Forecasting Demand. Chapter 4

Transkripsi

1 Chapter 4 Forecastig Demad Forecast: proses memprediksi kejadia yag dimasa depa. Diguaka utuk mejadi dasar dalam membuat keputusa bisis (produksi, persediaa, fasilitas). Forecastig memiliki 3 Time Horizos (jagka waktu) yaitu: Jagka Pedek Jagka Meegah Jagka Pajag Jagka waktu sampai 1 tahu, biasaya kurag dari 3 bula Cotoh kegiata: pembelia, pejadwala kerja, tigkat produksi Biasaya megguaka metodologi yag berbeda dari forecast jagka pajag Cederug lebih akurat dibadig forecast jagka pajag Jagka waktu 3 bula sampai 3 tahu Cotoh kegiata: perecaaa pejuala, perecaaa produksi, budgetig Proyeksi ke arah isu yag lebih komprehesif yag medukug keputusa maajeme termasuk perecaaa da produk, pabrik da proses Jagka waktu diatas 3 tahu Cotoh kegiata: perecaaa produk baru, peetua lokasi fasilitas, RD Product Life Cycle Itroductio Growth Maturity Declie Tahap Itroductio da Growth membutuhka forecast yag lebih lama dibadig Maturity da Declie. Selama produk melewati PLC, forecast juga bergua utuk memproyeksika tigkat staff da tigkat persediaa. Itroductio Growth Maturity Declie Product desig Forecastig Stadardizatio Little product ad developmet critical Fewer product differetiatio critical Competitive chages, more Cost Frequet product product mior chages miimizatio ad process improvemets Product Reduce Capacity desig chages ad optios improvemet ad Attetio to Shift toward cost cuttig Quality product focus

2 Jeisjeis Forecastig: o Proyeksi Ekoomi tigkat iflasi, tigkat suku buga o Proyeksi Tekologi progress ratio kemajua tekologi, dampak dari pegembaga produk baru o Proyeksi Permitaa memperkiraka pejuala dari produk da jasa yag ada Petigya strategi dari proyeksi: a. SDM memperkerjaka pegawai, pelatiha, pemecata pekerja b. Kapasitas kuragya kapasitas (capacity shortage) dapat megakibatka pegirima yag kurag hadal, hilagya pelagga, da hilagya market share c. Supply Chai Maagemet hubuga yag baik dega supplier da price advatages Lagkahlagkah dalam melakuka proyeksi: 1. Meetuka keguaa dari proyeksi 2. Memilih objek yag aka diproyeksika 3. Meetuka jagka waktu dari proyeksi 4. Memilih model proyeksi 5. Megumpulka data 6. Melakuka proyeksi 7. Validasi da megimplemetasika hasilya Macammacam Forecastig Approaches: a. Qualitative Method Jury of executive opiio opii dari sekelompok para ahli da maager level tiggi utuk membuat estimasi permitaa Delphi method megguaka proses dari kelompok iteraktif. Ada staff yag megumpulka data, respodets yaitu sekelompok orag yag dapat melakuka peilaia, da decisio maker yag evaluasi respo & membuat keputusa Sales force composite proyeksi berdasarka estimasi dari salespersos terhadap ekspektasi pejuala Cosumer market survey megumpulka iput dari kosume terhadap recaa pembelia di masa depa b. Quatitative Method Naive Approach Movig Averages Timeseries model Expoetial Smoothig

3 Tred Projectio Liear Regressio Associative Model Naive Approach: tehik proyeksi megguaka asumsi bahwa permitaaa utuk periode selajutya sama dega permitaa dari periode sebelumya. Movig Averages: megguaka agkaagka dari historical actual data utuk forecastig Movig average = demad i previous periods Weighted movig average = (weight for period) x (demad i period ) Expoetial Smoothig: weights New forecast = Last period s forecast + α (Last period s actual demad Last period s forecast) Ft Ft 1 A t 1 atau Ft = Ft 1 + a(at 1 Ft 1) =ew forecast = previous forecast = previous actual demad α = smoothig (or weightig) costat (0 a 1) Measurig Forecast Error: Forecast error = Actual demad Forecast value = At Ft MAD = Actual Forecast MSE = (Forecast Errors) 2 MAPE = 100 Actuali Forecasti /Actuali

4 Expoetial Smoothig with Tred Adjustmet: 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 Tred Projectio Regressio Aalysis for Forecastig* ŷ = a + bx b = xy xȳ x 2 x 2 a = ȳ bx Dimaa ŷ = computed value of the variable to be predicted (depedet variable) a = yaxis itercept b = slope of the regressio lie x = the idepedet variable Seasoal Variatios i Data:

5 Average mothly demad Seasoal Idex Forecast = Total average aual demad 12 moths = Average mothly demad Average mothly demad = Expected aual demad x Seasoal idex of the moth 12 moths Stadard Error of Estimate: S y,x r : Stadard Error of Estimate : correlatio coefficiet (megukur seberaa besar perubaha y akibat perubaha x) Moitorig ad Cotrollig Forecasts: Trackig sigal : suatu pegukura sebaik apa suatu proyeksi memprediksika ilai yag sebearya Trackig Sigal = Cumulative Error MAD