Peramalan Operation Management Apakah Peramalan itu Peramalan adalah

Peramalan Operation Management

Apakah Peramalan itu ? Peramalan adalah seni dan ilmu memprediksi peristiwa-2 masa depan. Peramalan memerlukan pengambilan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematis, bisa jadi berupa prediksi subyektif atau intuisi masa depan Peramalan dikelompokan oleh horison waktu masa depan. 1. Peramalan jangka pendek. ………. . hari ke hari s/d 1 Bln. • Penjadwalan kerja. • Pembelian. • Penugasan. • Tingkat produksi.

lanjutan 2. Peramalan jangka menengah. ………. . bln s/d 1 Th. • Penjualan. • Perencanaan dan penganggaran produksi. • Penganggaran Kas. • Menganalisis berbagai rencana produksi. 3. Peramalan jangka panjang. ………. Thn ke thn s/d 5 Thn. • Perencanaan produk baru. • Pengeluaran Modal. • Lokasi fasilitas. • Penelitian serta pengembangan / ekspansi. Peramalan Jangka Pendek cenderung lebih tepat dibandingkan Jangka Panjang, karena faktor-faktor yang mempengaruhi perubahan permintaan, berubah setiap hari, sehingga peramalan penjualan harus diperbaharui secara berkala untuk menjaga nilai dan integritasnya.

Jenis – jenis Peramalan Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi di masa depan : 1. Ramalan Ekonomi membahas siklus bisnis dengan memprediksi tingkat inflasi. 2. Ramalan Teknologi berkaitan dengan kemajuan teknologi, yg akan melahirkan produk – produk baru yg mengesankan, membutuhkan pabrik dan peralatan. 3. Ramalan Permintaan adalah proyeksi permintaan untuk produk atau jasa perusahaan. Ramalan ini disebut juga ramalan penjualan, mengarah produksi, kapasitas, dan sistem penjadwalan perusahaan dan bertindak sebagai masukan untuk perencanaan keuangan, pemasaran, dan personalia.

Pendekatan Peramalan 1. Peramalan Kuantitatif adalah menggunakan berbagai model matematik yang menggunakan data historis dan atau variabel – variabel kausal untuk meramalkan permintaan. 2. Peramalan subyektif atau Kualitatif adalah memanfaatkan faktor – faktor penting seperti intuisi, pengalaman pribadi, dan sistem nilai pengambilan keputusan. 3. Peramalan Kombinasi dari dua pendekatan tersebut.

Tinjauan Metode Peramalan Metode kulitatif. Ada 5 teknik peramalan kualitatif yang berbeda: 1. Juri dan Opini eksekutif. 2. Gabungan armada Penjualan. 3. Metode Delfi. 4. Survai Pasar Konsumen. Metode kuantitatif. Ada 4 teknik peramalan kuantitatif yaitu: 1. Rata – rata bergerak ( Moving Averages ). Model 2. Penghalusan Eksponensial ( Eksponential Smoothing ). Time Series 3. Proyeksi Trend ( Trend Projection ). Model 4. Regresi Linear ( Linear Regression ). Kausal

Peramalan kuantitatif dapat diterapkan bila terdapat 3 kondisi : 1. Tersedia informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan 3. dalam bentuk data Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang

lanjutan Model Seri waktu. Model ini / ( time series ) memprediksi berdasarkan asumsi bahwa masa depan adalah fungsi dari masa lalu. Dengan kata lain model ini melihat pd apa yg terjadi selama periode waktu dan menggunakan seri data masa lalu untuk Membuat ramalan. Model Kausal. Model kausal, regresi Linear, bergabung menjadi model variabel atau hubungan yang bisa mempengaruhi jml yg sedang diramal.

Delapan Tahap untuk Sistem Peramalan Tanpa melihat metode yg digunakan untuk meramal, maka tahap yg digunakan sebagai berikut; 1. Menentukan penggunaan peramalan itu. -------Apakah tujuan yg akan dicapai. 2. Memilih hal – hal yg akan diramalkan. 3. Menentukan Horison Waktunya. pendek, sedang dll. 4. Memilih Model peramalannya. 5. Mengumpulkan data yg dibutuhkan untuk buat ramalan. 6. Menentukan model peramalan yg tepat. 7. Membuat ramalan. 8. Menerapkan Hasilnya.

Peramalan seri waktu Dalam memilih suatu metode peramalan yang tepat adalah dengan Mempertimbangkan jenis pola data, sehingga metode yang paling Tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi 4 jenis yaitu : 1. 2. 2. 3. 4. 5. Trend ( T ) adalah gerakan ke atas atau kebawah secara ber angsur- angsur dari data sepanjang waktu. Musim ( M ) adalah pola data yg berulang setelah periode harian, mingguan atau bulanan atau kuartalan ( kuartalan inilah muncul istilah musim. Siklus ( S ) adalah pola data yg terjadi setiap beberapa tahun, siklus biasanya dikaitkan dengan siklus bisnis (fluktuasi dan ekonomi jangka panjang merupakan hal sangat penting dlm anal Horisontal ( H ) adalah terjadi bilaman nilai data berfluktuasi di sekitar nilai rata-rata yang konstan

Lanjutan Seri Waktu dan Unsur - unsurnya Ada dua bentuk seri waktu yg umum digunakan dalam statistik. Yg paling banyak digunakan adalah perkalian. Trend Komponen Permintaan untuk produk dan Jasa Permintaan = T x M x S x V Puncak Musim ( Seasonal Peaks ) Garis Permintaan aktual Permintaan rata-2 lebih dr 4 Th Tahun 1 Tahun 2 Tahun 3 Tahun 4

Metode Peramalan Rata – rata Bergerak ( Moving Averages ) Peramalan ini bermafaat jika kita mengasumsikan bahwa permintaan pasar tetap stabil sepanjang waktu. secara matematis rata – 2 bergerak sederhana ditunjukan sebagai berikut : Rata – rata bergerak = Σ Permintaan data n periode sebelumnya n Rata – rata Bergerak Tertimbang Rt 2 bergerak = Σ ( Timbangan untuk periode n )(Permintaan dlm Σ Timbangan periode n )

Contoh Penjualan alat potong rumput ditunjukan pada tabel berikut ini : Bulan Jan Feb Maret April Mei Juni Juli agst Sep oktb Nov desem Penjualan aktual 10 12 13 16 19 23 26 30 28 18 16 14 Rata 2 bergerak tertimbang tiga bulan (10+12+13 )/ 3 = 11 (12+13+16 )/ 3 = 13 (13+16+19 )/ 3 = 16 (16+19+23 )/ 3 = 19 (19+23+26 )/ 3 = 22 (26+30+28 )/ 3 = 26 (26+30+28 )/ 3 = 28 (30+28+18 )/ 3 = 25 (28+18+16 )/ 3 = 20 2/3 1/3 2/3

Contoh Rata –rata bergerak Tertimbang Bob’s store memutuskan untuk meramalkan Penjualan alat potong rumput dengan pemberian timbangan pada tiga bulan sebelumnya sebagai berikut: Timbangan ditetapkan Periode 3 Bulan Lalu 2 Dua bulan Lalu 1 6 Tiga bulan Lalu Jumlh timbangan Perkiraan bulan ini = 3 x Pjualan bln lalu + 2 x Pjualan 2 bln lalu + 1 x Pjuanan 3 bln lalu 6

Lanjutan contoh Bulan Jan Feb Maret April Mei Juni Juli agst Sep oktb Nov desem Penjualan aktual 10 12 13 16 19 23 26 30 28 18 16 14 Rata 2 bergerak tertimbang tiga bulan ((3 x 13)+(2 x 12)+(10)) / 6 = 12 ((3 x 16)+(2 x 13)+(12)) / 6 = 14 ((3 x 19)+(2 x 16)+(13)) / 6 = 17 ((3 x 23)+(2 x 19)+(16)) / 6 = 20 ((3 x 26)+(2 x 23)+(19)) / 6 = 23 ((3 x 30)+(2 x 26)+(23)) / 6 = 27 ((3 x 28)+(2 x 30)+(26)) / 6 = 28 ((3 x 18)+(2 x 28)+(30)) / 6 = 23 ((3 x 16)+(2 x 18)+(28)) / 6 = 18 1/6 1/3 1/2 5/6 1/2 1/3 1/3