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]