diklatkerja | [Tanya Jawab] Demand Forecasting

1. Pertanyaan dari Bapak Gilang
Bagaimana langkah yang tepat untuk mengevaluasi demand atau projek atau kegagalan dalam industri itu? Bagaimana langkah yang tepat?

Jawaban: Ketika kita masuk dalam suatu projek, itu sebenarnya hanya ada 2 ukurannya, apakah itu berhasil atau tidak. Kita melihat dari efektifitas dan efisiensi, ketika kita bicara efektifitas berarti projek tersebut sudah menjawab kebutuhan atau keinginan customer dengan baik, artinya customer puas itu dikatakan projek kita itu efektif, misalnya kita punya projek dan projek itu ada yang Namanya projek owner, ketika kita sudah menjawab kebutuhan dari projek owner itu bisa dikatakan projek itu berhasil atau sukses dari kacamata si projek owner. Dikatakan efisiensi bagaimana? Dikatakan efisiensi sebetulnya ketika kita melakukan projek itu dan sudah mencapai keinginan atau kebutuhan customer itu kita lakukan dengan cara yang benar dan tepat. Terkait dengan demand, kita bisa lihat apakah forecasting kita itu sudah efektif dan efisien? Efektif itu artinya menjawab permintaan customer, efisien itu artinya tidak terlalu banyak, karena kalau terlalu banyak nanti ada biaya, biaya untuk simpan, biaya untuk pengadaan, biaya produksi, dsb.

2. Pertanyaan dari Bpk. Oki Andika Putra
Bagaimana cara mencocokkan supply dan demand?

Jawaban: Itu sebenarnya adalah tugas supply chain, karena ada yang namanya demand dan supply, operation ini berada di tengah-tengah, menyeimbangkan antara demand dan supply perlu yang namanya forecasting. Kita perlu memahami peranan dari permintaan di masa depan, kemudian dari forecasting kita kembalikan ke operational kita, kita lihat apakah kapasitasnya bisa mencukupi atau merespon dari forecasting tersebut, lalu apakah sumber daya kita mampu untuk menjawab forescasting tersebut. Forecasting tidak berhenti di kita saja, atau di operation saja, forecasting harus disampaikan kepada supplier, supaya supplier siap-siap diri, jadi jangan ketika produksi itu dia minta kemudian suppliernya kelabakan, karena tidak mendapat informasi apa-apa dari forecasting bagian operation atau produksi. Jadi, cara menyeimbangkannya adalah berbagilah data-data forecasting yang muncul dari customer.

Bagaimana langkah berikutnya ketika demand sedikit dan supply banyak, artinya produk jadinya itu stocknya banyak, itu yang disebut dengan demand management. Ketika kita bicara demand management berarti supply chain tersebut atau si marketer akan mempengaruhi pasar/permintaan dengan cara beriklan, promosi, memberikan paket-paket produk, harga yang berbeda antara customer sekmen yang satu dengan yang lainnya, itu masuk ke demand management, bagaimana mempengaruhi permintaan. Kalau di toko retail bisa juga demand managementnya adalah dengan silf self management / management rak, jadi barang yang ada di depan mata itu biasanya yang menarik untuk dibeli / diambil. Jadi, kita bisa menggunakan forecasting, kemudian forecasting digunakan untuk merencanakan kapasitas, merencanakan supply, kemudian kalau kita ingin menggunakan demand, gunakan demand management.

3. Pertanyaan dari Bapak Samuel
Seberapa besar pengaruh pemanfaatan big data dan data sains pada demand forecast?

Jawaban: Tergantung dari validitas datanya, jangan garbage in garbage all, big data itu cukup besar tapi ternyata data-datanya itu tidak cocok dengan kondisi realnya, selama big data itu transparan, real time, update, ini yang berpengaruh besar terhadap forecasting kita, memang yang dipentingkan adalah buka masalah big datanya, tapi kalau menurut saya yang dipentingkan adalah kualitas dari data tersebut. Data tersebut transparan (tahu data itu darimana), real time (sesuai dengan waktunya), update.

4. Pertanyaan dari Bapak M. Wahyu
Apakah forecast hanya bisa diterapkan di industri manufaktur saja? Bagaimana dengan industri jasa?

Jawaban: Forecast bisa untuk industry jasa, menggunakan forecasting indeks musiman. Jadi, misalnya lembaga Pendidikan, dimana ada musimannya, misalnya saat Januari – Maret itu kemungkinan untuk pelatihannya rendah, kita ambil indeksnya disitu, kemudian ketika masuk kuartal ke 2, indeks musimannya lebih tinggi , ke 3 lebih tinggi, ke-4 bisa lebih tinggi/lebih rendah, jadi tetap bisa digunakan untuk yang sifatnya jasa, jadi tidak hanya yang sifatnya manufaktur tapi juga untuk jasa, bergantung dari jasanya seperti apa. Kebetulan saya di konsultansi, konsultansi itu juga sifatnya jasa, kalau konsultansi yang kita ramalkan itu kesulitan, karena itu make to order, tidak mungkin kita buat make to stock. Yang kita lihat adalah kita coba prediksi di tahun depan ini kira-kira ada peristiwa apa, contoh ini ada beberapa BUMN yang merger, kemungkinan ada pekerjaan konsultansi apa disitu, konsultansi untuk visibilities study, lalu kita siapkan orang-orangnya, kemudian ada konsultansi untuk struktur organisasi hasil merger dari beberapa organisasi, kita siapkan dahulu,dsb. Jadi bisa juga digunakan untuk yang sifatnya jasa tapi memang kebanyakan kita tidak menggunakan time series, kita menggunakan yang sifatnya kualitatif atau kausal model. Jadi kalau misalnya ada sumbu X, kalau kita kuantifisir misalnya ada beberapa perusahaan di tahun depan, kemudian kita lihat ini beberapa perusahaan ini ada hubungannya tidak dengan proyek-proyek konsultansi sebelumnya, itu bisa kita carikan hubungannya atau model kausalnya. Umumnya time series tidak digunakan di perusahaan jasa.

5. Pertanyaan dari Bapak Robi Horas
Forecasting bergantung pada parameter. Sejauh mana kita dapat memasukkan parameter tersebut?

Jawaban: Kalau kita menggunakan metode kausal model atau melihat hubungan beberapa parameter itu bisa saja, apakah kita mau menggunakan yang satu dengan satu, dependen dengan multi dependen itu bisa saja, jadi memang bergantung kepada keyakinan kita akan parameter tersebut. Kalau time series parameternya hanya satu, ada permintaan nyata dan angka-angka peramalan beberapa periode sebelumnya. Kalau misalnya menggunakan beberapa parameter, dengan kausal model dan itu multi linear, kalau multi linear seberapa yakin kita pada angka yang ada pada peremeter tersebut, kalau mau digunakan semua juga silahkan saja.

6. Pertanyaan dari Bapak Boni
1) Apakah ada perbedaan forecasting yang cukup signifikan antara perusahaan dengan strategi MTS dan MTO atau ETO?
2) Formulasi forecasting apa yang paling sesuai untuk produk maintenance dan overhold? Mengingat produk semacam ini mempunyai laju kerusakan tertentu.

Jawaban:
1) Pastinya ada, kalau kita menggunakan MTO (Make To Order) itu kemungkinan kita tidak bisa menggunakan time series seringkali kita menggunakan yang sifatnya kualitatif, apakah itu delphi method atau itu menggunakan opini dari top manajemen, dsb. Kalau kita bicara MTS (Make to Stock) itu lebih mudah karena kita bisa menggunakan data-data dahulu, dari time series. Kalau ETO (Engineer To Order), kalau bayangan saya bisa menggunakan kausal model, jadi misalnya ketika kita bicara memberikan suatu fitur misalnya ada 3 fitur di dalam produk yang tertatik dengan produk itu ada berapa orang, atau menghasilkan berapa permintaan, itu ada hubungan antara penambahan fitur dengan permintaan. Kalau kita menjanjikan kepada customer ETO bisa selesai dalam waktu 2 bulan, berapa yang tertarik terhadap produk tersebut. Contoh kita sebagai sebuah jasa yang sifatnya unutk pesanan-pesanan itu kita bisa lihat kalau ada yang dating ke kita inginnya cepat, kalau kita bisa mempercepat misalnya dalam 2 minggu ini berapa permintaan yang ada, kalau lebih lama lagi 4 minggu berapa permintaan yang masuk. Jadi menurut saya pasti ada perbedaan, karena karakteristiknya berbeda karakteristik produk, operational, maupun karakteristik dari bisnis.

2) Kalau forecasting untuk MRO (Maintenance Repair Overhold) itu dalam bayangan saya kalau bisa menggunakan kalkulasi, jadi kalau bisa tidak menggunakan forecast. Artinya kita coba melihat, kira-kira kalau sebuah mesin di operational dengan baik dia akan rusak komponennya dalam waktu berapa lama, itu lebih kearah kalkulasi daripada memforecast sesuatu. Intinya sebisa mungkin kalau yang sifanya spare part/penggantian/maintenance kita punya suatu list dari beberapa peralatan, dan kita coba lihat patternnya, dalam berapa bulan komponen mana yang rusak. Ketika kita saudha punya pola seperti itu, kita tinggal kalkulasi, misal ini kita butuhnya berapa kalau mau stock spare part atau kalau mau repair komponen seperti itu. Tapi ada juga forecasting yang digunakan untuk menghitung spare part, tapi saya tidak masukkan disini karean cukup kompleks dan ada suatu aplikasinya. Saran saya kalo maintenance itu lebih baik kalkulasi daripada forecast.

7. Pertanyaan dari Bapak Aulia Rahmat
Saya bekerja di industri konstruksi. Demand forecasting ini sangat bermanfaat untuk kami menentukan harga beli material strategis, seperti besi dan semen. Mohon sharing pengalaman atau insidenya mengenai forecasting, demand di industri konstruksi, misalnya terkait demand besi beton yang parameternya juga tergantung market internasional.

Jawaban: Kalau pengalaman saya di konstruksi, forecastingnya itu melihat, kita tidak bisa menggunakan time series di konstruksi, jadi kita melihat kemungkinan peristiwa apa yang akan terjadi di masa depan, kira-kira apa, proyeknya apa, marketernya akan cari tahu dahulu, keliling pada klien-klien kita, kira-kira nanti di tahun depan ada proyek apa saja. Tapia da juga salahnya, saya waktu itu punya pengalaman, jadi kita sudah memforecast material, kita sudah memeperkirakan akan ada proyek apa, kebetulan bikin confeyor, kita sudah beli materialnya, dsb namun ternyata kita tidak dapat proyeknya, padahal kita sudah siap material, dan itu akan menjadi deadstock. Itu yang saya katakan, kalau untuk pekerjaan yang sifatnya konstruksi atau MTO yang paling ditekankan adalah bukan dari segi time series tapi yang ditekankan bagaimana peran dari teman-teman yang ada di lapangan atau marketernya. Pengalaman saya ada orang di lapangan yang akan mencari tahu kira-kira proyek apa yang akan ada di periode depan.

8. Pertanyaan dari Bapak Lakazen
Untuk penjelasan perkembangan forecasting saat ini seperti apa ya? Mengingat ada metode matematika terbaru dengan neural network dan memeberikan validasi tingkat eror yang lebih kecil, seperti metode arima hibrid.

Jawaban: Itu biasanya menggunakan aplikasi dan software, terus terang saya tidak mendalami sampai teknologi seperti itu atau formula-formula. Ada yang namanya mesin learning, artificial intelligence, dsb itu sekarang industry 4.0 mengalah ke industry 5.0 tentunya sangat berperan, sehingga kita tidak lagi hanya menggunakan metode-metode forecasting yang sifatnya lama, tapi menggunakan aplikasi. Tapi, metode-metode tersebut, aplikasi-aplikasi/teknologi tersebut bergantung kepada kualitas dari data yang dimasukkan, jadi menurut saya pasti akan terjadi gunaan teknologi untuk memforecast. Itu sifatnya di IT desk, dan saya tidak menguasai di IT desk.

9. Pertanyaan dari Bapak Asoka Wira
Untuk forecasting demand yang cenderung baru, misalnya makanan daerah yang dibawa ke daerah lain, sebaiknya bagaimana meramalkan demandnya?

Jawaban: Pertama adalah kita bisa mengcreate pasar, artinya kita bisa kasih tahu dahulu makanannya kemudian mungkin kita beri promosi sambal mengenalkan makanan tersebut. Jadi mungkin kita ada tetangga-tetangga di daerah tersebut kita kenalkan makanan itu. Kedua kita melakukan wawancara kepada calon pelanggan yang ada di daerah tersebut, kita wawancara sambal kita suguhkan ke responden untuk mencoba kira-kira cocok atau tidak dengan lidah penduduk tersebut, kalau misalnya cocok pertanyaannya adalah kira-kira dalam 1 minggu mau membeli makanan tersebut berapa kali, apakah mau mempromosikan kepada teman, tetangga, dll. Kita menggunakan kualitatif method.

10. Pertanyaan dari Ibu Nesya Laksmita
Berapa batas maksimal deviasi antar data yang diizinkan sehingga data disebut valid dan bisa dimasukkan ke dalam perhitungan forecasting.

Jawaban: Kalau kita bicara forecast eror, eror yang paling kecil itu yang kita gunakan. Kita perlu melakukan beberapa metode forecasting sekaligus sambil kita lihat mana metode yang memberikan eror forecast yang paling rendah. Namun kalau kita bicara deviasi data sehingga itu bisa masuk ke dalam forecasting, sebisa mungkin data itu adalah data valid artinya permintaan nyata jangan kemudian ditambah-tambahkan. Kalau forecast juga harus data realnya, misalnya kita menggunakan trend adjusted atau efonensial smoothing yang bulan-bulan lalu ini seperti apa, kita jangan modifikasi data karena akan menjadi bias.

11. Pertanyaan dari Bapak Turonggo
Forecast idealnya termasuk memperhitungkan parameter masa depan. Bagaimana jika hanya berdasarkan histori konsumsi?

Jawaban: Bisa saja, seperti time series hanya menggunakan 1 parameter saja, jadi histori konsumsi. Misalnya kita mau menggunakan data bulan kemarin untuk forecasting bulan ini, kemudian kita menggunakan permintaan nyata di bulan ini untuk kita memforcast bulan itu bisa saja. Menurut saya tidak masalah, selama kita memiliki histori data, dan data itu memang valid, bisa kita gunakan.

Profil Instruktur

Dr. Alain Wijanarka, ST., MT., CSCP, IPM

Dosen PPM Manajemen

Deskripsi Pemateri:

Saat ini bekerja di PPM Manajemen sebagai Kepala Departemen Manajemen Operasi setelah meraih gelar Doktor di Institut Teknologi Sepuluh Nopember, Surabaya. Alain Wijanarka sebelumnya bekerja di industri manufaktur – PT Hitachi Construction Machinery Indonesia dengan posisi terakhir sebagai Production Engineering Manager. Dari kedua perusahaan tersebut, Alain belajar banyak dan memperoleh kemampuan dan keahlian dalam konsep Manajemen Umum, konsep Manajemen Operasi, Keterampilan Presentasi, Keterampilan Komunikasi, Keterampilan Analitik, Keterampilan Mempengaruhi, Mencari Informasi, dan Manufaktur Praktis.

[Tanya Jawab] Demand Forecasting

Global Supply Chain Series #1

Kursus Lainnya