a. 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. Metode Delphi ini dipakai dalam peramalan teknologi yang sudah digunakan pada
pengoperasian jangka panjang. Selain itu metode ini juga bermanfaat dalam pengembangan produk baru, pengembangan kapasitas produksi, penerobosan ke
segmen pasar baru dan strategi keputusan bisnis lainnya.
b. Metode Penelitian Pasar
Metode ini mengumpulkan dan menganalisa fakta secara sistematis pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama dalam
penelitian pasar ini adalah survei konsumen. Survei konsumen akan memberikan informasi mengenai selera yang diharapkan konsumen, dimana informasi tersebut
diperoleh dari sampel dengan cara quesioner. 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.
Universitas Sumatera Utara
3.1.3.2. 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. Metode peramalan kuatitatif pada dasarnya dapat dikelompokkan dalam dua jenis,
yaitu metode deret berkala time series dan metode kausal.
A. 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.
Y = T C R S 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:
Universitas Sumatera Utara
1. Metode Penghalusan Smoothing
Metode Smoothing digunakan untuk mengurangi ketidak teraturan 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:
1. 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
...
Dimana ; X
t
= Data pengamatan periode tersebut N = Jumlah deret waktu yang digunakan
F
t=1
= Nilai peramalan periode t + 1
2. 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
’
Universitas Sumatera Utara
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 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
Universitas Sumatera Utara
- Double Exponensial Smoothing
- Triple Exponensial Smoothing
- Adaptive Response Rate Exponensial Smoothing
- Holt 2 – Parameter Exponensial Smoothing
- Wintwer 3 – Parameter Exponensial Smoothing
2. Metode Proyeksi Kecendrungan dengan Regresi
Metode kecendrungan dengan regresi merupakan dasar garis kecendrungan 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 + b
t
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 + b
t
+ c
t 2
Dimana :
2 2
b b
c n
t c
t b
Y a
Universitas Sumatera Utara
3 2
2 2
4 2
2
t n
t t
Y t
n Y
t tY
n Y
t t
n t
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 i
c n
b a
Y
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
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
f. 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, kecenderungan, dan keteracakan.
Universitas Sumatera Utara
B. 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.
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 diantara variabel yang akan diramalkan dengan satu atau variabel
lain.
3.2. Safety Stock
Kategori