Metode peramalan dibagi dua, yaitu: metode peramalan Time Series dan metode peramalan non time series. Dalam penelitian ini mengunakan metode
peramalan time series, yang merupakan metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan.
2.3.1 Peramalan dalam Horizon Waktu
Dalam hubungannya dengan horizon waktu peramalan maka kita dapat mengklasifikasikan peramalan tersebut dalam 3 kelompok Nasution, 2003: 26 :
1. Peramalan jangka panjang, umumnya 2 sampai 10 tahun. Peramalan ini
digunakan untuk perencanaan produk dan perencanaan sumber daya. 2.
Peramalan jangka menengah, umumnya 1 sampai 24 bulan. Peramalan ini lebih mengkhususkan dinandingkan peramalan jangka panjang, biasanya
digunakan untuk menentukan aliran khas, perencanaan produksi, dan penentuan anggaran.
3. Peramalan jangka pendek, umumnya 1 sampai 5 minggu. Peramalan ini
digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja dan lai-lain keputusan kontrol jangka pendek.
Dalam penelitian ini menggunakan peramalan jangka menengah yang umumnya dilakukan 1 atau 2 tahun yang digunakan untuk menentukan jalur
distribusi paling optimal berdasarkan data permintaan sebelumnya.
22
2.3.2 Beberapa Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan hasil suatu peramalan maka ada beberapa hal yang harus dipertimbangkan, yaitu Nasution, 2003: 29 :
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak akan menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kasalahan maka penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang
mungkin terjadi. 3.
Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, fakto-
faktor yang mempengaruhi permintaan relatif masih konstan, sedangkan semakin panjang periode peramalan, maka semakin besar pula kemungkinan
terjadinya perubahan factor-faktor yang mempengaruhi permintaan.
2.3.3 Prosedur Peramalan
Dalam melakukan peramalan terdapat beberapa prosedur, yaitu : 1.
Tentukan pola data permintaan Dilakukan dengan cara memplotkan data secara grafis dan menyimpulkan
apakah data berpola trend, musiman, siklikal atau siklus, eratik random. Trend kecenderungan T adalah sifat dari permintaan dimasa lalu terhadap
waktu terjadinya, apakah permintaan tersebut cenderung naik, turun atau
23
konstan. Siklus C merupakan pola permintaan suatu produk yang berulang secara periodik biasanya lebih dari satu tahun, sehingga tidak perlu
dimasukkan dalam peramalan jangka pendek. Musiman S adalah pola permintaan suatu produk yang naik atau turun disekitar garis trend dan
biasanya berulang setiap tahun. disebabkan factor cuaca, musim libur panjang, dan lain-lain. Random R merupakan pola permintaan suatu produk yang
mengikuti pola bervariasi secara acak karena factor bencana alam, bangkrutnya perusahaan, dan lain-lain. pola ini dibutuhkan dalam menentukan
persediaan pengamatan untuk mengantispasi kekurangan persediaan bila terjadi lonjakan permintaan. Nasution, 2003: 35.
2. Mencoba beberapa metode time series sesuai dengan pola permintaan tersebut
untuk melakukan peramalan. 3.
Mengevaluasi tingkat kesalahan masing-masing metode yang akan dicoba. Tingkat kesalahan masing-masing metode yang akan dicoba, tingkat kesalahan
diukur dengan kriteria MAD, MSE, MAPE. Ukuran akurasi hasil peramalan merupakan ukuran kesalahan error permintaan, merupakan tentang tingkat
perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. 4.
Memilih metode peramalan terbaik diantara metode yang dicoba. Metode terbaik akan memberikan tingkat kesalahan terkecil dibanding metode
lainnya dan tingkat kesalahan tersebut berada dibawah tingkat kesalahan yang telah ditetapkan.
24
Metode yang digunakan dalam Time Series, yaitu: a.
Metode Rata-rata Bergerak Tertimbang Weighted Moving Average Dalam metode rata-rata bergerak memberikan timbangan yang sama
bagi seluruh data pengamatan, walaupun data yang paling akhir lebih penting dan perlu dipertimbangkan dalam penyusunan ramalan sedangkan
dalam metode rata-rata bergerak tertimbang memberikan timbangan yang berbeda atau data tersebut, dengan peranan atau pentingnya data tersebut
pada penyusunan ramalan pada periode berikutnya Ariyani, 2008: 33 Formula metode Weighted Moving Average adalah Baroto, 2002:
38 :
m t
m t
t
f c
f c
f c
t f
2 2
1 1
dimana : ramalan permintaan real untuk peride t
t
f
t
f permintaan aktual pada periode t
1
c
= bobot masing-masing data yang digunakan
1
1
c
, ditentukan secara subyektif
m = jumlah periode yang digunakan untuk peramalan Subyektif
Pada periode WMA peramalan permintaan untuk setiap periode mendatang diasumsikan sama.
25
b. Metode Pemulusan Eksponensial Tunggal Single
Eksponential Smoothing
Kelemahan metode Moving Average dalam kebutuhan akan data- data masa lalu yang cukup banyak dapat diatasi dengan metode pemulusan
eksponensial.Ariyani, 2008: 34 Formula untuk metode Single Eksponential Smoothing SES adalah
Baroto, 2002: 39 :
1
1
t t
t
f f
f
dimana :
t
f
perkiraan permintaan pada peride t
suatu nilai
1
yang ditentukan secara subyektif
t
f permintaan aktual pada periode t
1 t
f
perkiraan permintaan pada peride t-1 Metode SES mengasumsikan peramalan permintaan untuk setiap
periode ke depan selalu sama. c.
Metode Pemulusan Eksponansial Ganda Double Eksponential Smoothing Dasar pemikiran dari metode pemulusan eksponensial yang linier ini
adalah baik nilai pemulusan eksponensial tunggal maupun ganda terdapat pada waktu sebelum data sebenarnya, bila pada itu adalah trend.
Disamping itu untuk menyesuaikan trend, maka nilai-nilai pemulusan eksponensial tunggal ditambahkan nilai-nilai pemulusan eksponensial
ganda. Ariyani. 2008: 36
26
Formula Double Eksponential Smoothing adalah Baroto, 2002: 40
t t
e t
a a
F
1
dimana adalah parameter proses dan e mempunyai nilai harapan dari
0 dan sebuah variasi .
1
, a a
2 e
Misalkan
1
, sehingga :
1 1
1 2
1 ...
f f
f f
F
t t
t t
persamaan diatas dapat pula dituliskan ulang sebagai :
1 1
f f
F
t t
i t
i t
Double Eksponential Smoothing adalah modifikasi dari Single Ekspnential Smoothing yang diruuskan sebagai berikut :
1
2 2
t t
t
dimana :
t F
t
2
= Peramalan double exponential smoothing
Faktor smoothing dan
1 ,
Ft t
d. Metode Winter’s
Metode peramalan Winter’s digunakan untuk suatu data yang berpola musiman. Baroto, 2002: 44
Formulasi untuk metode Winter’s adalah :
t
C t
a a
t .
1 1
,
dengan :
1 2
,
2 a
N a
a
N
N f
f a
1 2
1
N f
f
t N
t 1 1
N f
f
N N
t t
2 1
2
27
2 1
1 2
2 ,
N a
f a
N t
t
a a
f C
. 1
1
1
1
N C
N t
t
5. Melakukan peramalan dengan metode terbaik yang dipilih
2.4 Metode Time Series