planning process by andelissa 15407023

PLANNING PROCESS
Planning is one those things that we all know is good for us, but that no one wants to take the time to do. While it may seem that planning only takes time away from running your business, operating a business without a plan is like going to a grocery store without a list and trying to remember all the items that are needed. One comes out of the store having forgotten something critical - and having purchased a number of items that are totally frivolous and may never be used. It is the same for a business operating without a plan. Critical issues do not get addressed - and some tasks get done that have no relationship to the direction the business needs to go. For a business, however, the consequences of these unaddressed issues can range from inconvenience to bankruptcy.
Part of this reluctance is due to how complicated the process is viewed. Yet a complicated plan is almost as useless as none. The real question is how to make something simple that fits your business' needs. Can a good grocery list system be devised that isn't unnecessarily burdensome for all involved? Of course. Let's take a look as what planning really entails.
The word "plan" originated from then Medieval Latin word planus which meant a level or flat surface. This evolved in French into being a map or a drawing of any object made by projection upon a flat surface. In English this has become a more general sense of a scheme of action, design or method. Planning in its current usage in business implies a consciousness of what is happening in the business. It does not preclude creativity or instinct, but it does add a layer of awareness that spells the difference between survival and extinction in a changing environment. Planning does involve:
• an understanding of the business' history
• an examination of the business' environment
• an assessment of the business' mission
• goals
• a process for reaching those goals
• a process for gathering information
• a realization that planning is a continuing process that is constantly evolving
Planning does not necessarily mean trying to project the future, but being aware of a range of likely futures and being prepared for them as occur.

METODE ANALISIS KUANTITATIF
Metode Kuantitatif dalam Pengambilan Keputusan
Secara umum, terdapat dua pendekatan dalam pengambilan keputusan, yaitu pendekatan kualitatif dan pendekatan kuantitatif.
Secara sederhana, pendekatan kualitatif mengandalkan penilaian subyektif terhadap suatu masalah, sedangkan pendekatan kuantitatif mendasarkan keputusan pada penilaian obyektif yang didasarkan pada model matematika yang dibuat. Jika Anda meramalkan cuaca mendasarkan pada pengalaman, maka pendekatan yang digunakan adalah kualitatif. Namun jika, ramalan didasarkan pada model matematika, maka pendekatan yang digunakan adalah kuantitatif. Keputusan penerimaan karyawan berdasar nilai tes masuk adalah contoh lain pendekatan kuantitatif, sedang jika didasarkan pada hasil wawancara untuk mengetahui kepribadian dan motivasi maka pendekatan yang dilakukan adalah kualitatif.
Umumnya pendekatan kuantitatif dalam pengambilan keputusan yang menggunakan model-model matematika. Matematika sudah ditemukan oleh manusia ribuan tahun yang lalu dan telah banyak digunakan dalam banyak aplikasi. Salah satu aplikasi matematika adalah untuk pengambilan keputusan. Sebagai contoh sederhana, bagaimana mengatur 50 kursi dengan ukuran tertentu ke dalam sebuah ruangan dengan ukuran tertentu pula. Dengan ukuran kursi dan ruangan, maka akan ditemukan cara terbaik untuk mengatur kursi; apakah 5 baris kali 10 lajur, atau sebaliknya, semuanya tergantung ukuran ruangan yang ada.
Untuk kasus yang lebih kompleks tentu saja dibutuhkan model matematika yang lebih rumit. Telah banyak model analisis kuantitatif yang dikembangkan dalam pengambilan keputusan.
Bagaimana prosesnya?

Secara umum, semua metode kuantitatif akan mengkonversikan data mentah menjadi informasi yang bermanfaat untuk pengambilan keputusan dari:
RAW MATERIAL -> ANALISIS KUANTITATIF -> INFORMASI YANG BERGUNA.
Sebagai contoh, dalam memproduksi produk A dan B, menggunakan bahan baku X, Y, Z, diketahui keuntungan penjualan produk A dan B. Angka yang menunjukkan banyak tiap bahan yang tersedia dan keuntungan dari tiap produk adalah data mentah. Analisis kuantitatif akan memproses data tersebut sehingga dihasilkan komposisi produksi (berapa banyak produk A dan B diproduksi) yang menghasilkan untuk optimal. Hasil inilah yang disebut denganinformasi yang bermanfaat untuk pengambilan keputusan.
Langkah-langkah dalam pengambilan keputusan
Mendefinisikan masalah. Secara sederhana, masalah merupakan perbedaan (gap) antara situasi yang diinginkan dengan kenyataan yang ada. Jika seorang mahasiswa ingin memperoleh nilai A, tetapi ternyata hasil yang didapatkan kurang dari itu, maka mahasiswa tersebut menghadapi masalah. Pada dasarnya, semua langkap pengambilan keputusan dilakukan untuk menghilangkan atau mengurangi perbedaan yang ada antara yang diharapkan dan yang terjadi.
Mengembangkan model. Model adalah representasi dari sebuah situasi nyata. Model dapat dikembangkan dalam berbagai bentuk; seperti model fisik, logika, atau matematika. Miniatur mobil atau maket rumah adalah contoh model fisik, sedang aliran listrik dengan rangkaian tertentu atau air mengalir dengan pola saluran tertentu adalah model logika untuk arus lalu-lintas. Model ekonomi yang menyatakan bahwa pendapatan merupakan fungsi dari konsumsi dan tabungan merupakan contoh model matematika.
Dalam langkah pengembangan model dikenal istilah variabel yang nilai-nilainya akan mempengaruhi keputusan yang akan diambil. Dalam kasus nyata, variabel-variabel ini sebagian dapat dikendalikan dan sebagian yang lain tidak. Lama lampu merah pada lampu pengatur lalu lintas dapat dikendalikan dengan mudah, namun laju kendaraan dan jumlah kendaraan yang melewati sebuah jalan tidak mudah dikendalikan.
Mengumpulkan data. Data yang akurat sangat penting untuk menjamin analisis kuantitatif yang dilakukan menghasilkan keluaran seperti yang diinginkan. Sumber data untuk pengujian model dapat berupa laporan-laporan perusahaan seperti laporan keuangan dan dokumen perusahaan lainnya, hasil wawancara, pengukuran langsung di lapangan dan hasilsampling statistik.
Membuat solusi. Solusi yang diambil dalam pendekatan kuantitatif dilakukan dengan memanipulasi model dan dengan masukan data yang dihasilkan pada langkah sebelumnya. Banyak metode yang bisa dilakukan dalam membuat solusi, seperti memecahkan persamaan (model matematika) yang sudah dikembangkan sebelumnya, menggunakan pendekatantrial and error dengan data masukan yang berbeda-beda untuk menghasilkan solusi ”terbaik”, atau menggunakan algoritma atau langkah-langkah penyelesaian detil khusus yang telah dikembangkan.
Apapun metode yang digunakan, solusi yang dihasilkan haruslah praktis (practical) dan dapat diterapkan (implementable). Solusi ”terbaik” yang dihasilkan harus tidak rumit dan dapat digunakan untuk memecahkan masalah yang ada.
Menguji solusi. Untuk menjamin bahwa solusi yang dihasilkan merupakan yang terbaik, maka pengujian harus dilakukan, baik pada model ataupun pada data masukan. Pengujian ini dilakukan untuk melihat akurasi (accuracy) dan kelengkapan model dan data yang digunakan. Untuk melihat akurasi dan kelengkapan data, data yang diperoleh dari berbagai sumber dapat dimasukkan ke dalam model dan hasilnya dibandingkan. Model dan data yang akurat dan lengkap seharusnya menjamin konsistensi hasil. Pengujian ini penting dilakukan sebelum analisis hasil dilakukan.
Menganalisis hasil. Analisis hasil dilakukan untuk memahami langkah-langkah yang harus dilakukan jika sebuah keputusan telah dipilih. Selanjutnya implikasi langkah-langkah yang dilalukan juga harus dianalisis. Dalam langkah ini analisis sensitivitas (sensitivity analysis) menjadi sangat penting. Analisis sensitivitas dilakukan dengan mengubah-ubah nilai-nilai masukan model dan melihat perbedaan apa yang terjadi pada hasil. Dengan demikian, analisis sensitivitas akan membantu untuk lebih memahami masalah yang dihadapi dan kemungkinan-kemungkinan jawaban atas masalah tersebut.
Mengimplementasikan hasil. Langkah implementasi ini dilakukan dengan menerapkan hasil analisis ke dalam proses-proses yang terdapat dalam perusahaan. Tidak kalah penting dalam langkah ini adalah memonitor hasil dari penerapan solusi. Namun, perlu disadari bahwa implementasi hasil analisis (solusi) bukanlah tanpa hambatan. Salah satu hambatan yang mungkin dihadapi adalah bagaimana meyakinkan pihak manajemen bahwa solusi yang ditawarkan merupakan yang terbaik dan akan memecahkan masalah yang ada. Dalam kasus ini, analisis sensitivitas atas model yang dihasilkan sekali lagi dapat digunakan untuk menjual solusi yang dihasilkan kepada pihak manajemen.
Yang jelas, sebagus apapun metode kuantitatif yang dipersiapkan untuk pengambilan keputusan, pengalaman (experience) seseorang akan sangat mempengaruhi efektivitas keputusan yang diambil. The more people know and experience, the better decision they may make.
Sebagian kita mungkin akan berpendapat, “lho, banyak orang sukses, manajer sukses, pengusaha papan atas, tampaknya, mereka tidak butuh metode kuantitatif? Tapi, mereka mampu membuat keputusan dengan cepat dan tepat.” Exactly! Why? In this case, I would say, Experience does matter!

Experience adalah fungsi dari existing knowledge (teori) + intuition. As time varies, kekuatan masing-masing variabel tersebut akan menjadi berbeda-beda.

FACTOR ANALYSIS
Factor analysis is a statistical method used to describe variability among observed variables in terms of fewer unobserved variables called factors. The observed variables are modeled as linear combinations of the factors, plus "error" terms. The information gained about the interdependencies can be used later to reduce the set of variables in a dataset. Factor analysis originated in psychometrics, and is used in behavioral sciences, social sciences, marketing, product management, operations research, and other applied sciences that deal with large quantities of data.
Factor analysis is often confused with principal components analysis. The two methods are related, but distinct, though factor analysis becomes essentially equivalent to principal components analysis if the "errors" in the factor analysis model (see below) are assumed to all have the same variance.

CLUSTER ANALYSIS
Cluster analysis is an exploratory data analysis tool for solving classification problems. Its object is to sort cases (people, things, events, etc) into groups, or clusters, so that the degree of association is strong between members of the same cluster and weak between members of different clusters. Each cluster thus describes, in terms of the data collected, the class to which its members belong; and this description may be abstracted through use from the particular to the general class or type.
Cluster analysis is thus a tool of discovery. It may reveal associations and structure in data which, though not previously evident, nevertheless are sensible and useful once found. The results of cluster analysis may contribute to the definition of a formal classification scheme, such as a taxonomy for related animals, insects or plants; or suggest statistical models with which to describe populations; or indicate rules for assigning new cases to classes for identification and diagnostic purposes; or provide measures of definition, size and change in what previously were only broad concepts; or find exemplars to represent classes.
Whatever business you're in, the chances are that sooner or later you will run into a classification problem. Cluster analysis might provide the methodology to help you solve it; and Clustan could provide the professional software you need for that task.
HIERARCHY ANALYSIS
"A hierarchy is an organization of elements that, according to prerequisite relationships, describes the path of experiences a learner must take to achieve any single behavior that appears higher in the hierarchy (Seels & Glasgow, 1990, p. 94)". Thus, in a hierarchical analysis, the instructional designer breaks down a task from top to bottom, thereby, showing a hierarchical relationship amongst the tasks, and then instruction is sequenced bottom up. For example, in the diagram below, task 4 has been decomposed into its enabling tasks implying that the learner cannot perform the third task until he/she has performed the first and second tasks respectively.
FORECASTING
• Peramalan (forecasting) merupakan salah satu kegiatan matematis tertua dalam bisnis, penggunaan komputer memungkinkan peramal (forecasters) membuat perhitungan lebih cepat dan mudah.
• Dalam menentukan kontribusi yang dapat dilakukan peramalan, ada 3 fakta dasar dalam pikiran :
– Semua peramalan merupakan proyeksi dari masa lalu
– Semua peramalan terdiri dari keputusan semiterstruktur
– Tidak ada teknik peramalan yang sempurna
Jenis-jenis Peramalan :
1. Peramalan Jangka Pendek
􀂾 dilakukan oleh area-area fungsional
􀂾 Fungsi pemasaran memproyeksi penjualan untuk masa depan yang singkat, 1-3 tahun ke depan
􀂾 Untuk menentukan sumber daya yang dibutuhkannya untuk mendukung tingkat kegiatan
yang diproyeksikan.
2. Peramalan Jangka Panjang
􀂾 Dilakukan oleh suatu area selain pemasaran
– oleh fungsi finansial atau suatu kelompok khusus yang hanya mempunyai tanggung jawab perencanaan.

TIME SERIES

Time series adalah serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Analisa time series mempelajari pola gerakan nilai-nilai variabel pada satu interval waktu (misalnya minggu, bulan, tahun) yang teratur. Dari analisa time series dapat diperoleh ukuran-ukuran yang dapat digunakan untuk membuat keputusan pada saat ini, untuk peramalan dan untuk merencanakan masa depan. Deret berkala mempunyai empat komponen yaitu trend, variasi musim, variasi siklus, dan variasi yang tidak tetap. Dengan peramalan dapat diketahui berapa anggaran yang dibutuhkan untuk pembiayaan pada kondisi masa mendatang. Ada satu masalah disini, fakta yang ada menunjukkan bahwa sebagian besar pasien di rumah sakit pemerintah adalah pasien yang tidak mampu atau miskin. Banyaknya kasus kematian karena tidak adanya biaya berobat, di satu sisi sedang di sisi yang lain rumah sakit tidak mungkin memberikan secara gratis karena akan merugi. Pemerintah tentu pihak yang harus bertanggungjawab memberikan subsidi pembiayaan bagi pasien miskin, karena UUD 1945 telah menjamin bahwa fakir miskin berada di bawah tanggungan negara, bukan tanggungan sumber keuangan rumah sakit pemerintah atau swasta. Di samping itu, ada alternatif lain berupa penggalian dana-dana kemanusiaan.

DECISION THEORY
Decision theory is a body of knowledge and related analytical techniques of different degrees of formality designed to help a decision maker choose among a set of alternatives in light of their possible consequences. Decision theory can apply to conditions of certainty, risk, or uncertainty. [decision UNDER certainty] means that each alternative leads to one and only one consequence, and a choice among alternatives is equivalent to a choice among consequences. In [DECISION UNDER risk] each alternative will have one of several possible consequences, and the probability of occurrence for each consequence is known. Therefore, each alternative is associated with a probability distribution, and a choice among probability distributions. When the probability distributions are unknown, one speaks about [DECISION UNDER uncertainty.] Decision theory recognizes that the ranking produced by using a criterion has to be consistent with the decision maker's objectives and preferences. The theory offers a rich collection of techniques and procedures to reveal preferences and to introduce them into models of decision. It is not concerned with defining objectives, designing the alternatives or assessing the consequences; it usually considers them as given from outside, or previously determined. Given a set of alternatives, a set of consequences, and a correspondence between those sets, decision theory offers conceptually simple procedures for choice. In a decision situation under certainty the decision maker's preferences are simulated by a single-attribute or MULTIATTRIBUTE VALUE FUNCTION that introduces ordering on the set of consequences and thus also ranks the alternatives. Decision theory for risk conditions is based on the concept of utility (see utility, sense 2). The decision maker's preferences for the mutually exclusive consequences of an alternative are described by a utility function that permits calculation of the EXPECTED UTILITY for each alternative. The alternative with the highest expected utility is considered the most preferable. For the case of uncertainty, decision theory offers two main approaches. The first exploits criteria of choice developed in a broader context by game theory, as for example the [MAX-MIN RULE,] where we choose the alternative such that the worst possible consequence of the chosen alternative is better than (or equal to) the best possible consequence of any other alternative. The second approach is to reduce the uncertainty case to the case of risk by using SUBJECTIVE PROBABILITIES, based on expert assessments or on analysis of previous decisions made in similar circumstances. See also: game theory, optimization, utility, value (IIASA)