penjualan sehingga terjadi overestimate tetapi sebaliknya juga dapat terjadi underestimate.
3.4.2. Metode Kuantitatif
Pada metode peramalan kuantitatif merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dan menunjukkan hubungan
antara permintaan dengan satu atau lebih variabel yang mempengaruhinya.
3.4.2.1. Metode Deret Berkala Metode deret berkala adalah 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. Pada asumsi bahwa deret waktu tersebut terdiri dari komponen-komponen: Trend T, Sikluscycle C, pola musimanseason S, dan
variasi acakrandom R yang akan menunjukkan suatu pola tertentu. Komponen- komponen tersebut kemudian akan dipakai sebagai dasar dalam membuat
persamaan matematis
5
. Filosofinya: Demand hanya dipengaruhi oleh waktu t
d
t
= f t
Secara matematis dirumuskan sebagai: Y = T.C.S.R
5
Arman Hakim Nasution Perencanaan Dan Pengendalian Produksi Jakarta:Guna Widya Cetakan Pertama Hal:29
Universitas Sumatera Utara
Y = Forecasted value T = Underlined trend
C = Cyclic variation R = Residual
Tujuan dari analisis ini adalah untuk menemukan pola deret variabel yang bersangkutan berdasarkan atas nilai-nilai pada masa sebelumnya, dan
mengekstrapolasikan pola tersebut untuk membuat peramalan nilai variabel tersebut pada masa yang akan datang. Metode peramalan yang termasuk model
berkala adalah: 1.
Metode Penghalusan Smoothing Metode Smoothing digunakan untuk mengurangi ketidakteraturan musiman
dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu, dengan membuat rata-rata tertimbang. Metode Smoothing ini terdiri dari
beberapa jenis antara lain: a
Metode Rata-rata Bergerak, terdiri dari:
- Single Moving Average SMA
Single moving average pada suatu periode merupakan peramalan untuk satu periode kedepan dari periode rata-rata tersebut. Persoalan yang timbul dalam
penggunaan metode ini adalah dalam menentukan nilai t periode perata-rataan. Semakin besar nilai tersebut maka peramalan yang dihasilkan akan semakin
menjauhi pola data. Secara matematis, rumus fungsi peramalan metode ini adalah:
n X
X X
F
t t
N t
t
+ +
+ =
+ +
− +
1 1
1
...
Universitas Sumatera Utara
Dimana : X
t
= Data pengamatan periode tersebut N = Jumlah deret waktu yang digunakan
F
t=1
= Nilai peramalan periode t + 1
- Linier Moving Average LMA
Dasar dari metode ini adalah pengunaan moving average kedua untuk memperoleh penyesuaian bentuk pola trend Metode LMA adalah :
1. Menghitung SMA dari data dengan perata-rataan tertentu, hasilnya
dinotasikan dengan S
t
’ 2.
Setelah semua SMA dihitung, hitung moving average kedua yaitu moving average dari S
t
’ dengan periode perata-rataan yang sama hasilnya dinotasikan dengan S
t
” 3.
Hitung komponen at dengan rumus: at = S
t
’ + S
t
’ – S
t
” 4.
Hitung komponen trend bt dengan rumus: bt = 2N – 1 S
t
’ – S
t
” 5.
Maka peramalan untuk m periode ke delapan setelah tersebut adalah sebagai berikut: F
t+m
= at + bt . m b
Metode Ekponensial Smoothing, terdiri atas:
- Single Exponensial 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 tersebut
Universitas Sumatera Utara
tersebut. Nilai peramalan dapat dicari dengan menggunakan rumus berikut:
F
t+m
= α . X
t
+ 1 – α . Ft
Dimana : X
t
= data permintaan periode tersebut α = faktor atau konstanta pemulusan
F
t+m
= peramalan untuk periode t -
Double Exponensial Smoothing a. Satu parameter Brown’s Linear Method, merupakan metode yang
hampir sama dengan metode Linear Moving Average, disesuaikan dengan menambahkan satu parameter.
S’
t
= α X
t
+ 1 - α S’
t 1
−
S’’
t
= α S’’
t
+ 1 - α S’’
1 t
−
b. Dua parameter, merupakan metode DES untuk time series dengan trend linier. Terdapat konstanta yaitu
α dan β . Adapun rumusnya adalah sebagai berikut:
S
t
= α D
t
+ 1 - α S
1 t
−
+ G
1 t
−
G
t
= β S
t
- S
1 t
−
+ 1 - β G
1 t
−
- Triple Exponensial Smoothing -
Adaptive Response Rate Exponensial Smoothing Pola permintaan musiman dipengaruhi karakteristik data masa lalu, antara
lain natal dan tahun baru, lebaran, awal tahun baru ajaran sekolah, dsb. Terdapat dua kemungkinan dari pengaruh musiman. Pertama dapat bersifat
Universitas Sumatera Utara
addictive, yaitu mengabaikan laju penjualan selama bulan desember, hanya dikatakan penjualan selama bulan desember meningkat 200 unit. Kedua,
pengaruh musiman bersifat multiplicative, laju penjualan setiap minggu selama bulan desember meningkat dua kali lipat.
2. Metode Proyeksi Kecendrungan dengan Regresi
Metode kecendrungan dengan regresi 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 Y
t
: Y
t
= a Dimana : a =
n Y
t
∑
b. Linear Trend, dengan fungsi peramalan:
Y
t
= a + bt Dimana : a =
∑ ∑
∑ ∑
∑ ∑
∑
− −
= −
2 2
i i
i i
i i
t
t t
N Yi
t Y
t N
b n
t b
Y
c. Kuadratis, dengan fungsi peramalan :
Y
t
= a + bt + ct
2
Dimana :
2 2
α β
θα δ
α θ
− ∂
− ∂
= ∂
− =
− −
=
∑ ∑ ∑
b b
c n
t c
t b
Y a
Universitas Sumatera Utara
Kategori