METODE DELPHI

Ini adalah sekelompok metode yang mencari kontribusi dari panel ahli. Mereka memiliki
keuntungan memanfaatkan keahlian dan pengetahuan untuk tren dan perubahan di masa depan.
Sebagai contoh, mereka sering digunakan oleh organisasi yang berusaha membangun skenario
futuristik yang memperkirakan dampak dari perubahan besar dalam masyarakat.

Metode peramalan obyektif

Ini adalah metode peramalan kuantitatif yang berupaya memodelkan hubungan antara permintaan
dan variabel independen lainnya. Ada dua jenis utama:

MODEL SERI WAKTU

Di sini, waktu adalah variabel independen dan pola permintaan diproyeksikan terhadap variabel
ini dalam upaya untuk memprediksi tren masa depan. Rangkaian waktu melibatkan pengumpulan
data historis seperti pola penjualan. Data ini dapat dipecah menjadi komponen penyusun
utamanya:

■ Tren - pergerakan umum ke atas atau ke bawah dari tingkat permintaan rata-rata dari waktu ke
waktu.

■ Musiman - fluktuasi permintaan yang berulang di atas dan di bawah nilai tren yang memiliki
pengulangan yang cukup konsisten. Ini bisa jadi terkait cuaca, seperti yang kita lihat dengan
minuman ringan Robinsons Britvic, atau dikaitkan dengan musim tertentu seperti liburan atau
Natal. Pola musiman juga dapat diulang mingguan atau bulanan.

■ Siklus - berulang gerakan ke atas atau ke bawah yang berulang dengan frekuensi lebih dari satu
tahun. Ini biasanya terkait dengan siklus bisnis (inflasi, resesi, dll.).

■ Acak - serangkaian gerakan pendek dan tak menentu tanpa pola yang jelas. Untuk keperluan
peramalan, data permintaan tren dan musiman adalah yang paling sering dimodelkan dan
diproyeksikan untuk memprediksi permintaan (meskipun selalu ada unsur besar ketidakpastian
ketika mencoba untuk memahami masa depan secara akurat).
MODEL PENYEBAB

Ini juga dikenal sebagai model penjelas atau asosiatif. Peramal mencoba untuk menggunakan
variabel independen lain (selain dari, atau di samping waktu) dengan permintaan, variabel
dependen, telah menunjukkan hubungan masa lalu yang kuat. Model ini menawarkan kepada kita
indikator utama tren masa depan. Misalnya, seiring waktu (variabel independen) tingkat persalinan
(variabel independen) dapat berkorelasi atau terkait dengan permintaan makanan bayi (variabel
dependen).

Bagi pembaca yang tertarik pada informasi lebih lanjut mengenai metode dan teknik peramalan,
referensi harus dibuat untuk Makridakis et al. (1998)

KESIMPULAN

Sifat permintaan telah dijelaskan dan manajemennya disarankan. Bab ini telah menunjukkan
bahwa ada banyak faktor yang mempengaruhi permintaan serta kemungkinan strategi untuk
perencanaan jangka panjang untuk pengaruh permintaan. Kami juga telah menjelaskan, secara
singkat, sifat peramalan, meskipun dalam praktiknya perusahaan menemukan peramalan jangka
panjang semakin bermasalah dan tidak akurat. Dalam terang ini bahwa bab 10 melanjutkan
perdebatan dengan memeriksa beberapa penelitian yang lebih baru dalam manajemen permintaan.

STUDI KASUS – PENERAPAN STRATEGI OPERASI

Melewati ' The Perfect Storm ' industri - memahami kompleksitas permintaan

Jika film hit The Perfect Storm disusun kembali menjadi sebuah drama industri pakaian, itu akan
menceritakan kisah dua kekuatan pasar yang bertabrakan secara bersamaan: penurunan harga dan
kehabisan stok. Gelombang pertama meninggalkan sejumlah besar persediaan yang tidak akan
menjual, sementara yang terakhir menyapu pakaian penjualan panas yang tidak dapat diisi ulang.

Dalam dunia ritel saat ini, badai sempurna semakin sering terjadi, menimbulkan kekacauan dengan
operasi dan laba bottom-line. Menghadapi pummeling yang konstan ini, perusahaan pakaian dan
pengecer harus fokus pada upaya mengakomodasi ketidakpastian dan varians yang terkait dengan
permintaan pelanggan yang berubah cepat, sambil meningkatkan kemampuan pasokan jaringan
untuk mengirimkan produk yang tepat pada waktu yang tepat.

Waktu tunda menghilangkan keuntungan

Elemen kunci yang memengaruhi jumlah kerusakan yang diakibatkan oleh badai sempurna
industri pakaian adalah penundaan waktu pasokan jaringan. Namun banyak pengecer dan produsen
telah memindahkan sejumlah besar barang-barang konsumsi ke negara-negara dengan upah rendah
di seluruh dunia, tanpa pertimbangan cermat dari biaya tersembunyi baik logistik maupun tidak
fleksibel yang bergantung pada perkiraan yang akan mendatangkan impor. Ketika perusahaan
menghitung margin kotor (pendapatan dikurangi biaya barang), mereka menganggap bahwa sisi
pendapatan

dari persamaan tidak terpengaruh oleh sumber produksi. Dalam perhitungan ini, memilih sumber
produksi termurah pasti akan memaksimalkan margin kotor.

Namun, ada kesalahan dalam logika ini. Semakin lama dan semakin tidak fleksibelnya jaringan
pasokan, semakin banyak perusahaan harus bergantung pada perkiraan jangka panjang yang
mendorong barang dagangan menuju tahap ritel; dan skenario ini memunculkan kondisi yang
diperlukan untuk badai yang sempurna. Sebagai akibatnya, perusahaan terjebak dengan kelebihan
persediaan dan dipaksa untuk menjual lebih banyak barang dagangan dengan harga diskon. Selain
itu, ada ketidakpuasan konsumen yang lebih besar, kehilangan penjualan dan pada akhirnya,
mengurangi laba. Pertimbangkan faktanya: perkiraan industri telah mengungkapkan bahwa lebih
dari 33 persen dari semua barang dagangan dijual dengan harga penurunan harga, sementara
sekitar satu dari tiga pelanggan dengan pemikiran pembelian tertentu tidak dapat menemukan apa
yang mereka inginkan dalam persediaan ketika mereka mencapai toko eceran .

ANALISIS DAN SINTESIS

Sekarang kontras skenario ini dengan pasokan jaringan yang cepat, fleksibel, responsif dan efisien
yang mampu beroperasi menggunakan sistem tarikan atau tepat waktu. Karena keputusan produksi
dapat ditunda dan lebih didasarkan pada permintaan konsumen aktual, persediaan yang tepat dapat
ditarik melalui rantai pasokan. Pengurangan waktu dalam sistem pasokan tentu saja (seperti yang
kita lihat di Bab 5, Gambar 5.3) secara substansial mengurangi kesalahan perkiraan.
Dalam sistem pasokan jaringan terintegrasi, kopling entitas yang ketat, informasi yang dibagikan
secara bebas, dan permintaan konsumen yang menarik inventaris melalui jaringan secara progresif
menghilangkan waktu dari sisa rantai. Namun, seiring rantai yang memanjang, ketidakpastian
meningkatkan risiko dan paparan, hingga keuntungan biaya dari pemasok yang lebih murah
diimbangi oleh peningkatan logistik dan biaya fleksibilitas serta pengurangan dan kehilangan
penjualan dan penurunan harga. Di mana titik impas ini jatuh tergantung pada produk dan struktur
sistem pasokan.

Hampir selalu ada biaya pasokan jaringan tersembunyi yang terkait dengan produksi, sebagian
besar biasanya hilang dalam kategori payung 'overhead'. Pada dasarnya, biaya suatu produk
memiliki lima komponen utama: bahan, tenaga kerja, laba kotor, pasokan jaringan, dan overhead.
Secara lebih rinci, ada delapan kategori biaya utama yang terkait dengan pasokan jaringan, yang
masing-masing menawarkan peluang signifikan untuk pengurangan biaya:

1. Peramalan, perencanaan, penjadwalan, dan pembelian. Area ini mencakup sistem (peralatan /
perangkat lunak), kepegawaian, sistem informasi, dan komunikasi internal, keluar dan masuk.

2. Biaya masuk. Pengangkutan, pajak, tarif, bea, kerugian, dan keuntungan yang terkait dengan
varians, penalti dan rabat, pengembalian, dan perencanaan masuk termasuk dalam kategori ini.

3. Menerima. Komponen utama di sini adalah peralatan dan tenaga kerja.

4. Inspeksi. Area ini mencakup peralatan dan tenaga kerja untuk inspeksi masuk, dalam proses,
dan akhir.

5. Pergudangan. Ruang, peralatan dan kepegawaian untuk bahan baku, barang dalam proses dan
barang jadi adalah biaya utama di bidang ini.

6. Persediaan. Kerugian dan kerusakan serta biaya pengangkutan dan keusangan diperhitungkan
dalam inventaris.

7. Gerakan material internal. Ini termasuk kerugian dan kerusakan dalam proses, peralatan dan
staf.
8. Biaya keluar. Pengangkutan, pajak, tarif, bea, kerugian, dan keuntungan yang terkait dengan
varians, penalti dan rabat, pengembalian dan perencanaan pengiriman termasuk dalam kategori
ini.

Menganalisa komponen biaya

Biaya tersembunyi dari pasokan jaringan dapat berjumlah hingga 20 persen dari situasi persediaan
apa pun. Ini dapat berlipat ganda ketika biaya tidak fleksibel tersembunyi dari sumber lepas pantai
juga diperhitungkan (Lowson, 2001d; King and Hunter, 1997). Keuntungan nyata dari tenaga kerja
lepas pantai yang lebih murah ditangkal oleh meningkatnya pasokan jaringan dan biaya tidak
fleksibel yang sering disembunyikan dan tidak mudah dihitung.

JAWABAN TIME OUT BOX

Kotak waktu habis I

1. Banyak layanan publik di Inggris gratis pada saat digunakan. Dengan kata lain, layanan seperti
pendidikan, air, jalan, dan perawatan kesehatan, meskipun ada beberapa pengecualian yang
kontroversial, gratis saat dikonsumsi. Semua layanan ini dianggap sangat penting bagi masyarakat
pada umumnya dan konsumsinya meningkat dengan cepat. Perencanaan permintaan sulit dan
harus memastikan bahwa ketidaksetaraan dan ketidakefisienan yang signifikan dihindari. Tingkat
kualitas harus konstan seperti halnya akses ke semua kelompok masyarakat, tidak peduli ras, jenis
kelamin, usia atau pendapatan - seringkali merupakan tindakan penyeimbangan yang sulit.

2. Untuk Kesenjangan, permintaan juga merupakan masalah besar. Bisnis pakaian jadi sangat
kompleks. Barangkali, inilah sektor yang paling banyak diminati untuk memenuhi permintaan -
ratusan warna, ribuan gaya dan ukuran, dan jutaan SKU di rak-rak ritel pada satu waktu. Selain
itu, rata-rata umur simpan barang-barang dagangan ini semakin pendek setiap tahun sampai kita
mencapai mode berkelanjutan (musim sesingkat 6-8 minggu). Selanjutnya, pelanggan semakin
mencari tampilan individual.

Beberapa contoh dapat membantu pembaca memahami kompleksitas bisnis pakaian jadi. Misalkan
sarden ditawarkan dalam kaleng selusin ukuran, setidaknya dalam banyak bentuk, dan 30-40
warna. Lebih buruk lagi, setiap tiga hingga empat bulan, kaleng-kaleng yang tidak terjual harus
masuk ke penjualan karena sekarang sudah ketinggalan zaman. Itu bahkan tidak dekat dengan
keragaman dan kompleksitas bisnis pakaian.

Peramalan di sektor seperti itu, terutama jangka panjang, sangat tidak efisien. Pengecer seperti The
Gap harus mengandalkan strategi operasi yang memastikan kecepatan respons dan fleksibilitas.
Untuk melakukan ini, kesadaran akut tren permintaan waktu nyata sangat penting.

3. KLM Airlines, seperti banyak maskapai penerbangan internasional lainnya, mencoba

memaksimalkan kapasitas pesawat. Mereka membebankan beberapa tarif pada penerbangan
tunggal. Ini merupakan keputusan yang dibuat untuk menahan kursi hingga menit terakhir untuk
menarik pelancong bisnis dengan tarif penuh, tetapi pada saat yang sama memungkinkan banyak
kursi dibeli lebih awal oleh seorang pelancong wisata yang sadar biaya. Tempat duduk kosong
sebelum jadwal keberangkatan juga dapat dijual dengan harga murah kepada para penumpang
dalam posisi untuk menjatuhkan semuanya dan terbang. Tingkat peramalan permintaan
penumpang digunakan, tetapi seringkali kompleksitas dari struktur tarif berganda bergantung pada
staf penjualan dan pengontrol yang berpengalaman dan terlatih yang akan mengetahui profil
penerbangan dan jenis permintaan yang mungkin ditempatkan.

4. Untuk produsen minuman ringan seperti Robinsons Britvic, permintaan sangat musiman dalam
dua cara. Pertama, pada waktu-waktu tertentu dalam setahun, seperti Natal, musim panas dan
Paskah, permintaan akan cenderung meningkat. Kedua, permintaan dalam industri ini sangat
terkait dengan cuaca. Misalnya, penjualan mingguan normal pada bulan April atau Mei bisa empat
kali lipat karena mantra yang luar biasa panas. Di negara-negara seperti Inggris, di mana pola
cuaca tidak dapat diprediksi, memperkirakan kejadian seperti itu hampir tidak mungkin. Produsen
barang tersebut harus menggunakan teknik dan pendekatan lain untuk mengatasi permintaan.

ANALISIS DAN SINTESIS

PERTANYAAN DISKUSI, TUGAS KERJA DAN

SOAL UJIAN

1. Identifikasi keempat Cs untuk sebatang cokelat dan perjalanan kereta api dari Reykjavik ke
Oslo.
2. Apa yang dimaksud dengan permintaan dan sistem push and pull yang tergantung dan
independen?

3. Apakah siklus bisnis penting untuk semua organisasi? Bisakah contoh ditemukan di mana
mereka tidak?

4. Akankah strategi untuk mengelola permintaan menjadi lebih penting di masa depan, katakanlah,
perusahaan seperti Amazon.com?

5. Apa masalah utama yang terkait dengan peramalan jangka panjang? Dalam industri apa kegiatan
seperti itu lebih mudah atau lebih sulit?

Pertanyaan pembaca terkait dengan studi kasus ‘badai sempurna’

1 Bagaimana pemahaman yang lebih baik tentang permintaan mengurangi badai penurunan harga
(persediaan terlalu banyak) dan kehabisan persediaan (persediaan terlalu sedikit) dan kebutuhan
untuk beroperasi menggunakan prakiraan jangka panjang? Apa faktor-faktor permintaan yang
penting dalam pembuatan dan penjualan barang-barang pakaian untuk dijual di sebagian besar
jalan raya?

2 Studi kasus menggambarkan situasi di mana pengecer semakin menggunakan pemasok

manufaktur asing, lepas pantai untuk garmen karena biaya tenaga kerja yang lebih murah. Namun,
biaya ini diimbangi oleh biaya tersembunyi dari jaringan pasokan dan ketidakfleksibelan.
Pertimbangkan bagaimana biaya tersembunyi ini dapat dikuantifikasi dan kategori apa yang
mungkin digunakan untuk mengklasifikasikannya.