MANAJEMEN OPERASIONAL PERAMALAN PERMINTAAN METODE PERAMALAN PERMINTAAN Metode

  • Slides: 20
Download presentation
MANAJEMEN OPERASIONAL (PERAMALAN PERMINTAAN) • • METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode

MANAJEMEN OPERASIONAL (PERAMALAN PERMINTAAN) • • METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method) Metode kwadrat terkecil (least quares method) Dosen: Febriyanto, S. E. , M. M.

Peramalan Permintaan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan

Peramalan Permintaan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umunya berada di luar kendali manajemen. Seperti: pelanggan, pesaing, pemerintah dan lain sebagainya. Peramalan permintaan manajemen operasi: perencanaan skedul produksi, perencanaan pemenuhan kebutuhan bahan, perencanaan kebutuhan tenaga kerja, perencanaan kapasitas produksi, perencanaan layout fasilitas, penentuan lokasi, penentuan metode proses, penentuan jumlah mesin dan lain sebagainya.

Peramalan Permintaan Metode kuantitatif dapat dibagi ke dalam deret berkala atau runtun waktu (time

Peramalan Permintaan Metode kuantitatif dapat dibagi ke dalam deret berkala atau runtun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi mejadi metode eksploratoris dan normatif. Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu: 1. Tersedia informasi tentang masa lalu 2. Informasi dapat dikuantitatifkan dalam bentuk data numerik 3. Diasumsikan pola masa lalu akan terus berlanjut. Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu: Metode bebas (freehand method) Metode setengah rata-rata (semi average method) Metode rata-rata bergerak (moving average method) Metode kwadrat terkecil (least quares method)

1. Metode Bebas

1. Metode Bebas

2. Metode setengah rata-rata (semi average method) Perhitungan nilai trend pada tahun tertentu dapat

2. Metode setengah rata-rata (semi average method) Perhitungan nilai trend pada tahun tertentu dapat ditentukan dengan menggunakan rumus sebagai berikut: Y' = ao + bx Keterangan Y’ : nilai trend periode tertentu a : nilai trend periode dasar b : tambahan trend tahunan yang dihitung dengan cara (X 2 – X 1)/n X 2 : setengah rata-rata kelompok kedua X 1 : setengah rata-rata kelompok pertama n : jumlah periode antara x 2 dan x 1 X : jumlah unit tahun yang dihitung dari periode dasar.

2. Metode setengah rata-rata (semi average method) ao = a 1988 = 332. 200

2. Metode setengah rata-rata (semi average method) ao = a 1988 = 332. 200 b = (X 2 – X 1)/n = (459. 600 - 332. 200)/5 = 25. 480

2. Metode setengah rata-rata (semi average method) Nilai trend permulaan tahun 1986 -1995 adalah:

2. Metode setengah rata-rata (semi average method) Nilai trend permulaan tahun 1986 -1995 adalah: ao = a 1988 = 319. 200 b = (X 2 – X 1)/n = (459. 600 - 332. 200)/5 = 25. 480 Y 1986 = 332. 200 + 25. 480 (-2, 5) = 268. 500 Y 1987 = 332. 200 + 25. 480 (-1, 5) = 293. 980 Y 1988 = 332. 200 + 25. 480 (-0, 5) = 319. 460 Y 1989 = 332. 200 + 25. 480 ( 0, 5) = 344. 940 Y 1990 = 332. 200 + 25. 480 ( 1, 5) = 370. 420 Y 1991 = 332. 200 + 25. 480 ( 2, 5) = 395. 900 Y 1992 = 332. 200 + 25. 480 ( 3, 5) = 421. 380 Y 1993 = 332. 200+ 25. 480 (4, 5) = 446. 860 Y 1994 = 332. 200 + 25. 480 ( 5, 5) = 472. 340 Y 1995 = 332. 200 + 25. 480 ( 6, 5) = 497. 820

2. Metode setengah rata-rata (semi average method) Misalnya: Nilai trend permulaan tahun 1986 -1995

2. Metode setengah rata-rata (semi average method) Misalnya: Nilai trend permulaan tahun 1986 -1995 adalah: ao = a 1993 = 459. 600 b = (X 2 – X 1)/n = (459. 600 - 332. 200)/5 = 25. 480 Nilai trend permulaan tahun 1986 -1995 adalah: Y 1986 = 459. 600+ 25. 480 (-7, 5) = 268. 500 Y 1987 = 459. 600+ 25. 480 (-6, 5) = 293. 980 Y 1988 = 459. 600+ 25. 480 (-5, 5) = 319. 460 Y 1989 = 459. 600+ 25. 480 (-4, 5) = 344. 940 Y 1990 = 459. 600+ 25. 480 (-3, 5) = 370. 420 Y 1991 = 459. 600+ 25. 480 (-2, 5) = 395. 900 Y 1992 = 459. 600+ 25. 480 (-1, 5) = 421. 380 Y 1993 = 459. 600+ 25. 480 (-0, 5) = 459. 600 Y 1994 = 459. 600+ 25. 480 ( 0, 5) = 472. 340 Y 1995 = 459. 600+ 25. 480 ( 1, 5) = 497. 820

2. Metode setengah rata-rata (semi average method)

2. Metode setengah rata-rata (semi average method)

3. Metode Single Moving Average Metode single moving average ○ Cara menghitung: Jika menggunakan

3. Metode Single Moving Average Metode single moving average ○ Cara menghitung: Jika menggunakan cara 3 bulan moving averages, maka forecast satu bulan sebesar rata-rata 3 bulan sebelumnya. Rumus: St+1 Xt n = Forecast untuk periode ke t + 1 = Data periode t = Jangka waktu moving averages.

3. Metode Single Moving Average Misal: Jika forecast dengan metode 3 bulan moving averages

3. Metode Single Moving Average Misal: Jika forecast dengan metode 3 bulan moving averages untuk bulan April adalah Penjualan Januari Februari Maret 20. 000 kg 21. 000 kg 19. 000 kg

3. Metode Single Moving Average Forecast Bulan Januari Februari Maret April Mei Juni Juli

3. Metode Single Moving Average Forecast Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Permintaan 3 bulan 5 bulan 20 21 19 17 22 24 18 23 20 25 22 24 20. 00 19. 33 21. 00 21. 33 21. 67 20. 33 22. 67 22. 33 19. 80 20. 60 20. 00 20. 80 21. 40 22. 00 21. 60

3. Metode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast hal-hal

3. Metode Single Moving Average ini biasanya lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui polanya. Metode Single Moving Average mempunyai 2 sifat khusus: Untuk membuat forecast diperlukan data masa lalu selama jangka waktu tertentu. Semakin panjang moving averages, maka akan menghasilkan moving averages yang semakin halus. Menghitung forecast error Mean absolute error => Mean squared error =>

3. Metode Single Moving Average 3 bulan Bulan Januari Februari Maret April Mei Juni

3. Metode Single Moving Average 3 bulan Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Permintaan Forecast Error 20 21 19 17 22 24 18 23 20 25 22 24 20. 00 19. 33 21. 00 21. 33 21. 67 20. 33 22. 67 22. 33 -3. 00 4. 67 -3. 00 1. 67 -1. 67 4. 67 -0. 67 1. 67 Absolute (Error)2 error 3. 00 4. 67 3. 00 1. 67 4. 67 0. 67 1. 67 9. 00 21. 78 9. 00 2. 78 21. 78 0. 44 2. 78

3. Metode Single Moving Average Perbandingan eror antara 3 bulan dan 5 bulan moving

3. Metode Single Moving Average Perbandingan eror antara 3 bulan dan 5 bulan moving average 3 bln moving average Mean absolut error 2. 67 Mean squared error 8. 81 5 bln moving average 2. 37 7. 54 Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.

4. Trend Metode Least Square Trend adalah rata-rata perubahan dalam jangka panjang. Jika hal

4. Trend Metode Least Square Trend adalah rata-rata perubahan dalam jangka panjang. Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif. Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif. Salah satu metode trend yang digunakan adalah metode least squares. Persamaan trend dengan metode least square adalah Ŷ = a + b. X

4. Trend Metode Least Square Y’ = a + bx Σx = na +

4. Trend Metode Least Square Y’ = a + bx Σx = na + bΣx Σxy = x + b Σx 2 Dimana: a&b = konstanta persamaan n = Jumlah data x = periode waktu Tahun 2000 2001 2002 2003 2004 2005 2006 2007 2008 X Penjualan Y 10 05 15 20 25 30 40 45 35 xy X 2 Y’

4. Trend Metode Least Square Σx = na + bΣx Σxy = ∑xa +

4. Trend Metode Least Square Σx = na + bΣx Σxy = ∑xa + bΣx 2 Tahun X Penjualan Y xy X 2 2000 2001 2002 2003 2004 2005 2006 2007 2008 0 1 2 3 4 5 6 7 8 10 05 15 20 25 30 40 45 35 0 5 30 60 100 150 240 315 280 0 1 4 9 16 25 36 49 64 1180 204 36 Y’

4. Trend Metode Least Square 36 = 9 a + 36 b (4) 1180

4. Trend Metode Least Square 36 = 9 a + 36 b (4) 1180 = 36 a + 204 b (1) Σx = na + bΣx Σxy = ∑xa + b Σx 2 36 = 9 a + 36 b (4) => 144 = 36 a + 144 b 1180 = 36 a + 204 b (1) => 1180 = 36 a + 204 b -1036 = -60 b b = -1036 /-60 b = 17. 3 36 = 9 a + 36 b => => => 36 = 9 a + 36 (17. 3) 36 = 9 a + 622. 8 -9 a = 622. 8 – 36 -9 a = 586. 8 a = -65. 2 Y’ = -65. 2 + 17. 3 x

Σ Tahun Penjualan X XY X^2 Ŷ 2000 10 0 -65. 25 2001 5

Σ Tahun Penjualan X XY X^2 Ŷ 2000 10 0 -65. 25 2001 5 1 -47. 95 2002 15 2 30 4 -30. 65 2003 20 3 60 9 -13. 35 2004 25 4 100 16 3. 95 2005 30 5 150 25 21. 25 2006 40 6 240 36 38. 55 2007 45 7 315 49 55. 85 2008 35 8 280 64 73. 15 1180 204 215 Y = -65, 25 + 17. 30 X a= -65. 25 b= 17. 30