Operational Management - Forecasting

  • View
    5

  • Download
    4

Embed Size (px)

DESCRIPTION

Melakukan perencanaan produksi, dalam upaya memenuhi kebutuhan konsumen.Memprediksi kebutuhan yang diperlukan dalam proses produksi. Mengerti tahapan dalam peramalan.Menentukan metode peramalan yang tepat

Transcript

  • Peramalan Manajemen Operasional

  • Kompetensi Pokok bahasan

    Setelah mengikuti pokok bahasan ini, mahasiswa diharapkan mampu:Melakukan perencanaan produksi, dalam upaya memenuhi kebutuhan konsumen.Memprediksi kebutuhan yang diperlukan dalam proses produksi. Mengerti tahapan dalam peramalan.Menentukan metode peramalan yang tepat.

  • Pokok bahasan ini merupakan pokok bahasan yang mengkaji perencanaan produksi melalui penerapan metode peramalan.Teknik peramalan ini ditujukan untuk menghasilkan perencanaan produksi yang akurat dalam merespon permintaan pasar.Langkah pertama dalam perencanaan operasi sistem produksi adalah menentukan peramalan yang akurat terhadap permintaan barang (produk) yang akan diproduksi.

  • Definisi

    Peramalan adalah seni dan ilmu untuk memprediksi masa depan.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.Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada perencanaan produksi.Metode: Kualitatif dan kuantitatif.

  • Metode Peramalan 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 ? bottom-up forecasating,dimulai dari perkiraan permintaan produk akhir individual.Berapa banyak produk yang dapat dijual perusahaan tahun depan ?Berapa jam pelayanan yang 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 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. 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.

  • Peramalan berdasarkan jangka waktu :

    (1) Peramalan jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan untuk rencana pembelian, penjadualan kerja, jumlah TK, tingkat produksi), (2) Peramalan jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis berbagai rencana operasi), (3) Peramalan jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan).

  • Peramalan berdasarkan rencana operasi(1) Ramalan ekonomi : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya, (2) Ramalan teknologi : berkaitan dengan tingkat kemajuan teknologi dan produk baru, (3) Ramalan permintaan : berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjadualan perusahaan.

  • Peramalan berdasarkan metode / pendekatan(1) Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan data historis dan atau variabel-variabel kausal untuk meramalkan permintaan, (2) Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan

  • Persyaratan Penggunaan Metode Kuantitatif:Tersedia informasi tentang masa lalu.Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik.Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

  • *Metode Peramalan Kuantitatif (1)Metode Peramalan Kuantitatif dapat dikelompokkan dua jenis : (1) model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu, (2) model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).Model Seri Waktu / Metode deret berkala : (1) Rata-rata bergerak (moving averages), (2) Penghalusan eksponensial (exponential smoothing), (3) Proyeksi trend (trend projection)

  • Analisis Runtun Waktu (Time Series)Model peramalan ini mencoba untuk meramalkan kejadian-kejadian di waktu yang akan datang atas dasar serangkaian data kejadian masa lalu.Komponen-komponen yang ada dalam 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-komponen diatas :

    Y = T x S x C x E

  • Analisis Runtun Waktu (Time Series)Trend, merupakan pola gerakan penurunan atau pertumbuhan (kenaikkan) jangka panjang serangkaian data historik.

    Musiman, komponen ini mencerminkan pengaruh pola-pola pembelian musiman. terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini.

    Siklikal, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya.

  • *Metode Peramalan Kuantitatif (2)Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil : Rata-rata Bergerak = Permintaan data n periode sebelumnya n

    Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru :Rata-rata Bergerak =(Timbangan periode n)(permintaan Periode n) Timbangan

  • *Metode Peramalan Kuantitatif (3)Penghalusan Eksponensial : metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.Metode Peramalan Kausal : Analisis Regresi Teknik dalam metode peramalan kausal membahas pendekatan sebab akibat (kausal) atau yang bersifat menjelaskan (eksplanatoris), dan bertujuan untuk meramalkan keadaan di masa yang akan datang dengan menemukan dan mengukur beberapa variabel bebas (independen) yang penting beserta pengaruhnya tidak bebas/terikat (dependen) yang akan diramalkan.

  • Prosedur Peramalan Mendapatkan data historis, dan menggambarkannya dalam scatter diagram untuk mengetahui tipe hubungan. (contoh : Linear)Mencari persamaan trendMencari indeks musimanMemproyeksikan trend ke waktu yang akan datangMengalikan nilai-nilai trend bulanan dengan indeks musimanMemodifikasi nilai-nilai yang diramal dengan pengetahuan tentang :Kondisi-kondisi bisnis siklikal (C)Antisipasi pengaruh-pengaruh yang tidak biasa (E)

  • Perhitungan Trend

    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 nolPenjumlahan seluruh kuadrat deviasi vertikal data historis dari garis adalah minimumGaris melalui rata-rata X dan Y

  • Perhitungan TrendUntuk persamaan linear, garis trend dicari dengan penyelesaian simultan nilai a dan b pada dua persamaan normal berikut : Y= n a + b X XY= a X + b X2Bila titik tengah data sebagai tahun dasar, maka X = 0 dan dapat dihilangkan dari persamaan diatas, sehingga menjadi :

    Y Y= n a a = n

    XY XY= b X2 b = X2

  • Perhitungan TrendBila 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 dataKode X12345-2 -1012

    Nomor dataKode X123456-3-2 -1123

    0

    0

  • Perhitungan Trend (Least squares)

    TahunKuartalPenjualan(dlm Unit)YXXYX21981

    1982

    1983

    19841234123412341234807883858488908986919493909610097-8-7-6-5-4-3-2-112345678-640-546-498-425-336-264-180-89 86 182 282 372 450 576 700 77664493625169411491625364964Jumlah ( )1.4240 446408

  • Perhitungan Trend (Least squares) Y 1.424a = = = 89 n 16

    XY 446b = = = 1,1 X2 408

    Jadi, Persamaan peramalan dalam be