Manajemen Operasional PERAMALAN (Forecasting) Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id
Sub Pokok bahasan pertemuan ke-3 Prediksi dan Peramalan Jenis-jenis Metode Peramalan Metode deret berkala Metode peramalan kausal Metode prediktif Metode Delphi survey pasar Analisis siklus hidup produk.
PERAMALAN Salah satu keputusan penting dalam perusahaan yang dilakukan oleh manajemen adalah menentukan tingkat produksi barang dan jasa untuk persipan masa datang Penentuan tingkat produksi yang merupakan tingkat penawaran akan dipengaruhi oleh jumlah permintaan pasar yg dapat dipenuhi oleh perusahaan Tingkat penawaran yang lebih tinggi dari permintaan pasar dapat mengakibatkan terjadinya pemborosan biaya (biaya penyimpanan, modal dan biaya kerusakan barang) Tingkat penawaran yang lebih rendah dibandingkan pangsa pasar yang dapat diraih mengakibatkan hilangnya kesempatan untuk memperoleh keuntungan, bahkan kehilangan pelanggan karena beralih ke perusahaan pesaing Untuk membantu tercapainya suatu keputusan yang optimal perlu adanya cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Salah satu alat yang diperukan oleh manajemen dan bagian integral dari proses pengambilan keputusan adalah Metode Peramalan
Tujuan Peramalan ü Mengukur dan Memprediksi peristiwa masa depan ü Peramalan tidak saja dilakukan untuk menentukan jumlah produk yang perlu dibuat atau kapsitias jasa yang disedikan, tetapi disemua bidang (pengadaan, personalia, penjualan dll) ü Biasanya memerlukan kebiasaan selama jangka waktu tertentu ü Peramalan dapat dilakukan secara Kuantitatif dan kualitatif ü Metode Kualitatif ü Berdasarkan metode yang subjektif, pendapat (judgment) dari yg melakukan peramalan ü Metode Kuantitatif ü Berdasarkan rumus matematika
Peramalan berhubungan dengan apa yang kita duga akan (will) terjadi di masa yang akan datang. Perencanaan berhubungan dengan apa yang kita anggap harus (should) terjadi di masa yang akan datang. l l l Peramalan merupakan masukan untuk semua jenis perencanaan dan pengendalian bisnis. Pemasaran menggunakan peramalan untuk merencanakan produk, promosi dan harga. Keuangan menggunakan peramalan sebagai masukan perencanaan keuangan.
Prakiraan didefinisikan sebagai proses peramalan suatu variabel (kejadian) di masa datang dengan berdasarkan data variabel pada masa sebelumnya (data masa lampau). Data ini digunakan untuk memperkirakan perkiraan masa datang Prediksi adalah proses peramalan suatu variabel di masa datang dengan lebih mendasarkan pada pertimbangan intuisi daripada data masa lampau. Didukung oleh data kuantitatif sebagai informasi dalam melakukan peramalan
Contoh l l l Perusahaan ingin meramalkan beberapa permintaan pasar atas produknya pada periode masa akan datang Perusahaan tsb dapat melakukan prakiraan dengan meggunakan data penjualann periode sebelumnya untuk taksiran permintaan pasar pada masa datang Namun jika perusahaan tsb ingin mengeluarkan produksi baru maka, melihat data berapa jumlah yang dapat diserap pasar karena belum memiliki data penjualan masa lampau
Syarat Peramalan yang baik 1. TIDAK BIAS (SESUAI DENGAN KENYATAAN)
Syarat Peramalan lanjutan... 2. HARUS EFISIEN (MEMILIKI VARIAN YANG KECIL)
Syarat Peramalan lanjutan... 3. HARUS KONSISTEN (SEMAKIN BESAR n, SEMAKIN MENDEKATI KENYATAAN) 4. MEMILIKI Mean Square Error ( MSE) YANG KECIL
(Penelitian dan Pengembangan/R&D)
Peramalan berdasarkan rencana operasi l l l Ramalan ekonomi : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya Ramalan teknologi : berkaitan dengan tingkat kemajuan teknologi dan produk baru 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 : l l Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan data historis dan atau variabelvariabel kausal untuk meramalkan permintaan. Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan.
POLA DATA RAMALAN (time series) Komponen Tren (Trend Component) Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik atau turun). Tren biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi, teknologi, dan atau Pola sebaran penyakit. gradual, perubahan jangka panjang ke atas atau bawah Komponen Siklis (Cyclical Component) Merepresentasikan rangkaian titik-titik dengan pola siklis (pergerakan secara siklis/naik-turun) di atas atau di bawah garis tren dalam kurung waktu satu tahun. Perubahan ke atas atau ke bawah berulang selama jangka waktu yang lama
Komponen Musim (Seasonal Component) Merepresentasikan pola berulang dengan durasi kurang dari 1 tahun dalam suatu deret berkala. Pola durasi dapat berupa jam atau waktu yang lebih pendek. Komponen Tak Beraturan (Irregular Component) Mengukur simpangan nilai deret berkala sebenarnya dari yang diharapkan berdasarkan komponen lain. Hal tersebut disebabkan oleh jangka waktu yang pendek (short-term) dan faktor yang tidak terantisipasi yang dapat mempengaruhi deret berkala.
macam- macam pola data yang dimiliki oleh perusahaan:
Metode Seri Waktu/Deret berkala (Time Series) l l METODE PERAMALAN 1. Metode Kuantitatif metode yang dipergunakan untuk menganalisis serangkaian data variabel waktu yang merupakan fungsi dari waktu.mis tahunan, bulanan, triwulan dsb Peramalan didasarkan pada nilai variable yg telah lalu dan atau peramalan kesalahan masa lalu Model / metode kausal (causal/explanatory model) l l mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable). analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi
1. Model Seri Waktu / Metode deret berkala :
Model Seri Waktu / Metode deret berkala, terbagi menjadi : 1. Rata-rata bergerak (moving averages), 2. Penghalusan eksponensial (exponential smoothing), 3. Proyeksi trend (trend projection)
1. Rata-rata bergerak (moving averages-ma), Menggunakan n nilai data terbaru dalam suatu deret berkala untuk meramalkan periode yang akan datang. Rata-rata perubahan atau pergerakan sebagai observasi baru. Penghitungan rata-rata bergerak adalah sebagai berikut: Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, Melibatkan penimbang untuk setiap nilai data dan kemudian menghitung rata-rata penimbang sebagai nilai peramalan. Penghitungannya mirip dengan metode RRBS, nilai setiap periode sebelumnya diberi bobot sesuai jangka waktunya
Contoh Peramalan, dimana hasil peramalan produksi bulan juli diperoleh dengan menghitung rata-rata dari nilai produksi tiga bulan sebelumnya (rata- rata produksi dari bulan April s.d. Juni).
Contoh Rata-Rata Bergerak Tertimbang ( Periode Rata Rata Bergerak : 3 periode ) Nilai produksi satu periode sebelumnya akan memiliki bobot yang lebih besar dari nilai produksi dua periode sebelumnya, dan nilai produksi dua periode sebelumnya ini akan memiliki bobot yang lebih besar dari nilai produksi tiga periode sebelumnya
2. Penghalusan eksponensial (exponential smoothing) Penghalusan Eksponensial : Ø Metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Ø Merupakan kasus khusus dari metode ratarata bergerak tertimbang dimana penimbang dipilih hanya untuk observasi terbaru. Ø Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.
1 2 3 4
Contoh 2
3. Proyeksi trend (trend projection) Metode proyeksi trend dengan regresi, merupakan metode yang digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis. Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik dan turun) Trend biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi, teknologi dan pola sebaran penyakit
1 2 3 4
2. Metode kausal (causal/explanatory model) Merupakan metode peramalan yang menggunakan pendekatan sebab-akibat Bertujuan meramalkan keadaan masa datang degan menemukan dan mengukur beberapa variable bebas (independen) yg penting beserta pengaruhnya terhadap variabel tidak bebas yg akan diramalkan Pada metode kausal digunakan hubungan variabel dengan variabel lainnya. Adapun pedoman untuk menerapkan metode kausal adalah :
Pedoman untuk menerapkan metode kausal : 1. Pada saat terdapat alasan-alasan yang prioritas untuk menganggap bahwa satu variabel adalah dipengaruhi oleh variabel yang lain. 2. Pada saat sebuah indikator utama dapat teridentifikasikan. 3. Horison waktu peramalan yang relevan. 4. diasumsikan nilai produksi yang akan diramalkan, besar kecilnya dipengaruhi oleh beberapa faktor.
Dalam prakteknya jenis metode peramalan ini terdiri dari Metode regresi dan kolerasi merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek (lebih baik jangka pendek) didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statistik. Mis: peramalan penjualan, perencanaan keuntungan, peramalan permintaan & keadaan ekonomi. Data yg digunakan kuartalan dari beberapa tahun lalu
l Peramalan menggunakan metode regresi: Hal- hal yang perlu diketahui sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti : 1. Adanya informasi masa lalu 2. Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan) 3. Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang. l Adapun data- data yang ada dilapangan adalah : Musiman (Seasonal) Horizontal (Stationary) Siklus (Cylikal) Trend
Dalam prakteknya jenis lanjutan. Model Input-Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang. Model ini kurang baik ketepatannya untuk peramalana jangka panjang. Mis: peramalan penjualan perusahaan, penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub sektor industri. Data yang dibutuhkan untuk penggunaan Metoda adalah data tahunan selama sekitar sepuluh sampai lima belas tahun
Dalam prakteknya jenis lanjutan. Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek. Ketepatannya model ini sangat baik. Mis: peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan penawaran. Data yg digunakan data kuartalan beberapa tahun
2. Metode Kualitatif l l umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan 4 teknik/metode peramalan, yaitu
1. Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik. 2. Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
3.Metode Delphi : Ø Pengambil keputusan, karyawan, dan responder. Pengambil keputusan biasanya terdiri dari 5 hingga 10 orang pakar yang akan melakukan peramalan Ø Melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Ø Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
Contoh Metode Delphi l Negara bagian Alaska menggunakan metode Delphi untuk meramalkan ekonomi jangka panjangnya. Sekitar 90% anggaran negara bagian dihasilkan dari 1,5 juta barel minyak yang dipompa setiap hari, melalui pipa minyak di Prudhoe Bay. Sekumpulan besar pakar harus mewakili semua kelompok dan pendapat dalam negara bagian dan wilayah. Delphi merupakan alas peramalan yang sempurna, karena perjalanan para panelis dapat dihindari. Hal ini juga berarti bahwa Para pemimpin Alaska dapat berperan serta karena jadwal mereka tidak dipengaruhi oleh pertemuan dan jarak.
4. Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung. Riset pasar tidak hanya akan membantu peramalan, tetapi juga untuk meningkatkan desain produk dan perencanaan untuk produk-produk baru.
MEMANTAU RAMALAN v Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan. v Salah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah menggunakan isyarat arah. v Isyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik v Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD)
Akurasi Peramalan
3.Rata Prosentase Kesalahan Absolut (Mape Mean Absolute Percentage Error) Xi dimana : ei : selisih hasil ramalan dengan data sebenarnya n : jumlah periode X1 : data sebenarnya n = Periode pergerakan 4. Kesalahan rata-rata (AE= Average Error) n
Peramalan Pada Sektor Jasa Teknik utama pada sektor eceran adalah melihat permintaan dan membuat catatan jangka pendek yang teliti. CONTOH tempat potong rambut pria mengharapkan puncak bisnisnya pada hari jumat dan sabtu. karenanya hampri semua tempat potong rambut tutup pada hari minggu dan senin, dan terdapat banyak permintaan pada hari jumat dan sabtu.
PROSEDUR PERAMALAN 1.Mendefinisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa praproduksi untuk mengukur tingkat dari suatu permintaan. 2.Membuat diagram pencar (Plot Data) Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X). 3. Memilih model peramalan yang tepat Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut. 4.Melakukan Peramalan
5. Menghitung kesalahan ramalan (forecast error) l Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai kesalahan ramalan (forecast error) atau deviasi yang dinyatakan dalam: et = Y(t) Y (t) l Dimana : Y(t) = Nilai data aktual pada periode t Y (t) = Nilai hasil peramalan pada periode t t = Periode peramalan l Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE Standard Error Estimated) SSE = S e(t)2 = S[Y(t)-Y (t)]2
6. Memilih Metode Peramalan dengan kesalahan yang terkecil. Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut. 7. Melakukan Verifikasi Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.
Terlepas dari sistem yang digunakan oleh perusahaan seperti Tupperware, setiap perusahaan menghadapi beberapa kenyataan: Peramalan jarang ada yang sempurna. Hal ini berarti faktor luar yang tidak dapat kita duga atau kendalikan sering mempengaruhi peramalan. Perusahaan harus memberikan kelonggaran untuk kenyataan ini. Hampir semua teknik peramalan mengasumsikan bahwa sistem akan tetap stabil. Oleh karena itu, beberapa perusahaan membuat ramalan secara otomatis menggunakan komputer dengan software peramalan, dan hanya mengawasi produk yang mempunyai permintaan tidak menentu. Baik peramalan kelompok produk maupun peramalan secara keseluruhan lebih akurat daripada peramalan produk individu. Sebagai contoh, Tupperware, melakukan peramalan melalui pengelompokkan ukuran produk dan daerah pemasaran. pendekatan ini menolong menyeimbangkan prediksi yg mungkin kurang/berlebih untuk setiap produk & daerah pemasaran.
Fokus Peramalan Fokus Peramalan didasakan pada dua prinsip : 1.Model peramalan yang canggih tidak selalu lebih baik dari model yang sederhana 2.Tidak ada satu teknik yang dapat dipergunakan untuk semua produk dan jasa