FORECASTING (PERAMALAN) Ilmu Manajemen

Transkripsi

1 FORECASTING (PERAMALAN) Ilmu Manajemen

2 PERAMALAN (FORECASTING) PENGERTIAN : PERAMALAN :ADALAH SENI DAN ILMU MEMPREDIKSI PERISTIWA MASA DEPAN YANG MEMERLUKAN DATA DATA

3 ADA DUA METODE PERAMALAN : 1. TOP-DOWN FORECASTING YAITU SUATU METODE PERAMALAN UMUM YANG MENDASARKAN PADA BERBAGAI KONDISI BISNIS UMUM YANG DIBUAT OLEH PARA EKONOMI DALM MEMBAGA LEMBAGA PEMERINTAH, PERUSAHAAN BESAR DAN UNIVERSITAS UNIVERSITAS. KEMUDIAN MEMPERKIRAKAN BERAPA BAGIAN PASAR PERUSAHAAN (MARKET SHARE) DAN AKHIRNYA BERAPA BARANG YANG DIPRODUKSI, DAN BERAPA SETIAP PRODUK PERUSAHAAN AKAN DAPAT DIJUAL SETIAP BULAN. 2. BOTTOM-UP FORECASTING YAITU SUATU METODE PERAMALAN YANG DIMULAI DENGAN PERKIRAAN PERMINTAAN PRODUK PRODUK AKHIR INDIVIDU. DATA DATA PERAMAL BIYASA DIPEROLEH DARI ESTIMASI ORANG ORANG PENJUALAN, DISTRIBUTOR DAN PARA PELANGGAN.

4 JENIS JENIS PERAMALAN 1. RAMALAN EKONOMI ADALAH RAMALAN SIKLUS BISNIS YANG MEMPREDIKSI TINGKAT INFLASI, TINGKAT SUKU BUNGA DAN INDICATOR INDIKATOR LAIN. 2. RAMALAN TEKNOLOGI ADALAH RAMALAN YANG BERKAITAN DENGAN TINGKAT KEMAJUAN TEKNOLOGI YANG MELAHIRKAN PRODUK BARU, MEMBUTUHKAN PABRIK DAN PERALATAN BARU. 3. PERAMALAN PERMINTAAN ADALAH PROYEKSI PERMINTAAN TERKAIT PRODUK ATAU JASA PERUSAHAAN. RAMALAN INI MEMBAHAS RAMALAN PENJUALAN, RAMALAN PRODUKSI, KAPASITAS DAN SISTEM PENJADWALAN PERUSAHAAN, UNTUK KEPERLUAN PERENCANAAN KEUANGAN, PAMASARAN,

5 PENDEKATAN PERAMALAN ADALAH BEBERAPA PENDEKATAN TEKNIK KUALITATIF YANG DIGUNAKAN : 1. METODE DELPHI. ADALAH SUATU TEKNIK PERAMALAN YANG MEMPERGUNAKAN SUATU PROSEDUR YANG SISTEMATIS UNTUK MENDAPATKAN CONSENSUS PENDAPATAN PENDAPATAN DARI SUATU KELOMPOK AHLI. 2. SURVEY PASAR KONSUMEN/RISET PASAR. ADALAH SUATU RAMALAN YANG MEMPERBESAR MASUKAN DARI PELANGGAN TANPA MELIHAR RENCANA PEMBELIAN MASA DEPANNYA 3. JURI DAN OPINI EKSEKUTIF. ADALAH RAMALAN YANG MENGAMBIL OPINI SEKELOMPOK KECIL MANAJER TINGKAT TINGGI. BIASA DIKOMBINASIKAN DENGANAN MODEL STATISTIC. MENGHASILKAN ESTIMASI PERMINTAAN KELOMPOK 4. GABUNGAN ARMADA PENJUALAN. ADALAH RAMALAN YANG MENDASARKAN PADA SETIAP WILAYAH PENJUALANNYA, KEMUDIAN DIKAJI ULANG LALU DIKOMBINASIKAN DIWILAYAH LAIN DAN NASIONAL UNTUK MENCAPAI RAMALANA SECARA MENYELURUH. 5. PENDEKATAN NAIF/NAÏVE APPROACH. ADALAH SUATU PERAMALAN YANG MENGASUMSIKAN BAHWA PERMINTAAN DALAM PERIODE BERIKUTNYA ADALAH SAMA DENGAN PERMINTAAN DALAM PERIODE SEBELUMNYA(MOST RECENT PERIOD)

6 PENDEKATAN, TEKNIK KUANTITATIF ADALAH BEBERAPA RAMALAN DENGAN TEKNIK KUANTITATIF ANTARA LAIN : 1.PROYEKSI TREND/TREND PROJEECTION. 2.RATA RATA BERGERAK/MOVING AVERAGES. 3.PENGHALUS EKSPONENSIAL / EXPONENTIAL SMOOTHING. 4.ANALISIS TUNTUN WAKTU/TIME SERIES. 5.REGRESI DAN KORELASI.

7 TAHAPAN SISTEM PERAMALAN TANPA MELIHAT METODE YANG DIGUNAKAN, PROSES PERAMALAN SECARA UMUM ADALAH SEBAGAI BERIKUT : 1. MENENTUKAN PENGGUNAAN PERAMALAN/TUJUAN ATAU PENCAPAIAN. 2. MEMILIH HAL-HAL YANG AKAN DIRAMAL. 3. MENENTUKAN HORISON WAKTUNYA, PANJANG, MENENGAH DAN PENDEK. 4. MEMILIH MODEL PPERAMALAN. 5. MENGUMPULKAN DATA YANG DIBUTUHKAN UNTUK MEMBUAT RAMALAN. 6. MENENTUKAN MODEL PETAMALAN YANG TEPAT. 7. MEMBUAT RAMALAN. 8. MENERAPKAN HASILNYA.

8 1.PROYEKSI TREND/KUADRAT TERKECIL(LEAST SQUARE) METODE INI DAPAT MENGUNAKAN PERSAMAAN Y = a +bx BILA TITIK TENGAH SEBAGAI TAHUN DASAR Ex = 0 Y = a + bx Y = n.a Xy n Xy = b. X² b = xy X² DAPAT JUGA MENGGUNAKAN TAHUN PERTAMA SEBAGAI TAHUN DASAR. Y = a + bx a =Y - bx ATAU a = Y. x² - x Y n. x² - ( x)² b = n. xy - x. xy n. x² - ( x)²

9 CONTOH KASUS : PT. ABC MEMPUNYAI DATA PENJUALAN PADA TUJUH TAHUN TRAKHIR SEBAGAI BERIKUT : TAHUN PENJUALAN

10 DARI DATA DIATAS HITUNGLAH RAMALAN PENJUALAN TAHUN 2006 JAWAB : TAHUN (Y) (X) (X)² Xy

11 Y = a+bx a = Y = = n 7 b = xy = = x² 28 Y 2006 = a + bx = (4) = =

12 1.A METODE TREND SEMI AVERAGE Metode ini digunakan bila data yang ada jumlahnya genap, sehingga dapat dibagi menjadi dua kelompok sama besar. Contoh soal. Data penjual PT. ADIJAYA tahun (dalam tabel). Dari data tersebut buatlah ramalan penjualan untuk tahun 2000? tahun Jumlah penjualan (dalam juta)

13 JAWABAN SOAL Catatan ; kelaompok pertama bila data ganjil dimulai angka 0 (tengah) dan bila data genap dimulai angka -3,-1,1,3 dst. Tahun Jumlah Penjualan(Y) Total Average X /3=148, /3=

14 Lanjutan jawaban Rumus : Y = a + bx a = rata-rata kelompok pertama b = selisih antara dengan dibagi dengan jumlah data yang ada dalam satu kelompok. Jadi a = 148,33 ; b = ,33/3 = 4,5567 Y = 148,33 + 4,5567 (X) Maka forecast penjualan untuk tahun 2000 adalah (X diberi skore 5) Y = 148,33 + 4,5567 (5) = 171,11 unit _ X 2 _ X 1 _ X 1

15 METODE TREND MOMENT Adalah metode peramalan yang mempunyai persamaan Y = a + bx Pemberian score X dimulai dari 0,1,2,3, dst. Contoh soal. Data penjual PT. ADIJAYA tahun (dalam tabel). Dari data tersebut buatlah ramalan penjualan untuk tahun 2000? tahun Jumlah penjualan (dalam juta)

16 JAWABAN CONTOH SOAL Persamaan ; Y = a + bx Dalam mencari koefisien a dan b digunakan persamaan ΣY = n.a + b. Σ X ΣXY = a. Σ X + b. Σ X² Tahun Y X XY X² Σ

17 JAWABAN CONTOH SOAL 774 = 5.a + b (10) {x2} = 10.a + b (30) {x1} = 10 a + 20 b = 10 a + 30 b (-) -70 = -10 ; b=7 Substitusikan : 774 = 5 a + 10 (7) 5 a = = 704 a =704/5 = 140,8 Forecast Y2000 = 140,8 + 7 (X) = 140,8 + 7(5)= 175,8

18 2. RATA RATA BERGERAK/MOVING AVERAGE. ADALAH SUATU TEKNIK PERAMALAN MENGASUMSIKAN BAHWA PERMINTAAN PASAR TETAP KECIL SEPANJANG WAKTU. RUMUS : MA = JUMLAH PERMINTAAN DATA n PERIODE SEBELUMNYA n TAHUN KUARTALAN PENJUALAN (UNIT) TOTAL GERAKAN TIGA KUARTAL RATA-RATA BERGERAK TIGA KUARTAL : : : : : : : : : 3 80, ,7 87, ,5 88,7 90, : : : : : 3-92,7 92, ,3 97,7 - MA = = 80,3 RATA-RATA BERGERAK 3

19 JADI PERKIRAAN PENJUALAN UNTUK TAHUN 2004 KUARTAL I ADALAH 97,7 MELEBIHI METODE (MA) ADALAH : - EFEKTIF MERATAKAN ATAU MENGHALUSKAN FLUKTUASI PADA DATA. - BISA DITETAPKAN PADA BERBAGAI JENIS DATA. KELEMAHAN METODE MA ADALAH : - TIDAK PERSAMAAN RAMALAN. - HANYA MAMPU MERAMAL JANGKA PENDEK/NILAI RATA-RATA BERGERAK TERAKHIR.

20 PERHITUNGAN. DALAM ANALISIS DATA PENJUALAN ATAU PERMINTAAN AKAN PRODUK INDEKS MUSIM DAPAT DIGUNAKAN. CARA MENGHITUNGNYA DENGAN MENCAPAI RATA-RATA BERBAGAI RASIO PENJUALAN KUARTALAN NYATA TERHADAP NILAI GARIS TREND (Y) UNTUK SETIAP KUARTALAN.

21 CONTOH SOAL : DATA PENJUALAN YANG TERDAPAT PADA PT. SEMPURNA (DALAM TON) TAHUN KUARTAL 1 KUARTAL 2 KUARTAL 3 KUARTAL 4 TOTAL PERTANYAAN : a. BERAPAKAH FORECAST PENJUALAN UNTUK KUARTAL PERTAMA DAN KEDUA TAHUN 2004 DENGAN METODE RATA RATA BERGERAK EMPAT KUARTAL. b. BERAPAKAH FORECAST PERMINTAAN MUSIMAN SELAMA TAHUN 2004, JIKA DIASUMSIKAN PERMINTAAAN SELAMA TAHUN 2004 SEBANYAK 1019 TON, DENGAN MODEL RATA-RATA BERGERAK SEDERHANA?

22 JAWAB : a. PRAKIRAAN PENJUALAN UNTUK KUARTALAN PERTAMA TAHUN = 245 ton 4 PRAKIRAAN PENJUALAN UNTUK KUARTALAN KEDUA TAHUN = 253,75 ton 4

23 b. RATA-RATA PENJUALAN PER KUARTAL DARI PENJUALAN TAHUN 1999 SAMPAI DENGAN KUARTAL I = = 190 ton 5 KUARTAL II = = 372 ton 5 KUARTAL III = = 160 ton 5 KUARTAL IV = = 270 ton 5 RATA-RATA PENJUALAN SELURUH KUARTAL = = 248 ton 20

24 INDEKS MUSIMAN MASING-MASING KUARTAL KUARTAL I = 190 = 0, KUARTAL II = 372 = 1,5 248 KUARTAL III = 160 = 0, KUARTAL IV = 270 = 1,1 248

25 DENGAN ANGKA INDEKS MUSIMAN TERSEBUT MAKA PRAKIRAAN PENJUALAN MUSIMAN TAHUN 2004 JIKA PENJULAN SELAMA TAHUN 2004 SEBESAR DENGAN METODE RATA-RATA SEDERHANA (SIMPLE AVERAGE) KUARTAL I = x 0,77 = 196,1575 ton 4 KUARTAL II = x 1,5 = 382,125 ton 4 KUARTAL III = x 0,65 = 165,5873 ton 4 KUARTAL IV = x 1,1 = 280,225 ton 4

26 RATA-RATA BERGERAK / WEIGHT MOVING-AVERAGE TERTIMBANG WMA = (timbangan untuk periode n) (permintaan dalam periode n) Timbangan

27 CONTOH : BERDASARKAN DATA DIBAWAH INI HITUNGLAH FORECAST UNTUK KUARTAL PERTAMA 2004 DENGAN METODE WMA : TAHUN KUARTAL 1 KUARTAL 2 KUARTAL 3 KUARTAL 4 TOTAL DALAM TON

28 DATA BOBOT PERIODE 1 (DATA PALING LAMA) (DATA PALING AKHIR) BOBOT (TERBILANG) 5% 10% 15% 25% 45% FORECAST UNTUK KUARTAL PERTAMA TAHUN 2004 DIHITUNG SEBAGAI BERIKUT : F = 0,05(250)+0,10(210)+0,15(355)+0,25(190)+0,45(225) 1,00 = 235,5 ton

29 3. EXPONENTIAL SMOOTHING ADALAH SUATU TEKNIK PERAMALAN RATA-RATA BERGERAK YANG MELAKUKAN PENIMBANGAN TERHADAP DATA MASA LALU DENGAN CARA PENGHALUSAN SEHINGGA DATA PALING AKHIR MEMPUNYAI BOBOT ATAU TIMBANGAN LEBIH BESAR DALAM RATA-RATA BERGERAJ. RUMUS : Ft = Ft 1 + a (At 1 Ft 1) KETERANGAN : Ft = RAMALAN UNTUK PERIODE SEKARANG (t) Ft 1 = RAMALAN YANG DIBUAT UNTUK PERIODE TERAKHIR (t 1) A = SMOOTHING CONSTANT (0 α < 1) At = PERMINTAAN NYATA PERIODE TERAKHIR

30 CONTOH : DENGAN MENGGUNAKAN MODEL EXPONENTIAL SMOOTHING, HITUNGLAH FORECAST UNTUK KUARTAL PERTAMA 2004, BILA DIKETAHUI BAHWA FORECAST UNTUK KUARTAL TERAKHIR TAHUN 2003 ADALAH 220,5 TON. BILA NILAI a = 0,15 (DATA SOAL SAMA DENGAN DIATAS) JAWAB : FORECAST UNTUK KUARTAL PERTAMA 2004 YANG DIRATAKAN SECARA EKSPONENSIAL DAPAT DIHITUNG SEBAGAI BERIKUT : Ft = Ft 1 + A (At 1 Ft 1) = 220,5 + 0,15 ( ,5) = 221,175 ton

31 PENGARUH TREND DALAM EXPONENTIAL SMOOTHING. METODE RATA-RATA BERGERAK TERTIMBANG DAN AXPONENTIAL SMOOTHING GAGAL MERESPON TREND. UNTUK MEMPERBAIKI RAMALAN MAKA HASIL RAMALAN YANG SUDAH DIRATAKAN DENGAN EKSPONENIAL DAPAT DIKOREKSI DENGAN PERHITUNGAN PERBEDAAN ANTARA DUA RAMALAN SEBELUMNYA DAN PENAMBAHAN JUMLAH INI PADA RAMALAN BARU, YAITU : FORECAST TERMAKSUK TREND (FTT) = Ft + KONEKSI TREND, PERSAMAAN YANG LENGKAP EXPONENTIAL SMOOTHING YANG TERKOREKSI TREND MENGGUNAKAN CONSTANT ß. Tt = Tt ß(Ft Ft 1)

32 CONTOH SOAL : DENGAN MENGGUNAKAN MODEL TREND ADJUSTED EXPONENTIAL SMOOTHING, HITUNGLAH FORECAST UNTUK KUARTAL PERTAMA GUNAKAN α = 0,15 DAN ß = 0,1 UNTUK DAKTOR TREND SMOOTHING (DATA LENGKAP SEPERTI SOAL DIATAS)

33 JAWAB : - LANGKAH PERTAMA MENGHITUNG FORECAST EXPONENTIAL SMOOTHING SEDERHANA UNTUK KUARTAL PERTAMA 2004 SBB : Ft = 220,5 + 0,15 ( ,5) = 221,175 ton - LANGKAH KEDUA MENGHITUNG tt SEBAGAI BERIKUT : tt = Ft Ft 1 = 221, ,5 = 0,675 - LANGKAH KETIGA MENGHITUNG Tt DENGAN ASUMSI BAHWA PENYELESAIAN TREND AWAL ADALAH SEBESAR 0. Tt = Tt 1 + ß(tt Tt -1) = 0 + 0,10(0,0675) = 0, LANGKAH KEEMPAT MEMPERHITUNGKAN PENGARUH TREND FORECAST UNTUK KUARTAL PERTAMA 2004 SBB : Ft = Ft + 1- ß Tt ß Ft = 221, ,1 0,0675 0,1 = 221,7825 ton

34 4. ANALISIS RUNTUN WAKTU / TIME SERIES ADALAH MODEL PERAMALAN YANG MENDASARKAN DATA SAMA LALU MENJADI KOMPONEN- KOMPONEN DAN KENUDIAN MEMPROYEKSIKAN DIWAKTU YANG AKAN DATANG. SERI WAKTU YANG DIGUNAKAN ADA EMPAT YAITU : a) TREND (T) IALAH GERAKAN YANG MENUNJUKAN POLA PENURUNAN ATAU KENAIKAN JANGKA PANJANG SERANGKAINA DATA HISTORIES b) MUSIM (S) SEASIONAL IALAH POLA DATA YANG BERULANG ATAU MUSIMAN SEPERTI PERIODE HARIAN, MINGGUAN, BULANAN, KUARTALAN, ATAU TAHUNAN, BIASA MUSIM HUJAN DAN MUSIM KEMARAU DAN LAIN-LAIN c) SIKLUS (C) CYCLICAL IALAH POLA DALAM DATA YANG TERJADI SETIAP BEBERAPA TAHUN. KOMPONEN INI SULIT DITENTUKAN AKARENA MENYANGKUT KEJADIAN KEJADIAN YANG PASTI MISALNYA POLITIK, PERANG, KONDISI EKONOMI, SIKLUS BISNIS DAN LAIN-LAIN. d) RESIDU/ERRATIC (E) IALAH SUATU UNSURE YANG MENUNJUKAN FLUKTUASI DATA YANG TIDAK SISTEMATIK ATAU RANDOM (ACAK) SEHINGGA EMPAT KOMPONEN MEMBENTUK FUNGSI ANALISIS RUNTUT WAKTU SUATU NILAI RAMALAN (Y), y = Y x S x C x E

35 5. METODE REGRESI DAN KORELASI Korelasi suatu metode peramalan model statistik yang digunakan untuk menentukan hubungan antara minimal satu variabel terikat (Dependent variabel) dengan satu variabel bebas (independent variabel). Tujuannya adalah untuk meramalkan atau memperkirakan nilai veriabel terikat dalam hubungannya dengan nilai variabel bebas tertentu.

36 RUMUS REGRESI SEDERHANA Y = a + bx Y = Nilai variabel terikat a = tetapan regresi (perpotongaan sumbu Y) b = kemiringan garis regresi/kelandaian X = variabel bebas a b n X Y n y b x n X n Y n XY X 2 X ( X ) jumlahobserv asi Y 2

37 Rumus regresi berganda dan korelasi Y = a + b1x1 + bx2 Y = a + bx1 + bx2 + bx3. dst. Korelasi (r) : Bila r =+1 berarti ada korelasi positif sempurna antara variabel terikat dengan variabel bebas Bila r = -1artinya ada korelasi negatif sempurna antara variabel terikat dengan variabel bebas. r ( n n XY ( X )( Y) 2 ( 2 ) )( 2 X X n Y ( Y) 2 )

38 CONTOH SOAL REGRESI Berdasarkan data penjualan PT. ADIJAYA tahun 2005 sampai dengan tahun 2009 seperti dalam tabel, buatlah persamaan regresi dan korelasinya dan interprestasikan hasilnya? Tahun Biaya Iklan /X (dalam juta Rupiah) Jumlah Penjualan/Y (dalam juta Rupiah) Total

39 JAWABAN SOAL REGRESI Tabel untuk mencari nilai a dan b : Tahun X Y XY X² Y² Total Persamaan regresinya Y = a + b (X) Koefisien a dan b dicari dengan rumus : b n. n. XY X. Y 2 X ( XY) 5(10507) (67)(774) 2 5(935) (67) 2 3,64

40 Lanjutan Jawaban a Y b. n X 774 (3,64)(67) 5 106,02 Jadi Y = 106,02 + 3,64 X Persamaan ini dapat diinterpretasikan bahwa bila biaya iklan naik satu juta Rupiah, jumlah penjualan akan meningkat 3,64 juta unit.

41 Lanjutan Jawaban Koefisien korelasi dicari dengan persamaan : r r n X 2 5(935) n. 5(10507) XY ( X (67) ) 2 2 X. Y n. Y 2 (67)(774) 5(120314) ( Y ) 2 (774) 2 0,994 Karena nilai r mendekati 1, berarti terdapat hubungan yang kuat antara biaya iklan dengan jumlah penjualan

42 LATIHAN KASUS 1 PT. ADI MIX MEMPUNYAI DATA PENJUALAN SELAMA 5 TAHUN TERAKHIR SEBAGAI BERIKUT : KUARTAL (000 M²) TAHUN I II III IV TOTAL

43 DARI DATA DIATAS DIMINTA : a) HITUNGLAH RAMALAN PENJUALAN TAHUN b) BILA PESEDIAAN AKHIR TAHUN 2005 BERJUMLAH M², DAN RENCANA PERSEDIAAN AKHIR TAHUN 2006 ADALAH M², MAKA HITUNGLAH JUMLAH PRODUKSI TAHUN c) HITUNGLAH RAMALAN PENJUALAN KUARTAL I, II, TAHUN 2006 DENGAN METODE RATA-RATA BERGERAK EMPAT KUARTALAN. d) BERAPA RAMALAN PERMINTAAN MUSIMAN SELAMA TAHUN 2006 (JIKA DIASUMSIKAN PERMINTAAAN SELAMA 2006 SEBANYAK m2 ) DENGAN MODEL RATA RATA BERGERAK SEDERHANA.

44 LATIHAN KASUS 2 Dibawah ini disajikan data tiga tahun terakhir perkuartal pengunjung atraksi Disney orlando Amerika Serikat seperti dalam tabel. Dari tabel tersebut saudara diminta untuk : Menghitung ramalan jumlah pengunjung tahun 2007 pada musim dingin, musim semi, musim panas, dan musim gugur dengan metode trend least square? Menghitung ramalan jumlah pengunjung musiman selama tahun 2007, Jika diprediksi jumlah pengunjung tahun 2007 naik 25% dari jumlah pengunjung tahun sebelumnya; dengan metode indeks musim?

45 Tabel pengunjung Atraksi Disney orlando K u a r t a l Musim dingin Musim semi Musim panas Musim gugur Musim dingin Musim semi Musim panas Musim gugur Musim dingin Musim semi Musim panas Musim gugur Pengunjung