3.3. Karakteristik Peramalan Yang Baik
Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain
3
: a.
Akurasi Akurasi-akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan
kekonsistenan peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut bila terlalu tinggi atau rendah dibandingkan dengan
kenyataan yang terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.
b. Biaya Biaya-biaya yang diperlukan dalam pembuatan suatu peramalan bergantung
pada jumlah item yang diramalkan, lamanya periode peramalan dan metode peramalan yang dipakai.
c. Kemudahan Kemudahan penggunaan metode peramalan yang sederhana, mudah dibuat, dan
mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada
sistem perusahaan karena keterbatasan dana, sumber dana manusia, maupun peralatan teknologi.
3
Ir. Arman Hakim Nasution, M.Eng Manajmen Industri Yogyakarta: Andi, Edisi Pertama, Hal 238.
Universitas Sumatera Utara
3.4. Teknik Peramalan
Secara umum, metode peramalan diklasifikasikan menjadi dua macam yaitu sebagai berikut
4
: -
Metode Kualitatif -
Metode Kuantitatif
3.4.1. Metode Kualitatif
Metode kualitatif adalah metode yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambilan keputusan untuk
meramal. Metode kualitatif ini diwakili oleh:
1. Metode Delphi
Metode ini merupakan cara sistematis untuk mendapatkan keputusan bersama dari suatu grup yang terdiri dari para ahli dan berasal dari disiplin
yang bebeda. Grup ini tidak ditemukan secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta pendapatnya secara terpisah dan
tidak boleh saling berunding. Pendapat yang berbeda secara signifikan dari ahli yang lain dalam grup tersebut akan ditanyakan lagi pada yang
bersangkutan, sehingga akhirnya diperoleh angka estimasi pada interval tertentu yang dapat diterima.
2. Metode Penelitian Pasar
Metode ini mengumpulkan dan menganalisa fakta secara sistematis pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama
4
Jay Heizer, Barry Render. Operation Management Jakarta : Salamba Empat Edisi Ke tujuh. Hal 140
Universitas Sumatera Utara
dalam penelitian pasar ini adalah dengan melakukan survei langsung ke konsumen. Survei konsumen akan memberikan informasi mengenai selera
yang diharapkan konsumen, dimana informasi tersebut diperoleh dari sampel dengan cara kuesioner. Penelitian pasar sering digunakan dalam
merencanakan produk baru, sistem periklanan dan promosi yang tepat. Hasil penelitian pasar ini kadang-kadang juga dipakai sebagai pasar
peramalan permintaan produk baru.
3. Metode Opini Eksekutif
Pendekatan ini mendasarkan pada pendapat dari sekelompok kecil eksekutif tingkat dasar, misalnya manajer dari bagian-bagian pemasaran,
produksi, teknik, keuangan, dan logistik, yang secara bersama-sama mendiskusikan dan memutuskan ramalan suatu variabel pada periode yang
akan dating. keuntungan dari metode ini adalah keputusan yang dibuat berdasarkan masukan dari beberapa eksekutif, tidak hanya satu orang,
sehingga hasilnya diharapkan labih akurat. Namun kelemahannya adalah ketepatan peramalan sangat tergantung dari masukan individu.
4. Gabungan Tenaga Penjualan
Metode ini juga banyak digunakan, karena tenaga penjualan merupakan sumber informasi yang baik mengenai permintaan konsumen. Setiap
tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat propinsi dan seterusnya sampai ke
tingkat nasional untuk mencapai peramalan menyeluruh. kelemahan dari metode ini adalah terletak pada sikap optimis yang dimiliki tenaga
Universitas Sumatera Utara
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
∑ ∑
∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑
∑ ∑
− =
− =
− =
− =
− =
∂
2 2
3 2
2 2
4 2
2
t n
t t
n t
t Y
t n
Y t
tY n
Y t
t n
t
β α
θ δ
d. Eksponensial, dengan fungsi peramalan:
bt t
ae Y
= Dimana :
∑ ∑ ∑
∑ ∑ ∑
∑
− −
= −
=
2 2
ln ln
ln ln
t t
n Y
t Y
t n
b n
t b
Y a
e. Siklis, dengan fungsi peramalan :
n t
c n
t b
a Y
π π
2 cos
2 sin
+ +
=
Dimana:
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑
+ +
= +
+ =
+ +
=
n t
n t
b n
t c
n t
a n
t Y
n t
n t
c n
t b
n t
a n
t Y
n t
c n
t b
na Y
π π
π π
π π
π π
π π
π π
2 cos
2 sin
2 cos
2 cos
2 cos
2 cos
2 sin
2 sin
2 sin
2 sin
2 cos
2 sin
2 2
3. Metode Dekomposisi Metode dekomposisi merupakan pendekatan peramalan yang tertua. Dan
merupakan metode yang mengasumsikan bahwa data yang ada paling sedikit terbentuk dari tiga komponen, yaitu pengaruh musiman seasonality
kecenderungan trend dan keteracakan randomness.
Universitas Sumatera Utara
Langkah-langkah perhitungan :
-
Ramalkan fungsi d
t
biasa d
t
= a+b
t
- Hitung nilai index
- Gabungkan nilai perolehan index dan ramalkan yang baru
3.4.2.2. Metode Kausal
Metode kausal mengasumsikan adanya hubungan sebab akibat antara output dan input dari suatu sistem. Kegunaan dari metode kausal adalah untuk
menemukan bentuk hubungan antara variabel-variabel tersebut dan menggunakannya untuk meramalkan nilai dari variabel tidak bebas
6
. Metode kausal adalah metode peramalan yang didasarkan atas penggunaan
analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya. Metode kausal berusaha menemukan hubungan
sebab akibat causa relationship diantara variabel yang akan diramalkan dengan satu atau variabel lain.
Dengan demikian terdapat enam faktor yang dapat dipakai sebagai dasar pertimbangan didalam memilih metode peramalan, yaitu :
1. Horizon Waktu
Ada 2 aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan, yaitu :
a. Cakupan waktu dimasa yang akan datang untuk mana perbedaan dan
6
Arman Hakim Nasution Perencanaan Dan Pengendalian Produksi Jakarta:Guna Widya Cetakan Pertama Hal:44
Universitas Sumatera Utara
b. Cakupan waktu dimasa yang akan datang, berapa jumlah periode untuk
metode peramalan yang digunakan sebaiknya disesuaikan mana ramalan diinginkan.
2. Pola data Dasar utama dari metode peramalan adalah anggapan bahwa pola yang
didapat dari data yang diramalkan akan berkelanjutan. Pola data dibedakan atas empat jenis, yaitu :
a. Pola Horizontal
Pola horizontal terjadi apabila nilai data berfluktuasi di sekitar nilai rata- rata.
b. Pola Musiman
Pola musiman terjadi apabila deret data dipengaruhi oleh faktor musiman, misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu
tertentu. c.
Pola Siklis Pola siklis terjadi apabila data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis. d.
Pola Trend Pola trend terjadi apabila terdapat kenaikan atau penurunan nilai variabel
dalam jangka panjang. 3. Biaya yang dibutuhkan
Biaya yang tercakup dalam penggunaan suatu metode peramalan antara lain biaya-biaya pengembangan, penyimpanan data, dan operasi.
Universitas Sumatera Utara
4. Jenis dari metode Peramalan. Sangat perlu diperhatikan karena masing-masing metode memiliki
kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
5. Ketepatan Tingkat Ketelitian Untuk beberapa pengambilan keputusan, variabel atau penyimpanan atas
ramalan yang dilakukan antara 10-15 masih normal, sedangkan kasus lain sebesar 5 adalah cukup berbahaya.
6. Kemudahan dalam Penerapan Metode peramalan yang digunakan adalah metode yang mudah dimengerti
dan mudah diaplikasi.
3.4.3.3. Metode Time Series
Metode Time Series terdiri atas sepuluh metode, yaitu: 1.
Simple Average 2.
Weighted Moving Average 3.
Moving Average With Linier Trend 4.
Single Exponential Smoothing 5.
Exponentil Smoothing With Linier Trend 6.
Double Exponential Smoothing 7.
Double Exponential Smoothing With Linear Trend 8.
Adaptive Exponential Smoothing 9.
Linear Regression
Universitas Sumatera Utara
Winter’s Model
3.5. Prosedur Peramalan 3.5.1. Tujuan Peramalan
Kategori