FORCASTING. penting atau tidak melakukan evaluasi staf inernal auditor. Nanang Ruhyat. Modul ke: Fakultas TEKNIK. Program Studi Teknik Mesin

Transkripsi

1 Modul ke: penting atau tidak melakukan evaluasi staf inernal auditor FORCASTING Fakultas TEKNIK Nanang Ruhyat Program Studi Teknik Mesin

2 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

3 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.

4 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.

5 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

6 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!

7 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

8 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.

9 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

10 Strategi dan isu-isu selama Siklus kehidupan OM Strategy/Issues Company Strategy/Issues Introduction Growth Maturity Decline Best period to increase market share R&D product engineering critical Sales HDTV Color copiers Product design and development critical Frequent product and process design changes Short production runs High production costs Limited models Attention to quality Practical to change price or quality image Strengthen niche CD-ROM Internet Drive-thru restaurants Forecasting critical Product and process reliability Competitive product improvements and options Increase capacity Shift toward product focused Enhance distribution Poor time to change image, price, or quality Competitive costs become critical Defend market position Standardization Less rapid product changes - more minor changes Optimum capacity Increasing stability of process Fax machines Long production runs Product improvement and cost cutting Cost control critical 3 1/2 Floppy disks Little product differentiation Cost minimization Over capacity in the industry Prune line to eliminate items not returning good margin Reduce capacity Station wagons

11 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

12 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

13 Permintaan Produk digambar untuk periode 4 tahun dengan Trend and Seasonality Seasonal peaks Trend component Permintaan produk atau jasa Random variation Average demand over four years Actual demand line Year 1 Year 2 Year 3 Year 4

14 Permintaan aktual, Rata-rata bergerak, Rata-rata bergerak tertimbang Sales Demand Permintaan aktual Rata-rata bergerak tertimbang Rata-rata bergerak 0 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Month

15 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

16 Pendekatan Peramalan Metode Kualitatif Used when situation is vague & little data exist New products New technology Involves intuition, experience e.g., forecasting sales on Internet Metode kuantitatif Used when situation is stable & historical data exist Existing products Current technology Involves mathematical techniques e.g., forecasting sales of color televisions

17 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

18 Pendekatan Kuantitatif Secara umum Naïve approach Moving averages Exponential smoothing Trend projection Linear regression Time-series Models Associative models

19 Metode Peramalan Kuantitatif (Non-Naive) Quantitative Forecasting Time Series Models Associative Models Moving Average Exponential Smoothing Trend Projection Linear Regression

20 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:

21 Komponen-komponen Seri Waktu Trend Siklus Musim Variasi acak

22 Komponen Trend Persistent, Secara umum polanya naik atau turun. Diakibatkan oleh populasi, technology dll. Durasi beberapa tahun Response Mo., Qtr., Yr T/Maker Co.

23 Komponen musim Pola reguler, fluktuasi naik dan turun Diakibatkan oleh cuaca, musim, dll. Terjadi dalam 1 tahun Response Summer T/Maker Co. Mo., Qtr.

24 Pola Musim secara umum Periode pola Lamanya Jumlah musim dalam pola Minggu Hari 7 Bulan Minggu 4 4 ½ Bulan Hari Tahun Kuartal 4 Tahun Bulan 12 Tahun Minggu 52

25 Komponen siklus Pergerakan naik dan turun berulang Diakibatkan interaksi diantara faktor-faktor yg mempengaruhi ekonomi Durasi 2-10 tahun Response Cycle Mo., Qtr., Yr.

26 Komponen Variasi Acak Erratic, unsystematic, residual fluctuations Diakibatkan oleh variasi acak atau situasi yang tidak biasa Pemogokan buruh T/Maker Co. Tornado Durasi pendek & tidak berulang

27 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.

28