commit to user
18
2. Pengembangan Model Setelah tujuan ditetapkan, langkah berikutnya adalah
mengembangkan suatu model, yang merupakan penyajian secara lebih sederhana sistem yang dipelajari.
3. Pengujian Model Sebelum diterapkan, model biasanya diuji untuk menentukan
tingkat akurasi, validitas dan reliabilitas yang diharapkan. 4. Penerapan Model
Setelah pengujian, analis menerapkan model dalam tahap ini, data historik dimasukkan ke dalam model untuk menghasilkan
suatu ramalan. 5. Revisi dan Evaluasi
Ramalan-ramalan yang telah dibuat harus senantiasa diperbaiki dan ditinjau kembali.
G. Metode Peramalan
Menurut Render dan Heizer 2009 : 167 terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara mengatasi semua
model keputusan. Pendekatan yang satu adalah analisis kuantitatif dan pendekatan lain adalah analisis kualitatif
1. Metode Kuantitatif Menurut Render dan Heizer 2009 : 167 Peramalan kuantitatif
quantitative forecast menggunakan model matematis yang
commit to user
19
beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Sehingga ketika melakukan peramalan
periode yang akan datang, harus berdasarkan data-data pada masa lalu.
a. Model Deret Waktu Time Series didasarkan 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 Nasution, 2003 : 34. Menurut Nasution 2005 : 35 Penjelasan tentang komponen-komponen tersebut adalah
sebagai berikut : 1 TrendCenderung
T. Trend
merupakan sifat
dari permintaan dimasa lalu terhadap waktu terjadinya, apakah
permintaan tersebut cenderung naik, turun atau konstan. 2 SiklusCycle C. Permintaan suatu produk dapat memiliki
siklus yang berulang secara periodik, biasanya lebih dari satu tahun, sehingga pola ini tidak perlu dimasukkan dalam
peramalan jangka pendek. Pola ini amat berguna untuk peramalan jangka panjang.
3 Pola Musiman Season S. Fluktuasi permintaan suatu produk dapat naik turun di sekitar garis trend dan biasanya
berulang setiap tahun. Pola ini biasanya disebabkan oleh
commit to user
20
faktor cuaca, musim libur panjang, dan hari raya keagamaan yang berulang secara periodik setiap tahunnya.
4 Variasi Acak Random R. Permintaan suatu produk dapoat mengikuti pola bervariasi secara acak karena faktor-faktor
adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak
mempunyai pola tertentu. Variasi acak ini diperlukan dalam rangka
menentukan persediaan
pengaman untuk
mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.
b. Moving Average menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika
kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan. Render dan Heizer, 2009
: 170. Sedangkan pengertian Rata-rata Bergerak Moving Average menurut Buffa 1983 : 175 adalah rata-rata dari
jumlah nilai n yang terpusat pada jangka waktu tertentu. Secara rumus rata-rata bergerak dapat dituliskan sebagai berikut
Rata-rata bergerak =
n n
sebelumnya periode
permintaan
Untuk : n = jumlah periode dalam rata-rata bergera.
Saat ada tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini.
commit to user
21
Parktik ini membuat teknik peramalan lebih tanggap terhadap perubahan karena periode yang lebih dekat mendapatkan
bobot yang lebih berat Render dan Heizer, 2009 : 172. Sercara rumus rata-rata bergerak dengan pembobotan sebagai
berikut : Rata-rata bergerak dengan pembobotan =
bobot periode
pada permintaan
periode pada
bobot
n
n
c. Exponential smoothing menurut Render dan Heizer 2009 : 174 merupakan metode peramalan rata-rata bergerak dengan
pembobotan yang canggih, namun masih mudah digunakan. Metode ini menggunakan sangat sedikit pencatatan data masa
lalu. Secara rumus exponential smoothing dapat ditulis sebagai berikut :
F
1
= F
t-1
+
A
t-1
– F
t-1
Dimana F
1 :
peramalan baru F
t-1
: peramalan sebelumnya α
: konstanta penghalus pembobot A
t-1
: permintaan aktual periode 2. Peramalan Kualitatif
Ada dua pakar yang menguraikan tentang peramalan kualitatif yang pertama menurut Render dan Heizer 2009 : 167 terdapat empat
teknik peramalan kualitatif yang berbeda :
commit to user
22
a. Juri dari Opini Eksekutif Dalam metode ini pendapat sekumpulan kecil manajer atau pakar
tingkat umumnya digunakan dengan model statistik dikumpulkan untuk mendapatkan prediksi permintaan kelompok. Render dan
Heizer, 2009 : 166 b. Komposit Tenaga Penjualan
Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang bisa ia dapat capai dalam wilayahnya.
Render dan Heizer, 2009 : 167 c. Metode Delphi
Teknik peramalan yang menggunakan suatu proses kelompok sehingga memungkinkan para ahli membuat peramalan. Render
dan Heizer, 2009 : 167. Sedangkan Menurut Nasution 2003 : 32 Metode Delphi adalah metode ini merupakan cara sistematis
untuk mendapatkan keputusan bersama dari suatu grup yang terdiri dari para ahli dan berasal dari disiplin ilmu yang berbeda.
d. Survei Pasar Konsumen Metode peramalan yang meminta input dari konsumen mengenai
rencana pembelian mereka dimasa depan. Render dan Heizer, 2009 : 168. Sedangkan menurut Nasution 2003 : 32 Survei
Pasar Konsumen adalah metode ini mengumpulkan dan menganalisa fakta secara sistematis pada bidang yang
berhubungan dengan pemasaran.
commit to user
23
Pengukuran Kesalahan Peramalan Pengukuran kesalahan digunakan untuk mengetahui metode
mana yang sesuai untuk diterapkan dalam suatu perusahaan guna melakukan peramalan. Karena semakin kecil nilai kesalahan maka
metode tersebut semakin cocok untuk diterapkan dalam suatu perusahaan guna melakukan peramalan. Menurut Nasution 2003 : 30
Ada empat ukuran yang biasa digunakan yaitu : 1. Rata-rata Deviasi Mutlak Mean Absolute Deviation : MAD
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar
atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :
MAD =
n F
A
t t
Dimana : A
: Permintaan Aktual pada periode –t
F
t
: Peramalan Permintaan Forecast pada periode –t
n : Jumlah periode peramalan
2. Rata-rata Kuadrat Kesalahan Mean Square Error : MSE MSE dihutung dengan menjumlahkan kuadrat semua kesalahan
peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE dirumuskan sebagai
berikut :
commit to user
24
MSE =
n F
A
t t
2
3. Rata-rata Kesalahan Peramalan Mean Forecast Error = MFE MFE sangat efektif untuk mengetahui apakah suatu hasil
peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. Secara matematis, MFE dinyatakan sebagai berikut:
MFE =
n F
A
t t
4. Rata-rata Presentase Kesalahan Absolut Mean Absolute Percentage Error = MAPE
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan presentase
kesalahan hasil peramalan terhadap permintaanaktual selama periode tertentu yang akan memberikan informasi presentase
kesalahan terlalu tinggi atau terlalu rendah. MAPE =
t t
t
A F
A n
100
commit to user
25
BAB III TINJAUAN PUSTAKA