Upload
herd-iman
View
43
Download
0
Embed Size (px)
DESCRIPTION
peramalan
Citation preview
1. Jelaskan definisi peramalan?
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan
dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas,
waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan
barang dan jasa.
2. Sebutkan dan jelaskan empat karekteristik elemen peramalan ?
Ketelitian
Sasaran pertama dalam peramalan permintaan ialah mendapatkan hasil
peramalan dengan tingkat akurasi yang tinggi. Ada dua ukuran yang
digunakan dalam mengevaluasi akurasi peramalan yaitu penyimpangan
(bias) dan konsistensi (consistency). Penyimpangan terjadi apabila hasil
peramalan memperlihatkan secara terus menerus angka yang tinggi atau
rendah. Konsistensi berkaitan dengan ukuran atau besarnya error.
Biaya
Biaya yang dibutuhkan untuk mengembangkan model peramalan serta
menggunakannya sering cukup besar. Makin banyak item yang akan
diramalkan dan makin tinggi tingkat ketelitian yang diinginkan makin besar
pula biaya yang dibutuhkan. Tingkat akurasi peramalan dapat diperbaiki
apabila peramalan degan menggunakan model yang sederhana diganti
dengan model yang lebih komprehensif tetapi biaya peramalan juga akan
meningkat tajam. Oleh karena itu perlu dilakukan trade-off antara tingkat
akurasi yang dibutuhkan dengan besarnya biaya yang harus dikeluarkan.
Peramalan dengan menggunakan metode yang sangat komprehensif tidak
selalu menjadi pilihan apabila faktor jumlah biaya yang harus
dikeluarkan menjadi tidak sebanding.
Respon
Sistem peramalan haruslah stabil dalam arti hasil peramalan tidak
memperlihatkan fluktuasi yang bersifat liar karena faktor random yang
berlebihan. Pada pihak lain, apabila tingkat permintaan yang sebenarnya
berubah maka peramalan juga harus menunjukkan hasil peramalan yang
berubah. Untuk mengkompromikan kedua situasi yang paling konflik
ini maka sistem peramalan perlu mencakup dua fitur yaitu a)
monitoring terhadap terjadinya perubahan nyata permintaan dan b)
kemampuan sistem untuk melakukan respon sesaat secara cepat terhadap
perubahan tersebut. Hasil peramalan akan sangat buruk apabila dalam
situasi nyata terjadi peningkatan permintaan tetapi peramalan tidak
mampu mendeteksi situasi tersebut sehingga hasil peramalan tidak
menunjukkan kenaikan permintaan.
Kesederhanaan
Metode peramalan yang lebih sederhana selalu lebih diinginkan
dibandingkan dengan metode yang rumit karena akan lebih mudah
dirancang, digunakan, dan dipahami. Apabila kesulitan terjadi dengan
penggunaan metode yang sederhana maka akan lebih mudah menelusuri
masalah yang terkait serta melakukan perbaikannya. Namun demikian,
pilihan yang terbaik ialah harus sesuai dengan sasaran penggunaannya.
3. Jelaskan metode kualitatif peramalan?
Metode kualitatif pada umumnya digunakan apabila data kuanitif tentang
permintaan masa lalu tidak tersedia atau akurasinya tidak memadai.
Misalnya peramalan tentang permintaan produk baru juga akan
dikembangkan, jelas data masa lalu tidak tersedia. Walaupun data masa
lalu tersedia, kalau kondisi lingkungan masa yang akan datang sama sekali
sudah berbeda dengan kondisi masa lalu maka keberadaan data masa lalu
itu tidak akan menolong peramalan permintaan masa yang akan datang
4. Jelaskan metode kuantitafi peramalan ?
Peramalan berdasarkan metode kuantitatif (intrinsic forecasting)
mempunyai asumsi bahwa data permintaan masa lalu dari produk atau
item yang diramalkan mempunyai pola yang diperkirakan masih -lanjut ke
masa yang akan datang. Pola permintaan tersebut mungkin kurang jelas
terlihat karena faktor random yang menghasilkan fluktuasi. Peramalan
mencakup analisis data masa lalu untuk menemukan pola permintaan dan
berdasarkan pola ini diproyeksikan besarnya permintaan pada masa yang
akan datang.
5. Sebuah industri manufaktur memiliki data permintaan produk 7 tahun
terakhir sebagai berikut :
Kuarta
l
Tahun
1 2 3 4 5 6 7
I 189 198 187 197 174 181 182II 192 201 177 183 186 194 199III 196 189 202 195 197 187 198IV 182 185 199 201 195 202 189
Total 759 773 765 776 752 764 768
Terapkan metode regresi linier untuk memperkirakan permintaan satu
tahun kedepan (tahun ke 8)
Tahun Yi Xi Xi2 XiYi
1 759 1 1 7592 773 2 4 15463 765 3 9 22954 776 4 16 31045 752 5 25 37606 764 6 36 45847 768 7 49 5376
Total 6364 28 140 21421
Persamaan (2.2): 6364 = 7 a + 28 b
Persamaan (5.3): 21421 = 28 a + 140 b
Dari kedua persamaan tersebut nilai konstanta a = 743 dan b = 41.5. Dengan
demikian,
model matematik permintaan terhadap produk tersebut ialah
Y = 743 + 41.5X
Berdasarkan model peramalan ini, jumlah permintaan produk tersebut pada tahun
berikutnya yaitu tahun ke 8 diramalkan sebagai berikut:
Y8 = 743+ (41.5) (8)
= 1073 unit
Perlu diperhatikan bahwa model matematik ini hanya dapat digunakan untuk
meramalkan jumlah permintaan dalam satu periode ke depan. Jika periode
peramalan dinyatakan dalam satuan tahun maka peramalan permintaan hanya
dapat digunakan untuk memperkirakan 1 tahun ke depan.
Perkiraan faktor musiman terhadap hasil peramalan tersebut dilakukan dengan
menghitung indeks musiman sebagai berikut.
Tabel 2.3 Perhitungan Faktor Musiman Terhadap Jumlah Penjualan
Kuartal Tahun Total Rata -
rata1 2 3 4 5 6 7I 189 198 187 197 174 181 182 1308 186.8571II 192 201 177 183 186 194 199 1332 190.2857III 196 189 202 195 197 187 198 1364 194.8571IV 182 185 199 201 195 202 189 1353 193.2857
Total 759 773 765 776 752 764 768 5357 191.3214
Indeks Kuartal I : (186.8)/(191.3) = =0.97
Indeks Kuartal II : (190.2)/(191.3)
=
= 0.99
Indeks Kuartal III: (194.8)/(191.3) = 1.01
Indeks Kuartal IV: (193.2)/(191.3) = 1.00
Dengan menggunakan indeks kuartal sebagai faktor musiman maka diperkirakan
bahwa jumlah permintaan per musim selama tahun ke 6 adalah sebagai berikut:
Kuartal I : [(0.97)/4](1073) = 260 unit
Kuartal II : [(0.99)/4](1073) = 265 unit
Kuartal III : [(1.01)/4](1073) = 270 unit
Kuartal IV: [(1.00)/4](1073) = 268 unit
Total 1063 unit
Kuarta
l
Tahun
1 2 3 4 5 6 7 8
I 189 198 187 197 174 181 182 260II 192 201 177 183 186 194 199 265III 196 189 202 195 197 187 198 270IV 182 185 199 201 195 202 189 268
Total 759 773 765 776 752 764 768 1063