Modul ke:
penting atau tidak melakukan evaluasi staf inernal auditor Fakultas
TEKNIK
Program Studi
Teknik Mesin www.mercubuana.ac.id
Nanang Ruhyat
FORCASTING
Tujuan Pengajaran •
Setelah mempelajari bab ini, diharapkan anda mampu :
•
Mengindentifikasikan atau mendefinisikan : – – –
•
Peramalan Jenis-jenis peramalan Horison waktu pendekatan untuk meramal
Mendeskripsikan dan menjelaskan : – – – – –
Rata-rata bergerak Penghalusan Eksponensial Proyeksi trend Analisa Regresi
Forecasting di Tupperware • Masing-masing 50 profit centers diseluruh dunia milik Tupperware mempertanggung jawabkan secara komputerisasi laporan proyeksi pemasaran untuk periode bulanan, kuartal, dan 12 bulan. • Laporan proyeksi ini secara agregat berdasarkan kawasan, kemudian diakumulasi secara global di kantor pusat Tupperware’s World Headquarters • Tupperware menggunakan seluruh metode peramalan yg akan dibahas pd bab ini.
Tiga Faktor kunci bagi Tupperware • Jumlah konsultan dan sales representatives yang terdaftar. • Persentase agen yang aktif (jumlah ini berubah setiap minggu dan bulan) • Jumlah salesman per agen yang aktif, setiap minggunya.
Tupperware – Peramalan berdasarkan Konsensus • Meskipun data masukan dari para salesman, merketing, keuangan, dan bagian produksi, peramalan akhir datang dari kesepakatan dari semua manager yg berpartisipasi. • Tahap akhir dalam menentukan peramalan di Tupperware disebut sebagai versi “jury of executive opinion”
Apa itu Peramalan ? • Suatu proses untuk memprediksi masa yang akan datang. • Menjadi basis bagi semua keputusan bisnis spt ; – – – –
Production Inventory Personnel Facilities
Sales will be $200 Million!
Jenis Peramalan berdasarkan Seri Waktu • Peramalan jangka pendek – Jangka hingga 1 tahun; umumnya kurang dari 3 bulan – Job scheduling, worker assignments
• Jangka menengah – 3 bulan hingga 3 tahun – Sales & production planning, budgeting
• Jangka panjang – 3+ years – New product planning, facility location
Jangka Pendek vs. Jangka Panjang • Jangka Menengah/panjang Peramalan berkenaan dengan isu-isu yg lebih komprehensif dan kebijakan-kebijakan mendukung manajemen berkenaan dgn planning and products, plants and processes. • Jangka Pendek Peramalan yg biasanya menggunakan berbagai macam metodologi dibandingkan peramalan jangka panjang. • Jangka Pendek Peramalan cenderung lebih akurat dibandingkan peramalan jangka panjang.
Pengaruh dari Product Life Cycle Introduction, Growth, Maturity, Decline • Tahapan introduction dan growth membutuhkan peramalan jangka panjang dibandingkan periode maturity dan decline • Peramalan berguna dalam memproyeksikan – staffing levels, – inventory levels, and – factory capacity
ketika produk melalui tahapan-tahapan siklus kehidupan/ life cycle stages
Strategi dan isu-isu selama Siklus kehidupan Introduction
Company Strategy/Issues
Best period to increase market share R&D product engineering critical
Growth
Maturity
Practical to change price or quality image
Poor time to change image, price, or quality Competitive costs become critical
Strengthen niche
Fax machines
CD-ROM Color copiers
Cost control critical
Defend market position Drive-thru restaurants
Sales
Decline
3 1/2” Floppy disks Station wagons
Internet
HDTV
OM Strategy/Issues
Product design and development critical Frequent product and process design changes Short production runs High production costs
Forecasting critical
Standardization
Product and process reliability
Less rapid product changes - more minor changes
Competitive product improvements and options Increase capacity
Limited models
Shift toward product focused
Attention to quality
Enhance distribution
Optimum capacity Increasing stability of process Long production runs Product improvement and cost cutting
Little product differentiation Cost minimization Over capacity in the industry Prune line to eliminate items not returning good margin Reduce capacity
Jenis-jenis Peramalan • Economic forecasts – Ditujukan untuk siklus bisnis , e.g., inflation rate, money supply etc.
• Technological forecasts – Meramalkan laju perkembangan teknologi – Meramalkan penerimaan pasar terhadap produk baru
• Demand forecasts – Meramalkan penjualan existing product
Tujuh tahap Peramalan • • • • • • •
Menentukan penggunaan peramalan itu Memilih hal-hal yg akan diramalkan Menentukan horison waktunya Memilih model peramalan Mengumpulkan data Membuat ramalan Menerapkan hasilnya
Permintaan Produk digambar untuk periode 4 tahun dengan Trend and Seasonality Permintaan produk atau jasa
Seasonal peaks
Trend component
Actual demand line
Random variation Year 1
Year 2
Average demand over four years
Year 3
Year 4
Permintaan aktual, Rata-rata bergerak, Rata-rata bergerak tertimbang Rata-rata bergerak tertimbang
35
25
Permintaan aktual
20 15 10 5
Rata-rata bergerak
Month
N ov D ec
O ct
Se p
Ju l A ug
0 Ja n Fe b M ar A pr M ay Ju n
Sales Demand
30
Kenyataan Peramalan • Permalan jarang sekali sempurna • Kebanyakan permalan didasarkan pada asumsi bahwa sistem stabil • Both product family and aggregated product forecasts are more accurate than individual product forecasts
Pendekatan Peramalan Metode Kualitatif
Metode kuantitatif
• Used when situation is vague & little data exist
• Used when situation is ‘stable’ & historical data exist
– New products – New technology
• Involves intuition, experience – e.g., forecasting sales on Internet
– Existing products – Current technology
• Involves mathematical techniques – e.g., forecasting sales of color televisions
Metode Kualitatif secara umum • Juri dan opini eksekutif – Pengumpulan opini dari sebagian kecil eksekutif level atas, kadang-kadang diperkuat dengan model statistik
• Metode Delphi – Panel of experts, queried iteratively
• Gabungan armada penjualan – Estimates from individual salespersons are reviewed for reasonableness, then aggregated
• Survey pasar konsumen – Ask the customer
Pendekatan Kuantitatif Secara umum • • • •
Naïve approach Moving averages Exponential smoothing Trend projection
• Linear regression
Time-series Models
Associative models
Metode Peramalan Kuantitatif (Non-Naive) Quantitative Forecasting Associative Models
Time Series Models
Moving Average
Exponential Smoothing
Trend Projection
Linear Regression
Model Seri Waktu ? •
Set of evenly spaced numerical data – Diperoleh berdasarkan hasil obervasi terhadap respon dari suatu variable pada periode waktu tertentu.
•
Forecast based only on past values – Dengan asumsi bahwa faktor-faktor yang mempengaruhi masa lalu dan sekarang akan terus berpengaruh dimasa yang akan datang.
•
Example Year: Sales:
1998 78.7
1999 63.5
2000 89.7
2001 93.2
2002 92.1
Komponen-komponen Seri Waktu Trend
Siklus
Musim
Variasi acak
Komponen Trend • Persistent, Secara umum polanya naik atau turun. • Diakibatkan oleh populasi, technology dll. • Durasi beberapa tahun Response
Mo., Qtr., Yr.
© 1984-1994 T/Maker Co.
Komponen musim • Pola reguler, fluktuasi naik dan turun • Diakibatkan oleh cuaca, musim, dll. • Terjadi dalam 1 tahun Summer Response © 1984-1994 T/Maker Co.
Mo., Qtr.
Pola Musim secara umum Periode pola
Lamanya
Minggu Bulan Bulan Tahun Tahun Tahun
Hari Minggu Hari Kuartal Bulan Minggu
Jumlah musim dalam pola 7 4–4½ 28 – 31 4 12 52
Komponen siklus • Pergerakan naik dan turun berulang • Diakibatkan interaksi diantara faktor-faktor yg mempengaruhi ekonomi • Durasi 2-10 tahun Cycle Response
% Mo., Qtr., Yr.
Komponen Variasi Acak • Erratic, unsystematic, ‘residual’ fluctuations • Diakibatkan oleh variasi acak atau situasi yang tidak biasa – Pemogokan buruh – Tornado
• Durasi pendek & tidak berulang
© 1984-1994 T/Maker Co.
Pendekatan Naive • Mengasumsikan permintaan pada periode akan datang adalah sama dengan permintaaan sekarang. – e.g., Jika penjualan Mei adalah 48, maka penjualan Juni akan 48
• Kadang-kadang efektif dan efesien secara biaya © 1995 Corel Corp.
