M Peramalan

MANAJEMEN OPERASIONAL PERAMALAN Dr. Hamdan, M. M

Peramalan (Forecasting) Sales will be $200 Million!

Peramalan adalah proses untuk memperkirakan jumlah permintaan (demand) produk dari konsumen di masa yang akan datang. Merupakan langkah awal dari proses perencanaan dan pengendalian produksi secara keseluruhan.

APAKAH PERAMALAN ITU ? ? ? l Peramalan adalah seni dan ilmu untuk memprediksi masa depan. l Peramalan adalah perhitungan yang objektif dengan menggunakan data-data masa lalu untuk menentukan kondisi dimasa mendatang. l Peramalan merupakan alat bantu dalam membuat perencanaan yang efektif dan efisien. l Peramalan dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu model matematis.

PENTINGNYA PERAMALAN Peramalan menjadi penting sebab situasi dan kondisi yang berkaitan dengan ekonomi dan kegiatan usaha dihadapkan pada : 1. Meningkatnya kompleksitas organisasi 2. Meningkatnya ukuran-ukuran keberhasilan organisasi 3. Perubahan lingkungan yang sangat cepat

KEGUNAAN PERAMALAN Membantu dalam pengambilan keputusan. Keputusan didasarkan atas pertimbangan apa yang terjadi pada waktu keputusan itu dilaksanakan. Apabila peramalan yang dibuat kurang tepat, maka keputusan yang kita buat kurang baik, sehingga diperlukan suatu kemampuan menguasai teknik dan metode secara benar. Ketepatan dalam melakukan peramalan akan menunjang perencanaan yang ditetapkan.

l Peramalan ekonomi: menjelaskan siklus bisnis dengan memprediksi: tingkat inflasi Ketersediaan jumlah uang Dana yang diperlukan Indikator perencanaan lainnya l Peramalan teknologi, memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik dan peralatan baru. l Peramalan permintaan, proyeksi permintaan untuk produk atau layanan suatu perusahaan atau biasa disebut juga peramalan penjualan dalam hal : - Pengendalian produksi, kapasitas, sistem penjadwalan dan input bagi rencana keuangan, pemasaran dan sumber SDM.

� � � � Menetapkan tujuan peramalan Memilih unsur yang akan diramalkan Menentukan horizon waktu peramalan Memilih jenis metode peramalan Mengumpulkan data yang diperlukan untuk melakukan peramalan Membuat peramalan Memvalidasi dan menerapkan peramalan Peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan menganalisa kondisi objektif dengan apa adanya. � Peramalan yang menggunakan model matematis yang beragam dengan data masa lalu. Metode ini dapat digunakan apabila: Ø Tersedia data dan informasi masa lalu Ø Data dan informasi tersebut dapat dikuantitatifkan dalam bentuk numerik Ø Disumsikan beberapa aspek masa lalu akan berlanjut di masa yang akan datang

METODA - METODA PERAMALAN METODA KUALITATIF YANG TERDIRI DARI : § METODA DELPHI § JURI DARI OPINI EKSEKUTIF (JURY OF EXECUTIVE OPINION) § KOMPOSIT TENAGA PENJUALAN (SALES FORCE COMPOSITE) § SURVEY PASAR KONSUMEN (CONSUMER MARKET SURVEY) 2. METODE KUANTITATIF § SIMPLE AVERAGE § MOVING AVERAGE § WEIGHTED MOVING AVERAGE § EXPONTIAL SMOOTHING § REGRESSI LINIER § REGRESSI NON LINIER § BOX JENKINS 3. METODA CAUSAL § KORELASI – REGRESSI § ECONOMETRIE MODEL 1.

Menggunakan suatu proses kelompok 3 jenis partisipan Pengambil Keputusan Staff Responden Kelompok responden yang memberikan input pada pengambil keputsan. Decision Makers Staff (What will sales be? survey) (Sales? ) (Sales will be 50!) Respondents (Sales will be 45, 50, 55)

¨ Terdiri dari sekumpulan kecil para pakar tingkat tinggi/manajer. ¨ Pendapat dari para manajer digabungkan dalam bentuk statistik untuk mendapatkan prediksi permintaan.

¨ Setiap penjual memperkirakan berapa penjualan yang dapat dicapai dalam wilayahnya ¨ Digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan ¨ Sales harus mengetahui apa yang diinginkan konsumen Sales © 1995 Corel Corp.

¨ Tanyakan pada konsumen mengenai rencana pembelian di masa depan ¨ Terkadang sulit dalam menjawab pertanyaan How many hours will you use the Internet next week? © 1995 Corel Corp.

MODEL KUALITATIF Individual Opinion: Opini peramalan berasal dari pribadi (individu)/pakar dalam bidangnya yaitu konsultan ilmiah/non ilmiah, manajer pemasaran/produksi, individu yang banyak bergerak pada masalah tersebut. (kebaikan: cepat, kelemahan: subyektif) Group Opinion: Opini peramalan diperoleh dari beberapa orang dengan mencoba meratakan hasil peramalan yang lebih obyektif (rasional). Kebaikan: lebih obyektif (unsur subyektifitas dapat dihilangkan, misalnya dengan meratakan hasil. Contoh : Delphy method → peramalan dibentuk melalui beberapa tahapan untuk mencari hasil yang lebih obyektif. Pada metode ini kepada expertnya diberikan informasi tambahan sehingga keputusan hasil ramalan dapat berubah karena informasi tersebut. Secara umum metode kualitatif lebih mudah dibuat tetapi mempunyai unsur subyektifitas yang tinggi.

Naïve approach Moving averages Exponential smoothing Trend projection Linear regression Time-series Models Associative models

Pendekatan Naif (Naive Approach) • Pendekatan naif (naive approach) merupakan teknik peramalan yang mengasumsikan permintaan periode berikutnya sama dengan permintaan pada periode terakhir. • Contoh : jika penjualan sebuah produk, katakanlah telepon genggam Samsung, adalah sebanyak 100 unit pada bulan November, kita dapat meramalkan penjualan pada bulan Desember akan sama, yaitu 100 unit.

Rata-rata Bergerak (Moving Average) • Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan. • Rata-rata bergerak = Σ permintaan dalam periode n sebelumnya n

Teknik peramalan yang menggunakan sejumlah data masa lalu untuk membuat peramalan. � Teknik peramalan yang mengasumsikan permintaan periode berikutnya sama dengan permintaan pada periode terakhir. © 1995 Corel Corp. Suatu metode peramalan yang menggunakan n rata-rata priode terakhir data untuk meramalkan periode berikutnya.

Teknik peramalan rata-rata bergerak dengan pembobotan di mana titik data dibobotkan oleh fungsi eksponensial. Menggunakan lebih banyak variabel yang berhubungan dengan besaran yang di prediksi (adanya variabel bebas dan variabel terikat) Model matematika garis lurus untuk menggambarkan hubungan fungsional antara variabel-variabel yang bebas maupun variabel-variabel yang terikat.

Technique OLS

Permintaan dalam periode n sebelumnya MA n n adalah jumlah periode dalam rata-rata bergerak

You’re manager of a museum store that sells historical replicas. You want to forecast sales (000) for 2003 using a 3 period moving average. 1998 4 1999 6 2000 5 2001 3 2002 7 © 1995 Corel Corp.

Sales 8 6 4 2 95 Actual Forecast 96 97 98 Year 99 00

JENIS POLA DATA (1) Pola Data Horizontal (3) Pola Data Siklus (2) Pola Data Musiman (4) Pola Data Trend Keterangan : (1) Pola data horizontal menunjukan bahwa nilai data berfluktuasi di sekitar nilai rata-rata (stasioner terhadap nilai rata-ratanya) (2) Pola data musiman menunjukan bahwa nilai data dipengaruhi oleh faktor musiman (harian, mingguan, bulanan, semesteran, tahunan) (3) Pola data siklus menunjukan bahwa nilai data dipengaruhi oleh flukstuasi dalam jangka panjang (4) Pola data trend menunjukan bahwa nilai data terjadi kenaikan atau penurunan dalam jangka panjang

Tahapan peramalan yang baik meliputi 3 hal : a. Menganalisis Data Masa Lalu. Tahap ini berguna untuk mengetahui pola data yang tepat di masa lalu. Analisis dilakukan dengan cara membuat tabulasi kemudian mem-plot-kan data untuk mengetahui pola data b. Menentukan Metode Tahap ini ialah menetapkan metode peramalan yang baik. Metode yang baik ialah metode yang menghasilkan penyimpangan terkecil. c. Memproyeksikan Data. Tahap ini ialah memproyeksikan data masa lalu dengan menggunakan metode terpilih dan mempertimbangkan adanya faktor-faktor perubahan.

MODEL DAN DASAR-DASAR PERAMALAN Dalam Peramalan Kuantitatif, dikenal dua model data yaitu : 1. Model deret berkala/ time series 2. Model kausal/ eksplanantoris/ regresi (1) Model Deret Berkala Model deret berkala bertujuan menemukan pola dalam deret data historis, kemudian mengeksplorasi data historis tersebut untuk diekstrapolasi ke masa yang akan datang. Peramalan dengan model deret berkala memperlakukan sistem sebagai suatu kotak hitam (black box) dan tidak ada upaya untuk menemukan faktor yang berpengaruh pada perilaku sistem tersebut. Sistem dianggap sebagai suatu proses bangkitan (generating process) yang tidak diketahui mekanismenya. Input Output Proses Bangkitan Generating Process Terdapat dua alasan utama mempelakukan sebagai black box, a. Sistem tidak dimengerti dan kalaupun diketahui sulit untuk mengukur hubungan yang mengaturnya b. Perhatian utama hanya untuk meramalakan apa yang akan terjadi dan bukan untuk mengetahui mengapa hal itu terjadi

(2) Model Kausal/ Eksplanatoris/ Regresi Model kausal mengasumsikan adanya hubungan sebab dan akibat antara input dan output sistem dengan satu atau lebih variabel bebas. Setiap perubahan dalam input akan berakibat pada output yang dapat diramalkan dengan menganggap hubungan sebab dan akibat itu tetap Input Output Hubungan Sebab & Akibat Kedua model tersebut pada dasarnya mempunyai keuntungan dalam kondisi tertentu. Model deret berkala seringkali dapat digunakan dengan mudah untuk meramal sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar dalam pengambilan keputusan.

Peramalan menggunakan metode regresi Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan. Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti · Adanya informasi masa lalu · Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan) Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan · Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu. · Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi. Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu : · Analisis deret waktu untuk regresi sederhana linier · Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti: Y = F (x) Dimana : Y = Dependent variable (variabel yang dicari) X = Independent variable (variabel yang mempengaruhinya) Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut : Y=a+bx Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :

Teladan Permasalahan • Dari sebuah survai yang dilakukan di kampung Maju Makmur digunakan untuk mengetahui hubungan fungsional antara luas tanah (hektar) dan harganya (Rp. 00 Juta). Bila data berpasangan tentang luasan dan harga tanah diperoleh, bagaimana hubungan fungsionalnya ? 34

Diagram Pencar (Scatter Plot) Hamdan, Spd, M. M 35

Mana pendekatan yang baik ? Garis lurus yang sedemikian rupa sehingga melewati seluruh titik (data ) pada diagram pencar yang mendekati 36

Metode Jumlah Kuadrat Galat Terkecil (Least Squares Method) merupakan salah satu kriteria yang memenuhi, agar apabila kuadrat dari kesalahan itu dijumlahkan akan se minimum mungkin. 37

Persamaan Regresi dimana 38