Adapun langkah-langkah peramalan secara kuantitatif sebagai berikut: 1. Tentukan tujuan peramalan
2. Pembuatan diagram pencar 3. Pilih minimal dua metode peramalan yang dianggap sesuai
4. Hitung parameter-parameter fungsi peramalan. 5. Hitung kesalahan setiap metode yang terbaik, yaitu yang memiliki kesalahan
terkecil 6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Lakukan verifikasi peramalan.
3.7.3.1. Metode Time Series
Metode time series dalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu : a. Trend Kecenderungan
Trend merupakan sifat dari permintaan dimasa lalu terhadap waktu terjadinya bila ada pertambahankenaikan atau penurunan dari data
observasi jangka panjang. b. Siklus
Digunakan bila data dipengaruhi oleh fluktuasi jangka panjang atau memiliki siklus yang berulang secara periodik.
Universitas Sumatera Utara
c. Musiman Seasonal Pola ini digunakan bila suatu deret waktu dipengaruhi oleh faktor musim
seperti mingguan, bulanan, dan harian. d.
Horizontal Pola ini dipakai bila nilai-nilai dari data observasi berfluktuasi di sekitar
nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini sebagai stationary pada rata-rata hitungannya. Misalnya, pola ini terdapat bila
suatu produk mempunyai jumlah penjualan yang tidak menaik atau menurun selama beberapa periode waktu.
Adapun metode peramalan yang termasuk dalam metode Time Series adalah:
1. Metode Smoothing penghalusan a. Moving Average
1. Single Moving Average
2. Linier Moving Average
3. Double Moving Average
4. Weighted Moving Average
b. Metode Eksponensial Smoothing 1.
Single Exponential Smoothing 2.
Double Exponential Smoothing 3. Exponential Smoothing dengan musiman
2. Metode Regresi 3. Metode Dekomposisi
Universitas Sumatera Utara
3.7.3.2.Metode Smoothing
Metode smoothing digunakan untuk melicinkan atau mengurangi ketidakteraturan ramalan berdasarkan data yang lalu. Metode smoothing dapat
dibagi lagi menjadi beberapa metode, antara lain : 1. Moving Average
Moving Average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuannya adalah untuk mengurangi atau
menghilangkan variasi acak permintaan dalam hubungannya dengan waktu. a. Single Moving Average
Merupakan peramalan untuk satu periode ke depan dari periode rata-rata. b. Weigthed Moving Average
Weighted moving averages adalah metode perhitungan dengan cara mengalikan tiap-tiap periode dengan faktor bobot dan membagikannya dengan hasil produk
yang merupakan penjumlahan faktor bobot. Metode Eksponensial Smoothing
3.7.3.3.Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar kecenderungan untuk suatu persamaan, sehingga dengan dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datamg. Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan
metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik
hasil yang diperoleh.
Universitas Sumatera Utara
Bentuk fungsi dari metode ini dapat berupa:
a Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana
N Y
a
1
Dimana: Yt = nilai tambah N = jumlah periode
b Linear, dengan fungsi peramalan:
Yt = a + bt Dimana :
n bt
Y a
2 2
t t
n y
t ty
n b
c Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct
2
Dimana :
n t
c t
b Y
a
2
b c
2
b
4 2
2
t n
t
tY n
Y t
Y t
n Y
t
2 2
3 2
2
t n
t t
2 2
t n
t
d Eksponensial, dengan fungsi peramalan :
Yt = ae
bt
Dimana :
Universitas Sumatera Utara
n t
b Y
a
ln ln
2 2
ln ln
t
t n
Y t
Y t
n b
e Siklis, dengan fungsi peramalan :
n t
c n
t b
a Y
t
2 cos
2 sin
ˆ
Dimana :
n t
c n
t b
na Y
2 cos
2 sin
n t
n t
c n
t b
n t
a n
t Y
2 cos
2 sin
2 sin
2 sin
2 sin
2
n t
n t
b n
t c
n t
a n
t Y
2 cos
2 sin
2 cos
2 cos
2 cos
2
3.7.3.4.Metode Dekomposisi
7
Hasil ramalan ditentukan dengan kombinasi dari fungsi yang ada sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan fungsi linier
atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat
beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semuanya bertujuan memisahkan setiap komponen deret data seteliti
mungkin. Konsep dasar pemisahan bersifat empiris dan tetap, yang mula-mula memisahkan unsur musiman dan trend. Adapun langkah-langkah pengerjaan
peramalan dengan metode dekomposisi, yaitu:
7
Fogarty W, Donald. Production Inventory Management. Ohio : South-Western Publishing. Co. 1991. Hal 101:107.
Universitas Sumatera Utara
1. Menghitung nilai rata-rata bergerak Nilai rata-rata bergerak yang dihitung adalah rata-rata bergerak dalam kurun
waktu per t periode selama n periode. Nilai rata-rata diletakkan di pertengahan periode.
2. Menghitung nilai indeks musim Nilai indeks musim dihitung dengan menggunakan nilai indeks rata-rata
bergerak yang telah dihitung sebelumnya. Hal pertama yang dilakukan adalah menghitung nilai faktor musim dengan cara membagikan hasil rata-rata
bergerak dengan permintaan di periode yang sama, kemudian menghitung nilai indeks musim dengan cara merata-ratakan nilai dari faktor musim yang
ada. 3. Mencari persamaan garis trend
Garis trend dapat dicari dengan menggunakan persamaan: YX = a + bX Berdasarkan persamaan tersebut maka langkah pertama yang harus dilakukan
untuk mencari persamaan garis trend adalah menghitung nilai a dan b:
2 2
X X
n X
Y XY
n b
X b
Y a
4. Menghitung nilai persamaan garis trend Nilai persamaan garis trend dihitung di setiap periode peramalan yang
diinginkan. Nilai peramalan garis trend dapat dihitung dengan memasukkan nilai periode yang diinginkan.
Universitas Sumatera Utara
5. Menghitung nilai ramalan akhir Nilai ramalan akhir didapatkan dengan cara mengalikan nilai persamaan garis
trend dengan nilai indeks musim.
3.7.4. Kriteria Performance Peramalan
