Peramalan Permintaan SI 403 Riset Operasi Suryo Widiantoro

Peramalan Permintaan SI 403 Riset Operasi Suryo Widiantoro, MMSI, M. Com(IS)

Capaian Pembelajaran Materi Perkuliahan � Mahasiswa mampu melakukan perencanaan untuk memastikan kelancaran operasi rantai pasok

Topik Bahasan 1. 2. 3. Peramalan dalam organisasi Pola permintaan Metode peramalan

� Menyeimbangkan pasoka (supply) dan permintaan (demand) diawali dengan membuat peramalan yang tepat dan kemudian menjalankanya pada rantai pasok (supply chain). � Peramalan (forecast) adalah prediksi akan kejadian di masa depan yang digunakan untuk keperluan perencanaan. ◦ Perencanaan (planning) adalah proses pembuatan keputusan manajemen terhadap bagaimana mengelola sumberdaya untuk merespon ramalan permintaan dengan baik. � Metode peramalan didasarkan pada model matematis yang menggunakan data historis yang ada, atau pada metode kualitatif yang dihasilkan dari pengalaman dan pertimbangan manajerial, atau kombinasi keduanya.

Peramalan dalam organisasi

� Proses peramalan di seluruh organisasi meliputi lintas area fungsional. � Meramalkan seluruh permintaan biasanya berawal dari marketing, namun pelanggan internal di dalam organisasi bergantung pada ramalan untuk memformulasikan dan mengeksekusi rencana mereka.

� Peramalan adalah masukan peting untuk rencana bisnis (business plan), rencana tahunan (annual plan), dan anggaran: ◦ Keuangan (finance) perlu untuk memproyeksikan kebutuhan cash flow dan modal. ◦ SDM (human resource) perlu untuk mengantisipasi kebutuhan perekrutan dan pelatihan. ◦ Marketing adalah sumber penting untuk informasi peramalan sales karena dekat dengan pelanggan eksternal. ◦ Manajer Operasi dan Rantai Pasok perlu untuk merencanakan level output, pemesanan layanan dan material, tenaga kerja serta jadwal, persediaan, dan kapasitas jangka panjang.

� Tools untuk membuat pramalan ini pada dasarnya sama dengan untuk peramalan permintaan: pertimbangan (judgment), opinion dari orang berpengetahuan, pengalaman, regresi, dan teknis seri waktu (time-series). � Dengan tools tersebut maka peramalan dapat ditingkatkan. � Namun tetap saja peramalan tidak selalu sempurna.

Pola permintaan

� Meramalkan permintaan pelanggan adalah tugas sulit karena permintaan untuk barang dan jasa dapat bervariasi. ◦ Contohnya, permintaan pupuk diramalkan meningkat di bulan saat musim tanam; namun permintaan juga dipengaruhi oleh faktor diluar kendali seperti cuaca. � Seringkali pola lebih dapat diprediksi. ◦ Contohnya, jam puncak dalam sehari di call center sebuah bank adalah antara jam 9: 00 A. M. hingga 12: 00 P. M. , dan hari puncak dalam seminggu adalah hari Senin.

� Pengamatan berulang terhadap permintaan layanan dan produk berdasarkan urutan kejadian akan membentuk pola yang disebut sebagai time series. � Ada 5 pola dasar untuk time series permintaan: 1. Horizontal. Perubahan data di sekitar rata 2 konstan. 2. Trend. Peningkatan atau penurunan sistematis dalam series rata 2 sepanjang waktu. 3. Seasonal. Pola berulang untuk kenaikan dan pengurangan pada permintaan, tergantung waktu harian, mingguan, bulanan, atau musiman. 4. Cyclical. Peningkatan atau penurunan gradual pada permintan yang sulit diprediksi dalam jangka waktu panjang (tahuan atau dekade). 5. Random. Variasi permintan yang tidak dapat diramalkan.

Keputusan kunci dalam membuat peramalan � Sebelum menggunakan teknik peramalan, seorang manajer harus membuat 2 keputusan: ◦ (1) apa yang diramalkan, dan ◦ (2) apa jenis teknik peramalan yang dipilih untuk item yang berbeda.

Menentukan apa yang diramalkan � Walau beberapa estimasi permintaan dibutuhkan untuk layanan atau produk individual yang dihasilkan perusahaan, peramalan total permintaan untuk kelompok atau klaster dan kemudan diturunkan ke layanan atau produk individual mungkin adalah yang termudah. � Pemilihan unit pengukuran yang tepat untuk peramalan juga sama pentingnya dengan pemilihan metode yang terbaik.

Memilih jenis teknik peramalan � Sistem peramalan menawarkan berbagai jenis teknik, dan tidak ada satupun yang terbaik untuk semua situasi dan item. � Tujuan dari peramal adalah untuk mengembangkan sebuah ramalan yang berguna dari informasi yang dimiliki dengan teknik yang tepat untuk pola permintaan yang berbeda. � 2 jenis umum teknik peramalan adalah: ◦ Metode judgment, ◦ Metode kuantitatif.

� Metode Judgment mengubah opini manager, pakar, survei pelanggan, dan estimasi tenaga sales menjadi sebuah estimasi kuantitatif.

� Metode Kuantitatif meliputi: ◦ Causal method menggunakan data historis pada variabel bebas, seperti promosi, kondisi ekonomi, tindakan pesaing, untuk memprediksi permintaan. ◦ Time-series analysis adalah pendekatan statistik yang bergantung pada data permintaan historis untuk memproyeksikan ukuran permintaan masa depan serta mengenali trend dan pola seasonal. ◦ Trend projection using regression adalah campuran antara teknik time-series dan causal method.

Forecast Error � Kesalahan peramalan selama periode waktu t adalah selisih antara forecast dengan permintaan aktual: � dimana: Et = forecast error untuk periode t Dt = actual demand untuk periode t Ft = forecast untuk periode t

� Nilai cumulative sum of forecast errors (CFE) mengukur total kesalahan peramalan: � Nilai mean squared error (MSE), standard deviation kesalahan ( ), dan mean absolute deviation (MAD) mengukur penyebaran kesalahan peramalan yang diatibusikan untuk efek trend, seasonal, cyclical, atau random:

� Nilai mean absolute percent error (MAPE) menghubungkan kesalahan peramalan ke tingkat permintaan dan membantu untuk menempatkan kinerja peramalan secara layak sudut pandangnya:

Contoh #1 Tabel berikut berisi penjualan aktual kursi goyang dan peramalan yang dibuat untuk 8 bulan terkahir. � Hitunglah CFE, MSE, , MAD, dan MAPE untuk produk ini.

Jawaban:

Metode peramalan

Metode Judgment � Peramalan dari metode kuantitatif dimungkinkan hanya saat ada data historis yang cukup, namun data historis bisa tidak ada saat produk baru diluncurkan atau saat teknologi mengalami perubahan. � Dalam beberapa kasus, metode judgment adalah cara paling praktis untuk membuat peramalan. Namun di kasus lain metode ini dapat juga digunakan untuk memodifikasi peramalan yang dihasilkan dari metode kuantitatif. � 4 metode judgment yang berhasil adalah: 1) 2) 3) 4) salesforce estimates, executive opinion, market research, dan the Delphi method.

Causal Method : regresi linier � Causal method digunakan saat data historis tersedia dan hubungan antara faktor yang akan diramalkan serta faktor internal dan eksternal lainnya (misal: aksi pemerintah atau promo iklan) dapat diidentifikasikan. � Hubungan ini dinyatakan dalam istilah matematika dan bisa jadi sangat rumit. � Causal method bagus untuk memprediksi titik balik dalam permintaan dan untuk mempersiapkan peramalan jangka panjang.

� Dalam regrasi linier, satu variabel disebut variabel terikat (dependent) berhubungan dengan satu atau lebih variabel bebas (independent) melalui sebuah persamaan linier. � Variabel terikat (misal: permintaan untuk es krim) adalah satu hal yang ingin diramalkan oleh manajer. � Variabel bebas (misal: biaya iklan) diasumsikan akan berpengaruh terhadap variabel terikat dan oleh karenanya “cause” hasil dapat diamati di

� Dalam model regresi linier sederhana, variabel terikat adalah sebuah fungsi dari hanya satu variabel bebas dan hubungan teoritisnya adalah sebuah garis lurus: � dimana: Y = variabel terikat X = variabel bebas a = Y@titik potong garis b = kemiringan garis

TUGAS #8: LATIHAN PERAMALAN PERMINTAAN

Soal #1 Month Demand t Forecast Dt Ft 1 5 8 2 20 15 3 30 32 4 35 30 5 49 45 6 70 70 7 15 10 Total Tabel berikut berisi penjualan aktual permen gulali serta peramalan yang dibuat untuk 8 bulan terkahir. � Hitunglah CFE, MSE, , MAD, dan MAPE untuk produk ini.

Terima Kasih