data masa lalu itu tidak akan menolong peramalan pada pemintaan masa yang akan datang.
Peramalan berdasarkan metode kuantitatif intrinsic forecasting mempunyai asumsi bahwa data permintaan masa lalu dari produk atau item yang
diramalkan mempunyai pola yang diperkirakan masih berlanjut ke masa yang akan datang. Pola permintaan tersebut mungkin kurang jelas terlihat karena factor
random yang menghasilkan fluktuasi.
3.2.3.1. Metode Peramalan Kuantitatif
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut
8
: 1.
Tersedia informasi tentang masa lalu. 2.
Informasi tersebut dapat dikuantifikasikan dalam bentuk data numerik. 3.
Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
Kondisi yang terakhir ini dikenal dengan asumsi berkesinambungan assumption of continuity, asumsi ini merupakan premis yang mendasari semua
metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
9
Prosedur umum yang digunakan dalam peramalan secara kuantitatif dapat dilihat pada Gambar 3.1.
8
Spyros Makridakis, Metode dan Aplikasi Peramalan, Jakarta: Erlangga, h. 8
9
Rosnani Ginting, Sistem Produksi, Yogyakarta: Graha Ilmu, h. 44-45
Universitas Sumatera Utara
Langkah I Defenisikan tujuan
peralaman
Langkah II Buat diagram pencar
Langkah III Pilih beberapa metode
Langkah IV Hitung parameter-parameter
Langkah V Hitung kesalahan tiap
metode
Langkah VI Pilih metode dengan
kesalahan terkecil
Langkah VII Verifikasi peramalan
Gambar 3.1. Langkah- langkah Peramalan Secara Kuantitatif
Universitas Sumatera Utara
3.2.3.2. Metode Time Series
Metode time series adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu
10
. Langkah penting dalam memilih suatu metode time series yang tepat adalah dengan mempertimbangkan
jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis, yaitu:
1. Pola horizontal terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-
rata yang konstan deret seperti itu adalah stasioner terhadap nilai rata- ratanya. Suatu produk yang penjualannya tidak meningkat dan menurun
selama waktu tertentu termasuk jenis ini. 2.
Pola musiman terjadi bilamana suatu deret dipengaruhi oleh faktor musiman misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu
tertentu. Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang menunjukkan jenis pola ini.
3. Pola siklis terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja menunjukkan jenis pola ini.
4. Pola trend terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional GDP, dan berbagai indikator bisnis atau ekonomi mengikuti suatu pola
trend selama perubahannya sepanjang waktu.
10
Makridakis, Op.Cit, h. 9-10
Universitas Sumatera Utara
Pada metode time series, pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan atau kesalahan masa lalu
11
. Tujuan metode ini adalah menemukan pola dalam deret data historis dan mengekstrapolasikan
pola tersebut ke masa depan. Langkah penting dalam memilih suatu metode time series yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga
metode yang paling tepat dengan pola tersebut dapat diuji. Metode kecenderungan dengan regresi merupakan dasar garis
kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa:
1. Konstan, dengan fungsi peramalan Yt: f = 1
Yt = a, dimana
N Y
a
1
Yt = nilai tambah N = jumlah periode
2. Linear, dengan fungsi peramalan: f = 2
Yt = a + bt
Dimana :
n bt
Y a
2 2
t t
n y
t ty
n b
3. Kuadratis, dengan fungsi peramalan: f = 3
Yt = a + bt + ct
2
11
Rosnani Ginting, Sistem Produksi, Yogyakarta: Graha Ilmu, h. 55-56
Universitas Sumatera Utara
Dimana :
n t
c t
b Y
a
2
b c
2
b
4 2
2
t n
t
tY n
Y t
Y t
n Y
t
2 2
3 2
2
t n
t t
2 2
t n
t
4. Eksponensial, dengan fungsi peramalan : f =2
Yt = ae
bt
Dimana :
n t
b Y
a
ln ln
2 2
ln ln
t
t n
Y t
Y t
n b
5. Siklis, dengan fungsi peramalan : f = 3
n t
c n
t b
a Y
t
2 cos
2 sin
ˆ
Dimana :
n t
c n
t b
na Y
2 cos
2 sin
n t
n t
c n
t b
n t
a n
t Y
2 cos
2 sin
2 sin
2 sin
2 sin
2
Universitas Sumatera Utara
n t
n t
b n
t c
n t
a n
t Y
2 cos
2 sin
2 cos
2 cos
2 cos
2
3.2.4. Kriteria Performance Peramalan
