banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan dalam menyeimbangkan persediaan yang ideal.
2.
Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode
peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan
datanya manual atau komputerisasi, dan bagaimana penyimpanan datanya. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia
dan tingkat akurasi yang ingin dicapai, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Hal yang
percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun
peralatan teknologi.
3.2.2. Beberapa Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan hasil suatu peramalan, maka ada beberapa hal yang harus dipertimbangkan, yaitu
6
:
6
Arman Hakim, Perencanaan dan Pengendalian Produksi, Yogyakarta: Guna Widya, h. 24
Universitas Sumatera Utara
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar
kesalahan yang mungkin terjadi. 3.
Peramalan untuk jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-
faktor yang mempengaruhi permintaan relatif masih konstan, sedangkan semakin panjang periode peramalan, maka semakin besar pula kemungkinan
terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.
3.2.3. Metode Peramalan
Metode peramalan dapat diklasifikasikan menjadi dua kelompok besar yaitu metode kualitatif dan metode kunatitatif
7
. Kedua kelompok tersebut memberikan hasil peramalan yang kuantitatif. Perbedaannya terletak pada cara
peramalan yang dilakukan. Metode Kualitatif pada umumnya digunakan apabila data kuantitatif tentang permintaan tidak tersedia atau akurasinya tidak memadai.
Misalnya peramalan tentang permintaan produk baru yang akan dikembangkan, jelas data masa lalu tidak tersedia, kalau kondisi lingkungan masa yang akan
datang sama sekali sudah berbeda dengan kondisi masa lalu maka keberadaan
7
Sukaria Sinulingga, Perencanaan dan Pengendalian Produksi, Yogyakarta: Graha Ilm, h. 113- 117
Universitas Sumatera Utara
data masa lalu itu tidak akan menolong peramalan pada pemintaan masa yang akan datang.
Peramalan berdasarkan metode kuantitatif intrinsic forecasting mempunyai asumsi bahwa data permintaan masa lalu dari produk atau item yang
diramalkan mempunyai pola yang diperkirakan masih berlanjut ke masa yang akan datang. Pola permintaan tersebut mungkin kurang jelas terlihat karena factor
random yang menghasilkan fluktuasi.
3.2.3.1. Metode Peramalan Kuantitatif
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut
8
: 1.
Tersedia informasi tentang masa lalu. 2.
Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik. 3.
Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
Kondisi yang terakhir ini dikenal dengan asumsi berkesinambungan assumption of continuity, asumsi ini merupakan premis yang mendasari semua
metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
9
Prosedur umum yang digunakan dalam peramalan secara kuantitatif dapat dilihat pada Gambar 3.1.
8
Spyros Makridakis, Metode dan Aplikasi Peramalan, Jakarta: Erlangga, h. 8
9
Rosnani Ginting, Sistem Produksi, Yogyakarta: Graha Ilmu, h. 44-45
Universitas Sumatera Utara
Langkah I Defenisikan tujuan
peralaman
Langkah II Buat diagram pencar
Langkah III Pilih beberapa metode
Langkah IV Hitung parameter-parameter
Langkah V Hitung kesalahan tiap
metode
Langkah VI Pilih metode dengan
kesalahan terkecil
Langkah VII Verifikasi peramalan
Gambar 3.1. Langkah- langkah Peramalan Secara Kuantitatif
Universitas Sumatera Utara
3.2.3.2. Metode Time Series
Metode time series adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu
10
. Langkah penting dalam memilih suatu metode time series yang tepat adalah dengan mempertimbangkan
jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis, yaitu:
1. Pola horizontal terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-
rata yang konstan deret seperti itu adalah stasioner terhadap nilai rata- ratanya. Suatu produk yang penjualannya tidak meningkat dan menurun
selama waktu tertentu termasuk jenis ini. 2.
Pola musiman terjadi bilamana suatu deret dipengaruhi oleh faktor musiman misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu
tertentu. Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang menunjukkan jenis pola ini.
3. Pola siklis terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja menunjukkan jenis pola ini.
4. Pola trend terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional GDP, dan berbagai indikator bisnis atau ekonomi mengikuti suatu pola
trend selama perubahannya sepanjang waktu.
10
Makridakis, Op.Cit, h. 9-10
Universitas Sumatera Utara
Pada metode time series, pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan atau kesalahan masa lalu
11
. Tujuan metode ini adalah menemukan pola dalam deret data historis dan mengekstrapolasikan
pola tersebut ke masa depan. Langkah penting dalam memilih suatu metode time series yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga
metode yang paling tepat dengan pola tersebut dapat diuji. Metode kecenderungan dengan regresi merupakan dasar garis
kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa:
1. Konstan, dengan fungsi peramalan Yt: f = 1
Yt = a, dimana
N Y
a
1
Yt = nilai tambah N = jumlah periode
2. Linear, dengan fungsi peramalan: f = 2
Yt = a + bt
Dimana :
n bt
Y a
2 2
t t
n y
t ty
n b
3. Kuadratis, dengan fungsi peramalan: f = 3
Yt = a + bt + ct
2
11
Rosnani Ginting, Sistem Produksi, Yogyakarta: Graha Ilmu, h. 55-56
Universitas Sumatera Utara
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
4. Eksponensial, dengan fungsi peramalan : f =2
Yt = ae
bt
Dimana :
n t
b Y
a
ln ln
2 2
ln ln
t
t n
Y t
Y t
n b
5. Siklis, dengan fungsi peramalan : f = 3
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
Universitas Sumatera Utara
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
3.2.4. Kriteria Performance Peramalan
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati
sehingga rencana yang dibuatnya merupakan rencana yang realistis
12
. Ketepatan atau ketelitian inilah yang menjadi kriteria performance suatu metode peramalan.
Ketepatan atau ketelitian tersebut dapat dinyatakan sebagai kesalahan dalam peramalan. Kesalahan yang kecil memberikan arti ketelitian peramalan yang
tinggi, dengan kata lain keakuratan hasil peramalan tinggi, begitu pula sebaliknya. Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara,
antara lain adalah: 1.
Mean Square Error MSE MSE =
�
−�
� 2
� �=1
�
Di mana: X
t
= data aktual periode t F
t
= nilai ramalan periode t N = banyaknya periode
2. Standard Error of Estimate SEE
SEE =
− ′
2 �
�=1
�−�
Di mana:
12
Ibid, h. 58-59
Universitas Sumatera Utara
f = derajat kebebasan untuk data konstan, f = 1
untuk data linier, f = 2 untuk data kuadratis, f = 3
untuk data siklis, f = 3 3.
Percentage Error PE PE
t
=
�
−�
� �
� 100 Di mana nilai dari PE PE
t
bisa positif ataupun negatif. 4.
Mean Absolute Percentage Error MAPE MAPE =
PEt
� �=1
�
3.2.5. Proses Verifikasi