4. Demand Forecasting 1_2

8/10/2019 4. Demand Forecasting 1_2

1/25

DEMAND FORECASTINGPART 1

Minggu 4


2/25

Before making an investment decision, must

answer these question:

What should be the size or amount capitalrequired?

How large should be the size of workforce?

What should be the size of the order and safetystock?

What should be the capacity of the plant?

NEED FORECAST


3/25

DEFINITION FORECASTING

(American Marketing Association)

An estimate of sales in physical units for a specifiedfuture period under proposed marketing plan or program

and under the assumed set of economic and other

forces outside the organisation for which the forecast is

made

Forecasting is an estimateof future eventachieved by systematically combining and casting in

predetermined way data about the past.

Forecasting is based on the historical data and its

requires statistical and management science techniques.


4/25

Need for Demand Forecasting

Majority of the activities is depend on the future sales

Projected demand for the future assists in decision making with

respect to investment in plant and machinery, market planning

and programs.

To schedule the production activity to ensure optimum utilisation

of plants capacity

To prepare material planning to take up replenishment action to

make the materials available at right quantity and right time

To provide an information about the relationship between

demand for different products

To provide a future trend which is very much essential for product

design and development


5/25


6/25

Forecasting Approaches

Qualitative Methods

Incorporate such factors as the decision makers intuition, emotions,

personal experiences, and value system in reaching a forecast.

Quantitative Methods

It use a variety of mathematical models that rely in historical data or

associative variables to forecast demand.


7/25

Individual Opinion:Opini peramalan berasal dari pribadi(Individu) pakar/expert dalam bidangnya

yaitu :

- Konsultan : Ilmiah / non Ilmiah

- Manajer pemasaran / produksi

- Individu yang banyak bergerak padamasalah tersebut.

Group Opinion :Opini peramalan diperoleh dari beberapa

orang dengan mencoba merata-ratakanhasil peramalan yang lebih obyektif

(rasional)

Qualitative Forecasting


8/25

MACAM-MACAM GROUP OPINION:

Riset Pasar Berguna bila ada kekurangan data historik atau data tidak reliabel.

Tahapan dalam riset pasar:

Memastikan informasi yang dicari

Memastikan sumber-sumber informasi

Menetapkan cara pengadaan atau pengumpulan data

Mengembangkan uji pendahuluan peralatan pengukuran

Menformulasikan sampel

Mendapatkan informasi

Melakukan tabulasi dan analisa data


9/25

Metode Delphi

Teknik yang digunakan untuk mendapatkan konsensus pendapat dari

kelompok ahli kemudian mengumpulkan dan menformulasikan daftar

pertanyaan baru dan dibagikan kepada kelompok.

Analogi historik

Peramalan dilakukan dengan menggunakan pengalaman historik

produk sejenis.

Konsensus Panel

Gagasan yang didiskusikan secara terbuka oleh kelompok untuk

menghasilkan ramalan yang lebih baik daripada dilakukan seseorang.Partisipan terdiri dari: eksekutif, orang penjualan, para ahli dan

langganan


10/25

Quantitative Forecasting

Time Series Analysis

Identifies the historical pattern of demand for the product

or project and extrapolates this demand into the future.

Past data is arranged in a chronological order as a

dependent variable and time as an independent variable

Causal Methods

Identifies the factors which cause the variation of demand

and tries to establish a relationship between the demandand these factorsnot only depend on time variable.


11/25

Faktor-faktor yang berpengaruh:

- harga produk

- saluran distribusi

- promosi

- pendapatan- jumlah penduduk, dll

dt = f (faktor penyebab demand)

Pada metode ini diperlukan : - identifikasi variabel yang relevan- mencari fungsi yang cocok

Kebaikan : - mempunyai ketepatan hasil yang tinggi

- dapat digunakan untuk peramalan jangka panjang

Kelemahan : - tidak praktis, membutuhkan banyak jenis data

- waktu lama

- mahal


12/25

Forecasting :upaya memperkecil resiko yang mungkin

timbul akibat pengambilan keputusan dalam

suatu perencanaan produksiNamun, upaya memperkecil resiko dibatasi

oleh biaya

Biaya totalBiaya peramalan

resiko

Biaya

Upaya

peramalan


13/25

Metode

peramalan

Model

kualitatif

Model

kuantitatif

Time

series

kausal

smoothing

regresi

ekonometri

Regresi

multivariate

Moving

average

Exponential

smoothing


14/25

Faktor-faktor yang harus dipertimbangkan dalam pemilihan

metode peramalan :

- tujuan peramalan- jangkauan peramalan

- tingkat ketelitian

- ketersediaan data

- bentuk pola data

- biayaHal-hal yang harus dilakukan :

- definisikan tujuan peramalan

- buat diagram pencar

- pilih beberapa metode peramalan- hitung ramalan dan kesalahannya

- pilih metode dengan kesalahan terkecil


15/25

JENIS POLA DATA :

- Konstan

- Trend (linier )

- Musiman (seasional)

- Cyclic (siklis)

Fungsi peramalan:

- Konstan : dt = a

- Trend (linier) : dt = a + bt

- Kwadratis : dt = a + bt + ct2

- Eksponential : dt = a.ebt

- Cyclic (siklis) : dt = a + b sin cos


16/25

Kriteria Performansi peramalan :

1. Mean square error (MSE)

Xt = data aktual pada periode t

Ft= data ramalan pada periode t

n = banyaknya periode

2. Presentase kesalahan ( PEt )

3. Mean Absolute Percentage error (MAPE)

n

t

t

ndtXMSE

1

2

'

%100.

'

t

ttt

X

dtXPe

n

t

t

n

PEMAPE

1


17/25

4. Standar Error Of Estimate (SEE)

f = derajat bebas

1 = untuk data konstan

2 = untuk data linier

3 = untuk data kwadratis

Contoh :

Dari12 bulan terakhir ini dicatat penjualan produk x sbb

Bagaimana ramalan permintaan produk x untuk 12 bula

mendatang ?

Bulan J F M A M J J A S O N D

Penjualan 30 20 45 35 30 60 40 50 45 65 50 35

n

t

t

fn

dtXSEE

1

2'


18/25

dt = f(t)

Konstan :

a = 30 + 20 + . + 50 + 35 = 42

12

dt = 42

n

dt

a

andt

adt

n

t

n

t

n

t

n

t

1

1

1 1

.


19/25

dt = y(t) Ramalan (dt) e = dt dt e2= (dt-dt)2

1. 302. 20

3. 45

4. 35

5. 30

6. 60

7. 40

8. 50

9. 45

10. 6511. 50

12. 35

4242

42

42

42

42

42

42

42

4242

42

-12-22

3

-7

-12

18

-2

8

3

238

- 7

144484

9

49

144

324

4

64

9

52964

49

Jumlah 1873

MENCARI SEE :


20/25

n

t fn

dtdt

1

2)'(

SEE

05,1327,170

112

1873


21/25

TRENDdt = a + bt

2

11

2

1 1 1

.

..

n

t

n

t

n

t

n

t

n

t

ttN

ttytytN

b

2

1 1

2

1 1 1

.

..

n

t

n

t

n

t

n

t

n

t

ttN

tdtdttN

b

atau


22/25

N

t

bN

dt

a

n

t

n

t

11

btdta

N

t

b

N

dt

a

n

t

n

t

11


23/25

T dt = y(t) t.dt t2 dt dt-dt (dt-dt)2

1.

2.

3.4.

5.

6.

7.8.

9.

10.

11.

12.

30

20

4535

30

60

4050

45

65

50

35

30

40

135140

150

360

280400

405

650

550

420

1

4

916

25

36

4964

81

100

121

144

31

33

3537

39

41

4345

47

49

51

53

-1

-13

10-2

-9

19

-35

-2

16

-1

-18

1

169

1004

81

361

925

4

256

1

324

= 78

= 6,5

505

= 423560 650 = 1335


24/25

b = 12.(3560)505.78

12(650)(78.78)

= 3330 = 1,94

1716

= 421,94 (6,5)

= 4212,61

= 29,39 dt = 29,39 + 1,94t ~ dt = 29 + 2t

55,11

5,133212

1335

1

SEE

SEE

fn

dtdt

SEE

n

t

i


25/25

Untuk regresi konstan : dt= 42

SEE = 13,05

Untuk regresi linier : dt

= 29 + 2tSEE = 11,55

4. Demand Forecasting 1_2

Documents

Transcript of 4. Demand Forecasting 1_2