Peran Akan Teknik Peramalan Model-model Peramalan

2.4 Peramalan

Peramalan adalah suatu penaksiran atau perkiraan tingkat permintaan yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang. oleh karena itu peramalan pada dasarnya adalah suatu taksiran, tetapi dengan menggunakan cara-cara tertentu peramalan dapat lebih daripada hanya suatu taksiran. Dapat dikatakan bahwa peramalan adalah suatu taksiran yang ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan adanya keterbatasan kemampuan manusia. Untuk membuat peramalan mempunyai banyak arti maka peramalan tersebut perlu direncanakan dan dijadwalkan, sehingga akan diperoleh suatu periode waktu yang paling sedikit dalam periode waktu yang dibutuhkan untuk membuat kebijaksanaan dan menetapkan beberapa hal yang mempengaruhi kebijaksanaan 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

2.4.1 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. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 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.

2.4.2 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 : 1. Metode Kuantitatif • Deret berkala Time Series • metode Kausal 2. Metode Kualitatif Teknologi terdiri dari : • Metode Ekspolatoris • Metode Normatif Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 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. 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. Langkah penting dalam memilih suatu metode deret berkala Time Series yang tepat adalah dengan mempertimbangkan jenis pola data. Pola data dapat dibedakan menjadi empat. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Jenis siklus trend, antara lain : 1. Pola Horisontal H terjadi bilamana nilai data berfluktuasi disekitar nilai rata- rata. Y Gambar 2.5 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 2.6 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 telah didapat. Pendekatan teknologis sering memerlukan input dan sejumlah orang Waktu Y Gambar 2.8 Pola data trend Gambar 2.7 Pola data siklus Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 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.

2.4.3 Pemilihan Teknik dan Metode Peramalan

Dokumen yang terkait

Perencanaan Kebutuhan Distribusi Dengan Menggunakan Distribution Requirement Planning (DRP) di PT. Tirta Sibayakindo

18 161 124

Perencanaan Penjadwalan Distribusi Produk dengan Metode Distribution Requirement Planning (DRP) di Perusahaan Multi Jaya.

3 20 20

PERENCANAAN AKTIVITAS DISTRIBUSI PRODUK UDANG DENGAN MENGGUNAKAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) (Studi Kasus Di PT. ANGGARA CIPTA CITRA - SIDOARJO).

0 0 110

PERENCANAAN DISTRIBUSI PRODUK PAVING DENGAN MENGGUNAKAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) (Studi Kasus Di UD. DUA SAUDARA - Surabaya.

6 13 101

PERENCANAAN DAN PENJADWALAN DISTRIBUSI DENGAN MENGGUNAKAN DISTRIBUTION REQUIREMENT PLANNING (DRP) (Studi Kasus Di PT. Tjakrindo Mas – Gresik).

1 3 135

PERENCANAAN PENJADWALAN DISTRIBUSI PRODUK DENGAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) DI PT KHARISMA ESA ARDI-SURABAYA.

1 15 261

PERENCANAAN DISTRIBUSI PRODUK KACA DENGAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) DI PT ASAHIMAS FLAT GLASS Tbk.

7 50 132

PERENCANAAN DISTRIBUSI PRODUK PAVING DENGAN MENGGUNAKAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) (Studi Kasus Di UD. “DUA SAUDARA” – Surabaya)

0 1 19

PERENCANAAN DISTRIBUSI PRODUK FURNITURE DENGAN MENGGUNAKAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) (Studi Kasus Di PT. Mitra Mandiri Perkasa – Sidoarjo)

1 3 17

PERENCANAAN AKTIVITAS DISTRIBUSI PRODUK UDANG DENGAN MENGGUNAKAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) (Studi Kasus Di PT. ANGGARA CIPTA CITRA - SIDOARJO)

0 0 14