MANAJEMENPERAMALANFORECASTINGMANAGEMENT

PERAMALAN (FORCASTING) MANAJEMENPERAMALAN ADALAH :SENI DAN ILMU MEMPREDIKSI KEJADIAN MASA DEPAN

MENURUT WAKTU PERAMALAN DIBAGI ATAS :1.JANGKA PENDEK 3 BLN S/D 1 TAHUN2.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)

CARA PERAMALAN1.SUBYEKTIFINSTUITIF

2.DATA MASA LALU

3.KOMBINASI

PENGUMPULAN DATA MASA LALUDIPROYEKSIKAN KEMASA DEPAN DENGAN BENTUK MATEMATISKOMBINASI 1 & 2 DENGAN PERTIMBANGAN YG BAIK

DAMPAK PERAMALANPRODUKSUMBERDAYA MANUSIAKAPASITASMANAJEMENRANTAI PASOKAN

LANGKAH PERAMALAN1.MENETAPKAN TUJUAN2.MEMILIH YANG DIRAMAL3.MEMILIHHORISON WAKTU4.MEMILIHMODEL PERAMALAN5.MENGUMPULKANDATA YG DIPERLUKAN6.MEMBUATPERAMALAN7.MEMVALIDASI &MENERAPKAN HASIL

PENDEKATANPERAMALAN1.KEPUTUSAN JURI EKSEKUTIF(YURY OF EXECUTIVE OPINION)BEBERAPA PAKAR MENENTUKAN DENGAN METODE STATISTIK MENENTUKAN TREN MASA DEPANI.METODE KUALITATIF2.METODE DELPHIBEBERAPA PAKAR UNTUK PERAMALAN, MEMBUAT KUESIONER KE RESPONDEN DAN DIOLAH - DELPHI METHOD DIANGGAP PALING BAIK3.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

PENDEKATANPERAMALANA.MODEL TIME SERIESII.METODE KUANTITATIFB.MODEL ASOSIATFMEMBUAT PREDIKSI BAHWA MASA DEPAN MERUPAKAN FUNGSI MASA LALU.CONTOH : PENAMBAHAN TEMPAT TIDUR RSMELIHAT JUMLAH PENDERITA MASA LALUMISAL: B.O.R - RS TERUS MENINGKAT DARI TAHUN SEBELUMNYAMENGGABUNGKAN VARIABEL/FAKTOR YG MUNGKIN MEMPENGARUHI KUANTITAS YG DIRAMALKANCONTOH : BERTAMBAHNYA PEMUKIMAN DENGAN PENAMBAHAN TEMPAT TIDUR RS.

A.MODEL TIME SERIES1.PENDEKATAN NAIF2.RATA-RATA BERGERAK3.PENGHALUSAN EKSPONEN4.PROYEKSI TRENII.METODE KUANTITATIFB.MODEL ASOSIATF1.REGRESI LINIER

METODE KUANTITATIF (TIME SERIES)1.PENDEKATAN NAIF

MERAMALKAN BAHWA KEADAAN MASA AKAN DATANGSAMA DENGAN KEADAAN MASA TERKINI

CONTOH : JUMLAH PENDERITA YG BEROBAT AKAN DATANGAKAN SAMA DENGAN JUMLAH PENDERITA MASA TERKINI.

1.PENDEKATAN NAIF

MOVING AVERAGE.MENGAMSUMSIKAN PENDERITA STABIL DARI KEWAKTU2.MOVING AVERAGE(RATA RATA BERGERAK)METODE KUANTITATIF (TIME SERIES) PERMINTAAN (n) PERIODE SEBELUMNYAMOVING AVERAGE =------------------------------------------------------ nCONTOH : RATA RATA BERGERAK 3 BULANANJUMLAH PASIEN JANUARI =13JMLH PASIEN FEBRUARI =20JMLH PASIEN MARET = 15MAKA RAMALAN BULAN APRIL = 48 : 3 = 16UNTUK RAMALAN BULAN MEI MAKA BULAN JANUARI DIHAPUS DAN BULAN APRIL YG SESUNGGUHNYA DIMASUKKAN JANUARI = 13FEBRUARI = 20MARET= 15APRIL(SESUNGGUHNYA)= 18 (APRIL RAMALAN = 16) MAKA RAMALAN BL MEI = (20 +15 +18)/3 =16,7

PENGHALUSAN EKSPONENSIAL (EXPANENTIAL SMOOTHING)

METODE INI MERUPAKAN METODE MOVING AVERAGE DENGAN PEMBOBOTAN CANGGIH,SERTA MENGGUNAKAN SEDIKITDATA MASA LALU.

F1 = F(t-1)+ [ A(t-1) F(t-1) ]

3.EXPANENTIAL SMOOTHINGMETODE KUANTITATIF (TIME SERIES)PERAMALAN BARU = PERAMALAN PERIODE LALU + (PERMINTAAN AKTUAL PERIODE LALU PERAMALAN PERIODE LALU)F1= PERAMALAN BARUF(t-1) = PERAMALAN SEBELUMNYA = BOBOT ( 0 1)A(t-1)= PERMINTAAN AKTUAL PERIODE LALU

CONTOH PENGGUNAAN RUMUS EXPONENTIAL SMOOTHING

RS X MEMPREDIKSI JUMLAH PENDERITA BLN JANUARI 142 ORANGJUMLAH AKTUAL = 153,KONSTANTA PENGHALUSAN DIPILIH = 0,20MAKA RAMALAN BULAN PEBRUARI SBB:

JML RAMALAN PENDERITA BULAN PEBRUARI = 142 + O.2(153-142) =144,2

NILAI TINGGI --- DIPILIH BILA SAAT RATA RATA CENDERUNG BERUBAH RENDAH --- DIPILIH SAAT RATA RATA CUKUP STABIL.

F1 = F(t-1)+ [ A(t-1) F(t-1) ]

4.PROYEKSI TRENY= a + bxaXYGaris trenDeviasi 1Deviasi 2Pengamatan actual Y = variabel terikat a = persilangan sb y b = kemiringan garis regresi x = variabel bebas METODE KUANTITATIF (TIME SERIES)

X = X rata rata XY n X Yb = ------------------- X -nXY= a + bXY = Y rata rata a = Y bXRUMUS PROYEKSI TREN

X 28X = --- =---- = 4 n 7 Y 692Y =--- = ---- = 98,86 n 7 XY n X Yb = ------------------- = 10,54 X - nX a = Y bx = 56,70 PROYEKSITREN.CONTOH :

TAHUNPERIODEWAKTU(X)JUMLAHPENDERITA(Y)XXY19971741741998279415619993809240200049016360200151052552520026142368522003712249854 X=28 Y=692X=140XY=3063

RAMALAN JUMLAH PENDERITA UNTUK TH 2004 ADALAH : = 56,70 + 10,54 (X)

= Y INTERCEPT

X-(TH 1997) =1S/DX-(TH 2003) = 7

X- (TH 2004) = 8.

= 56,70 + 10,54 x (8) = 141,02 ATAU 142 ORANG.

= a + bX

160

140

120

100

80

60

40 ........9798990001020304 05 = 56,70 + 10,54 (X)JUMLAH PENDERITATAHUNNILAI AKTUALTRENa

TAHUNPERIODE(X)PENDERITAXXY

2000 1 105011050

2001 2 113042260

2002 3 120493612------------------------------------------------------------------X = 6 Y=3384 X=14 XY=6922

X= X /n=6/3 =2y=Y/n=3384/3 =1128

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

--- > Y = 974 + 77 X

PROYEKSITREN.CONTOH 2 :

10001200113010501204Y=a + bX ----- Y = 974 + 77 X200RAMALAN TH 2003 ADALAH : Y = 974 + 77 ( 4 ) = 12822000200120022003

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 DATATREN MENGAKIBATKAN BOBOT DATA MUSIMAN AKAN MENYIMPANGMETODE KUANTITATIF (TIME SERIES)

VARIASI MUSIMAN (SEASONAL VARIATION)

MUSIMAN :BULAN,KWARTAL,TAHUNANSARAT :1TENTUKAN RATA RATA PERMINTAAN HISTORIS SETIAP MUSIMCONTOH: PENJUALAN JANUARI TH KE 1 =8 JANUARI TH KE 2=6 JANUARI TH KE 3=10MAKA RATA PERMINTAAN BL JANUARI =(8+6+10 )/3 =8 2.RATA RATA PERMINTAAN UNTUK SEMUA BULANBILA RATA RATA PERMINTAAN TOTAL(TAHUNAN)= 120SERTA TERDAPAT 12 MUSIM (BULANAN)RATA RATA PERMINTAAN BULANAN = 120/12=103.MENGHITUNG INDEX MUSIMANPERMINTAAN HISTORIS DIBAGI RATARATA PERMINTAAN SELURUH BULAN --- > INDEX MUSIMAN = 8/10 =0.804.ESTIMASI PERMINTAAN 5.PERAMALAN MUSIMAN(INDEX) X PREDIKSI PERMINTAAN TAHUNAN TOTAL DENGAN JUMLAH MUSIM

CONTOH : MENGHITUNG INDEX MUSIMAN

JUMLAH PENDERITAPENDERITAPENDERITAINDEX MUSIMANRATA RATABULANAN BULANTH 200020012002TH 2000-TH 2002RATA RATA *)JAN.8085105909490/94 =0,957PEBR.708585809480/94 =0,851MARET809382859485/94 =0,904APRIL909511510094100/94=1,064MEI11312513112394123/94=1,309JUNI11011512011594115/94=1.223JULI10010211310594105/94=1,117AGST8810211010094100/94 =1064SEPT859095909490/94 = 0,957OKTB777885809480/94 = 0,851NOVB758283809480/94 = 0,851DESB827880809480/94 =0,851TOTAL RATA RATA (PEND BLN RATA2 =TOT. RATA -------------- =9412 TAHUNAN = 1.128

PERHITUNGAN FAKTOR MUSIMAN DARI DATA HISTORIS TOTAL TAHUNANPENDERITA RATA RATA BULANAN = ----------------------------- JUMLAH MUSIMAN

PENDT. RATA RATA (DLM BL YG SAMA)INDEX MUSIMAN = ---------------------------------------------------- PENDT BULANAN RATA-RATACONTOH ;1.TOTAL RATA-RATA TAHUNAN =1.1282.JUMLAH MUSIMAN =123.PENDERITA RATA-RATA (JANUARI 2000-2002)=(80+85+105)/3 = 904.PENDERITA RATA RATA (SEMUA BLN) = (TOTAL RATA2 TAHUNAN) /121.128/12 = 945.INDEX MUSIMAN (JANUARI) = 90/94 = 0.957

BILA ESTIMASI PENDERITA TH 2003 SEBESAR 1200 PASIEN MAKABULAN ESTIMASI PENDERITA

1.JAN.=1200/12 X 0,957=962.PEB.=1200/12 X 0,851=853.MARET=1200/12 X 0,904=904.APRIL=1200/12 X 1,064=1065.MEI=1200/12 X 1,309=1316.JUNI.=1200/12 X 1,223=1227.JULI.=1200/12 X 1,117=1128.AGUSTUS.=1200/12 X 1,064=1069.SEPTEMBER=1200/12 X 0,957=9610.OKTOBER.=1200/12 X 0,851=8511.NOVEMBER=1200/12 X 0,851=8512.DESEMBER.=1200/12 X 0,851=85

* * * * * * * * * * * * JAN MRT MEI JL SEP NOV PEB APR JN AGT OKT DES 67 68 69 70 71 72 73 74 75 76 77 789.800 -

9.700 -

9.600 -

9.500 -

9.400 -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 INAPX = WAKTU (DLM SATUAN BULAN)PERAMALAN MENURUT TREN BL KE 67 = 8090 + 21,5 (67)= 9530

95309767GB :PROYEKSI TREN JANUARI (67) S/D DESEMBER(78)

INDEX MUSIMAN JUMLAH HARI RAWAT INAP DEWASA RS A SBB : * * * * * * * * * * * * JAN MAR MEI JUL SEP NOV PEB APR JUN AGT OKT DES 67 68 69 70 71 72 73 74 75 76 77 78 1.06 *

1.04 *

1.02 *

1.00 *

0.98 *

0.96 *

0.94 *

0.92 *GRAFIK INDEX MUSIMAN

BULANINDEX MUSIMANBULANINDEX MUSIMANJANUARI1.04JULI1.03PEBRUARI0.97AGUSTUS1.04MARET 1.02SEPTEMBER0.97APRIL 1.01OKTOBER1.00MEI0.99NOVEMBER0.96JUNI0.99DESEMBER0.98

RAMALAN RAWAT INAP DEWASA MUSIMANRAMALAN MUSIMAN = INDEX X RAMALAN PROY.TREN

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

BULAN(PERIODE)INDEX (M) X PROYEKSI TRENBULANINDEX (M) X PROY. TRENJANUARI (67)1.04 X 9530 =9.911JULI(73)1.03 X 9659 = 9.949PEBRUARI(68)0.97 X 9552 = 9.265AGUSTUS(74)1.04 X 9681 = 10.608MARET (69) 1.02 X 9573 = 9.764SEPTEMBER(75)0.97 X 9702 = 9.411APRIL(70) 1.01 X 9595 = 9.691OKTOBER(76)1.00 X 9724 = 9.724MEI(71)0.99 X 9616 =9.520NOVEMBER(77)0.96 X 9745 = 9.355JUNI(72)0.99 X 9638 = 9.542DESEMBER(78)0.98 X 9767 = 9572

10.200-

10.000-

9.800 -

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.TRENRAMALAN MUSIMANGRAFIK PROYEKSI TREN DAN RAMALAN MUSIMAN RAWAT INAP DEWASA RS A SBB : * * * * * * * * * * * * 1.06 *

1.04 *

1.02 *

1.00 *

0.98 *

0.96 *

0.94 *

0.92 *GRAFIK INDEX MUSIMAN

MODEL PERAMALAN KUANTITATIF (PERAMALAN ASSOSIATIF)

II.KOEFISIEN KORELASI GARIS REGRESI:

ADAKAH KORELASI ANTARA DUA VARIABLE YG BERBEDA DINYATAKAN DALAM RUMUS : r =Koefisien korelasi

nxy - x yr =--------------------------------- [n x-(x )][ny-(y)]

I.ANALISA REGRESI :

ADAKAH HUBUNGAN ASSOSIASI DUA ATAU LEBIH VARIABELYG BERBEDA

RUMUS : Y = a + b X

Y = NILAI VARIABLE TERIKATa = PERPOTONGAN DENGAN SUMBU Yb = KEMIRINGAN GARIS REGRESIX =NILAI VARIABLE BEBASKPERAMALAN ASSOSIATIF

CONTOH 1 :KITA MELIHAT ADAKAH HUBUNGAN (ASSOSIASI) ANTARA FREQUENSIPENYULUHAN KB DENGAN JUMLAH AKSEPTOR BARU KB DI DESA X * * * * * * * 0 1 2 3 4 5 6 7 FREQ. PENYULUHAN 40 *

30 *

20 *

10 *

JUMLAH AKSEPTORTERLIHAT 6 TITIK DATA SEDIKIT ADA HUBUNGAN POSITIPANTARA VARIABEL BEBAS DAN VARIABELTERIKAT

THJUMLAH AKSEPTOR KB(Y)FREQUENSI PENYULUHAN (X)`00201`01303`02254`03202`04201`05357

X 18X = -------- = ----= 3 n 6 Y 150Y = -------=------= 25 n 6 X Y n xy 515 -6.3.25 b =------------- = -------------- = 2,5 X -n(X) 80 6.3 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) =32,5DIBULATKAN 33 ORANG

JML AKSEPTOR (Y)FREQ.PENYULUHAN (X) (X) (X) . (Y)2011203039902541610020244020112035749245Y =150X = 18X=80X Y=515

KOEFISIEN KORELASI GARIS REGRESI nxy - x yr =----------------------------------- [n x-(x )][ny-(y)]

r = 0,901KESIMPULAN :koefisien korelasi yg tinggi ADANYA HUBUNGANYg cukup berarti antara penyuluhan dengan jumlah akseptor baru KB

JML AKSEPTORFREQ.PENYULUHAN(X) (X) . (Y)(Y) 20112040030399090025416100625202440400201120400357492451225Y =150X = 18X=80X Y=515(y)=3950

0 < r < 1KORELASI POSITIF r = 0 TIDAK ADA KORELASI r = -1KORELASI NEGATIFSEMPURNA r =1 KORELASI POSITIFSEMPURNA