Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FORECASTING
ANALISA KUALITATIF
pendekatan yg bersifat subyektif
ANALISA KUANTITATIF
pendekatan model matematik dg
menggunakan data yg bersifat
historis & kausal
METODE FORECASTING:
METODE KUALITATIF :
- JURY OF EXECUTIVE OPINION
- SALES FORCE COMPOSITE
- DELPHI
- CUSTOMER MARKET SURVEY
METODE KUANTITATIF:
TIME SERIES
- DEKOMPOSISI
- MOVING AVERAGE
- EXPONENTIAL SMOOTHING
- EXPONENTIAL SMOOTHING by TREND ADJUSMENT
CAUSAL MODE
- TREND PROJECTION
- LINEAR REGRESSION
1. JURY of EXECUTIVE OPINION
EXECUTIVE
ESTIMASI
EXECUTIVE PENDAPAT
PERMINTAAN
EXECUTIVE
2.SALES FORCE COMPOSITE
SALES PERSON
SALES PERSON
3. METODE DELPHI
MELIBATKAN 3 PARTISIPAN UTK
MEMBUAT RAMALAN /FORECAST :
* PARA PENGAMBIL KEPUTUSAN
5 – 10 Tenaga Ahli
Tugas : Membuat Actual Forecast
* STAF PEMBANTU
Menyiapkan, mendistribusi, mengumpulkan dan
membuat kuesioner/survei
* RESPONDEN
Wawancara/mengisi kuesioner
4. CUSTOMER
MARKET SURVEY
Cost for
transforming
an active customer
into a loyal customer
Cost for
winning a new customer
Cost for
winning back
dissatisfied
customers
Marketing Research
In Business Life Cycle
Goal : Goal :
Menggali peluang-peluang baru Opportunity Menggali peluang pasar yang
untuk memasuki pasar lebih dalam. Identification mungkin untuk digarap.
Goal :
Goal : Mendapatkan produk
Memonitor seluruh Yang sesuai dengan kebutuhan
performance pasar dan match dengan
pemasaran & kemampuan perusahaan
memberikan masukan Marketing
untuk perbaikan Strategy
strategy. Development
Goal :
Mengembangkan sebuah strategy marketing yang
diharapkan berhasil mencapai target pemasaran.
METODE KUANTITATIF
1. METODE DEKOMPOSISI
Berdasarkan dari
Time Series dgn 4 komponen pendekatan 4
* Trend ( T ) komponen
* Seasonality ( S ) tersebut dibuat
* Cycles (C ) forecast
* Random Variations ( R )
1100
1000
900
800
JUMLAH HARI RAWAT
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12
BULAN
2. METODE MOVING AVERAGE ( MA )
* Dasar asumsi :
Demand cenderung stabil
* MA = ∑ Demand pada periode n
n
* Jumlah Periode : Hasil 3 bln 3 MA
INDEKS MUSIMAN : Dilihat dari perubahan trend tiap bulan
Contoh :
Periode Actual
2 MA 2 MA Sales MA
BULAN Waktu Sales
(I) ( II) ( Indeks Musim )
(x) (Y)
JANUARI 1 178 175
FEBRUARI 2 172 170 172,5 0,997
MARET 3 168 171 170,5 0,985
APRIL 4 174 183 177,0 0,983
MEI 5 192 197 189,8 1,012
JUNI 6 201 196 196,0 1,026
JULI 7 190 191 193,3 0,983
AGUSTUS 8 192 193 192,0 1,000
SEPTEMBER 9 194 192 192,5 1,008
OKTOBER 10 190 195 193,5 0,982
NOVEMBER 11 200 205 200,0 1,000
DESEMBER 12 210
Y
Indeks Musim =
2 MA ( II )
DATA PAVILIUN A TA. 1999
JUMLAH HASIL
BULAN 3 MA
HARI RAWAT 3 MA
JANUARI 683
FEBRUARI 947
MARET 1001 (683 + 947 + 1001)/3 877,0
APRIL 811 (947 + 1001 + 811)/3 919,7
MEI 905 (1001 + 811 + 905)/3 905,7
JUNI 756 824,0
JULI 902 854,3
AGUSTUS 924 Dst 860,7
SEPTEMBER 864 896,7
OKTOBER 949 912,3
NOVEMBER 1092 968,3
DESEMBER 743 928,0
10577
3. EXPONENTIAL SMOOTHING
F = F-1 + α ( A -1 – F-1 )
F-1 = Forecast pada 1 periode yang lalu ( th, bln )
F = Forecast
A-1 = Actual pada 1 periode yang lalu
α = Konstanta dengan nilai 0 – 1
( Besarnya ditetapkan berdasarkan asumsi
perubahan dibanding dengan tingkat
perubahan yang lalu )
Fe = A - F
F = F -1 + α Fe -1
Fe -1= A -1 - F -1
y = a + bx
a = Koefisien Intercept
b = Koefisien slope ( kemiringan garis regresi )
b = n ∑ xy – (∑x) (∑y)
n ( ∑x2) – (∑ x)2
a = y – bx atau a = ∑y – b(∑x)
n
Contoh :
Periode Actual
BULAN Waktu Sales X2 XY
( X) (Y)
JANUARI 1 178 1 178
FEBRUARI 2 172 4 344
MARET 3 168 9 504
APRIL 4 174 16 696
MEI 5 192 25 960
JUNI 6 201 36 1206
JULI 7 190 49 1330
AGUSTUS 8 192 64 1536
SEPTEMBER 9 194 81 1746
OKTOBER 10 190 100 1900
NOVEMBER 11 200 121 2200
DESEMBER 12 210 144 2520
a = ∑y – b(∑x)
n
2261 – 2,9615 (78) = 169,17
12
Persamaan garis regresi = y = 169,17 + 2,9615(x)
Sales ( X ) Profit ( Y )
SBU XY X2 Y2
( Juta ) ( Juta )
Se = √ ∑Y2 – a ∑ Y – b ∑ XY
n–2
Se = Standart Error Estimasi
Misal :
= Rp. 24.253.000,-
Bila