MANAJEMEN OPERASI - Memahami Peramalan (Forecasting)

00:18:48
https://www.youtube.com/watch?v=KPOw9n3Svhk

Resumo

TLDRThe video covers the concept of forecasting in operations management, detailing its definition as an essential skill for predicting future events. It outlines the three forecasting horizons: short-term, medium-term, and long-term, and explains how each relates to managerial decision-making. The video describes various forecasting methods, both qualitative and quantitative, including naive, moving average, and exponential smoothing techniques. Additionally, it discusses the significance of accurate forecasting for effective business planning, emphasizing the need to prepare for potential outcomes based on reliable predictions. The presentation concludes with a summary of the forecasting process, highlighting its critical role in operational success.

Conclusões

  • 📊 Forecasting is an essential skill for predicting future events.
  • 🗓️ There are three forecasting horizons: short, medium, and long term.
  • 🔍 Naive forecasting assumes future demand is equal to the most recent period.
  • 📝 The forecasting process involves seven key steps.
  • 📈 Time series data has four key components: trend, seasonality, cycles, and random variation.
  • 💡 Qualitative methods include expert opinion and consumer surveys.
  • 💻 Quantitative methods utilize past data to drive forecasts.
  • 🧠 Understanding trends is crucial for long-term planning.
  • 📈 Accurate forecasting supports better decision-making in businesses.
  • ⚙️ Forecasting models must align with the organization's needs.

Linha do tempo

  • 00:00:00 - 00:05:00

    The video introduces the concept of forecasting, defined as both an art and science for predicting future events. It outlines the learning objectives, which include understanding the three time horizons for forecasting, knowing when to use qualitative models, and applying various forecasting methods such as naive, moving average, and exponential smoothing. The types of forecasting are also discussed, including economic, technology, and demand forecasting, with a particular focus on demand planning as it pertains to operations management.

  • 00:05:00 - 00:10:00

    The discussion dives deeper into the forecasting steps, which encompass setting objectives, selecting what elements to forecast, defining the time horizon, and choosing the appropriate model. Two main approaches to forecasting are outlined: quantitative forecasting, which employs mathematical models based on historical data, and qualitative forecasting, which relies on subjective factors like intuition and experience. Various techniques for each approach are explained, including expert opinion and market surveys for qualitative forecasting and time series and associative models for quantitative forecasting.

  • 00:10:00 - 00:18:48

    Further elaboration on time series forecasting reveals its reliance on historical data trends, seasonal patterns, and cyclical influences, emphasizing their importance in business analysis. Various forecasting models such as the naive approach, moving average, and exponential smoothing are introduced, highlighting their methods for achieving accuracy. The session concludes with a mention of regression analysis for associative forecasting, emphasizing the importance of tailored forecasting methods for the specific needs of companies to ensure preparedness for future uncertainties.

Mapa mental

Vídeo de perguntas e respostas

  • What is forecasting?

    Forecasting, also known as prediction, is the art and science of estimating future events.

  • What are the three types of forecasting horizons?

    The three forecasting horizons are short-term, medium-term, and long-term.

  • What is the naive forecasting approach?

    The naive approach assumes that future demand will be the same as the most recent demand.

  • How many steps are involved in the forecasting process?

    There are seven steps in the forecasting process.

  • What are the main types of forecasting?

    The main types of forecasting are economic, technological, and demand forecasting.

  • What is the significance of trend projection in forecasting?

    Trend projection involves using past data to predict future trends, which is crucial for long-term planning.

  • What are the four components of time series data?

    The four components are trend, seasonality, cycles, and random variation.

Ver mais resumos de vídeos

Obtenha acesso instantâneo a resumos gratuitos de vídeos do YouTube com tecnologia de IA!
Legendas
id
Rolagem automática:
  • 00:00:01
    [Musik]
  • 00:00:05
    baik kita akan masuk ke pembahasan kita
  • 00:00:09
    yang pertama yaitu mengenai definisi
  • 00:00:12
    peramalan ataupun juga dikenal dengan
  • 00:00:15
    istilah forecasting ini merupakan seni
  • 00:00:18
    dan juga ilmu untuk memperkirakan
  • 00:00:20
    kejadian di masa yang akan datang atau
  • 00:00:23
    di masa depan
  • 00:00:25
    [Musik]
  • 00:00:48
    Assalamualaikum warahmatullahi
  • 00:00:51
    wabarakatuh salam sejahtera untuk kita
  • 00:00:54
    semua selamat datang di kanal YouTube
  • 00:00:57
    kuliah teknokrat ini merupakan sistem
  • 00:01:00
    pembelajaran dalam jaringan Universitas
  • 00:01:03
    teknokrat Indonesia bersama saya Berlin
  • 00:01:07
    Tina Permatasari dalam mata kuliah
  • 00:01:10
    manajemen operasi pada video
  • 00:01:12
    pembelajaran kali ini kita akan membahas
  • 00:01:15
    mengenai
  • 00:01:16
    peramalan nah sebelum kita lebih lanjut
  • 00:01:20
    membahas materi kita hari ini terlebih
  • 00:01:22
    dahulu Saya akan memberitahu tujuan
  • 00:01:25
    pembelajaran kita hari ini yang pertama
  • 00:01:28
    diharapkan Mahasiswa dapat memahami 3
  • 00:01:31
    Horizon Waktu beserta model yang akan
  • 00:01:33
    digunakan untuk masing-masing Horizon
  • 00:01:36
    waktu lalu yang kedua menjelaskan Kapan
  • 00:01:39
    seharusnya menggunakan masing-masing
  • 00:01:41
    dari 4 model kualitatif dan yang ketiga
  • 00:01:45
    menerapkan metode Naif Movi average
  • 00:01:49
    eksponensial smoothing dan juga trend
  • 00:01:52
    baik kita akan masuk ke pembahasan kita
  • 00:01:56
    yang pertama yaitu mengenai definisi
  • 00:01:59
    peramalan ataupun juga dikenal dengan
  • 00:02:01
    istilah forecasting ini merupakan seni
  • 00:02:04
    dan juga ilmu untuk memperkirakan
  • 00:02:07
    kejadian di masa yang akan datang atau
  • 00:02:10
    di masa depan Nah berdasarkan Horizon
  • 00:02:14
    waktu peramalan itu dibagi menjadi 3
  • 00:02:15
    yang pertama ada peramalan jangka pendek
  • 00:02:19
    lalu yang kedua ada peramalan jangka
  • 00:02:22
    menengah dan yang ketiga adalah
  • 00:02:23
    peramalan jangka panjang dan kita akan
  • 00:02:26
    membahas satu persatu
  • 00:02:30
    Oke peramalan jangka menengah dan juga
  • 00:02:33
    jangka panjang itu dapat dibedakan dari
  • 00:02:35
    peramalan jangka pendek dengan melihat
  • 00:02:38
    dari 3 hal yang pertama peramalan jangka
  • 00:02:42
    menengah dan juga panjang itu berkaitan
  • 00:02:44
    dengan permasalahan yang lebih
  • 00:02:46
    menyeluruh dan juga mendukung keputusan
  • 00:02:49
    manajemen yang memang berkaitan dengan
  • 00:02:52
    perencanaan produk pabrik dan juga
  • 00:02:55
    proses
  • 00:02:56
    lalu yang kedua peramalan jangka pendek
  • 00:02:59
    biasanya menetapkan metodologi yang
  • 00:03:01
    berbeda dibandingkan dengan peramalan
  • 00:03:04
    jangka panjang dan yang ketiga peramalan
  • 00:03:07
    jangka pendek ini cenderung lebih tepat
  • 00:03:09
    dibandingkan dengan peramalan jangka
  • 00:03:12
    panjang karena apa faktor-faktor yang
  • 00:03:15
    memang mempengaruhi perubahan permintaan
  • 00:03:17
    itu bisa berubah setiap hari Nah jadi
  • 00:03:21
    dengan demikian
  • 00:03:22
    sepanjang semakin panjang Horizon waktu
  • 00:03:26
    maka ketetapan peramalan seseorang itu
  • 00:03:28
    juga akan semakin berkurang
  • 00:03:32
    nah lalu selanjutnya adalah ada faktor
  • 00:03:35
    lain yang memang harus dipertimbangkan
  • 00:03:37
    saat membuat peramalan penjualan hal ini
  • 00:03:41
    terutama untuk peramalan penjualan
  • 00:03:43
    jangka panjang atau bisa diistilahkan
  • 00:03:47
    dengan nama siklus hidup produk nah
  • 00:03:51
    penjualan produk bahkan jasa itu tidak
  • 00:03:54
    terjadi pada tingkat yang konstan
  • 00:03:57
    sepanjang hidupnya karena apa hampir
  • 00:04:00
    semua produk yang memang berhasil
  • 00:04:02
    melalui 4 tahapan yaitu ada perkenalan
  • 00:04:06
    ada pertumbuhan lalu kematangan dan juga
  • 00:04:09
    penurunan
  • 00:04:11
    Nah selanjutnya kita akan membahas
  • 00:04:13
    mengenai jenis-jenis peramalan jadi
  • 00:04:17
    berbagai organisasi atau perusahaan itu
  • 00:04:20
    biasanya menggunakan tiga jenis
  • 00:04:22
    peramalan yang memang utama dalam
  • 00:04:24
    perencanaan operasi di masa depan Oke
  • 00:04:27
    kita bahas yang pertama Dulu yaitu
  • 00:04:29
    peramalan ekonomi nah di mana di sini
  • 00:04:32
    dapat merencanakan indikator-indikator
  • 00:04:35
    yang memang berguna dalam membantu
  • 00:04:37
    organisasi ataupun juga perusahaan dalam
  • 00:04:39
    menyiapkan peramalan jangka panjang dan
  • 00:04:42
    juga jangka menengah
  • 00:04:44
    lalu yang kedua ada peramalan teknologi
  • 00:04:47
    Nah untuk peramalan jangka panjang ini
  • 00:04:50
    sangat memperhatikan Bagaimana laju
  • 00:04:52
    perkembangan teknologi
  • 00:04:54
    lalu yang ketiga ada peramalan
  • 00:04:56
    permintaan Nah jadi proyeksi suatu
  • 00:04:59
    penjualan perusahaan yang memang berlaku
  • 00:05:02
    pada setiap periode dalam perencanaan
  • 00:05:05
    Horizon
  • 00:05:06
    untuk peramalan ekonomi dan teknologi
  • 00:05:10
    bukan merupakan fungsi manajer operasi
  • 00:05:13
    sehingga dalam pembahasan kita kali ini
  • 00:05:16
    hanya menekankan pada
  • 00:05:18
    perencanaan permintaan saja ya
  • 00:05:21
    Oke selanjutnya adalah langkah-langkah
  • 00:05:24
    sistem pemasaran atau peramalan ya Ada 7
  • 00:05:28
    langkah yang pertama adalah menetapkan
  • 00:05:31
    tujuan peramalan itu sendiri lalu yang
  • 00:05:33
    kedua memilih unsur apa yang akan
  • 00:05:35
    diramalkan nah yang ketiga menentukan
  • 00:05:38
    Horizon waktu peramalan yang keempat
  • 00:05:41
    memilih jenis model pemodelannya mau
  • 00:05:45
    seperti apa kedepannya lalu yang kelima
  • 00:05:48
    adalah mengumpulkan data yang memang
  • 00:05:50
    diperlukan untuk melakukan peramalan nah
  • 00:05:53
    yang keenam baru actionnya yaitu membuat
  • 00:05:55
    peramalan itu sendiri lalu yang ke-7
  • 00:05:58
    adalah
  • 00:05:59
    memvalidasikan dan juga menerapkan hasil
  • 00:06:02
    dari ramalan
  • 00:06:05
    lalu yang selanjutnya adalah pendekatan
  • 00:06:08
    dalam peramalan Nah di sini akan ada dua
  • 00:06:10
    ya pendekatan umum untuk peramalan nah
  • 00:06:14
    yang pertama ada peramalan kuantitatif
  • 00:06:16
    Apa itu ini merupakan peramalan yang
  • 00:06:19
    menggunakan model matematis yang memang
  • 00:06:22
    beragam ya dengan data masa lalu dan
  • 00:06:25
    juga variabel sebab akibat untuk
  • 00:06:28
    meramalkan permintaan
  • 00:06:31
    lalu yang kedua ada peramalan kualitatif
  • 00:06:34
    atau subjektif ini seperti apa jadi
  • 00:06:37
    peramalan yang menggabungkan
  • 00:06:39
    faktor-faktor seperti yang pertama ada
  • 00:06:42
    intuisi Lalu ada emosi pengalaman
  • 00:06:46
    pribadi dan juga sistem nilai
  • 00:06:49
    pengambilan keputusan untuk meramal Nah
  • 00:06:53
    jadi kalau yang subjektif ini memang ada
  • 00:06:55
    beberapa faktor ya yang memang
  • 00:06:56
    mempengaruhi untuk meramalkan hal
  • 00:06:59
    tersebut ya Nah ada 4 teknik ya 4 teknik
  • 00:07:02
    dalam peramalan kualitas ini melanjutkan
  • 00:07:06
    kembali Jadi yang pertama ada juri dari
  • 00:07:09
    opini eksekutif lalu yang kedua ada
  • 00:07:12
    metode Delfi nah yang ketiga ada
  • 00:07:16
    komposit tenaga penjualan dan yang
  • 00:07:18
    keempat ada survei ya pasar konsumen nah
  • 00:07:22
    ini biasanya survei pasar konsumen yang
  • 00:07:24
    sering dilakukan oleh
  • 00:07:26
    perusahaan-perusahaan ya yang ada di
  • 00:07:27
    Indonesia untuk melihat atau meramalkan
  • 00:07:30
    Seperti apa produk yang baru saja
  • 00:07:32
    diluncurkan begitu ya ataupun juga
  • 00:07:34
    Memang produk-produk lama yang di
  • 00:07:37
    recycle kembali atau di Rebirth ke Bali
  • 00:07:41
    selanjutnya ada 5 metode peramalan
  • 00:07:44
    kuantitatif nah yang pertama itu ada
  • 00:07:47
    model deret waktu Nah dari model deret
  • 00:07:51
    waktu ini ada jenisnya yang pertama ada
  • 00:07:53
    pendekatan Naif ya Lalu ada rata-rata
  • 00:07:55
    bergerak lalu yang ketiga ada
  • 00:07:59
    penghalusan
  • 00:08:00
    eksponensial itu termasuk dalam model
  • 00:08:03
    deret waktu selanjutnya ada model
  • 00:08:06
    asosiatif nah yang pertama ada proyeksi
  • 00:08:09
    trend dan juga yang selanjutnya ada
  • 00:08:13
    regresi linear
  • 00:08:16
    kita bahas satu persatu ya yaitu model
  • 00:08:18
    deret waktu ini seperti apa sih ini
  • 00:08:21
    merupakan teknik peramalan yang
  • 00:08:23
    menggunakan sejumlah data masa lalu
  • 00:08:26
    untuk membuat peramalan Nah jadi
  • 00:08:28
    data-data masa lalu itu memang record
  • 00:08:30
    dengan baik karena untuk meramalkan
  • 00:08:32
    Seperti apa nantinya yang akan dilakukan
  • 00:08:36
    di masa depan ya lalu yang selanjutnya
  • 00:08:38
    ada model asosiatif ataupun juga bisa
  • 00:08:44
    disebut dengan hubungan sebab akibat
  • 00:08:45
    seperti regresi linier lalu
  • 00:08:48
    menggabungkan banyak variabel atau
  • 00:08:50
    faktur memang yang mungkin mempengaruhi
  • 00:08:52
    kuantitas yang sedang
  • 00:08:55
    diramalkan contohnya gimana nah misalnya
  • 00:08:57
    begini model asosiatif dari penjualan
  • 00:09:01
    misalnya mesin pemotong rumput yang
  • 00:09:02
    memang mungkin memasukkan faktor-faktor
  • 00:09:04
    lain nih seperti adanya perumahan baru
  • 00:09:07
    lalu misalnya ada anggaran iklannya ya
  • 00:09:10
    dan juga ada harga pesaing yang memang
  • 00:09:12
    harus
  • 00:09:13
    difikirkan dalam faktor-faktor tersebut
  • 00:09:15
    Nah selanjutnya adalah peramalan deret
  • 00:09:19
    waktu yang memang didasarkan pada urutan
  • 00:09:22
    dari titik-titik data yang berjarak sama
  • 00:09:26
    ya dalam waktunya apa ada mingguan ya
  • 00:09:29
    Lalu ada bulanan dan juga kuartalan nah
  • 00:09:33
    dengan menganalisis deret waktu tersebut
  • 00:09:36
    berarti bisa membagi data masa lalu
  • 00:09:39
    menjadi komponen-komponen yang akan
  • 00:09:42
    kemudian di proyeksikan ke masa depan
  • 00:09:46
    deret waktu juga memiliki empat komponen
  • 00:09:49
    yang pertama ada trend Istilahnya ya Nah
  • 00:09:52
    ini merupakan pergerakan data sedikit
  • 00:09:54
    demi sedikit meningkat atau menurun nah
  • 00:09:58
    Seperti apa contohnya ada perubahan
  • 00:10:00
    pendapatan ada populasi Lalu ada
  • 00:10:04
    penyebaran umur dan juga pandangan
  • 00:10:06
    budaya yang memang hal tersebut dapat
  • 00:10:10
    mempengaruhi pergerakan dari trend
  • 00:10:13
    tersebut yang kedua ada musiman ini
  • 00:10:15
    seperti apa Jadi ini merupakan pola data
  • 00:10:17
    yang memang berulang Pada kurun waktu
  • 00:10:20
    tertentu Ya seperti ada harian ada
  • 00:10:23
    mingguan lalu bulanan Kuartal ini
  • 00:10:27
    musiman Oke Nah selanjutnya ada siklus
  • 00:10:30
    siklus ini merupakan pola dalam data
  • 00:10:33
    yang memang terjadi setiap beberapa
  • 00:10:35
    tahun nah siklus ini memang biasanya
  • 00:10:38
    terkait Pada siklus bisnis dan merupakan
  • 00:10:40
    satu hal yang penting dalam analisis dan
  • 00:10:43
    juga perencanaan bisnis jangka pendek
  • 00:10:46
    Nah karena apa memprediksi siklus bisnis
  • 00:10:49
    ini memang sulit dilakukan karena apa
  • 00:10:51
    adanya pengaruh kejadian politik itu
  • 00:10:54
    bisa berpengaruh ataupun juga kerusuhan
  • 00:10:56
    internasional itu sangat berpengaruh
  • 00:10:58
    terhadap peramalan di masa yang akan
  • 00:11:00
    datang
  • 00:11:01
    nah yang keempat ada namanya variasi
  • 00:11:03
    acak variasi acak ini merupakan satu
  • 00:11:06
    titik khusus dalam data yang memang
  • 00:11:09
    disebabkan oleh peluang ya dan situasi
  • 00:11:12
    yang tidak lazim nah variasi acak ini
  • 00:11:15
    tidak mempunyai pola khusus jadi sulit
  • 00:11:18
    sekali untuk dapat diprediksi dan ini
  • 00:11:21
    biasanya jarang sekali digunakan dalam
  • 00:11:23
    perusahaan ya Oke selanjutnya adalah
  • 00:11:27
    pendekatan Naif nah ini seperti apa sih
  • 00:11:29
    tekniknya ini merupakan peramalan yang
  • 00:11:31
    memang
  • 00:11:31
    mengasumsikan permintaan periode
  • 00:11:34
    berikutnya sama dengan pada priode
  • 00:11:37
    permintaan yang paling terakhir nah atau
  • 00:11:40
    dengan kata lain jika penjualan sebuah
  • 00:11:43
    produk Nih misalnya telepon genggam atau
  • 00:11:45
    smartphone Samsung misalnya penjualannya
  • 00:11:48
    adalah 68 unit pada bulan Januari Nah
  • 00:11:51
    kita tuh dapat meramalkan penjualan pada
  • 00:11:54
    bulan Februari juga akan sama ya yaitu
  • 00:11:56
    sebanyak 68 unit juga jadi asumsinya itu
  • 00:11:59
    adalah
  • 00:12:01
    berikutnya dengan periode yang terakhir
  • 00:12:03
    itu sama ya itu namanya pendekatan Naif
  • 00:12:06
    atau peramalan pendekatan Naif ya Nah
  • 00:12:09
    pendekatan Naif ini adalah model
  • 00:12:13
    peramalan objektif yang bisa dikatakan
  • 00:12:16
    paling efektif dan juga paling efisien
  • 00:12:18
    dari segi biaya nah paling tidak untuk
  • 00:12:22
    pendekatan Naif Ini bisa memberikan
  • 00:12:24
    titik awal atau starting Point untuk
  • 00:12:26
    perbandingan dengan model lain yang
  • 00:12:28
    memang lebih canggih begitu ya Nah
  • 00:12:31
    selanjutnya adalah rata-rata bergerak
  • 00:12:33
    nah rata-rata bergerak ini adalah suatu
  • 00:12:36
    metode peramalan yang menggunakan
  • 00:12:37
    rata-rata periode terakhir untuk
  • 00:12:40
    meramalkan periode berikutnya ya
  • 00:12:42
    rumusnya adalah rata-rata bergerak di
  • 00:12:45
    sini jumlah dari permintaan dalam
  • 00:12:47
    periode m sebelumnya dibagi dengan n
  • 00:12:49
    jadi n di sini adalah Jumlah periode
  • 00:12:52
    dalam rata-rata bergerak nah contohnya
  • 00:12:55
    bisa ditampilkan di sini bisa dilihat
  • 00:12:57
    jadi ada apa namanya penjualan a awal ya
  • 00:13:02
    Dari 12 bulan dan kita akan melihat
  • 00:13:05
    rata-rata bergerak 3 bulan ini seperti
  • 00:13:07
    apa kalau bergerak 3 bulanan berarti
  • 00:13:10
    kita akan menghitung di bulan April ya
  • 00:13:12
    Di mana penjualan aktual di bulan
  • 00:13:14
    Januari ada 10 bulan Februari ada 12 dan
  • 00:13:17
    juga bulan Maret ada 13 nah di bulan
  • 00:13:20
    April ada 16 nih penjualan aktualnya
  • 00:13:22
    tapi kita akan menghitung dulu Berapa
  • 00:13:23
    sih rata-rata bergerak 3 bulanannya jadi
  • 00:13:26
    penjualan aktual pada bulan Januari
  • 00:13:29
    berjumlah 10 dijumlahkan dengan
  • 00:13:31
    penjualan aktual bulan Februari 12 ya
  • 00:13:34
    lalu di bulan yang ketiga ya atau di
  • 00:13:39
    bulan maret itu dijumlah ya lalu di bagi
  • 00:13:44
    dengan 3 bulannya Nah jadi diperoleh lah
  • 00:13:48
    rata-rata bergerak 3 bulanannya
  • 00:13:51
    11,07 dan ini berlaku ya berlaku untuk
  • 00:13:57
    perhitungan di bulan-bulan berikutnya
  • 00:14:01
    tadi adalah perhitungan ya untuk
  • 00:14:04
    rata-rata bergerak 3 bulan Nah untuk
  • 00:14:07
    selanjutnya ada pembobotan rata-rata
  • 00:14:09
    bergerak Nah di sini
  • 00:14:11
    membobotan rata-rata bergerak adalah
  • 00:14:13
    Jumlah dari bobot periode ya dikalikan
  • 00:14:17
    dengan permintaan dalam periode tertentu
  • 00:14:19
    dibagi dengan jumlah bobot Nah jadi
  • 00:14:22
    perhitungannya sama untuk 3 bulanan juga
  • 00:14:24
    tetapi di sini di perkalikan ya Sesuai
  • 00:14:28
    dengan bulannya masing-masing nah
  • 00:14:30
    seperti contoh yang ada di depan ya Nah
  • 00:14:33
    selanjutnya ada penghalusan
  • 00:14:36
    eksponensial nah ini merupakan metode
  • 00:14:38
    peramalan rata-rata bergerak dengan
  • 00:14:41
    pembobotan di mana titik data
  • 00:14:43
    dibobothkan oleh fungsi eksponensial nah
  • 00:14:45
    rumusnya penghalusan eksponensial bisa
  • 00:14:48
    dilihat ya jadi di mana Alfa Ini adalah
  • 00:14:51
    sebuah bobot atau juga konstanta
  • 00:14:53
    penghalusan yang dipilih oleh peramal
  • 00:14:55
    yang mempunyai nilai antara 0 dan juga
  • 00:14:59
    satu ya oke
  • 00:15:01
    Nah selanjutnya adalah rumus ya yang di
  • 00:15:04
    mana adalah ini untuk ramalan baru
  • 00:15:07
    dimana nilai F1 ini adalah peramalan
  • 00:15:09
    baru lalu F berikutnya adalah peramalan
  • 00:15:12
    sebelumnya Lalu ada Alfa yang merupakan
  • 00:15:15
    konstanta penghalusan dan a adalah
  • 00:15:18
    permintaan aktual periode lalu ya
  • 00:15:21
    nah Bagaimana jika ada kesalahan
  • 00:15:24
    peramalan tentu ada rumusnya tersendiri
  • 00:15:26
    sehingga kesalahan peramalan itu bisa
  • 00:15:28
    diakomodir ya jadi kesalahan peramalan
  • 00:15:30
    itu adalah rumusnya permintaan aktual
  • 00:15:33
    dikurangi dengan nilai peramalan jadi
  • 00:15:35
    gini ada beberapa perhitungan yang
  • 00:15:37
    memang biasa digunakan untuk menghitung
  • 00:15:40
    kesalahan dalam peramalan 3 dari
  • 00:15:44
    perhitungan yang paling terkenal adalah
  • 00:15:46
    deviasi mutlak rata-rata atau mean
  • 00:15:49
    Absolut division atau Meg nah kesalahan
  • 00:15:52
    kuadrat rata-rata atau mean
  • 00:15:54
    absolutivision atau MSI ini kesalahan
  • 00:15:57
    person mutlak rata-rata atau mean
  • 00:16:00
    Absolut persen atau MRT
  • 00:16:02
    deviasi mutlak rata-rata atau Mid ini
  • 00:16:06
    merupakan nilai yang dihitung dengan
  • 00:16:08
    mengambil jumlah nilai Absolut dari
  • 00:16:11
    setiap kesalahan peramalan dibagi dengan
  • 00:16:13
    jumlah periode datanya ya seperti rumus
  • 00:16:16
    yang sudah ditampilkan Nah selanjutnya
  • 00:16:19
    ada yang dinamakan dengan proyeksi trend
  • 00:16:23
    Nah ini apa ini merupakan suatu metode
  • 00:16:24
    peramalan serangkaian waktu yang memang
  • 00:16:27
    sesuai dengan garis tren ya terhadap
  • 00:16:30
    serangkaian titik-titik data masa lalu
  • 00:16:32
    kemudian diproyeksikan ke dalam
  • 00:16:35
    peramalan masa depan Nah untuk peramalan
  • 00:16:38
    jangka menengah dan juga jangka panjang
  • 00:16:41
    nah persamaan garisnya adalah y = a + BX
  • 00:16:45
    nah di mana y itu apa y adalah variabel
  • 00:16:49
    yang akan diprediksi nah lalu a adalah
  • 00:16:52
    konstanta b adalah kemiringan garis
  • 00:16:55
    regresi dan juga x adalah variabel bebas
  • 00:16:58
    atau waktu Nah selanjutnya adalah ada
  • 00:17:03
    metode peramalan asosiatif Nah ini bisa
  • 00:17:08
    digunakan dengan analisis regresi nah
  • 00:17:10
    analisis regresi ini juga jenisnya
  • 00:17:13
    banyak ya yang pertama ada regresi
  • 00:17:16
    linier dimana legresi linier ini dibagi
  • 00:17:18
    dua ada gradasi linier sederhana pertama
  • 00:17:21
    ada regresi linier berganda Bedanya apa
  • 00:17:24
    kalau regresi linier sederhana biasanya
  • 00:17:27
    variabel x nya itu hanya satu ya yang
  • 00:17:30
    sedangkan regresi linier berganda
  • 00:17:32
    biasanya variabel x-nya itu lebih dari 2
  • 00:17:36
    ya lalu yang kedua ada regresi kuadrat
  • 00:17:39
    dan juga yang ketiga adalah
  • 00:17:42
    regresi
  • 00:17:44
    eksponensial Ya baik yang bisa
  • 00:17:48
    disimpulkan dari materi peramalan kita
  • 00:17:50
    hari ini adalah bahwa jenis-jenis
  • 00:17:52
    peramalan yang ada di mata kuliah
  • 00:17:54
    manajemen operasi ini kembali lagi itu
  • 00:17:56
    dikembalikan sesuai dengan kebutuhan
  • 00:17:59
    dari perusahaan akan menggunakan atau
  • 00:18:01
    kecocokan yang mana sekiranya dari
  • 00:18:03
    peramalan-pelan yang sudah ada karena
  • 00:18:06
    badan dasarnya adalah dengan melakukan
  • 00:18:07
    peramalan setidaknya perusahaan sudah
  • 00:18:10
    mempersiapkan sesuatu yang terbaik dan
  • 00:18:14
    juga mempersiapkan yang terburuk
  • 00:18:16
    nantinya ketika Memang sesuatu itu sudah
  • 00:18:18
    terjadi di masa depan ya
  • 00:18:21
    demikian video pembelajaran kita hari
  • 00:18:23
    ini mengenai materi peramalan jadi
  • 00:18:26
    Setelah kalian menyaksikan video ini
  • 00:18:28
    jangan lupa untuk berikan like comment
  • 00:18:32
    dan juga subscribe ya Sampai bertemu
  • 00:18:35
    pada video pembelajaran selanjutnya
  • 00:18:37
    wassalamualaikum warahmatullahi
  • 00:18:39
    wabarakatuh
  • 00:18:43
    [Musik]
Etiquetas
  • forecasting
  • operations management
  • time horizons
  • qualitative forecasting
  • quantitative forecasting
  • naive approach
  • moving average
  • exponential smoothing
  • trend projection
  • business planning