2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar
kesalahan yang mungkin terjadi. 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.
3.9.1 Klasifikasi Teknik Peramalan
16
1. Peramalan kualitatif
Dalam sistem peramalan, penggunaan berbagai model peramalan yang berbeda akan memberikan hasil ramalan yang berbeda dan derajat galat peramalan
yang juga berbeda. Salah satu seni dalam peramalan adalah memilih metode peramalan. Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat
dibedakan atas:
Yaitu peramalan yang didasarkan atas kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal
ini penting karena hasil peramalan ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement, atau pendapat, dan pengetahuan serta pengalaman
dari penyusunnya
16
Ibid. Hal 39-40
2. Peramalan kuantitatif
Yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan
dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda.
3.9.2. Metode Peramalan Kuantitatif
17
1. Tersedia informasi tentang masa lalu.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:
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 berkesinamungan assumption of
continuity, asumsi ini merupakan premis yang mendasari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis.
Prosedur umum yang digunakan dalam peramalan secara kuantitatif dapat dilihat pada Gambar 3.3.
17
Ibid. Hal 44-45
Gambar 3.3. Langkah-langkah Peramalan Secara Kuantitatif
3.9.3. Metode Time Series
18
Metode time series 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. 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.
18
Ibid. Hal 46-56
2. Pola musiman terjadi bilamana suatu deret dipengaruhi oleh faktor musiman
misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
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 jika data memiliki kecenderungan untuk naik atau turun
terus-menerus. Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini, yaitu:
a. Trend linier
Bentuk persamaan umum: Yt = a + bt
∑ ∑
∑ ∑ ∑
− −
=
2 2
t t
n Y
t tY
n b
t t
n t
b Y
a
t
∑ ∑
− =
b. Trend Eksponensial
Bentuk persamaan umum: Yt = ae
bt
∑ ∑
∑ ∑ ∑
− −
=
2 2
ln ln
t t
n Y
t Y
t n
b
t t
n t
b Y
a
t
∑ ∑
− =
ln ln
c. Trend Logaritma
Bentuk persamaan umum: Yt = a + b log t
∑ ∑
∑ ∑ ∑
− −
=
2 2
log log
log log
t t
n Y
t tY
n b
t t
n t
b Y
a
t
∑ ∑
− =
log
d. Trend Geometrik
Bentuk persamaan umum: Yt = at
b
∑ ∑
∑ ∑ ∑
− −
=
2 2
log log
log log
log .
log t
t n
Y t
Y t
n b
t t
n t
b Y
a
t
∑ ∑
− =
log log
e. Trend Hyperbola
Bentuk persamaan umum: Yt =
t
b a
∑ ∑
∑ ∑ ∑
− −
=
2 2
log log
. log
t n
t Y
t Y
t n
b
t t
n t
b Y
a
t
∑ ∑
− =
log log
log
Metode proyeksi kecenderungan 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: 1.
Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana
N Y
a
∑
=
1
Dimana : Yt = nilai tambah N = jumlah periode
2. Linier, dengan fungsi peramalan:
Yt = a + bt Dimana :
n bt
Y a
− =
∑ ∑
∑ ∑ ∑
− −
=
2 2
t t
n y
t ty
n b
3. Kuadratis, dengan fungsi peramalan:
Yt = a + bt + ct
2
Dimana : n
t c
t b
Y a
∑ ∑
∑
− −
=
2
;
∂ −
=
α θ
b c
;
2
α β
θα δ
− ∂
− ∂
= b
∑ ∑
− =
∂
4 2
2
t n
t
∑ ∑ ∑
− =
tY n
Y t
δ
∑ ∑ ∑
− =
Y t
n Y
t
2 2
θ
∑ ∑ ∑
− =
3 2
t n
t t
α
∑ ∑
− =
2 2
t n
t β
4. Eksponensial, dengan fungsi peramalan:
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:
n t
c n
t b
a Y
t
π π
2 cos
2 sin
ˆ +
+ =
Dimana :
n tt
c n
tt b
na Y
τ τ
2 cos
2 sin
∑ ∑
∑
+ +
=
n t
n t
c n
t b
n tt
a n
tt Y
π π
π τ
τ
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
π π
π π
π
2 cos
2 sin
2 cos
2 cos
2 cos
2
∑ ∑
∑ ∑
+ +
=
3.9.4. Kriteria Performance Peramalan
