Nama : Tantowy Ahmad Fahrezi

NIM : 20059187

RESUME CHAPTER 1 (FORECASTING)

A. Apa itu Forecasting (Peramalan)?

Peramalan merupakan seni dan ilmu memprediksi peristiwa masa depan yang
melibatkan mengambil data historis (seperti penjualan masa lalu) dan
memproyeksikannya ke masa depan dengan model matematis yang didasarkan pada
permintaan yang didorong data, seperti rencana pelanggan untuk membeli, dan
memproyeksikannya ke masa depan. Atau ramalan mungkin melibatkan kombinasi
dari ini, yaitu model matematika yang disesuaikan dengan penilaian yang baik.

1. Peramalan Cakrawala Waktu

Peramalan cakrawala waktu terbagi atas 3 kategori, yaitu:
- Peramalan jangka pendek
Peramalan ini memiliki rentang waktu hingga 1 tahun tetapi umumnya kurang
dari 3 bulan. Ini digunakan untuk merencanakan pembelian, penjadwalan
pekerjaan, tingkat tenaga kerja, pekerjaan tugas, dan tingkat produksi.
- Peramalan jangka menengah
Peramalan ini umumnya berkisar dari 3 bulan sampai 3 tahun. Hal ini berguna
dalam perencanaan penjualan, perencanaan produksi dan penganggaran,
penganggaran kas, dan analisis berbagai rencana operasi.
- Peramalan jangka panjang
Umumnya 3 tahun atau lebih dalam rentang waktu, prakiraan jangka panjang
digunakan dalam perencanaan produk baru, belanja modal, lokasi atau
perluasan fasilitas, dan penelitian dan Pengembangan.

2. Jenis-jenis Peramalan
- Peramalan ekonomi
Peramalan ini membahas siklus bisnis dengan memprediksi tingkat inflasi,
persediaan uang, perumahan dimulai, dan indikator perencanaan lainnya.
- Peramalan teknologi
Peramalan ini berkaitan dengan tingkat kemajuan teknologi, yang dapat
mengakibatkan dalam kelahiran produk baru yang menarik, membutuhkan
pabrik dan peralatan baru.
- Peramalan permintaan
Peramalan ini merupakan proyeksi permintaan untuk produk atau layanan
perusahaan. Prakiraan mendorong keputusan, sehingga manajer membutuhkan
informasi yang segera dan akurat tentang tuntutan.

B. Pentingnya peramalan secara strategis

1. Manajemen Rantai Pasokan

Hubungan pemasok yang baik dan keuntungan berikutnya dalam inovasi produk,
biaya, dan kecepatan untuk pasar bergantung pada perkiraan yang akurat.

2. Sumber Daya Manusia

Nama : Tantowy Ahmad Fahrezi
NIM : 20059187

RESUME CHAPTER 1 (FORECASTING)

Mempekerjakan, melatih, dan memberhentikan pekerja semua tergantung pada

permintaan yang diantisipasi. Jika manusia departemen sumber daya harus
mempekerjakan pekerja tambahan tanpa peringatan, jumlah pelatihan menurun,
dan kualitas tenaga kerja menurun. Sebuah perusahaan kimia besar Louisiana
hampir kalah pelanggan terbesarnya ketika ekspansi cepat ke shift sepanjang
waktu menyebabkan kerusakan total turun dalam kontrol kualitas pada shift kedua
dan ketiga.

3. Kapasitas
Ketika kapasitas tidak memadai, kekurangan yang dihasilkan dapat menyebabkan
hilangnya pelanggan dan pasar. Inilah yang terjadi pada Nabisco ketika
meremehkan permintaan yang besar untuk Kue Makanan Setan Snackwell yang
baru. Bahkan dengan lini produksi bekerja lembur, Nabisco tidak dapat memenuhi
permintaan, dan kehilangan pelanggan.

C. 7 Langkah dalam Sistem Peramalan

1. Tentukan penggunaan peramalan

Disney menggunakan prakiraan kehadiran taman untuk mendorong keputusan
tentang kepegawaian, jam buka, ketersediaan wahana, dan persediaan makanan.

2. Pilih item yang akan diramalkan

Untuk Disney World, ada enam taman utama. Sebuah ramalan kehadiran harian di
masing-masing adalah nomor utama yang menentukan tenaga kerja, pemeliharaan,
dan penjadwalan.

3. Tentukan cakrawala waktu perkiraan

Apakah jangka pendek, menengah, atau panjang. Disney mengembangkan
peramalan harian, mingguan, bulanan, tahunan, dan 5 tahun.

4. Pilih model peramalan

Disney menggunakan berbagai model statistik yang akan kami membahas,
termasuk rata-rata bergerak, ekonometrik, dan analisis regresi. Ini juga
mempekerjakan menghakimi, atau nonkuantitatif, model.

5. Kumpulkan data yang diperlukan untuk membuat peramalan

Tim peramalan Disney mempekerjakan 35 analis dan 70 personel lapangan untuk
mensurvei 1 juta orang/usaha setiap tahun. Disney juga menggunakan perusahaan
bernama Global Insights untuk prakiraan industri perjalanan dan mengumpulkan
data pada nilai tukar, kedatangan ke AS, spesial maskapai penerbangan, tren Wall
Street, dan jadwal liburan sekolah.

6. Membuat peramalan
Nama : Tantowy Ahmad Fahrezi
NIM : 20059187

RESUME CHAPTER 1 (FORECASTING)

7. Validasi dan implementasikan hasilnya

Di Disney, perkiraan ditinjau setiap hari paling tinggi untuk memastikan bahwa
model, asumsi, dan data valid. Tindakan kesalahan adalah terapan; kemudian
prakiraan digunakan untuk menjadwalkan personel hingga interval 15 menit.

D. Pendekatan Peramalan
Ada dua pendekatan umum untuk peramalan, seperti halnya ada dua cara untuk
menangani semua keputusan. Salah satunya adalah analisis kuantitatif; yang lainnya
adalah pendekatan kualitatif. Kuantitatif prakiraan menggunakan berbagai model
matematika yang mengandalkan data historis dan/atau asosiatif variabel untuk
meramalkan permintaan. Prakiraan subjektif atau kualitatif memasukkan faktor-faktor
seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pembuat keputusan dalam
mencapai ramalan. Beberapa perusahaan menggunakan satu pendekatan dan beberapa
menggunakan yang lain. Dalam prakteknya, kombinasi dari keduanya biasanya paling
efektif.

1. Ikhtisar Metode Kualitatif

- Juri pendapat eksekutif
Pendapat sekelompok ahli tingkat tinggi atau manajer, sering dalam kombinasi
dengan model statistik, dikumpulkan untuk sampai pada suatu kelompok
perkiraan permintaan.
- Metode Delphi
Ada tiga tipe partisipan yang berbeda dalam metode Delphi yaitu pembuat
keputusan, personel staf, dan responden. Pengambil keputusan biasanya terdiri
dari kelompok yang terdiri dari 5 orang kepada 10 ahli yang akan membuat
ramalan sebenarnya.
- Gabungan tenaga penjualan
Dalam pendekatan ini, setiap tenaga penjualan memperkirakan penjualan apa
yang akan terjadi dalam dirinya atau wilayahnya. Prakiraan ini kemudian
ditinjau untuk memastikan bahwa prakiraan tersebut realistis.
- Survei pasar
Metode ini meminta masukan dari pelanggan atau calon pelanggan mengenai
rencana pembelian di masa depan.

2. Ikhtisar Metode Kuantitatif

Ada 5 metode peramalan kuantitatif, yaitu:
- Pendekatan naif
- Rata-rata bergerak
- Pemulusan eksponensial
- Proyeksi tren
- Regresi linier
Nama : Tantowy Ahmad Fahrezi
NIM : 20059187

RESUME CHAPTER 1 (FORECASTING)

 Model Deret Waktu Model deret waktu memprediksi dengan asumsi

bahwa masa depan adalah fungsi masa lalu. Dengan kata lain, mereka
melihat apa yang telah terjadi selama periode waktu tertentu dan
menggunakan serangkaian data masa lalu untuk membuat ramalan. Jika
kami memprediksi penjualan mesin pemotong rumput, kami menggunakan
penjualan masa lalu untuk mesin pemotong rumput untuk membuat
prakiraan.

 Model Asosiatif Model asosiatif, seperti regresi linier, menggabungkan

variabel kemampuan atau faktor-faktor yang mungkin mempengaruhi
kuantitas yang diramalkan. Misalnya, asosiatif model untuk penjualan
mesin pemotong rumput mungkin menggunakan faktor-faktor seperti
perumahan baru, anggaran iklan, dan harga pesaing.

E. Peramalan Deret Waktu

1. Dekomposisi Deret Waktu

- Tren adalah pergerakan data secara bertahap ke atas atau ke bawah dari waktu
ke waktu. Perubahan pendapatan, populasi, distribusi usia, atau pandangan
budaya dapat menjelaskan pergerakan di kecenderungan.
- Musiman adalah pola data yang berulang setelah periode hari, minggu, bulan,
atau perempat.
- Siklus adalah pola dalam data yang terjadi setiap beberapa tahun. Mereka
biasanya diikat menjadi siklus bisnis dan sangat penting dalam analisis dan
perencanaan bisnis jangka pendek. Memprediksi siklus bisnis itu sulit karena
mungkin dipengaruhi oleh peristiwa politik atau oleh gejolak internasional.
- Variasi acak adalah data yang disebabkan oleh kebetulan dan situasi yang
tidak biasa. Mereka tidak mengikuti pola yang terlihat, sehingga tidak dapat
diprediksi.

2. Pendekatan Naif
Pendekatan naif adalah model peramalan objektif yang paling hemat biaya dan
efisien. Setidaknya itu memberikan awal titik di mana model yang lebih canggih
yang mengikuti dapat dibandingkan.

3. Rata-rata bergerak
Peramalan rata-rata bergerak menggunakan sejumlah nilai data aktual historis
untuk menghasilkan prakiraan. Rata-rata pergerakan berguna jika kita dapat
mengasumsikan bahwa permintaan pasar akan tetap cukup stabil waktu.

4. Penghalusan Eksponensial
Penghalusan eksponensial adalah metode peramalan rata-rata bergerak tertimbang
lainnya. Ini melibatkan sangat sedikit pencatatan data masa lalu dan cukup mudah
digunakan.
Nama : Tantowy Ahmad Fahrezi
NIM : 20059187

RESUME CHAPTER 1 (FORECASTING)

5. Proyeksi Tren
Teknik ini cocok garis tren ke serangkaian titik data historis dan kemudian
memproyeksikan kemiringan garis ke dalam masa depan untuk peramalan jangka
menengah hingga jangka panjang.

6. Variasi Musiman dalam Data

Variasi musiman dalam data adalah pergerakan reguler dalam deret waktu yang
berhubungan dengan peristiwa yang berulang seperti cuaca atau hari libur.
Permintaan batu bara dan bahan bakar minyak, misalnya, memuncak saat cuaca
dingin bulan-bulan musim dingin. Permintaan akan tongkat golf atau tabir surya
mungkin paling tinggi di musim panas.

7. Variasi Siklus dalam Data

Siklus seperti variasi musiman dalam data tetapi terjadi setiap beberapa tahun,
bukan minggu, bulan, atau perempat. Peramalan variasi siklus dalam deret waktu
sulit dilakukan. Ini karena siklus termasuk berbagai faktor yang menyebabkan
ekonomi beralih dari resesi ke ekspansi ke resesi selama beberapa tahun.

F. Metode Peramalan Asosiatif : Analisis Regresi dan Korelasi

1. Menggunakan Analisis Regresi untuk Peramalan

y = a + bx
where ny = value of the dependent variable (in our example, sales)
a = y-axis intercept
b = slope of the regression line
x = independent variable

2. Kesalahan Standar dari Estimasi

Untuk mengukur keakuratan estimasi regresi, kita harus menghitung kesalahan
standar dari perkiraan, Sy, x. Perhitungan ini disebut standar deviasi regresi: Ini
berarti memastikan kesalahan dari variabel dependen, y, ke garis regresi, bukan ke
mean.

3. Koefisien Korelasi untuk Garis Regresi

Cara lain untuk mengevaluasi hubungan antara dua variabel adalah dengan
menghitung koefisien korelasi.

4. Analisis Regresi Berganda

Regresi berganda adalah perpanjangan praktis dari model regresi sederhana yang
baru saja kita jelajahi. Dia memungkinkan kita untuk membangun model dengan
beberapa variabel independen, bukan hanya satu variabel.

G. Memantau dan Mengontrol Prakiraan

Nama : Tantowy Ahmad Fahrezi
NIM : 20059187

RESUME CHAPTER 1 (FORECASTING)

1. Penghalusan Adaptif
Peramalan adaptif mengacu pada pemantauan komputer dari sinyal pelacakan dan
penyesuaian diri jika sinyal melewati batas yang telah ditentukan. Misalnya,
ketika diterapkan pada pemulusan eksponensial, a dan koefisien b pertama-tama
dipilih berdasarkan nilai yang meminimalkan perkiraan kesalahan dan kemudian
disesuaikan setiap kali komputer mencatat sinyal pelacakan yang salah. Proses ini
adalah disebut pemulusan adaptif.

2. Peramalan Fokus
Daripada beradaptasi dengan memilih konstanta pemulusan, komputer
memungkinkan kita untuk mencoba berbagai model peramalan. Pendekatan
seperti ini disebut peramalan fokus. Peramalan fokus didasarkan pada dua prinsip:
- Model peramalan yang canggih tidak selalu lebih baik dari yang
sederhana.
- Tidak ada teknik tunggal yang harus digunakan untuk semua produk atau
layanan.

H. Peramalan di sektor jasa

Peramalan di sektor jasa menghadirkan beberapa tantangan yang tidak biasa. Sebuah
teknik utama dalam sektor ritel melacak permintaan dengan mempertahankan catatan
jangka pendek yang baik. Misalnya, sebuah barbershop catering untuk pria
mengharapkan arus puncak pada hari Jumat dan Sabtu. Memang, kebanyakan toko
tukang cukur tutup pada hari Minggu dan Senin, dan banyak yang meminta bantuan
tambahan pada hari Jumat dan Sabtu. Restoran di pusat kota, di sisi lain, mungkin
perlu melacak konvensi dan hari libur untuk peramalan jangka pendek yang efektif.