Plant Design #1

Food Science and TechnologyTeknologi 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

Dn

ntii

)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

1 2 3 4 5 6 7 8 9 10 11 120

102030405060708090

100

Plot data

Periode

Jum

lah

Perm

inta

an

Periode Permintaan, y1 462 563 544 585 576 607 678 629 80

10 7511 9012 9513 ?

Periode Permintaan SMA, n=31 46 2 56 3 54 4 58 52,05 57 56,06 60 56,37 67 58,38 62 61,39 80 63,0

10 75 69,711 90 72,312 95 81,713 86,7

Time series: Simple moving average – SMA (2)

523

545646SMA4

563

585456SMA5

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 12 56 112 43 54 162 94 58 232 165 57 285 256 60 360 367 67 469 498 62 496 649 80 720 81

10 75 750 10011 90 990 12112 95 1140 144

Sum 78 800 5762 650n= 12b= 3,93a= 41,12

Y13= 92,21

78*78650*12800*785762*12

b

1278*93.3800

a

13*93.312.4113 y

Periode x Permintaan y Estimasi

1 46 2 56 46,03 54 47,04 58 47,75 57 48,76 60 49,67 67 50,68 62 52,29 80 53,2

10 75 55,911 90 57,812 95 61,013 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

iie

1

2

nen

ii /

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