Improvement Is A Proof!
Chapter 4
Forecasting Demand Forecast: proses memprediksi kejadian yang dimasa depan. Digunakan untuk menjadi dasar dalam membuat keputusan bisnis (produksi, persediaan, fasilitas). Forecasting memiliki 3 Time Horizons (jangka waktu) yaitu:
Jangka Pendek
Jangka waktu sampai 1 tahun, biasanya kurang dari 3 bulan Contoh kegiatan: pembelian, penjadwalan kerja, tingkat produksi Biasanya menggunakan metodologi yang berbeda dari forecast jangka panjang Cenderung lebih akurat dibanding forecast jangka panjang
Jangka Menengah
Jangka waktu 3 bulan sampai 3 tahun Contoh kegiatan: perencanaan penjualan, perencanaan produksi, budgeting Proyeksi ke arah isu yang lebih komprehensif yang mendukung keputusan manajemen termasuk perencanaan dan produk, pabrik dan proses
Jangka Panjang
Jangka waktu diatas 3 tahun Contoh kegiatan: perencanaan produk baru, penentuan lokasi fasilitas, RnD
Product Life Cycle Introduction Growth Maturity Decline Tahap Introduction dan Growth membutuhkan forecast yang lebih lama dibanding Maturity dan Decline. Selama produk melewati PLC, forecast juga berguna untuk memproyeksikan tingkat staff dan tingkat persediaan.
Introduction Product design and development critical Frequent product and process design changes Attention to Quality
Growth Forecasting critical Competitive product improvements and options Shift toward product focus
Maturity Standardization Fewer product changes, more minor changes Product improvement and cost cutting
Decline Little product differentiation Cost minimization Reduce Capacity
Improvement Is A Proof!
Jenis-jenis Forecasting: o Proyeksi Ekonomi tingkat inflasi, tingkat suku bunga o Proyeksi Teknologi progress ratio kemajuan teknologi, dampak dari pengembangan produk baru o Proyeksi Permintaan memperkirakan penjualan dari produk dan jasa yang ada Pentingnya strategi dari proyeksi: a. SDM memperkerjakan pegawai, pelatihan, pemecatan pekerja b. Kapasitas kurangnya kapasitas (capacity shortage) dapat mengakibatkan pengiriman yang kurang handal, hilangnya pelanggan, dan hilangnya market share c. Supply Chain Management hubungan yang baik dengan supplier dan price advantages Langkah-langkah dalam melakukan proyeksi: 1. 2. 3. 4. 5. 6. 7.
Menentukan kegunaan dari proyeksi Memilih objek yang akan diproyeksikan Menentukan jangka waktu dari proyeksi Memilih model proyeksi Mengumpulkan data Melakukan proyeksi Validasi dan mengimplementasikan hasilnya
Macam-macam Forecasting Approaches: a. Qualitative Method - Jury of executive opinion opini dari sekelompok para ahli dan manager level tinggi untuk membuat estimasi permintaan - Delphi method menggunakan proses dari kelompok interaktif. Ada staff yang mengumpulkan data, respondents yaitu sekelompok orang yang dapat melakukan penilaian, dan decision maker yang evaluasi respon & membuat keputusan - Sales force composite proyeksi berdasarkan estimasi dari salespersons terhadap ekspektasi penjualan - Consumer market survey mengumpulkan input dari konsumen terhadap rencana pembelian di masa depan b. Quantitative Method - Naive Approach - Moving Averages Time-series model - Exponential Smoothing
Improvement Is A Proof!
-
Trend Projection Linear Regression
Associative Model
Naive Approach: tehnik proyeksi menggunakan asumsi bahwa permintaaan untuk periode selanjutnya sama dengan permintaan dari periode sebelumnya.
Moving Averages: menggunakan angka-angka dari historical actual data untuk forecasting ∑ demand in previous n periods n = ∑ (weight for period) x (demand in period n)
Moving average =
Weighted moving average
∑ weights Exponential Smoothing: New forecast = Last period’s forecast + α (Last period’s actual demand – Last period’s forecast) atau Ft = Ft – 1 + a(At – 1 - Ft – 1) Ft Ft – 1 A
=new forecast = previous forecast = previous actual demand
α
= smoothing (or weighting) constant (0 ≤ a ≤ 1)
t–1
Measuring Forecast Error: Forecast error
= Actual demand - Forecast value = At - F t
MAD = ∑ |Actual - Forecast| n MSE
= ∑ (Forecast Errors)2 n
MAPE = ∑ 100|Actuali - Forecasti|/Actuali n
Improvement Is A Proof!
Exponential Smoothing with Trend Adjustment: Step 1: Compute Ft Step 2: Compute Tt Step 3: Calculate the forecast FITt = Ft + Tt Ft = α(At - 1) + (1 - α)(Ft - 1 + Tt - 1) Tt = β(Ft - Ft - 1) + (1 - β)Tt - 1 Trend Projection Regression Analysis for Forecasting* ŷ = a + bx
b = ∑xy – nxȳ ∑x2 - nx- 2 a = ȳ - bxDimana ŷ = computed value of the variable to be predicted (dependent variable) a = y-axis intercept b = slope of the regression line x = the independent variable Seasonal Variations in Data:
Improvement Is A Proof!
Average monthly demand = Total average annual demand 12 months Seasonal Index
= Average 2007-2009 monthly demand Average monthly demand
Forecast
= Expected annual demand x Seasonal index of the month 12 months
Standard Error of Estimate:
S y,x r
: Standard Error of Estimate : correlation coefficient (mengukur seberaa besar perubahan y akibat perubahan x)
Monitoring and Controlling Forecasts: Tracking signal : suatu pengukuran sebaik apa suatu proyeksi memprediksikan nilai yang sebenarnya
Tracking Signal = Cumulative Error MAD
