Bab 4 Estimasi Permintaan (Forecasting)
Bab 4 Estimasi Permintaan (Forecasting)
BAB IV
ESTIMASI PERMINTAAN
(FORECASTING)
2
TUJUAN
Mahasiswa mampu menjelaskan tentang :
1. Arti penting mengelola permintaan dan penawaran
2. Faktor yang mempengaruhi permintaan
3. Strategi mengelola permintaan
4. Strategi mengelola penawaran
5. Teori antrian
6. Metode forecast bagi organisasi bisnis
TUJUAN PEMBELAJARAN
Setelah mempelajari materi ini, mahasiswa diharapkan
mampu :
1. Memahami berbagai cara/metode dalam
melakukan peramalan
2. Memahami sistem peramalan, meliputi obyek
peramalan, teknik peramalan dan sistem komputer
yang dapat mendukung sistem peramalan
4
PENDAHULUAN
Peramalan (forecasting) merupakan suatu prediksi
kegiatan-kegiatan yang akan datang untuk tujuan
perencanaan.
Perusahaan memerlukan peramalan yang akurat
terhadap permintaan konsumen untuk menurunkan
lead time, tingkat persediaan, waktu produksi dan
efisiensi kapasitas perusahaan.
5
METODE FORECAST
1. Judgmental Method / Non Statistical Method,
berdasarkan pendapat :
1. Salesman
2. Sales Manager/Opini Eksekutif
3. Para Ahli /Konsultan/Teknik Delphi
4. Survey Konsumen /Riset Pasar
METODE FORECAST
2. Statistical Method
1. Analisa Trend satu variabel
1. Trend Bebas (Free Hand Method)
2. Rata-rata sederhana bergerak (Simple Moving
Average)
3. Setengah Rata-Rata (Semi Average Method)
4. Trend Momen (Moment Method)
5. Trend Least Square (Least Square Method)
6. Kuadratik / garis lengkung (Parabolic Method)
2. Analisa Korelasi dua variabel atau lebih
1. Regresi tunggal
2. Regresi berganda
METODE FORECAST
3. Specific Purpose Method
1. Analisa industri (market share analyisis)
2. Analisa jenis produk yang dihasilkan (product line
analysis)
3. Analisa pemakai akhir produk (end used analysis)
MANA YANG DIPILIH ?
Masing-masing metode mempunyai kelebihan
dan kekurangan masing-masing.
Hasil pengukuran antara metode yang satu
dengan metode yang lainnya akan berbeda
Metode yang digunakan tergantung faktor
periode, perilaku permintaan, pola data dll.
Metode Kuantitatif (Statistical Method) dipakai
Metode Utama
Metode Kualitatif dipakai sebagai bahan
pertimbangan lanjutan.
#1. Trend Bebas
PT NUSA INDAH
DATA PENJUALAN
TAHUN 2018
BULAN
3,000
2,500
2,000
JUMLAH (Unit)
1,500
dst-nya
1,000
500
-
a ry ary rc h pril ay ne uly us t ber ber ber ber ary ary rch pril ay ne uly ust ber ber ber ber
u J g m to m m u ru a A M Ju J g m to m m
a nu bru Ma A M J Au pte Oc ve ce Jan eb M Au pte Oc v e ce
J Fe o e F o e
Se N D Se N D
BULAN
Tentukan nilai forecast tahun 2019
3,000
2,500
2,000
JUMLAH (Unit)
1,500
1,000
500
-
a ry ary rc h pril ay ne uly us t ber ber ber ber ary ary rch pril ay ne uly ust ber ber ber ber
u J g m to m m u ru a A M Ju J g m to m m
a nu bru Ma A M J Au pte Oc ve ce Jan eb M Au pte Oc v e ce
J Fe o e F o e
Se N D Se N D
BULAN
PT NUSA INDAH PT NUSA INDAH
DATA PENJUALAN RENCANA PENJUALAN
TAHUN 2018 TAHUN 2019
• Y’ = 1.920 + 30X
PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018
PT ROMANSA
Y’ = 1.920 + 30X RENCANA PENJUALAN
Y2019 = 1.920 + 30.(9 ½ ) = 2.205 TAHUN 2019 - 2023
Y2020 = 1.920 + 30.(10 ½ )= 2.235
Y2021 = 1.920 + 30.(11 ½ ) TAHUN JUMLAH (Unit) (Y)
= 2.265
Y2022 = 1.920 + 30.(12 ½ )= 2.295 2019 2,205
Y2023 = 1.920 + 30.(13 ½ )= 2.325 2020 2,235
2021 2,265
2022 2,295
2023 2,325
PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018
• Y’ = 1.900 + 35X
Forecast untuk 5 tahun yad (2019 – 2023)
Dimana :
• Y’ = nilai trend
• Y = data historis
• X = parameter pengganti waktu
• n = banyaknya data
Contoh
PT ABADI
DATA PENJUALAN
TAHUN 2010 - 2018
Y’ = a + bX
ΣY = n a + b ΣX 42.480 = 9a + 36b X4
ΣXY = a ΣX + b ΣX2 171.180 = 36a + 204b X 1
169.920 = 36a + 144b
171.180 = 36a + 204b -
- 1.260 = - 60b b = 21
42.480 = 9a + 36b
42.480 = 9a + 36 (21) Y’ = a + bX
9a = 41.724 Y’ = 4.636 + 21X
a = 4.636
Rencana penjualan 2019 dan 2020
Y’ = 4.636 + 21X
Y2019 = 4.636 + 21 (9) = 4.825
Y2020 = 4.636 + 21 (10) = 4.846
PT ABADI
BUDGET PENJUALAN
TAHUN 2019 - 2023
TAHUN JUMLAH (Unit) (Y)
2019 4,825
2020 4,846
2021 4,867
2022 4,888
2023 4,909
Bagaimana dengan data genap ?
Latihlah diri Anda !
#5. TREND LEAST SQUARE
Y’ = a + bX
ΣY = na + bΣX
ΣXY = a ΣX + b ΣX 2
PT ABADI
DATA PENJUALAN
TAHUN 2010 - 2018
ΣY = na 42.480 = 9a a = 4.720
ΣXY = b ΣX2 1.260 = 60b b = 21
Y’ = a + bX
Y’ = 4.720 + 21X
Y’ = 4.720 + 21 X PT ABADI
Y2019 = 4.720 + 21 (5) RENCANA PENJUALAN
Y2020 = 4.720 + 21 (6) TAHUN 2019 - 2023
Y2021 = 4.720 + 21 (7
Y2022 = 4.720 + 21 (8) TAHUN JUMLAH (Unit) (Y)
Y2023 = 4.720 + 21 (9) 2019 4,741
2020 4,762
2021 4,783
2022 4,804
2023 4,825
Data genap
PT ABADI
DATA PENJUALAN
TAHUN 2009 - 2018
Y’ = a + bX + cX2
ΣY = na + cΣX 2
ΣXY = bΣX 2 42.4800 = 9a + 60c X 60
ΣX2Y = aΣX2+ cΣX 4 283.400 = 60a + 708c X9
X = data riil
Kesimpulan :
Rata-rata penyimpangan absolut metode least square 31 lebih besar dari rata-rata
penyimpangan absolut metode kuadratik sebesar 20, dengan demikian metode
yang terbaik adalah metode kuadratik/garis lengkung
#2. Standar kesalahan peramalan
2
TREND GARIS SKP = Σ(X-Y) TREND GARIS
LURUS/LEAST SQUARE n-2 LENGKUNG/KUADRATIK
PENYIMPANGAN PENYIMPANGAN
(X-Y)^2 (X-Y)^2
ABSOLUT (X-Y) ABSOLUT (X-Y)
- 19 361 18 322
- 8 4 21 462
- 107 11.449 - 86 7.442
4 16
15 215
25 625
24 592
26 676
37 1.369 13 161
38 1.444 10 95
49 2.401 -5 20
JUMLAH 18.405 - 10 101
SKP 51 JUMLAH 9.410
SKP 37
Kesimpulan :
Nilai SKP metode least square sebesar 51 lebih besar dari metode kuadratik sebesar 37,
dengan demikian metode terbaik adalah metode kuadratik/garis lengkung
#6. Regresi > 1 variabel
n ΣXY - ΣX ΣY
r=
n ΣX 2 – (ΣX) 2 x n ΣY2 – (ΣY) 2
r mendekati 1 kuat
r mendekati -1 lemah
r mendekati 0 tidak ada pengaruh
PT TUNAS MEKAR
DATA JUMLAH PRODUK SUSU DAN JUMLAH BAYI LAHIR
TAHUN 2014 - 2018
Y’ = a + bX
ΣY = na + bΣX 1.500 = 5a + 1.200b X 240
ΣXY = a ΣX + b ΣX2 378.000 = 1.200a + 320.200b X 1
a = 168 b = 0,55
Y’ = 168 + 0,55X
Y2019 = 168 + 0,55 (350)
Y2019 = 388 ribu kaleng
Jadi jumlah susu yang akan dijual pada tahun 2019
sebanyak 388.000 kaleng
Koefisien korelasi
n ΣXY - ΣX ΣY
r=
n ΣX 2 – (ΣX) 2 x n ΣY2 – (ΣY) 2
r = 0,6795
Jadi jumlah bayi yang lahir
sangat mempengaruhi jumlah
r mendekati 1 kuat penjualan susu bayi. Semakin
r mendekati -1 lemah banyak bayi yang lahir,
r mendekati 0 tidak ada pengaruh semakin banyak susu yang
terjual
LATIHAN
(Maria Pampa Kumalaningrum dkk, 2011 : 142)
PT Global menghasilkan produk kembang gula
dengan kualitas prima. Perusahaan ini ingin
memprediksi volume kembang gula yang akan
terjual pada bulan Juni 2019. Perusahaan
menetapkan biaya promosi yang berbeda untuk
setiap bulan.
Berikut ini adalah data mengenai volume penjualan
dan biaya promosi berdasarkan informasi historis
pada lima bulan terakhir.
LATIHAN
(Maria Pampa Kumalaningrum dkk, 2011 : 142)