IS6222303/3 SKS
Dwi Januarita AK, S.T., M.Kom
Dwi Mustika Kusumawardani, S.Kom., M.Kom
Capaian Sub CPMK
Kegiatan-kegiatan:
pembelian perancangan
produksi pengiriman
material produk
Pendahuluan
Mengapa perlu dilakukan peramalan
• Permintaan atau kebutuhan yang akan datang tidak diketahui dengan pasti
• Peramalan menjadi sangat penting jika diperlukan waktu yang lama untuk
membuat produk tertentu, dibandingkan dengan kesediaan pelanggan
untuk menunggu pengiriman produk tersebut.
Contoh
8
Dell memesan
processor dari Dell membuat PC
Intel perlu beberapa berdasarkan order
minggu untuk Intel
pelanggan
membuat processor
Intel harus memproduksi processor lebih awal daripada pesanan konsumen, sehingga
Dell dan Intel harus meramalkan permintaan processor di masa yang akan datang
dan merencanakan produksi sesuai dengan ramalan ini
Pendahuluan
Proses dalam Rantai Pasok
Contoh:
✓Produksi: Penjadwalan produksi, persediaan, perencanaan
✓Pemasaran: alokasi tenaga penjualan, promosi, pengenalan produk baru
✓Keuangan: investasi peralatan, perencanaan anggaran
✓Personalia: perencanaa tenaga kerja, menambah karyawan, PHK
Kualitatif Kuantitatif
Karakteristik berdasarkan berdasarkan data kuantitatif
pertimbangan dan dan matematis
pendapat manusia;
subyektif
Kelebihan memperhitungkan konsisten dan obyektif; dapat
perkembangan terakhir mempertimbangkan banyak
dalam lingkungan dan informasi dan data sekaligus
informasi dari dalam
Kelemahan ramalan yang bias dan data kuantitatif mungkin tidak
akurasi yang rendah dapat diperoleh. Hanya sebaik
data yang dimasukkan
Ukuran Kinerja Kualitatif
• Minimalisasi biaya
- Seluruh rantai suplai (biaya total)
- Sebagian unit atau tahap usaha
• Maksimalisasipenjualan
• Maksimalisasi profit
• Minimalisasi investasi inventori
• Maksimalisasi return of investment
Ukuran Kinerja
Kuantitatif
Berdasarkan respons konsumen
• Kualitatif: Bersifat subjektif; memanfaatkan • Causal: metode ini mencari keterkaitan antara
intuisi dan opini serta pengalaman pribadi; permintaan dan faktor lingkungan tertentu
digunakan jika data historis yang tersedia (misalnya tingkat suku bunga) untuk
sedikit membuat peramalan
• Time Series: hanya menggunakan data • Simulasi
permintaan terdahulu (data historis) • Mengkombinasikan time series dan
• Static metode causal
• Adaptive • Meniru pilihan konsumen yang
memberikan kenaikan pada permintaan
Metode Peramalan
Time Series 24
• Static: memperhitungkan level, trend, dan seasonality namun tidak memperbarui data
ketika permintaan baru diobservasi
• Adaptive: memperhitungkan level, trend, dan seasonality yang kemudian disesuaikan
dengan data permintaan yang diobservasi
• Moving average
• Simple exponential smoothing
• Holt’s model (with trend)
• Winter’s model (with trend and seasonality)
Model Time
Series
25
• Mengasumsikan bahwa sejarah permintaan masa lalu adalah indikator yang baik untuk
permintaan di masa yang akan datang
• Paling sesuai jika situasi lingkungan stabil dan pola permintaan dasar tidak bervariasi
secara signifikan dari satu tahun ke tahun berikutnya
• Metode yang paling sederhana dan dapat menjadi titik acuan awal untuk meramalkan
permintaan
Pola dalam data time
series (1)
26
Stationary – pola horizontal. Kurva berubah di sekitar sebuah nilai
Nilai sentral, biasanya mean (rata-rata)
1 2 3 4 5 6 7 8 9
Periode waktu
Pola dalam data time
series (2)
27
1 2 3 4 5 6 7 8 9
Periode waktu
Pola dalam data time
series (3)
28
1 2 3 4 5 6 7 8 9
Periode waktu
Langkah-langkah Dasar
Melakukan Peramalan
29