Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Metode peramalan dapat dibagi atas dua kelompok, yaitu metode kualitatif
dan kuantitatif Sinulingga, 2009. Metode kualitatif didasarkan pada pertimbangan dengan akal sehat dan pengalaman, sedangkan metode kuantitatif
menggunakan metode matematik dengan menggunakan data masa lalu untuk memproyeksikan kebutuhan di masa mendatang.
Prosedur umum dalam peramalan secara kuantitatif Ginting, 2007 adalah sebagai berikut:
1. Mendefinisikan tujuan peramalan.
2. Membuat diagram pencar.
3. Memilih beberapa metode peramalan yang dianggap sesuai.
4. Menghitung parameter-parameter fungsi peramalan.
5. Menghitung kesalahan error dari setiap metode peramalan.
6. Memilih metode yang terbaik dengan nilai kesalahan terkecil.
7. Melakukan verifikasi peramalan.
3.4.1. Metode Peramalan Kuantitatif
Salah satu metode peramalan kuantitatif yang dapat digunakan adalah Metode Proyeksi Kecenderungan dengan Regresi. Metode ini merupakan dasar
garis kecenderungan untuk suatu persamaan. Dengan dasar persamaan tersebut
Universitas Sumatera Utara
dapat diproyeksikan hal-hal yang akan diteliti pada masa mendatang. Bentuk- bentuk fungsi dari metode ini dapat berupa Ginting, 2007:
1. Konstan, dengan fungsi peramalan Yt: Y’ = a
Keterangan: Y’ = Nilai tambah
N = Jumlah periode 2. Linier, dengan fungsi peramalan:
Y’ = a + bX Dimana:
3. Kuadratis, dengan fungsi peramalan : Y’ = a + bX + cX
2
Dimana :
Universitas Sumatera Utara
4. Eksponensial, dengan fungsi peramalan : Y’ = ae
bX
Dimana :
5. Siklis, dengan fungsi peramalan :
Dimana :
3.4.2. Parameter Kesalahan Peramalan
Kesalahan peramalan dapat mempengaruhi dua keputusan yang dapat diambil. Salah satunya adalah dalam membuat pilihan dari antara variasi teknik
Universitas Sumatera Utara
peramalan, dan yang lainnya adalah dalam mengevaluasi keberhasilan atau kegagalan dari teknik yang digunakan. Keputusan untuk menggunakan model
baru atau melanjutkan yang sedang digunakan biasanya bertumpu pada beberapa ukuran kesalahan peramalan. Setiap teknik diuji pada data historisnya dan satu
dengan kesalahan peramalan terkecil digunakan sebagai instrumen peramalan Tersine, 1994. Beberapa langkah yang dapat digunakan untuk mengukur
kesalahan peramalan dapat dilihat pada Tabel 3.1.
Tabel 3.1. Pengukuran Kesalahan Error Peramalan
No. Pengukur
Rumus
1. Mean absolute deviation MAD
2. Mean squared error MSE
3. Standard deviation of regression S
r
4. Mean absolute percent error MAPE
5. Mean error ME
6. Mean percent error MPE
7. Tracking signal TS
8. Standard error of estimate SEE
Universitas Sumatera Utara
Keterangan: = Permintaan aktual pada periode i
= Hasil peramalan permintaan pada periode i n
= Banyaknya pengamatan atau periode waktu f
= Derajat kebebasan
3.4.3. Proses Verifikasi Peramalan