Peramalan [Recovered]

MANAJEMEN PERAMALAN FORECASTING MANAGEMENT

PERAMALAN (FORCASTING) MANAJEMEN

PERAMALAN ADALAH : SENI DAN ILMU MEMPREDIKSI KEJADIAN MASA DEPAN MENURUT WAKTU PERAMALAN DIBAGI ATAS : 1.JANGKA PENDEK 3 BLN S/D 1 TAHUN 2.JANGKA MENENGAH 1TH S/D 3 TH. 3.JANGKA PANJANG 3TH S/D 5 TH. JENIS PERAMALAN : 1.PERAMALAN EKONOMI (ECONOMIC FORECAST) 2.PERAMALAN TEKNOLOGI (TECHNOLOGICAL FORECAST) 3.PERAMALAN PERMINTAAN (DEMAND FORECAST)

1.SUBYEKTIF INSTUITIF

CARA PERAMALAN
3.KOMBINASI
KOMBINASI 1 & 2 DENGAN PERTIMBANGAN YG BAIK

2.DATA MASA LALU
PENGUMPULAN DATA MASA LALU DIPROYEKSIKAN KEMASA DEPAN DENGAN BENTUK MATEMATIS

SUMBERDAYA MANUSIA

DAMPAK PERAMALAN PRODUK

KAPASITAS

MANAJEMEN RANTAI PASOKAN

1.MENETAPKAN TUJUAN 7.MEMVALIDASI & MENERAPKAN HASIL

2.MEMILIH YANG DIRAMAL

LANGKAH PERAMALAN
6.MEMBUAT PERAMALAN 3.MEMILIH HORISON WAKTU

5.MENGUMPULKAN DATA YG DIPERLUKAN

4.MEMILIH MODEL PERAMALAN

I.METODE KUALITATIF

PENDEKATAN PERAMALAN

1.KEPUTUSAN JURI EKSEKUTIF (YURY OF EXECUTIVE OPINION)
BEBERAPA PAKAR MENENTUKAN DENGAN METODE STATISTIK MENENTUKAN TREN MASA DEPAN

2.METODE DELPHI BEBERAPA PAKAR UNTUK PERAMALAN, MEMBUAT KUESIONER KE RESPONDEN DAN DIOLAH - DELPHI METHOD DIANGGAP PALING BAIK 3.GABUNGAN DARI TENAGA PENJUALAN (SALES FORCE COMPOSITE) SETIAP PENJUAL MELAKUKAN BERAPA PENJUALAN YG REALISTIS DIWILAYAHNYA. 4.SURVEY PASAR KONSUMEN SURVEY MINTA PENDAPAT DARI KONSUMEN TENTANG PERENCANAAN DESAIN DAN RENCANA PEMBELIAN KONSUMEN

II.METODE KUANTITATIF

PENDEKATAN PERAMALAN

A.MODEL TIME SERIES
MEMBUAT PREDIKSI BAHWA MASA DEPAN MERUPAKAN FUNGSI MASA LALU. CONTOH : PENAMBAHAN TEMPAT TIDUR RS MELIHAT JUMLAH PENDERITA MASA LALU MISAL: B.O.R - RS TERUS MENINGKAT DARI TAHUN SEBELUMNYA

B.MODEL ASOSIATF
MENGGABUNGKAN VARIABEL/FAKTOR YG MUNGKIN MEMPENGARUHI KUANTITAS YG DIRAMALKAN CONTOH : BERTAMBAHNYA PEMUKIMAN DENGAN PENAMBAHAN TEMPAT TIDUR RS.

II.METODE KUANTITATIF A.MODEL TIME SERIES 1.PENDEKATAN NAIF 2.RATA-RATA BERGERAK 3.PENGHALUSAN EKSPONEN 4.PROYEKSI TREN
B.MODEL ASOSIATF 1.REGRESI LINIER

METODE KUANTITATIF (TIME SERIES)

1.PENDEKATAN NAIF

1.PENDEKATAN NAIF MERAMALKAN BAHWA KEADAAN MASA AKAN DATANG SAMA DENGAN KEADAAN MASA TERKINI CONTOH : JUMLAH PENDERITA YG BEROBAT AKAN DATANG AKAN SAMA DENGAN JUMLAH PENDERITA MASA TERKINI.

METODE KUANTITATIF (TIME SERIES) 2.MOVING AVERAGE (RATA RATA BERGERAK)
MOVING AVERAGE. MENGAMSUMSIKAN PENDERITA STABIL DARI KEWAKTU ∑ PERMINTAAN (n) PERIODE SEBELUMNYA MOVING AVERAGE =-----------------------------------------------------n CONTOH : RATA RATA BERGERAK 3 BULANAN JUMLAH PASIEN JANUARI =13 JMLH PASIEN FEBRUARI =20 JMLH PASIEN MARET = 15 MAKA RAMALAN BULAN APRIL = 48 : 3 = 16 UNTUK RAMALAN BULAN MEI MAKA BULAN JANUARI DIHAPUS DAN BULAN APRIL YG SESUNGGUHNYA DIMASUKKAN JANUARI = 13 FEBRUARI = 20 MARET = 15 APRIL(SESUNGGUHNYA)= 18 (APRIL RAMALAN = 16) MAKA RAMALAN BL MEI = (20 +15 +18)/3 =16,7

METODE KUANTITATIF (TIME SERIES) 3.EXPANENTIAL SMOOTHING
PENGHALUSAN EKSPONENSIAL (EXPANENTIAL SMOOTHING) METODE INI MERUPAKAN METODE MOVING AVERAGE DENGAN PEMBOBOTAN CANGGIH,SERTA MENGGUNAKAN SEDIKIT DATA MASA LALU.
PERAMALAN BARU = PERAMALAN PERIODE LALU + α (PERMINTAAN AKTUAL PERIODE LALU – PERAMALAN PERIODE LALU)

F1 = F(t-1)+ α [ A(t-1) – F(t-1) ]
F1= PERAMALAN BARU F(t-1) = PERAMALAN SEBELUMNYA α = BOBOT ( 0≤ α ≤ 1) A(t-1)= PERMINTAAN AKTUAL PERIODE LALU

CONTOH PENGGUNAAN RUMUS EXPONENTIAL SMOOTHING RS X MEMPREDIKSI JUMLAH PENDERITA BLN JANUARI 142 ORANG JUMLAH AKTUAL = 153, KONSTANTA PENGHALUSAN DIPILIH α = 0,20 MAKA RAMALAN BULAN PEBRUARI SBB: F1 = F(t-1)+ α [ A(t-1) – F(t-1) ] JML RAMALAN PENDERITA BULAN PEBRUARI = 142 + O.2(153-142) =144,2 NILAI “ α “ TINGGI --- DIPILIH BILA SAAT RATA RATA CENDERUNG BERUBAH RENDAH --- DIPILIH SAAT RATA RATA CUKUP STABIL.

METODE KUANTITATIF (TIME SERIES) 4.PROYEKSI TREN
Y= a + bx Y Pengamatan actual Garis tren Deviasi 2 Deviasi 1 a X

Y = variabel terikat a = persilangan sb y b = kemiringan garis regresi x = variabel bebas

RUMUS PROYEKSI TREN

a = Y’ – bX’

Y= a + bX
∑ XY – n X’ Y’ b = ------------------∑ X² -nX’²
X’ = X rata rata Y’ = Y rata rata

PROYEKSI TREN. CONTOH :

TAHUN

PERIODE WAKTU (X) 1 2 3 4 5 6 7 ∑ X=28

JUMLAH PENDERITA (Y) 74 79 80 90 105 142 122 ∑ Y=692

XY

1997 1998 1999 2000 2001 2002 2003

1 4 9 16 25 36 49 ∑X²=140

74 156 240 360 525 852 854 ∑XY=3063

∑ X 28 X = --- =---- = 4 n 7

∑ Y 692 Y =--- = ---- = 98,86 n 7 a = Y –bx = 56,70

∑ XY – n X Y b = ------------------- = 10,54 ∑ X² - nX²

Ŷ= a + bX
RAMALAN JUMLAH PENDERITA UNTUK TH 2004 ADALAH :

Ŷ = 56,70 + 10,54 (X)
Ŷ = Y INTERCEPT X-(TH 1997) =1 S/D X-(TH 2003) = 7 X- (TH 2004) = 8. Ŷ = 56,70 + 10,54 x (8) = 141,02 ATAU 142 ORANG.

Ŷ = 56,70 + 10,54 (X)

160 –
JUMLAH PENDERITA

140 – 120 – 100 – 80 – 60 – 40 a

TREN

NILAI AKTUAL

.

97

.

98

.

99

.

00

.

01

.

02

.

03

.

04 TAHUN

05

PROYEKSI TREN. CONTOH 2 :

TAHUN PERIODE(X) 2000 2001 1 2

PENDERITA 1050 1130

X² 1 4

XY 1050 2260

2002 3 1204 9 3612 -----------------------------------------------------------------∑X = 6 ∑Y=3384 ∑X²=14 ∑XY=6922 X’= ∑X /n=6/3 =2 y’=∑Y/n=3384/3 =1128

∑XY - n X’Y’ 6922 – 3.2.1128 154 b =------------- =------------------------ =--------=77 ∑X² - n(X’)² 14 - 3 (2)² 2 a = Y’ – b X’ = 1128 – 77.2 = 974

--- >

Y = 974 + 77 X

Y=a + bX ----- Y = 974 + 77 X

● 1200 ● 1000 ● ● ● ● 200 ●

1050 ●

1130 ●

1204 ●

2000

2001

2002

2003

RAMALAN TH 2003 ADALAH :

Y = 974 + 77 ( 4 ) = 1282

METODE KUANTITATIF (TIME SERIES)
VARIASI MUSIMAN (SEASONAL VARIATION)

ADALAH PERGERAKAN PERMINTAAN (TERMASUK TIME SERIES) BAIK PERMINTAAN NAIK ATAU TURUN DALAM KURUN WAKTU TERTENTU, TERKAIT DENGAN KEJADIAN BERULANG SEPERTI CUACA, CONTOH : NAIKNYA KASUS DEMAM BERDARAH TERKAIT DENGAN MUSIM HUJAN,DLL.
CATATAN: ASUMSI KITA BAHWA TREN TELAH DIHAPUSKAN DARI DATA TREN MENGAKIBATKAN BOBOT DATA MUSIMAN AKAN MENYIMPANG

VARIASI MUSIMAN (SEASONAL VARIATION) MUSIMAN :BULAN,KWARTAL,TAHUNAN SARAT : 1TENTUKAN RATA RATA PERMINTAAN HISTORIS SETIAP MUSIM CONTOH: PENJUALAN JANUARI TH KE 1 =8 JANUARI TH KE 2=6 JANUARI TH KE 3=10 MAKA RATA PERMINTAAN BL JANUARI =(8+6+10 )/3 =8 2.RATA RATA PERMINTAAN UNTUK SEMUA BULAN BILA RATA RATA PERMINTAAN TOTAL(TAHUNAN)= 120 SERTA TERDAPAT 12 MUSIM (BULANAN) RATA RATA PERMINTAAN BULANAN = 120/12=10 3.MENGHITUNG “INDEX MUSIMAN” PERMINTAAN HISTORIS DIBAGI RATARATA PERMINTAAN SELURUH BULAN --- > INDEX MUSIMAN = 8/10 =0.80 4.ESTIMASI PERMINTAAN 5.PERAMALAN MUSIMAN (INDEX) X PREDIKSI PERMINTAAN TAHUNAN TOTAL DENGAN JUMLAH MUSIM

CONTOH : MENGHITUNG INDEX MUSIMAN
        JUMLAH  PENDERITA   TH 2000   80 70 80 90 113 110 100 88 85 77 75 82

    BULAN   JAN. PEBR. MARET APRIL MEI JUNI JULI AGST SEPT OKTB NOVB DESB

    2001   85 85 93 95 125 115 102 102 90 78 82 78

    2002   105 85 82 115 131 120 113 110 95 85 83 80

PENDERITA RATA RATA TH 2000-TH 2002   90 80 85 100 123 115 105 100 90 80 80 80

PENDERITA BULANAN  RATA RATA *)   94 94 94 94 94 94 94 94 94 94 94 94 (PEND BLN  RATA2 = TOT. RATA   -------------- =94 12      

INDEX MUSIMAN       90/94 =0,957 80/94 =0,851 85/94 =0,904 100/94=1,064 123/94=1,309 115/94=1.223 105/94=1,117 100/94 =1064 90/94 = 0,957 80/94 = 0,851 80/94 = 0,851 80/94 =0,851

     

     

     

       

TOTAL RATA RATA  TAHUNAN = 1.128

     

PERHITUNGAN FAKTOR MUSIMAN DARI DATA HISTORIS

TOTAL TAHUNAN PENDERITA RATA RATA BULANAN = ----------------------------JUMLAH MUSIMAN PENDT. RATA –RATA (DLM BL YG SAMA) INDEX MUSIMAN = ---------------------------------------------------PENDT BULANAN RATA-RATA

CONTOH ; 1.TOTAL RATA-RATA TAHUNAN =1.128 2.JUMLAH MUSIMAN =12 3.PENDERITA RATA-RATA (JANUARI 2000-2002)= (80+85+105)/3 = 90 4.PENDERITA RATA – RATA (SEMUA BLN) = (TOTAL RATA2 TAHUNAN) /12 1.128/12 = 94 5.INDEX MUSIMAN (JANUARI) = 90/94 = 0.957

BILA ESTIMASI PENDERITA TH 2003 SEBESAR 1200 PASIEN MAKA BULAN 1.JAN. 2.PEB. 3.MARET 4.APRIL 5.MEI 6.JUNI. 7.JULI. 8.AGUSTUS. 9.SEPTEMBER 10.OKTOBER. 11.NOVEMBER 12.DESEMBER. ESTIMASI PENDERITA =1200/12 X 0,957=96 =1200/12 X 0,851=85 =1200/12 X 0,904=90 =1200/12 X 1,064=106 =1200/12 X 1,309=131 =1200/12 X 1,223=122 =1200/12 X 1,117=112 =1200/12 X 1,064=106 =1200/12 X 0,957=96 =1200/12 X 0,851=85 =1200/12 X 0,851=85 =1200/12 X 0,851=85

CONTOH 3 RS “A” MENGGUNAKAN 66 BULAN (JAN 1,PEBR 2,—dst S/D DES 66) UNTUK JUMLAH RAWAT INAP PERSAMAAN PROYEKSI TREN SBB: Y = 8090 + 21,5 X Y = JUMLAH HARI PASIEN RAWAT INAP X = WAKTU (DLM SATUAN BULAN) PERAMALAN MENURUT TREN BL KE 67 = 8090 + 21,5 (67)= 9530 GB :PROYEKSI TREN JANUARI (67) S/D DESEMBER(78)
9.800 9.700 9.600 9.500 9.400 * * * * * * JAN MRT MEI PEB APR JN 67 68 69 70 71 72 * JL 73 * * * * SEP NOV AGT OKT DES 74 75 76 77 78 * 9530 9767

INDEX MUSIMAN JUMLAH HARI RAWAT INAP DEWASA RS “ A “ SBB : BULAN JANUARI PEBRUARI MARET APRIL MEI JUNI
1.06 * 1.04 * 1.02 * 1.00 * 0.98 * 0.96 * 0.94 * 0.92 *

INDEX MUSIMAN 1.04 0.97 1.02 1.01 0.99 0.99

BULAN JULI AGUSTUS SEPTEMBER OKTOBER NOVEMBER DESEMBER

INDEX MUSIMAN 1.03 1.04 0.97 1.00 0.96 0.98

GRAFIK INDEX MUSIMAN

º

* * * * * * * * * * * * JAN MAR MEI JUL SEP NOV PEB APR JUN AGT OKT DES 67 68 69 70 71 72 73 74 75 76 77 78

RAMALAN RAWAT INAP DEWASA MUSIMAN

BULAN (PERIODE) JANUARI (67) PEBRUARI (68) MARET (69) APRIL (70) MEI (71) JUNI (72)

INDEX (M) X PROYEKSI TREN 1.04 X 9530 =9.911 0.97 X 9552 = 9.265 1.02 X 9573 = 9.764 1.01 X 9595 = 9.691 0.99 X 9616 =9.520 0.99 X 9638 = 9.542

BULAN JULI (73) AGUSTUS (74) SEPTEMBER (75) OKTOBER (76) NOVEMBER (77) DESEMBER (78)

INDEX (M) X PROY. TREN 1.03 X 9659 = 9.949 1.04 X 9681 = 10.608 0.97 X 9702 = 9.411 1.00 X 9724 = 9.724 0.96 X 9745 = 9.355 0.98 X 9767 = 9572

RAMALAN MUSIMAN = INDEX X RAMALAN PROY.TREN RAMALAN MUS. JANUARI = INDEX JAN. X RAMALAN PROY.TREN JAN.

GRAFIK PROYEKSI TREN DAN RAMALAN MUSIMAN RAWAT INAP DEWASA RS “A” SBB :
10.20010.0009.800 9.600 9.400 9.200 9.000
* * * * * * * * * * * * JAN MAR MEI JUL SEP NOV PEB APR JUN AGT OKT DES 67 68 69 70 71 72 73 74 75 76 77 78

PROY.TREN

RAMALAN MUSIMAN

1.06 * 1.04 * 1.02 * 1.00 * 0.98 * 0.96 * 0.94 *

GRAFIK INDEX MUSIMAN

MODEL PERAMALAN KUANTITATIF (PERAMALAN ASSOSIATIF)

PERAMALAN ASSOSIATIF
I.ANALISA REGRESI : ADAKAH HUBUNGAN ASSOSIASI DUA ATAU LEBIH VARIABEL YG BERBEDA RUMUS : Y=a+bX

Y = NILAI VARIABLE TERIKAT a = PERPOTONGAN DENGAN SUMBU Y b = KEMIRINGAN GARIS REGRESI X =NILAI VARIABLE BEBAS

II.KOEFISIEN KORELASI GARIS REGRESI: ADAKAH KORELASI ANTARA DUA VARIABLE YG BERBEDA DINYATAKAN DALAM RUMUS : r =Koefisien korelasi n∑xy - ∑x ∑y r =--------------------------------√[n ∑x²-(∑x )²][n∑y²-(∑y)²]

CONTOH 1 : KITA MELIHAT ADAKAH HUBUNGAN (ASSOSIASI) ANTARA FREQUENSI PENYULUHAN KB DENGAN JUMLAH AKSEPTOR BARU KB DI DESA “X”

JUMLAH AKSEPTOR

TH

JUMLAH AKSEPTOR KB (Y) 20 30 25 20 20 35

FREQUENSI PENYULUHAN (X) 1 3 4 2 1 7

40 * 30 * 20 * 10 * 0 * 1 * 2

`00 `01 `02 `03 `04 `05

● ●● ●

● ●

* * * * * 3 4 5 6 7 FREQ. PENYULUHAN

TERLIHAT 6 TITIK DATA SEDIKIT ADA HUBUNGAN POSITIP ANTARA VARIABEL BEBAS DAN VARIABELTERIKAT

JML AKSEPTOR (Y) 20 30 25 20 20 35 ∑Y =150

FREQ.PENYULUHAN (X) 1 3 4 2 1 7 ∑X = 18

(X) ² 1 9 16 4 1 49 ∑X²=80

(X) . (Y) 20 90 100 40 20 245 ∑X Y=515

∑X 18 X’ = -------- = ----= 3 n 6 ∑X Y – n x’y’ 515 -6.3.25 b =------------- = -------------- = 2,5 ∑X² -n(X’)² 80 – 6.3²

∑Y 150 Y’ = -------=------= 25 n 6

a = Y’ –b X’ =25 – 2,5 . 3 =17,5

BILA FREQUENSI PENYULUHAN TH DEPAN 6 KALI MAKA AKSEPTOR TAHUN DEPAN (TH 2006)-----Y = 17,5 + 2,5 (6) =32,5 DIBULATKAN 33 ORANG

KOEFISIEN KORELASI GARIS REGRESI
JML AKSEPTOR 20 30 25 20 20 35 ∑Y =150 FREQ. PENYULUHAN 1 3 4 2 1 7 ∑X = 18 (X) ² 1 9 16 4 1 49 ∑X²=80 (X) . (Y) 20 90 100 40 20 245 ∑X Y=515 (Y) ² 400 900 625 400 400 1225 (∑y)²=3950

n∑xy - ∑x ∑y r =-----------------------------------

√[n ∑x²-(∑x )²][n∑y²-(∑y)²] r = 0,901

KESIMPULAN :koefisien korelasi yg tinggi ADANYA HUBUNGAN Yg cukup berarti antara penyuluhan dengan jumlah akseptor baru KB

● ● ● ● ● ●

● ● ● ● ● ●

KORELASI POSITIF SEMPURNA

r =1

KORELASI POSITIF

0<r<1

● ● ● ● ●

● ●

● ●● ● ● ● ● ● ●● ● ●

KORELASI NEGATIF SEMPURNA

r = -1

TIDAK ADA KORELASI

r=0

Sign up to vote on this title
UsefulNot useful