tersebut. Dalam hal ini terdapat sedikit nilai, tetapi dalam kenyataannya tidak ada nilai bila membuat ramalan dalam jangka pendek sehingga efektifitas kegiatan tidak
dapat diperoleh Biegel.J.E.1992
2.6.1 Peran Akan Teknik Peramalan
Komitmen tentang peramalan telah tumbuh karena beberapa faktor : Pertama,
adalah karena meningkatnya kompleksitas organisasi dan lingkungannya hal ini akan menjadikan semakin sulit bagi pengambil keputusan untuk
mempertimbangkan semua faktor secara memuaskan. Kedua,
dengan meningkatkan ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan telaah
peramalan khusus dan analisis yang lengkap. Ketiga,
lingkungan dari kebanyakan organisasi telah berubah dengan cepat sehingga keterkaitan yang harus dimengerti oleh organisasi berubah-rubah dan pengamalan
memungkinkan bagi organisasi untuk mempelajari keterkaitan yang baru secara lebih cepat.
Keempat, pengambilan keputusan telah semakin sistematis yang melibatkan
justifikasi tindakan secara gambling eksplisit.
2.6.2 Model-model Peramalan
Situasi peramalan sangat beragam dalam horizon waktu peramalan, faktor yang menentukan hasil yang sebenarnya, type pola data dan beberapa aspek lainnya.
Untuk menghadapi penggunaan yang luas, beberapa teknis adalah dikembangkan. Teknik tersebut, terdiri dari :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1. Metode Kuantitatif •
Deret berkala Time Series •
metode Kausal Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi, sebagai berikut :
• Tersedia informasi tentang kondisi masa lalu
• Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
• Dapat diasumsikan, bahwa beberapa aspek pula masa lalu akan terus berlanjut
dimasa yang akan datang. 2. Metode Kualitatif Teknologi terdiri dari :
• Metode Ekspolatoris
• Metode Normatif
Tedapat 2 dua jenis peramalan utama, yaitu : 1. Model deret berkala Time Series yaitu dimana perkiraan masa depan dilakukan
berdasarkan nilai masa lalu dari suatu variabel dan kesalahan masa lalu. Tujuan metode peramalan deret berkala seperti itu adalah menemukan pola dalam deret
data historis dan mengekstrapolasikan pola tersebut ke masa depan. 2. Model Kausal yaitu mengasumsikan bahwa faktor yang diramalkan menunjukkan
suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas. Kedua model deret berkala Time Series dan kausal mempunyai keuntungan
dalam situasi tertentu. Model deret berkala dapat digunakan dengan keberhasilan yang lebih baik besar untuk pengambilan keputusan dan kebijaksanaan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Langkah penting dalam memilih suatu metode deret berkala Time Series yang tepat adalah dengan mempertimbangkan jenis pola data. Pola data dapat
dibedakan menjadi empat. Jenis siklus trend, antara lain :
1. Pola Horisontal H terjadi bilamana nilai data berfluktuasi disekitar nilai rata- rata.
Y
Gambar 2.4 Pola data horizontal 2. Pola musiman S terjadi bilamana suatu deret dipengaruhi oleh faktor musiman
misalnya kuartal tahun tertentu, bulan atau hari-hari pada minggu tertentu.
Y Waktu
Waktu Gambar 2.5 Pola data musiman
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3. Pola Siklus C terjadi bilamana datanya dipengaruhi oleh faktor ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola trend T terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
Banyaknya deret data yang mencakup kombinasi pola-pola di atas. Metode peramalan alternatif juga dapat digunakan untuk mengenal dan mencocokkan data
secara tepat, sehingga nilai mendatang dapat diramalkan. Metode peramalan kuantitatif atau teknologis tidak memerlukan data yang
serupa seperti metode peramalan. Input yang dibutuhkan tergantung pada metode tertentu dan merupakan hasil dari pemikiran inofatif, perkiraan dan pengetahuan yang
Waktu Y
Gambar 2.7 Pola data trend Gambar 2.6 Pola data siklus
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
telah didapat. Pendekatan teknologis sering memerlukan input dan sejumlah orang yang terlatih secara khusus. Metode teknologis dibagi menjadi dua bagian : yaitu
metode eksploratoris seperti Delphi, kurva s, analogi, dan penelitian morfologis dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah
masa depan secara heuristik, sering kali dengan melihat semua kemungkinan yang ada. Serta metode normatif seperti matriks keputusan, pohon relevansi dan analisis
sistem dimulai dengan menciptakan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala,
sumber daya dan teknologi yang tersedia. Ramalan teknologis digunakan sangat eksklusif untuk jangka menengah dan jangka panjang, seperti perumusan strategi,
pengembangan produk dan teknologi baru, serta pengembangan rencana jangka panjang.
2.6.3 Pemilihan Teknik dan Metode Peramalan
