2. POKOK BAHASAN
Sesi I
1. Peramalan
Sesi II
1. Perencanaan Produksi dan
Kapasitas
2. Implementasi Perencanaan
Produksi
3. Peramalan (Forecasting)
1. Apa itu peramalan?
2. Forecasting Time Horizon
3. Hal strategis dalam peramalan
4. Pendekatan dalam peramalan
- Pendekatan kualitatif
- Pendekatan kuantitatif
5. Peramalan Time Series
6. Monitoring dan Kontrol Peramalan
7. Titik kritis dalam Peramalan
8. Peramalan dalam Sektor Jasa
4. Apa itu Peramalan?
• Proses memprediksi peristiwa masa
depan
• Dasar yang mendasari semua
keputusan bisnis
• Produksi
• Inventaris
• Personil
• Fasilitas
??
5. REALITAS!
• Ramalan jarang sempurna
• Sebagian besar teknik mengasumsikan stabilitas yang mendasari dalam sistem
• Perkiraan keluarga produk dan agregat lebih akurat daripada perkiraan produk individu
6. FORECASTING TIME HORIZONS
• Prakiraan jarak pendek
• Hingga 1 tahun, umumnya kurang dari 3 bulan
• Pembelian, penjadwalan pekerjaan, tingkat tenaga kerja, penugasan
pekerjaan, tingkat produksi
• Prakiraan rentang menengah
• 3 bulan hingga 3 tahun
• Perencanaan penjualan dan produksi, penganggaran
• Perkiraan jangka panjang
• 3+ tahun
• Perencanaan produk baru, lokasi fasilitas, penelitian dan pengembangan
7. PENGARUH SIKLUS HIDUP PRODUK
• Pengantar dan pertumbuhan membutuhkan perkiraan lebih lama dari
kematangan dan penurunan
• Saat produk melewati siklus hidup, prakiraan berguna dalam
memprediksi
• Tingkat kepegawaian
• Tingkat persediaan
• Kapasitas pabrik
Introduction – Growth – Maturity – Decline
8. SIKLUS HIDUP PRODUK
Product design
and
development
critical
Frequent
product and
process design
changes
Short production
runs
High production
costs
Limited models
Attention to
quality
Introduction Growth Maturity Decline
OMStrategy/Issues
Forecasting
critical
Product and
process
reliability
Competitive
product
improvements
and options
Increase capacity
Shift toward
product focus
Enhance
distribution
Standardization
Fewer product
changes, more
minor changes
Optimum
capacity
Increasing
stability of
process
Long production
runs
Product
improvement
and cost cutting
Little product
differentiation
Cost
minimization
Overcapacity
in the
industry
Prune line to
eliminate
items not
returning
good margin
Reduce
capacity
9. PENDEKATAN DALAM PERAMALAN
• Digunakan saat sedikit data ada
•Produk baru
•Teknologi baru
• Melibatkan intuisi, pengalaman
•mis., meramalkan penjualan di Internet
Qualitative Methods
10. METODE KUALITATIF
1. Juri pendapat eksekutif (Kumpulan pendapat pakar tingkat tinggi,
terkadang ditambah dengan model statistik)
2. Metode Delphi (Panel para ahli, ditanya secara iteratif hingga
konsensus tercapai)
3. Gabungan tenaga penjualan (Perkiraan dari tenaga penjualan
individu ditinjau untuk kewajaran, lalu digabungkan)
4. Survei Pasar Konsumen (Tanyakan pada pelanggan)
11. PENDEKATAN KUANTITATIF
• Digunakan ketika situasinya 'stabil' dan data historis ada
• Produk yang ada
• Teknologi saat ini
• Melibatkan teknik matematika
• mis., meramalkan penjualan televisi LCD
13. TIME SERIES FORECASTING
• Set data numerik spasi
• Diperoleh dengan mengamati variabel respons pada periode
waktu reguler
• Prakiraan hanya berdasarkan nilai masa lalu, tidak ada variabel lain
yang penting
• Diasumsikan bahwa faktor-faktor yang mempengaruhi masa lalu
dan sekarang akan terus mempengaruhi di masa depan
16. TREND COMPONENT
• Pola persisten, keseluruhan ke atas atau ke bawah
• Perubahan karena populasi, teknologi, usia, budaya,
dll.
• Durasi biasanya beberapa tahun
17. SEASONAL COMPONENT
• Pola fluktuasi naik dan turun yang teratur
• Karena cuaca, bea cukai, dll.
• Terjadi dalam satu tahun
Number of
Period Length Seasons
Week Day 7
Month Week 4-4.5
Month Day 28-31
Year Quarter 4
Year Month 12
Year Week 52
18. CYCLICAL COMPONENT
• Mengulangi gerakan naik dan turun
• Dipengaruhi oleh siklus bisnis, faktor politik, dan ekonomi
• Durasi beberapa tahun
0 5 10 15 20
19. RANDOM COMPONENT
• Fluktuasi yang tidak menentu, tidak sistematis, “biasa”
• Karena variasi acak atau peristiwa yang tidak terduga
• Durasi pendek dan tidak berulang
M T W T F
20. NAIVE APPROACH
• Asumsikan permintaan pada periode berikutnya sama dengan
permintaan pada periode paling baru
• mis., jika penjualan Januari adalah 68, maka penjualan Februari akan
menjadi 68
• Terkadang hemat biaya dan efisien
• Bisa menjadi titik awal yang baik
21. MOVING AVERAGE METHOD
• MA adalah serangkaian cara berhitung
• Digunakan kalau trennya kecil atau tidak sama sekali
• Sering digunakan untuk menghaluskan
• Memberikan kesan keseluruhan data dari waktu ke waktu
Moving average =
∑ demand in previous n periods
n
24. POTENSI MASALAH DENGAN MOVING
AVERAGE
• Meningkatkan dan memperlancar perkiraan tetapi
membuatnya kurang sensitif terhadap perubahan
• Jangan memperkirakan tren akan terjadi
• Membutuhkan data historis yang luas
25. EXPONENTIAL SMOOTHING
• Bentuk rata-rata bergerak tertimbang
• Bobot menurun secara eksponensial
• Sebagian besar data terbaru paling berbobot
• Membutuhkan penghalusan konstan
• Mulai dari 0 hingga 1
• Dipilih secara subyektif
• Melibatkan sedikit penyimpanan data masa lalu
26. PERAMALAN DI SEKTOR LAYANAN
• Menghadirkan tantangan yang tidak biasa
•Kebutuhan khusus untuk catatan jangka pendek
•Kebutuhan sangat berbeda sebagai fungsi industri
dan produk
•Liburan dan acara kalender lainnya
•Peristiwa yang tidak biasa
27. THANKS
Timotius.F.C.W. Sutrisno. ST.
M.T., Dr.
Profile
- Ph.D in Operation Research and
Management
- Lecturer International Business
Management Ciputra University
(INA)
- Owner Rumah Manajemen
Consultant
Perum Green Eleven B1-08
Jalan Raya Bangil, Kenep, Pasuruan Jawa Timur
67154-Indonesia
+62 811 337 3131
Rumah Manajemen Consultant
