2. Biaya Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah
item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan.. Pemilihan metode peramalan harus sesuai dengan dana yang
tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip
ini merupakan adopsi dari hukum Pareto Analisa ABC. 3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma
memakai metode yang canggih tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun
peralatan teknologi.
3.3.4. Beberapa Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu:
1. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan
ketidakpastian tersebut. 2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka
Universitas Sumatera Utara
adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibanding dengan peramalan jangka panjang. Hal ini desebabkan karena pada peramalan jangka pendek faktor-
faktor yang mempengaruhi permintaan relatif masih konstan sedangkan peramalan jangka panjang kemungkinan terjadinya perubahan faktor-faktor
yang mempengaruhi permintaan besar.
3.3.5. Klasifikasi Metode Peramalan
7
Dalam sistem peramalan, metode yang berbeda akan memberikan hasil yang berbeda dan derajat galat peramalan yang juga berbeda. Metode peramalan
yang ada secara umum dibagi atas dua model, yaitu model kualitatif dan model kuantitatif.
3.3.5.1. Peramalan Kualitatif
Peramalan kualitatif adalah suatu peramalan yang didasarkan atas kualitas yang ada pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang besifat intuisi, judgement, pendapat,
pengetahuan serta pengalaman dari penyusunnya.
7
Ginting, Rosanani. 2007. Sistem Produksi. Graha Ilmu : Yogyakarta .Hal 38-49
Universitas Sumatera Utara
3.3.5.2. Peramalan Kuantitatif
Yaitu peramalan yang didasarkan pada data kuantitatif pada masa lalu. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi berikut:
1. Adanya informasi tentang keadaan yang lain. 2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data dapat
3. Diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
Adapun prosedur peramalan kuantitatif dapat digolongkan ke dalam dua kelompok, yaitu:
1. Metode intuisi yang menggunakan trend horizontal, musiman, atau penyelidikan trend yang didasarkan pada pengalaman empiris yang sangat
luas. Metode intuisi ini mudah dalam menggunakannya, tetapi tidak secermat dengan metode kuantitatif formal.
2. Metode kuantitatif formal suatu metode dengan menggunakan pendekatan yang sistematis yang berusaha untuk meminimumkan biaya yang besar.
Metode ini dibedakan atas dua kelompok, yaitu metode time series dan metode kausal.
Prosedur umum yang digunakan dalam peramalan secara kuantitatif dapat dilihat pada Gambar 3.1.
Universitas Sumatera Utara
Langkah II
Buat Diagram Pencar Mulai
Langkah III
Pemilihan Metode Peramalan
Langkah IV
Hitung Parameter-parameter
Langkah V
Hitung Kesalahan Setiap Metode
Langkah VI
Pilih Metode dengan Kesalahan Terkecil
Langkah I
Defenisikan Tujuan Peramalan
Langkah VII
Verifikasi Peramalan
Gambar 3.1. Langkah-langkah Peramalan Secara Kuantitatif
Beberapa metode peramalan dengan pendekatan kuantitatif dapat dibedakan atas beberapa model sebagai berikut.
a. 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. Dengan metode deret waktu dapat ditunjukkan bagaimana permintaan terhadap
suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan permintaan
Universitas Sumatera Utara
dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang akan datang.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu : 1. Pola siklis, jika penjualan produk memilki siklus yang berulang secara
periodik 2. Pola musiman, jika pola penjualan berulang setiap periode
3. Pola horizontal, jika nilai data berfluktuasi di sekitar nilai rata-rata 4. Pola trend, jika data memiliki kecenderungan untuk naik atau turun terus
menerus. Adapun metode peramalan yang termasuk model time series adalah :
1. Metode Penghalusan Smoothing Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari data
yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu. Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang kurang akurat. Metode ini terdiri dari:
a. Metode rata-rata bergerak moving average 1 Single Moving Average
Merupakan peramalan untuk satu periode ke depan dari periode rata- rata.
Rumus yang digunakan adalah:
N X
X X
F
t t
N t
t
+ +
+ =
+ +
− +
1 1
1
. . .
Universitas Sumatera Utara
dimana: X
i
: data pengamatan periode i. N
: jumlah deret waktu yang digunakan F
t+1
: nilai peramalan periode t+1. 2 Linear Moving Avarage
Dasar dari metode ini adalah penggunaan moving average kedua untuk memperoleh penyesuaian bentuk pola trend.
3 Double Moving Avarage Notasi yang diberikan adalah MA M x N, artinya M – periode MA dan
N – periode NA 4 Weigthed Moving Average
Weighted moving average adalah metode perhitungan dengan cara mengalikan tiap-tiap periode dengan faktor bobot dan membagikannya
dengan hasil produk yang merupakan penjumlahan faktor bobot. Formula metode Weighted Moving Average adalah:
dimana : w
1
: bobot yang diberikan pada periode t-1 w
2
: bobot yang diberikan pada periode t-2 w
n
: bobot yang diberikan pada periode t-n n : jumlah periode
n t
n t
t t
A w
A w
A w
F
− −
−
+ +
+ =
. . .
2 2
1 1
Universitas Sumatera Utara
b. Metode Exponential Smoothing
8
1 Single Exponential Smoothing Pengertian dasar dari metode ini adalah: nilai ramalan pada periode
t+1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai ramalan yang terjadi
pada periode t tersebut. Secara matematis dapat dinyatakan:
dimana : : perkirakan permintaan pada periode t
: suatu nilai 0 1 yang ditentukan secara subjektif
: permintaan aktual pada periode t : perkiraan permintaan pada periode t-1
2 Double Exponential Smoothing Formula Double Exponential Smoothing adalah :
sedangkan :
dimana : single exponential smoothing
8
Teguh Baroto. 2002. Perencanaan dan Pengendalian Produksi. Ghalia Indonesia : Jakarta. Hal 39
1
ˆ 1
ˆ
−
− +
=
t t
t
f f
f
α α
t
fˆ
α α
t
f
1
ˆ
− t
f
. .m
b a
f
t t
m t
+ =
+
1
1
−
− +
=
t t
t
f X
f
α α
1
1
−
− +
=
t t
t
f f
f
α α
t
f
Universitas Sumatera Utara
: double exponential smoothing
2. Metode Proyeksi Kecenderungan dengan Regresi Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan,
sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa: a. Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana
dimana : Yt = nilai tambah N = jumlah periode
b. Linier, dengan fungsi peramalan: Yt = a + bt
dimana : c. Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct
2
dimana :
t
f 2
t t
t t
t t
f f
f f
f −
= −
+ =
α
1
t t
t
f f
− −
=
α α
β
N Y
a
∑
=
1
n b t
Y a
− =
∑ ∑
∑ ∑ ∑
− −
− =
2 2
t t
n y
t t y
n b
n t
c t
b Y
a
∑ ∑
∑
− −
=
2
∂ −
=
α θ
b c
2
α β
θ α δ
− ∂
− ∂
= b
Universitas Sumatera Utara
d. Eksponensial, dengan fungsi peramalan : Yt = ae
bt
dimana :
e. Siklis, dengan fungsi peramalan :
dimana :
3. Metode Dekomposisi Yaitu ramalan yang ditentukan dengan kombinasi dari fungsi yang ada
sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan funsi linier atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan
pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan
∑ ∑
− =
∂
4 2
2
t n
t
∑ ∑ ∑
− =
t Y n
Y t
δ
∑ ∑ ∑
− =
Y t
n Y
t
2 2
θ
∑ ∑ ∑
− =
3 2
2
t n
t t
α
n t
b Y
a
∑ ∑
− =
l n l n
2 2
l n l n
l n
∑ ∑
∑ ∑
∑
− −
= t
t n
Y t
Y t
n a
n t
c n
b a
Y
t
τ τ
2 c
o 2
s i n
ˆ +
+ =
n t
c n
t b
n a
Y
τ τ
2 c
o 2
s i
n
∑ ∑
+ +
=
n t
n t
c n
b n
t a
n t
Y
τ τ
τ τ
τ
2 c
2 s
i n
2 s
i n
2 s
i n
2 s
i n
2
∑ ∑
∑
+ +
=
n t
n t
b n
c n
t a
n t
Y
τ τ
τ τ
τ
2 c
2 s
i n
2 c
o s
2 c
o s
2 c
o s
2
∑ ∑
∑ ∑
+ +
=
Universitas Sumatera Utara
yang tertua. Terdapat beberapa pendekatan alternatif umtuk mendekomposisikan suatu derat berkala yang semuanya bertujuan
memisahkan setiap komponen deret data seteliti mungkin. 4. Metode Kausal
Peramalan dengan metode kausal mendasarkan hasil ramalan yang disusun atas pola hubungan antara variabel yang dicari atau diramalkan dengan
variabel-variabel yang mempengaruhinya yang bukan waktu. Dalam analisa ini, diasumsikan bahwa faktor atau variabel yang menunjukkan suatu
hubungan pengaruh sebab akibat dengan satu atau lebih variabel bebas. Sebagai contoh, permintaan akan baju baru mungkin berhubungan dengan
banyaknya populasi pendapatan masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus.
Jadi, maksud dari analisa metode kausal adalah untuk menemukan bentuk pola hubungan yang saling mempengaruhi antara variabel yang dicari dan
variabel-variabel yang mempengaruhinya, serta menggunakannya untuk meramalkan nilai-nilai dari variabel pada masa yang akan datang. Metode
kausal dapat dipergunakan dalam peramalan dengan keberhasilan yang lebih besar, sehingga sering dipergunakan untuk pengambilan keputusan.
3.3.6. Kriteria Performance Peramalan
Seorang perancang tentu menginginkan hasil perkiraan peramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati
sehingga rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan
Universitas Sumatera Utara
yang kecil memberikan arti ketelitian peramalan tinggi, keakuratan hasil peramalan tinggi, begitu pula sebaliknya. Besar kesalahan suatu peramalan dapat
dihitung dengan beberapa cara, antara lain adalah: 1. Mean Square Error MSE
N Ft
Xt MSE
N t
2 1
− =
∑
=
dimana: Xt : data aktual periode t
Ft : nilai ramalan periode t N
: banyaknya periode 2. Standard Error of Estimate SEE
f N
Ft Xt
SEE
N t
− −
=
∑
=1 2
dimana : f = derajat kebebasan
f = 1 data konstan f = 2 data linier atau eksponensial
f = 3 data kuadratis atau siklis 3. Mean Error
dimana :
ei = kesalahan n = banyaknya periode
n e i
M E
n i
∑
=
=
1
Universitas Sumatera Utara
4. Mean Absolute Percentage Error MAPE
5. Avarage Error AE
6. Mean Absolute Deviation MAD dimana :
t = periode D
t
= permintaan pada periode t F
t
= peramalan pada periode t n = total periode Setelah didapat kesalahan dari masing-masing metode peramalan, maka
akan dilakukan pengujian terhadap dua metode yang memiliki kesalahan terkecil guna mendapatkan metode peramalan yang lebih baik untuk digunakan. Pengujian
dilakukan dengan tes distribusi F. Adapun langkah-langkahnya sebagai berikut : 1. Tentukan pernyataan awal Ho dan pernyataan alternative Ha
Ho : Metode X lebih baik daripada metode Y Ha : Metode Y lebih baik daripada metode X
2. Lakukan tes statistik
F =
�
1 2
�
2 2
Dimana : S
1
= besarnya kesalahan metode peramalan X S
2
= besarnya kesalahan metode peramalan Y m
P E M A P E
t m
t
∑
=
=
1
n e
A E
i
∑
=
n F
D M
A D
t t
∑
− =
Universitas Sumatera Utara
3. Bandingkan hasil yang diperoleh dari langkah 2 dengan hasil yang diperoleh dari table distribusi F dengan tingkat ketelitian yang telah ditetapkan.
Jika F
hitung
F
tabel
maka Ho diterima dan jika sebaliknya maka Ho ditolak. Setelah didapatkan metode peramalan mana yang lebih baik maka dilakukan
verifikasi terhadap metode peramalan yang terbaik tersebut.
3.3.7. Verifikasi Peramalan
