peramalan manajemen operasi

Kebutuhan Peramalan dalam Manajemen Produksi dan Operasi .

Manajemen Operasi/produksi menggunakan hasil-hasil peramalan dalam pembuatan keputusan-keputusan yang menyangkut pemilihan proses, perencanaan kapasitas, layout fasilitas dan untuk

Berbagai keputusan yang bersifat continue berhubungan dengan perencanaan, scheduling dan persediaan

Metode Peramalan

a.Top down forecasting

Dimulai dengan penggunaan hasil-hasil peramalan berbagai

Kondisi bisnis umum yang dibuat oleh para ahli ekonomi dalam lembaga pemerintah dan perusahaan

besar serta universitas-universitas.

b.Bottom Up forecasting

Dimulai dengan perkiraan permintaan produk-akhiri ndividual.Peramal menerima estimasidari orang-orang penjualan,distribusi dan langganan.

Proses-proses Peramalan•

•Penentuan tujuan

•Pengujian model

•Penerapan model

•Pengembangan model

•Revisi dan evaluasi

Teknik-Teknik Peramalan

a.Teknik Kualitatif

Bersifat  subyektif/judgemental Berdasar pada estimasi-estimasi dan pendapat-pendapat dari para eksekutif, orang orang penjualan, langganan, spesialis/ahli dari berbagai bidang.

1.Juri Opini eksekutif

2.Metode Delphi

3.Gabungan tenaga penjualan

4.Survei pasar

1.Juri Opini eksekutif

Pendekatan ini berdasar pendapat dari sekelompok kecil eksekutif tingkat atas. Karena pendapatnya lebih dari satu orang maka diharapkan lebih akurat.

Kelemahannya:

Ketepatan sangat tergantung masukan individu .

Keuntungannya:

Paling sederhana

2.Metode Delphi

Teknik yang menggunakan suatu prosedur yang sistematik untuk mendapat suatu consensus pendapat-pendapat dari suatu kelompokahli.

Keuntungannya:

Dapat menggambarkan keadaan dimasa dating lebih akurat dan professional sehingga peramalan diharapkan mendekati aktual.

3.Gabungan tenaga penjualan

Tenaga penjual merupakan

Sumbangani nformasi yang baik tentang permintaan konsumen. Tiap tenaga penjual meramalkan tingkat penjualan didaerah, lalu digabung pada tingkat propinsi kemudian digabung hingga tingkat nasional untuk mencapai peramalan menyeluruh.

4.Surveipasar

Masukan dari konsumen/konsumen potensial terhadap rencana pembelian di masa datang.Peralatan peramalan yang berguna bilaada kekurangan

data historik/data tak reliabel. Digunakan untuk meramal

permintaan jangka

panjang dan penjualan

produk baru.

Kelemahannya:

Mahaldan sulit.

5.teknikKuantitatif

1.Time series (analisis runtun waktu)

Meramalkan kejadian dimasa datang atas dasar

Serangkaian data masa lalu, yang merupakan hasil observasi berbagai variable menurut waktu dan digambarkan dalam bentuk grafik yang menunjukan perilaku variable subjek.  Pola data daris erangkaian waktu:

•konstan

•kecendrungan(trend)

•musiman(seasonal)

•siklus(cyclical)

Metode dasar dari analisis runtunwaktu:

Rata-rata bergerak

a.Rata-rata bergerak sederhana(Simple moving average)

Bobot tiap periode sama.

Dengan,

Ft = Nilai prakiraan untuk periode t

N = Jumlah deret waktu yang digunakan

Xi = Data pengamatan periode i

b.Rata-rata bergerak tertimbang

Tiap periode mempunyai bobot yang berbeda

Ft+1= W t Xt + W t-1Xt-1 + ...+ W t-N+1X t-N+1

       --------------------------------------------------

         Wt + W t-1 + ...+W t-N+1

Dengan,

Wt = persentase bobot yang diberikan untuk periode t

Jika jumlah bobot = W t + Wt-1 + ...+W t-N+1 = 100 % = 1,

Maka rumus bias disederhanakan menjadi:

Ft+1= W t Xt + W t-1Xt-1+ ...+W t-N+1 X t-N+1

Eksponensial Smoothing ( Pemulusan eksponensial)

a.Eksponensial Smoothing ( Pemulusan eksponensial) tunggal

Ada Tambahan parameter α dalam model untuk mengurangi factor kerandoman.Serial data yang diamati memiliki pola horizontal (stasioner).

Ft+1 = α. Xt + ( 1 -α) F t

Dengan,

Ft = Nilai prakiraan untuk periode t

N = Jumlah deret waktu yang digunakan

α  = faktor/konstanta pemulusan

Xi = Data permintaan periode t

b.Eksponensial Smoothing ( Pemulusan eksponensial) linier

Serial data yang diamati memiliki unsur trend (kecendrungan).

Metode yang digunakan metode Holt, dimana ada dua parameter,

α(alpha) dan β(betha).

Pemulusan eksponential linier menggunakan persamaan sbb:

Ft+m= St + T t.m

Dengan,

St= α. Xt+ ( 1 -α) (St-1+ Tt-1)

Tt= β. (St-St-1) + (1-β). Tt-1

Metode Dekomposisi

Mengidentifikasi komponen pola dasar yang ada pada serial data, yaitu komponen trend, musiman dan siklus.

Xt= f (St , Tt, Ct , Rt)

Dimana:

St = Komponen musiman pada periode t

Tt= Komponen trend pada periode t

Ct = Komponen siklus pada periode t

Rt= Komponen random (kesalahan) pada periode t

Metode kausal

Kausal Merupakan teknik yang paling akurat. Umumnya membahas Pendekatan sebab akibat (kausal atau yang  bersifat menjelaskan(eksplanatoris), dan bertujuan untuk meramalkan keadaan di masa yang akan datang dengan menemukan dan  mengukur beberapa variable bebas (independen) yang penting beserta pengaruhnya terhadap variable tidak bebas yang akan diramalkan.

a.Analisa Regresi

b.Analisa Korelasi