Peramalan Manajemen Operasional Definisi Peramalan l l l

Peramalan Manajemen Operasional

Definisi Peramalan l l l Peramalan adalah seni dan ilmu untuk memprediksi masa depan. Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada perencanaan produksi. Proses peramalan dilakukan pada level agregat (part family); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebih dahulu. Metode: Kualitatif dan kuantitatif. Terminologi: perioda, horison, lead time, fitting error, forecast error, data dan hasil ramalan.

Penggunaan Ramalan Akuntansi Perkiraan biaya/keuntungan Keuangan Arus kas dan pendanaan Sumberdaya manusia Penerimaan pegawai / training Pemasaran Penetapan harga, promosi, strategi SIM TI/SI systems, layanan Operasional Jadwal, MRP, beban kerja Disain produk/jasa Produk baru dan jasa

Aku melihat kau akan memperoleh nilai A semester ini. 3 -4

Ciri-ciri ramalan l Beranggapan sistem kasual masa lalu ==> masa depan l Ramalan jarang sempurna, oleh karena tingkat keacakan l Ramalan lebih akurat untuk group daripada individu l Tingkat akurasi ramalan menurun sejalan dengan meningkatnya cakrawala waktu

Unsur-unsur ramalan yang baik Tepat waktu Handal r e B ti r a Akurat Tertulis n ah aka d u n M igu d

Langkah-langkah proses peramalan “The forecast /ramalan” 6) Monitor ramalan 5) Lakukan peramalan 4) Dapatkan, “bersihkan” dan analisa data 3) Pilih teknik ramalan 2) Tetapkan batas waktu 1) Tetapkan maksud /tujuandari ramalan

Jenis-jenis Ramalan l Pendapat – menggunakan masukan secara subjektif l Serial waktu – menggunakan data historis dan mengasumsikan masa depan akan sama dengan masa lalu l Model Asosiatif (Associative Model)– menggunakan variabel-variabel untuk meramalkan masa depan

Langkah-langkah Peramalan l l l l Definisikan tujuan peramalan. Plot data (part family) masa lalu. Pilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data. Hitung parameter fungsi peramalan untuk masing-masing metode. Hitung fitting error untuk semua metode yang dicoba. Pilih metode yang terbaik, yaitu metode yang memberikan error paling kecil. Ramalkan permintaan untuk periode mendatang Lakukan verifikasi peramalan.

Metode Peramalan l top-down forecasting, dimulai dengan penggunaan hasil-hasil peramalan berbagai kondisi bisnis umum yang dibuat oleh para ekonom dalam lembaga pemerintah dan dalam perusahaan-perusahaan besar. Misal : GNP tahun yang akan datang sebesar 1. 500 trilyun rupiah. Bagaimana hal tersebut mempengaruhi perusahaan ?

l bottom-up forecasating, dimulai dari perkiraan permintaan produk akhir individual. – Berapa banyak produk yang dapat dijual perusahaan tahun depan ? – Berapa jam pelayanan yg akan diminta ? Dalam metode ini para peramal menerima estimasi-estimasi dari orang-orang penjualan, para dealer (distributor), dan para pelanggan. Analisis juga perlu melihat pola-pola penjualan di masa yang lalu

Proses Peramalan l l Peramalan adalah suatu usaha untuk meramalkan keadaan yang akan datang melalui pengujian keadaan masa lalu. Esensi peramalan adalah perkiraan peristiwa masa yang akan datang atas dasar pola-pola di waktu yang lalu. Penentuan tujuan, yaitu penentuan estimasi yang diinginkan. Hal ini tergantung dari informasi dari para manajer Pengembangan model, merupakan kerangka analitis yang apabila dimasukkan data (input data), maka menghasilkan estimasi di waktu mendatang.

Proses peramalan l l l Pengujian model, untuk menentukan tingkat akurasi, validitas dan reliabilitas yang diharapkan. Nilai suatu model ditentukan oleh derajad ketepatan hasil peramalan dengan kenyataan (actual) Penerapan model, perlu dimasukkan data historik guna menghasilkan suatu ramalan. Revisi dan evaluasi, perbaikkan mungkin diperlukan karena adanya perubahan-perubahan yang terjadi di lingkungan perusahaan, seperti tingkat harga, karakteristik produk, kebijakan pemerintah, dll. Sedangkan evaluasi ditujukan untuk pembandingan peramalan dengan hasil nyata, sehingga dapat menilai ketepatan penggunaan suatu metodologi atau teknik peramalan.

Teknik-Teknik Peramalan l Teknik Kualitatif : Teknik ini adalah subyektif atau “judgmental” / berdasarkan pada estimasi dan pendapat. Berbagai sumber pendapat yang baik bagi peramalan kondisi bisnis adalah sebagai berikut : – Para eksekutif – Orang-orang bagian penjualan – Para langganan – Para ahli berbagai bidang, misal : konsultan manajemen

Teknik Kualitatif l Metode Delphi, merupakan teknik yang mempergunakan prosedur sistematik untuk mendapatkan suatu konsensus pendapat-pendapat dari suatu kelompok ahli. Proses delphi dilakukan dengan meminta kepada para anggota kelompok untuk memberikan serangkaian ramalan melalui tanggapan mereka terhadap daftar pertanyaan. Kemudian hasilnya diformulasikan dibagikan lagi kepada kelompok.

Lanjutan l l l Riset pasar, teknik ini secara khusus ditujukan untuk meramal permintan dan penjualan produk baru. Analogi historik, peramalan dilakukan dengan menggunakan pengalaman historis dari suatu produk yang sejenis. Konsensus panel, gagasan yang didiskusikan kelompok akan menghasilkan ramalan-ramalan lebih baik daripada dilakukan oleh seseorang.

Analisis Runtun Waktu (Time Series) l Model peramalan ini mencoba untuk meramalkan kejadian-kejadian di waktu yg akan datang atas dasar serangkaian data kejadian masa lalu. Komponen-komponen yg ada dlm peramalan time series adalah : – Trend (T) – Musiman atau seasional (S) – Siklikal atau cyclical (C) – Residu atau erratic (E) Dalam model klasik analisis time series, nilai ramalan (Y) merupakan fungsi perkalian dari komponen 2 diatas : Y=Tx. Sx. Cx. E

Analisis Runtun Waktu (Time Series) l l Trend, merupakan pola gerakan penurunan atau pertumbuhan (kenaikkan) jangka panjang serangkaian data historik. Musiman, komponen ini mencerminkan pengaruh pola-pola pembelian musiman. Siklikal, atau sering disebut dengan gelombang konjungtur, adalah komponen dasar time series, & merupakan komponen yg plg sulit ditentukan bila rentangan waktu tdk diketahui / akibat siklus tidak dapat ditentukan. Residu, merupakan unsur yang menunjukkan fluktuasi-fluktuasi data yang tidak sistematik atau acak (random).

Prosedur Peramalan l l l Mendapatkan data historis, & menggambarkannya dlm “scatter diagram” untuk mengetahui tipe hubungan. (contoh : Linear) Mencari persamaan trend Mencari indeks musiman Memproyeksikan trend ke waktu yang akan datang Mengalikan nilai 2 trend bulanan dgn indek musiman Memodifikasi nilai 2 yg diramal dgn pengetahuan tentang : - Kondisi-kondisi bisnis siklikal (C) - Antisipasi pengaruh-pengaruh yg tidak “biasa” (E)

Perhitungan Trend l l Freehand. Garis trend dibuat secara bebas tanpa menggunakan rumus matematika. Kurva trend “freehand” digambarkan melalui titik-titik data dan merupakan cara penyajian termudah. Kuadrat terkecil (least squares). Metode yang paling banyak dipakai untuk menentukan persamaan trend data, karena menghasilkan “line of best fit”. Garis trend ini mempunyai sifat : – Penjumlahan seluruh deviasi vertikal titik-titik data terhadap garis adalah nol – Penjumlahan seluruh kuadrat deviasi vertikal data historis dari garis adalah minimum – Garis melalui rata-rata X dan Y

Perhitungan Trend Untuk persamaan linear, garis trend dicari dengan penyelesaian simultan nilai a dan b pada dua persamaan normal berikut : ΣY = na+bΣX Σ XY = a Σ X + b Σ X 2 Bila titik tengah data sebagai thn dasar, maka Σ X = 0 & dpt dihilangkan dr persamaan diatas, sehingga menjadi : ΣY ΣY = na a= n Σ XY = b Σ X 2 b= Σ X 2

Perhitungan Trend l l Bila ada sejumlah periode ganjil, titik tengah periode waktu ditentukan X = 0, sehingga jumlah plus dan minus akan sama dengan nol (0). Tetapi jika jumlah data adalah genap, prosedur pemberian kode menjadi : Nomor data Kode X 1 2 3 4 5 -2 -1 0 1 2 0 Nomor data Kode X 1 2 3 4 5 6 -3 -2 -1 1 2 3 0

Perhitungan Trend (Least squares) Tahun 1981 1982 1983 1984 Kuartal Penjualan (dlm Unit) Y X XY X 2 1 2 3 4 80 78 83 85 84 88 90 89 86 91 94 93 90 96 100 97 -8 -7 -6 -5 -4 -3 -2 -1 1 2 3 4 5 6 7 8 -640 -546 -498 -425 -336 -264 -180 -89 86 182 282 372 450 576 700 776 64 49 36 25 16 9 4 1 1 4 9 16 25 36 49 64 1. 424 0 446 408 Jumlah ( Σ )

Perhitungan Trend (Least squares) ΣY a = = 16 Σ XY 446 = Σ X 2 l = 89 n b = l 1. 424 = 1, 1 408 Jadi, Persamaan peramalan dalam bentuk Y = a + b X adalah : Y = 89 + 1, 1 X Ramalan untuk kuartal pertama tahun 1985 adalah sebesar 98, 9 unit dengan perhitungan : Y = 89 + 1, 1 (9) = 98, 9

Bila periode pertama sebagai tahun dasar (X=0) l Apabila pertimbangan data ganjil dan data genap ingin diabaikan, tanpa khawatir terjadi ‘kesalahan’ dalam melakukan perhitungan peramalan, maka cara berikut ini dapat menjadi pilihan. Periode Januari Februari Maret April Mei Permintaan (Y) 45 44 46 43 44 222 X XY X 2 0 1 2 3 4 10 0 44 92 129 176 441 0 1 4 9 16 30

Bila periode pertama sebagai tahun dasar (X=0) l Apabila cara ini yang dipilih, maka untuk mendapatkan nilai a dan b, rumus yang digunakan adalah : ΣY ΣX 2 – ΣX ΣXY a= n. ΣX 2 – (ΣX)2 222(30) – 10(441) a= 5(441) – 10(222) n. ΣXY – ΣX ΣY b= n. ΣX 2 – (ΣX)2 5(30) – (10)2 = 45 b= 5(30) – (10)2 Y = a + b. X Y = 45 – 0. 3 X ► 45 – 0, 3(5) ► 45 – 1, 5 ► 43, 5 = - 0, 3

Perhitungan Trend (Rata-rata bergerak) l Metode ini diperoleh melalui penjumlahan dan pencarian nilai rata-rata dari sejumlah periode tertentu, setiap kali menghilangkan nilai terlama dan menambah nilai baru. ΣX MA = Jumlah Periode l Satu nilai X diganti setiap periode.

Perhitungan Trend (Rata-rata bergerak) Tahun Kuartal Penjualan (dlm Unit) Y Total Gerakan Rata-rata Bergerak 1981 1 2 3 4 80 78 83 85 84 88 90 89 86 91 94 93 90 96 100 97 241 : 3 = 246 : 3 = 252 257 262 267 265 266 271 278 277 279 286 293 80, 3 82 84 85, 7 87, 3 89 88, 3 88, 7 90, 3 92, 7 92, 3 93 95, 3 97, 7 1982 1983 1984

Perhitungan Trend (Rata-rata bergerak) l Rata-rata bergerak secara efektif meratakan atau menghaluskan fluktuasi pola data yang ada. Semakin panjang datanya semakin halus kurvanya. l Kelemahan metode ini tidak mempunyai persamaan untuk peramalan, sebagai gantinya adalah nilai rata-rata bergerak terakhir sebagai ramalan periode berikutnya. Seperti dalam contoh adalah sebesar 97, 7 unit.