�ݺ�ߣ

Plant Design
#1
Food Science and Technology
Teknologi Pertanian
UNS

Proses Riset Pasar: Perumusan masalah
– Kondisi pasar poduk A
• Bagaimana perkembangan produk A di
pasar?
• Benarkah permintaan semakin besar?
– Produktivitas pemasaran
• Apa yang sudah dilakukan produsen agar
produk bertahan/semakin kuat dipasaran?
• Tantangan apa yang dihadapi dalam
memasarkan produk?
• Strategi-strategi promosi apa saja yang
pernah dilakukan?
– Tanggapan masyarakat terhadap
produk
• Apa masyarakat sudah puas dengan
produk yang ada?
• Apakah ada gap?

Proses Riset Pasar: Penentuan desain riset
– Riset Eksplatoris
• Bertujuan untuk memahami akar
permasalahan
• Biasanya menggunakan analisa data
primer dengan sampel yang kecil (ex:
wawancara)
– Riset Deskriptif
• Bertujuan untuk menggambarkan
karakteristik dari suatu hal
• Menjawab 5W+H(why, when, who,
what where and how)
– Riset Kausal
• Mengetahui hubungan sebab akibat
dari suatu hal

Proses Riset Pasar: Pengumpulan dan analisa data
– Tipe data
• Primer
• Sekunder
– Teknik Sampling
• Random
• Stratified
• Systematic
• Cluster
– Analisis Data
• Kualitatif dan kuantitatif
• Software: SPSS, minitab,
Nvivo, dst.

Forecasting: Methods
• Qualitative Methods
– primarily subjective and rely on human judgment
– Ex: Delphi method
• Causal Methods
– assume that the demand forecast is highly correlated
with certain factors in the environment, such as
economy, interest rates, etc.
• Quantitative Methods (Time Series)
– use historical demand only.
– based on the assumption that past demand history is a
good indicator of future demand.
– most appropriate when the basic demand pattern
does not vary significantly

Time series: Simple moving average – SMA (1)
n
D
n
nti
i
 
)1(
1tSMA
where:
SMAt+1 = simple moving average at
the end of a period t,
which
typically will be used as a
forecast for next period (t
+1)
Di = actual demand in period i
n = number of periods in the
moving average
Formula:

Data Historis
0
10
20
30
40
50
60
70
80
90
100
1 2 3 4 5 6 7 8 9 10 11 12
JumlahPermintaan
Periode
Plot dataPeriode Permintaan, y
1 46
2 56
3 54
4 58
5 57
6 60
7 67
8 62
9 80
10 75
11 90
12 95
13 ?

Periode Permintaan SMA, n=3
1 46
2 56
3 54
4 58 52,0
5 57 56,0
6 60 56,3
7 67 58,3
8 62 61,3
9 80 63,0
10 75 69,7
11 90 72,3
12 95 81,7
13 86,7
Time series: Simple moving average – SMA (2)
52
3
545646
SMA4



56
3
585456
SMA5




Time series: Simple Linear Regression (1)
where:
n = number of periods
y = actual values of
dependent variable
x = actual values of
independent variable

Periode x Permintaan y xy x^2
1 46 46 1
2 56 112 4
3 54 162 9
4 58 232 16
5 57 285 25
6 60 360 36
7 67 469 49
8 62 496 64
9 80 720 81
10 75 750 100
11 90 990 121
12 95 1140 144
Sum 78 800 5762 650
n= 12
b= 3,93
a= 41,12
Y13= 92,21
78*78650*12
800*785762*12


b
12
78*93.3800 
a
13*93.312.4113 y

Periode x Permintaan y Estimasi
1 46
2 56 46,0
3 54 47,0
4 58 47,7
5 57 48,7
6 60 49,6
7 67 50,6
8 62 52,2
9 80 53,2
10 75 55,9
11 90 57,8
12 95 61,0
13 64,4
Time series: Exponential Smoothing
xxx yyy ˆ)1(ˆ 1  
Contoh perhitungan
estimasi periode 4
=0.1(54)+0.9(47) = 47.7

Forecasting Error: Methods
• ME (Mean Error)
• MAE (Mean Absolute Error)
• SSE (Sum of Square Error)
• MSE (Mean Square Error)
• SDE (Standard Deviation of Error)
• PE (Percentage Error)
• MPE (Mean Percentage Error)
• MAPE (Mean Absolute Percentage Error)

SSE dan MSE
• SSE =
• MSE =
• Dimana

n
i
ie
1
2
ne
n
i
i /
1
2

iii yye ˆ

Periode x Permintaan y
Estimation Error
SMA R ES SMA R ES
1 46 45,1 0,90
2 56 49 46 49,26 100
3 54 52,9 47 1,19 49
4 58 52,0 56,8 47,7 36,00 1,34 106,09
5 57 56,0 60,8 48,7 1,00 14,22 68,393
6 60 56,3 64,7 49,6 13,44 22,11 109,06
7 67 58,3 68,6 50,6 75,11 2,66 268,92
8 62 61,3 72,6 52,2 0,44 111,55 95,235
9 80 63,0 76,5 53,2 289,00 12,31 717,33
10 75 69,7 80,4 55,9 28,44 29,40 364,99
11 90 72,3 84,4 57,8 312,11 31,90 1036,5
12 95 81,7 88,3 61 177,78 45,13 1154,3
Sum 933,33 321,97 4069,76
Forecasting Error: Sum Square Error

�ݺ�ߣ

Perancangan Pabrik 1

More Related Content

Perancangan Pabrik 1