PERAMALAN
PERMINTAAN BAGI OPERASI
Perencanaa
dan pengendalian operasi tergantung kepada kombinasi yang tepat antara
pemahaman tentang apa yang sebenarnya terjadi dan peramalan tentang apa yang di
harapkan terjadi terhadap permintaan.
MEMPREDIKSI
PASAR UNTUK PRODUK DAN JASA
Rencana
yang rasional untuk produk dan jasa berikut sistem produksinya, tak dapat dibuat
tanpa perkiraan luas pasar. Ini berlaku baik bagi perusahaan berlaba maupun
nirlaba. Bila seorang menetapkan apakah suatu produk atau jasa baru akan
dilansir, maka data tentan luas pasar potensial merupakan hal yang menentukan
dalam pegambilan keputusan.
PREDIKSI
DAN PERAMALAN
Prediksi
merupakan istilah yang agak berbau nujum-bola kristal. Bila kita melakukan
prediksi, kiita menggabungkan sejumlah besar informasi subyektif maupun
obyektif untuk membentuk perkiraan terbaik kita tentang masa depan. Peramalan
diartikan sebagai penggunaan teknikteknik statistik dalam membentuk gambaran
masa depan berdasarkan pengolahan angka-angka historis.
SYARAT-SYARAT
PERAMALAN OPERASI
Fungsi
peramalan permintaan mempunyai manfaat manajerial yan luas, baik dalam oranisasi
nirlaba maupun non laba. Agar dapat beguna bagi perencanaan dan pengendalian
operasi, data ramalan permintaan harus tersedia dalam bentuk yang dapat
diterjemahkan ke dalam permintaan akan material dan permintaan akan waktu pada
kelompk peralatan tertentu.
KOMPONEN-KOMPONEN
PERMINTAAN
Beberapa
variasi permintaan dapat dijelaskan dengan model statsitik tetapi lainnya tidak
dapat. Variasi yang tak dapat dijelaskan, kita namakan variasi acak. Dalam
peramalan permintaan bagi operasi kita tidak menanggai apa yang dianggap
variasi acak.
METODE-METODE
PERAMALAN DERET BERKALA
Rata-rata
Bergerak
Cara
yang lazim dipakai untuk meredam pengaruh variasi acak dalam permintaan ialah
memperkirakan permintaan rata-rata dengan suatu cara yang dikenal sebagai
rata-rata bergerak. Suatu rata-rata bergerak merupakan rata-rata dari n nilai yang berpusat pada periode yang
disebut, misalnya, permintaan aktual 3 bulan pertama ialah 19, 36, 25, 45 dan
19, 73, maka rata-rata bergerak 3 bulan pertama dihitung sebagai ( 19,36 +
25,45 + 19,73)/3 = 21,51. Karenanya perkiraan permintaan Februari dengan
variasi acak telah teredam ialah 21,51.
Rata-rata
Bergerak Terbobot Eksponensial
Salah
satu metode yang efektif dan mudah untuk mendapatkan peredaman dan pembedaan
bobot antara data terakir dengan data sebelumnya adalah rata-rata bergerak
terbobot eksponensial.
Ekstrapolasi dan Ramalan.
Karena dalam model tidak terkandung komponen kecenderungan dan musiman, maka
ekstrapolsi dapat dilakukan secara langsung dari St untuk mendapatkan suatu nilai ramalan.
Kesalahan ramal.
Kesalahan ramal didefinisikan sebagai berikut :
Kesalahan
ramal = Dt - Ft
Kesalahan
ramal merupakan ukuran ketetapan peramalan dan merupkan dasar perbandingan
kemampuan ramal dari model-model. Tiga ukuran kesalahan yang sering dipakai
ialah :
1. Kesalahan
rata-rata ( AE)
2. Devasi
absolut nilai tengah ( MAD )
3. Kuadrat
kesalahan nilai tengah ( MSE )
Model Kecenderungan.
Kecenderungan pada rata-rata teredam eksponensial adalah selisih antara dua
nilai permintaan yang berurutan St – St-1. Tetapi, bila
ukuran kasar ini kemudian kita pakai untuk mengoreksi angka rata-rata kita,
akan kita dapatkan koreksi yang kurang stabil karena angka-angka kecenderugan
kasar tersebut masih mengandung unsur variasi acak.
Model Musiman.
Dasar untuk secara langsung memperhitungkan variasi musiman adalah penyusunan
indeks musiman memakai data tahun sebelumnya. Misalnya bila kita ambil
permintaan aktual pemakaian jasa komputer pada tahun 1981, dengan membagi
permintaan pada masing-masing bulan dengan rata-rata tahunan akan kita dapatkan
satu perangkat indeks.
Model untuk Kecenderungan dan
Musiman. Seperti telah dapat diduga, model kecenderungan dan
model musiman dapat digabungkan. Persamaan-persamaan yang dipakai untuk
memperbaharui nilai kecenderungan teredam dan indeks musiman adalah sama, hanya
saja persamaan untuk menghitung nilai akhir rata-rata teredam St
harus di ubah agar mencerminkan baik variasi komponen-komponen kecenderungan
maupun musiman.
METODE
PERAMALAN DERET FOURIER
Komputer-komputer
mutakhir yang relatif cepat, murah dan berdaya simpan besar memungkinkan
penggunaan model-model peramalan matematis yang rumit. Salah satu model ini ah
peramalan kuadrat terkecil yang dikenal sebagai Deret Fourier. Latar belakang
matematis metodologi ini dikemukakan pertama kali oleh Joseph Fourier, ahli
matematika dan fisika Perancis, Fourier menyatakan bahwa setiap fungsi periodik
yang berhingga bernilai tunggal dan kontinu selama periode tersebut dapat
dirumuskan dengan suatu deret matematis yang terdiri dari suatu konstanta
dengan jumlah beberapa suku sinus dan konsinus.
METODE
PERAMALAN KAUSAL
Bila
kita memiliki data historis dan pengalaman
yang cukup banyak, dapat dicari hubungan antara ramalan dengan
faktor-faktor ekonomi yang menyebabkan terjadinya kecenderungan, musiman dan
fluktuasi.
Analisis
Regresi
Peramalan
yang didasarkan pada metode-metode regresi dilaksanakan dengan menetapkan suatu
fungsi peramalan yang disebut persamaan regresi. Persamaan ini menyatakan
hubungan antara deret yang diramalkan dengan suatu deret data lainnya yang
diduga mengendalikan atau menyebabkan naik atau turunnya penjualan.
Keandalan ramalan.
Sejumlah uji statistik dapat dilakukan untuk mnetapkan ketetapan persamaan
regresi sebagai alat peramalan. Data dari uji statistik ini dapat secara
otomatis dihasilkan oleh program komputer untuk analisis regresi.
Regresi
Ganda.
Konsep
umum analisis regresi sederhana dapat diperluas untuk memasukkan pengaruh
berbagai faktor kausal melalui apa yang dikenal sebagai analisis regresi ganda.
Metode
Peramalan Ekonometrik
Dalam
pengertian paling sederhana, meode peramalan ekonometrik merupakan perluasan
analisis regresi dan melipui suatu sistem persamaan-persamaan regresi simultan.misalnya
kita anggap bahwa penjualan merupakan fungsi dari GNP, harga dan iklan. Dalam
pengertian regresi, kita menganggap bahwa ketiga variabel bebas ini berasal
dari luar sistem dan karenanya tidak terpengaruh oleh tingkat penjualan itu
sendiri dan tida saling mempengaruhi antara satu faktor dengan faktor lain.
METODE-METODE
PREDIKTIF
Metode
Delphi
Peramalan
teknologis merupakan istilah yang dipakai dalam kaitan prediksi jangka panjang,
dan teknik Delphi merupakan metodologi yang sering dipakai untuk mencapainya.
Sasaran teknik Delphi ialah melihat kedepan untuk mengantisipasi produk-produk
dan proses-proses baru dalam lingkungan budaya dan ekonomi yang berubah sangat
cepat.
Survei
Pasar
Survei
pasar dan analisis perilaku konsumen telah sedemikian maju dan data yang
dihasilkannya merupakan masukan yang sangat bernilai untuk melakukan prediksi
permintaan pasar.
IMPLIKASI
BAGI MANAJER
Bila
ada suatu perngkat data yang paling penting bagi manajer, itulah ramalan.
Hampir semua keputusan penting dalam operasi tergantung sampai tingkat tertentu
pada ramalan permintaan. Manajer-manajer sangat sadar akan ketergantungannya
pada ramalan. Sebagian besar waktu para eksekutif bahkan dihabiskan untuk
menggumuli masalahmasalah kecenderungan ekonomi dan politisi dan sejauh mana
kejadian-kejadian mempengaruhi permintaan akan produk dan jasa mereka.
Tidak ada komentar:
Posting Komentar