PERAMALAN (FORECASTING) pada suatu perusahaan di dunia

forecasting atau peramalan pada tingkat bisnis di perusahaan

1. PERAMALAN (FORECASTING) Syalendra Abi Wijaya (B.111.23.0114) Yudhistira Desvandharu ( B.111.23.0182 ) Dwi Vemas Agustian ( B.111.23.0104 ) Bayu Dwi Cahyo ( B.111.23.0123 )

2. Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan datang yang meliputi kebutuhan dalam ukuran kuantitas , kualitas , waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa ( nasution , 1999). Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat . Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal , sering berdasarkan data deret waktu historis . Peramalan menggunakan teknik - teknik peramalan yang bersifat formal maupun informal ( gaspersz , 1998). TEORI FORECASTING

3. KEUNGGULAN FORECASTING Sebagai alat bantu dalam perencanaan yang efektif dan efisien Untuk menentukan sumber daya di masa yang akan dating Untuk membuat keputusan yang tepat 3

4. Perencanaan produksi berdasarkan forecasting ( peramalan ) adalah proses memprediksi permintaan produk di masa mendatang dan menyusun strategi produksi untuk memenuhinya secara efisien . Forecasting menjadi landasan utama karena perkiraan yang akurat membantu perusahaan mengoptimalkan sumber daya , mengurangi biaya , dan meningkatkan kepuasan pelanggan . PERENCANAAN PRODUKSI

5. LANGKAH-LANGKAH PERENCANAAN PRODUKSI Proyeksi permintaan Menentukan kebutuhan sumber daya Merancang langkah produksi Menjadwal produksi Menugaskan pekerjaan Mengendalikan dan evaluasi 5

6. Proses disagregasi 6 Proses disagregasi dalam forecasting adalah pemecahan atau penguraian prakiraan permintaan agregat ( tingkat tinggi ) menjadi prakiraan yang lebih spesifik dan terperinci untuk produk individu , wilayah geografis , periode waktu , ataupun yang ada pada suatu segmen pelanggan tertentu ,

7. Master Production Schedule (Jadwal Induk Produksi ) Master Production Schedule (MPS) atau Jadwal Induk Produksi berperan sebagai alat penting yang menerjemahkan perkiraan permintaan yang luas menjadi rencana produksi yang konkret dan terperinci . Jika peramalan adalah perkiraan mengenai permintaan pasar di masa yang akan datang tersebut , maka MPS adalah implementasi dari peramalan tersebut ke dalam jadwal yang dapat dieksekusi . 7

8. Master Production Schedule (Jadwal Induk Produksi ) 8 Fungsi dan peran Menerjemahkan Menentukan kebutuhan Optimalkan inventari s Evaluasi Dasar perencanaan Proses penyusunan Identifikasi permintaan Evaluasi kapasitas Penyusunan jadwal Penyesuaian

9. Rought Cut Capacity Planning (RCCP) Rough Cut Capacity Planning (RCCP) digunakan dalam tahap awal perencanaan produksi untuk memvalidasi apakah Jadwal Induk Produksi (MPS) (yang didasarkan pada perkiraan kebutuhan pelanggan atau forecast) dapat dipenuhi dengan kapasitas sumber daya yang tersedia . Dengan membandingkan kapasitas yang dibutuhkan dengan kapasitas yang tersedia secara kasar . 9

10. Rought Cut Capacity Planning (RCCP) 10 Peran Validasi jadwal Identifikasi Pengambilan Keputusan strategis Proses Membuat Jadwal Penentuan waktu Menghitung kebutuhan Menghitung kapasitas Membandingkan & menentukan tindakan

11. Teknik yang digunakan dalam Rought Cut Capacity Planning (RCCP) Capacity Planning Using Overall Factor (CPOF): Menggunakan proporsi historis antar stasiun kerja untuk memperkirakan waktu total yang dibutuhkan . Bill of Labor (BOLA): Menggunakan rincian jumlah tenaga kerja yang dibutuhkan berdasarkan waktu baku di setiap stasiun kerja . 11

12. Metode kuadrat terkecil (least square) adalah teknik statistik untuk menemukan garis atau kurva paling cocok dengan sekumpulan titik data dengan meminimalkan jumlah kuadrat perbedaan (residual) antara nilai aktual dan nilai yang diprediksi model. Untuk aplikasi sederhana , metode ini sering digunakan untuk mencari garis lurus Y = A + bx yang paling sesuai data, di mana A adalah perpotongan (intercept) dan B adalah kemiringan (slope) dari garis. Tujuan metode ini adalah mencari nilai a dan b yang menghasilkan garis (y = a + bX) yang meminimalkan Σ( yᵢ - ŷᵢ)², yaitu jumlah kuadrat setiap perbedaan antara nilai y aktual (yᵢ) dan nilai y yang diprediksi (ŷᵢ) oleh garis. Metode Kuadrat Terkecil (Least Square) 

13. m = ( n∑xy - ∑ y∑x )/[ n∑x 2 - (∑x) 2 ] b = (∑y - m∑x )/n Berikut ini adalah langkah-langkah untuk menghitung kuadrat terkecil menggunakan rumus di atas . Langkah 1: Gambarlah tabel dengan 4 kolom , di mana dua kolom pertama untuk titik x dan y. Langkah 2: Pada dua kolom berikutnya , temukan xy dan (x) 2 . Langkah 3: Temukan ∑x, ∑y, ∑ xy , dan ∑(x) 2 . Langkah 4: Temukan nilai kemiringan m menggunakan rumus di atas . Langkah 5: Hitung nilai b menggunakan rumus di atas . Langkah 6: Substitusikan nilai m dan b ke persamaan y = mx + b Rumus Metode Kuadrat Terkecil (Least Square) 

14. Perhatikan himpunan titik-titik : (1, 1), (-2, -1), dan (3, 2). Gambarkan titik-titik ini dan garis regresi kuadrat terkecil dalam grafik yang sama . Solusi: Ada tiga titik , jadi nilai n adalah 3 contoh perhitungan Metode Kuadrat Terkecil (Least Square) 

15. m = ( n∑xy - ∑ y∑x )/[ n∑x 2 - (∑x) 2 ] m = [(3×9) - (2×2)]/[(3×14) - (2) 2 ] m = (27 - 4)/(42 - 4) m = 23/38 Sekarang , cari nilai b menggunakan rumus , b = (∑y - m∑x )/n b = [2 - (23/38)×2]/3 b = [2 -(23/19)]/3 b = 15/(3×19) b = 5/19 Jadi, persamaan kuadrat terkecil yang dibutuhkan adalah y = mx + b = 23/38x + 5/19 contoh perhitungan Metode Kuadrat Terkecil (Least Square) 

16. Grafik yang dibutuhkan ditunjukkan sebagai berikut : Oleh karena itu , persamaan garis regresi adalah y = 23/38x + 5/19 Kurva Metode Kuadrat Terkecil (Least Square) 

17. Thank you! Syalendra Abi Wijaya (B.111.23.0114)