2. PENGERTIAN
• Peramalan (forecasting) adalah seni dan ilmu untuk
memperkirakan kejadian dimasa depan. Hal ini dapat
dilakukan dengan melibatkan pengambilan data masa
lalu dan menempatkannya kemasa yang akan datang
dengan suatu bentuk model matematis.
• Peramalan merupakan aktivitas fungsi bisnis yang
memperkirakan penjualan dan penggunaan produk
sehingga produk-produk itu dapat dibuat dalam kuantitas
yang tepat. Peramalan merupakan dugaan terhadap
permintaan yang akan datang berdasarkan pada
beberapa variabel peramal, sering berdasarkan data
deret waktu historis. Peramalan menggunakan teknik-
teknik peramalan yang bersifat formal maupun informal
(Gaspersz, 1998).
3. PERAMALAN BERDASARKAN JANGKA WAKTU
Peramalan jangka Panjang : yang mencakup waktu labih besar
dari 18 bulan. (pendekatan kualitatif)
Misal : Peramalan yang diperlukan dalam kaitan dengan
penanaman modal, perencanaan produk baru, perencanaan
fasilitas lokasi, ekspansi, perencanaan kegiatan litbang
(Penelitian dan Pengembangan/R&D),
Peramalan jangka Menengah : Mencakup waktu antara 3 sampai
18 bulan. (pendekatan kuantitatif)
Misal : perencanaan penjualan, perencanaan produksi,
perencanaan TK tidak tetap dan menganalisis rencana
operasi
Peramalan jangka Pendek : jangka waktu kurang dari 3 bulan.
(pendekatan kuantitatif)
Misal : peramalan yang berhubungan dengan perencanaan
pembelian materal, penjadwalan kerja, penugasan
karyawan, jumlah TK, tingkat produksi
4. Faktor lain yang harus dipertimbangkan saat membuat ramalan
penjualan, terutama peramalan penjualan jangka panjang
adalah siklus hidup produk. Penjualan produk dan bahkan jasa,
tidak terjadi pada tingkat yang konstan sepanjang hidupnya. Hamper
semua produk yang eerhasil melalui empat tahapan : (1)
perkenalan, (2) pertumbuhan, (3) kematangan dan (4) penurunan.
5. JENIS PERAMALAN
Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam
perencanaan operasi di masa depan :
1. Peramalan Ekonomi (economic forecast)menjelaskan siklus bisnis dengan
memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan
untuk membangun perumahan dan indicator perencanaan lainnya.
2. Peramalan Terknologi (technological forecast)memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralatan baru.
3. Peramalan Permintaan (demand forecast) adalah proyeksi permintaan
untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga
peramalan penjualan, yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran dan sumber daya manusia.
6. PENDEKATAN PERAMALAN
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi
semua model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua
adalah analisis kualitatif.
1. Peramalan Kuantitatif (quantitative forecast)
Peramalan yang menggunakan satu atau lebih model matematis dengan data
lalu dan variabel sebab akibat untuk meramalkan permintaan.
2. Peramalan Subjekti atau kualitatif (qualitative forecast)
Peramalan yang menggabungkan faktor-faktor seperti intuisi pengambil
keputusan, emosi, pengalaman pribadi dan sistem nilai. Beberapa perusahaan
menggunakan satu pendekatn dan perusahaan lain menggunakan pendkatan yang
lain. Pada kenyataannya, kombinasi dari keduanya merupakan yang paling efektif.
7. Langkah – langkah untuk melakukan suatu
peramalan.
1. Menentukan tujuan dari peramalan.
2. Pemilihan teori yang relevan.
3. Pengumpulan data.
4. Analisis data.
5. Estimasi dari model sementara.
6. Evaluasi model sementara dan merevisi model.
7. Penyajian ramalan sementara kepada manajemen.
8. Pembuatan revisi final.
9. Pendistribusian hasil peramalan.
10. Penentuan langkah – langkah pemantuan.
8. METODE PERAMALAN
Pengertian metode peramalan, yaitu suatu cara atau tekhnik dalam
memperkirakan kejadian – kejadian pada masa yang akan datang.
Kegunaan dari metode peramalan adalah membantu dalam mengadakan
pendekatan analisa terhadap pola data pada masa yang lalu.
Model kuantitatif intrinsik sering disebut sebagai model-model deret
waktu (Time Series model). Model deret waktu yang populer dan umum diterapkan
dalam peramalan permintaan adalah rata-rata bergerak (Moving Averages),
pemulusan eksponensial (Exponential Smoothing), dan proyeksi kecenderungan
(Trend Projection). Model kuantitatif ekstrinsik sering disebut juga sebagai model
kausal, dan yang umum digunakan adalah model regresi (Regression Causal model)
(Gaspersz, 1998).
9. 1. Weight Moving Averages (WMA)
Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang
baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan
datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan
pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata
bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot (Unweight Moving
Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Model rata-rata
bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang
baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu
sebagai berikut.
10. A. Metode Seri Waktu / Deret berkala
(Time Series)
• metode yang dipergunakan untuk menganalisis
serangkaian data variabel waktu yang merupakan fungsi
dari waktu.
• mis tahunan, bulanan, triwulan dsb
• Peramalan di dasarkan pada nilai variable yg telah lalu dan
atau peramalan kesalahan masa lalu
1. Metode Kuantitatif
11. 1. Rata-rata bergerak (moving
averages)
2. Penghalusan eksponensial
(exponential smoothing)
3. Proyeksi trend (trend projection)
Model Seri Waktu / Metode deret berkala, terbagi
menjadi :
12. 1. Rata-rata bergerak (moving averages-MA),
• Menggunakan n nilai data terbaru dalam suatu
deret berkala untuk meramalkan periode yang
akan datang.
• Rata-rata perubahan atau pergerakan sebagai
observasi baru.
• Penghitungan rata-rata bergerak adalah
sebagai berikut:
13. ⎃Rata-Rata Bergerak Sederhana (simple moving averages) :
bermanfaat jika diasumsikan bahwa permintaan pasar
tetap stabil
⎃Rata-Rata Bergerak Tertimbang (weighted moving
averages) : apabila ada pola atau trend yang dapat
dideteksi, timbangan bisa digunakan untuk menempatkan
lebih banyak tekanan pada nilai baru
Model rata-rata bobot bergerak lebih responsif
terhadap perubahan karena data dari periode yang
baru biasanya diberi bobot lebih besar. Rumus rata-
rata bobot bergerak yaitu sebagai berikut.
14. Contoh Peramalan,
dimana hasil peramalan produksi bulan juli diperoleh dengan
menghitung rata-rata dari nilai produksi tiga bulan
sebelumnya (rata- rata produksi dari bulan April s.d. Juni).
15. Contoh Rata-Rata Bergerak Tertimbang
(Periode Rata –Rata Bergerak : 3 periode )
Nilai produksi satu periode sebelumnya akan memiliki bobot yang lebih
besar dari nilai produksi dua periode sebelumnya, dan nilai produksi dua
periode sebelumnya ini akan memiliki bobot yang lebih besar dari nilai
produksi tiga periode sebelumnya
16. 2. Penghalusan eksponensial (exponential smoothing)
Penghalusan Eksponensial :
Metode peramalan dengan menambahkan
parameter alpha dalam modelnya untuk
mengurangi faktor kerandoman.
Merupakan kasus khusus dari metode rata-rata
bergerak tertimbang dimana penimbang dipilih
hanya untuk observasi terbaru.
Istilah eksponensial dalam metode ini berasal
dari pembobotan/timbangan (faktor penghalusan
dari periode-periode sebelumnya yang berbentuk
eksponensial.
19. 3. Proyeksi trend (trend projection)
Metode proyeksi trend dengan regresi, merupakan
metode yang digunakan baik untuk jangka pendek
maupun jangka panjang. Metode ini merupakan garis
trend untuk persamaan matematis.
•Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik
dan turun)
•Trend biasanya merupakan hasil perubahan dalam populasi/penduduk,
faktor demografi, teknologi dan pola sebaran penyakit
22. B. Model / metode kausal
(causal / explanatory model)
• Mengasumsikan variabel yang diramalkan menunjukkan
adanya hubungan sebab akibat dengan satu atau
beberapa variabel bebas (independent variable).
• Analisis variabel yang dicari dengan variabel bebas atau
yang mempengaruhi
• Dalam prakteknya jenis metode peramalan ini terdiri dari
– Metode regresi dan kolerasi, merupakan metode yang
digunakan baik untuk jangka panjang maupun jangka
pendek dan didasarkan kepada persamaan dengan
teknik least squares yang dianalisis secara statis.
23. Pedoman untuk menerapkan metode kausal :
1. Pada saat terdapat alasan-alasan yang prioritas untuk
menganggap bahwa satu variabel adalah dipengaruhi oleh
variabel yang lain.
2. Pada saat sebuah indikator utama dapat teridentifikasikan.
3. Horison waktu peramalan yang relevan.
4. diasumsikan nilai produksi yang akan diramalkan , besar
kecilnya dipengaruhi oleh beberapa faktor.
24. A. Metode regresi dan kolerasi
✅merupakan metode yang digunakan baik untuk jangka
panjang maupun jangka pendek (lebih baik jangka
pendek)
✅ didasarkan kepada persamaan dengan teknik least
squares yang dianalisis secara statistik.
✅Mis: peramalan penjualan, perencanaan keuntungan,
peramalan permintaan & keadaan ekonomi.
✅Data yg digunakan kuartalan dari beberapa tahun lalu
(informasi masa lalu)
✅ Informasi yang ada dapat dibuatkan dalam bentuk
data (dikuantifikasikan)
Dalam prakteknya jenis metode peramalan ini terdiri dari
25. Peramalan menggunakan metode regresi:
• Hal- hal yang perlu diketahui sebelum melakukan peramalan
dengan metode regresi adalah mengetahui terlebih dahulu
mengetahui kondisi- kondisi seperti :
1. Adanya informasi masa lalu
2. Informasi yang ada dapat dibuatkan dalam bentuk data
(dikuantifikasikan)
3. Diasumsikan bahwa pola data yang ada dari data masa lalu akan
berkelanjutan dimasa yang akan datang.
• Adapun data- data yang ada dilapangan adalah :
– Musiman (Seasonal)
– Horizontal (Stationary)
– Siklus (Cylikal)
– Trend
27. Pola Data Ramalan
1. Komponen Tren (Trend Component)
Merepresentasikan suatu perubahan dari waktu ke waktu (cenderung naik atau turun).
Tren biasanya merupakan hasil perubahan dalam populasi/penduduk, faktor demografi,
teknologi, dan atau Pola sebaran penyakit.
gradual, perubahan jangka panjang ke atas atau bawah
28. 2. Komponen Siklis (Cyclical Component)
Merepresentasikan rangkaian titik-titik dengan pola siklis (pergerakan secara
siklis/naik-turun) di atas atau di bawah garis tren dalam kurung waktu satu
tahun.
Perubahan ke atas atau ke bawah berulang selama jangka waktu yang
lama
29. 3. Komponen Musim (Seasonal Component)
Merepresentasikan pola berulang dengan durasi kurang dari 1 tahun dalam
suatu deret berkala. Pola durasi dapat berupa jam atau waktu yang lebih
pendek.
30. 4. Komponen Tak Beraturan (Irregular Component)
Mengukur simpangan nilai deret berkala sebenarnya dari yang diharapkan
berdasarkan komponen lain. Hal tersebut disebabkan oleh jangka waktu
yang pendek (short-term) dan faktor yang tidak terantisipasi yang dapat
mempengaruhi deret berkala.
31. B. Model Input-Output
✅merupakan metode yang digunakan untuk
peramalan jangka panjang yang biasa digunakan
untuk menyusun trend ekonomi jangka panjang.
✅Model ini kurang baik ketepatannya untuk
peramalana jangka panjang.
✅Mis: peramalan penjualan perusahaan, penjualan
sektor industri dan sub sektor industri, produksi
dari sektor dan sub sektor industri.
✅Data yang dibutuhkan untuk penggunaan Metoda
adalah data tahunan selama sekitar sepuluh
sampai lima belas tahun
Dalam prakteknya jenis lanjutan….
32. Tuesday, October 22, 2019 Chapter 3 | Peramalan (Forecasting)
C. Model ekonometri
✅merupakan peramalan yang digunakan
untuk jangka panjang dan jangka pendek.
✅Ketepatannya model ini sangat baik.
✅Mis: peramalan penjualan menurut kelas
produk, atau peramalan keadaan ekonomi
masyarakat, seperti permintaan, harga dan
penawaran.
✅Data yg digunakan data kuartalan beberapa
tahun
Dalam prakteknya jenis lanjutan….
33. 2. Metode Kualitatif
• umumnya bersifat subjektif, dipengaruhi oleh intuisi,
emosi, pendidikan dan pengalaman seseorang.
• Oleh karena itu hasil peramalan dari satu orang
dengan orang lain dapat berbeda. Meskipun
demikian, peramalan kualitatif dapat menggunakan
4 teknik/metode peramalan, yaitu
34. 1. Juri dari Opini Eksekutif : metode ini
mengambil opini atau pendapat dari sekelompok
kecil manajer puncak/top manager (pemasaran,
produksi, teknik, keuangan dan logistik), yang
seringkali dikombinasikan dengan model-model
statistik.
2. Gabungan Tenaga Penjualan : setiap tenaga
penjual meramalkan tingkat penjualan di
daerahnya, yang kemudian digabung pada tingkat
provinsi dan nasional untuk mencapai ramalan
secara menyeluruh.
35. 3.Metode Delphi
Pengambil keputusan, karyawan, dan
responder. Pengambil keputusan biasanya terdiri
dari 5 hingga 10 orang pakar yang akan
melakukan peramalan
Melibatkan banyak pihak, yaitu para staf, yang
membuat kuesioner, mengirim, merangkum hasilnya
untuk dipakai para ahli dalam menganalisisnya.
Keuntungan metode ini hasilnya lebih akurat dan
lebih profesional sehingga hasil peramalan
diharapkan mendekati aktualnya.
36. Contoh Metode Delphi
• Negara bagian Alaska menggunakan metode Delphi
untuk meramalkan ekonomi jangka panjangnya.
Sekitar 90% anggaran negara bagian dihasilkan dari
1,5 juta barel minyak yang dipompa setiap hari,
melalui pipa minyak di Prudhoe Bay. Sekumpulan
besar pakar harus mewakili semua kelompok dan
pendapat dalam negara bagian dan wilayah. Delphi
merupakan alas peramalan yang sempurna, karena
perjalanan para panelis dapat dihindari. Hal ini juga
berarti bahwa Para pemimpin Alaska dapat berperan
serta karena jadwal mereka tidak dipengaruhi oleh
pertemuan dan jarak.
37. 4. Survai Pasar (market survey) :
☃Masukan diperoleh dari konsumen atau
konsumen potensial terhadap rencana
pembelian pada periode yang diamati.
☃Survai dapat dilakukan dengan kuesioner,
telepon, atau wawancara langsung.
☃Riset pasar tidak hanya akan membantu
peramalan, tetapi juga untuk meningkatkan
desain produk dan perencanaan untuk produk-
produk baru.
38. Bila peramalan sudah selesai, paling tidak JANGAN
MELUPANKANNYA.
Sangat jarang manajer yang ingin mengingat bila hasil ramalan
mereka sangat tidak akurat, tetapi perusahaan perlu menentukan
mengapa permintaan aktual (variabel yang diuji) secara signifikan
berbeda dari yang diproyeksikan.
Salah satu cara untuk memantau peramalan guna menjamin
keefektifannya adalah menggunakan isyarat arah.
Isyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh
mana ramalan memprediksi nilai aktual dengan baik
Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan
(running sum of the forecast error, RSFE) dibagi dengan deviasi
absolut mean (MAD)
MEMANTAU RAMALAN
40. 3.Rata” Prosentase Kesalahan Absolut (Mape – Mean Absolute Percentage
Error)
dimana :
ei : selisih hasil ramalan dengan data sebenarnya n : jumlah periode
X1 : data sebenarnya
n = Periode pergerakan
4. Kesalahan rata-rata (AE= Average Error)
n
Xi
42. Peramalan Pada Sektor Jasa
Teknik utama pada sektor eceran adalah melihat permintaan
dan membuat catatan jangka pendek yang teliti.
CONTOH tempat potong rambut pria mengharapkan puncak
bisnisnya pada hari jumat dan sabtu. karenanya hampri semua
tempat potong rambut tutup pada hari minggu dan senin, dan
terdapat banyak permintaan pada hari jumat dan sabtu.
43. PROSEDUR PERAMALAN
1. Mendefinisikan Tujuan Peramalan Misalnya peramalan dapat digunakan
selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.
2. Membuat diagram pencar (Plot Data) Misalnya memplot demand versus
waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).
3. Memilih model peramalan yang tepat Melihat dari kecenderungan data
pada diagram pencar, maka dapat dipilih beberapa model peramalan yang
diperkirakan dapat mewakili pola tersebut.
4. Melakukan Peramalan
44. 5. Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat
nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan
atau selisih antara nilai aktual dan nilai ramalan disebut sebagai
“kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)
•Dimana : Y(t) = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada periode t
t = Periode peramalan
•Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of
Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)
SSE = S e(t)2 = S[Y(t)-Y’(t)]2
45. 6. Memilih Metode Peramalan dengan kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda secara signifikan
pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah
secara sembarang metode-metode tersebut.
7. Melakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode
peramalan tersebut sesuai dengan pola data sebenarnya.
46. Terlepas dari sistem yang digunakan oleh perusahaan seperti
Tupperware, setiap perusahaan menghadapi beberapa kenyataan:
✏ Peramalan jarang ada yang sempurna. Hal ini berarti faktor luar yang
tidak dapat kita duga atau kendalikan sering mempengaruhi
peramalan. Perusahaan harus memberikan kelonggaran untuk
kenyataan ini.
✏ Hampir semua teknik peramalan mengasumsikan bahwa sistem
akan tetap stabil. Oleh karena itu, beberapa perusahaan membuat
ramalan secara otomatis menggunakan komputer dengan software
peramalan, dan hanya mengawasi produk yang mempunyai
permintaan tidak menentu.
✏ Baik peramalan kelompok produk maupun peramalan secara
keseluruhan lebih akurat daripada peramalan produk individu.
Sebagai contoh, Tupperware, melakukan peramalan melalui
pengelompokkan ukuran produk dan daerah pemasaran. pendekatan
ini menolong menyeimbangkan prediksi yg mungkin kurang/berlebih
untuk setiap produk & daerah pemasaran.
47. Fokus Peramalan
Fokus Peramalan didasakan pada dua prinsip :
1.Model peramalan yang canggih tidak selalu
lebih baik dari model yang sederhana
2.Tidak ada satu teknik yang dapat dipergunakan
untuk semua produk dan jasa