Peramalan Berdasarkan Sifat Ramalan
Teknik peramalan berdasarkan pola data masa lalu dari produk-produk yang dapat disamakan secara analogi.
2. Metode peramalan kuantitatif statistical method
Metode yang termasuk dalam metode peramalan kuantitatif adalah metode time series. Metode ini digunakan untuk menganalisis serangkaian data
yang merupakan fungsi dari waktu. Metode ini mengasumsikan beberapa pola berulang sepanjang waktu. Dalam analisis deret waktu dapat
ditunjukkan bagaimana permintaan terhadap produk terhadap waktu, hal ini dapat digunakan juga untuk meramalkan penjualan di masa depan.
Ada 4 komponen yang mempengaruhi analisis ini Rosnani Ginting, 2007:46:
1. Pola siklis cycle
Pola berulang secara periodik atau siklus dapat terjadi pada penjualan produk karena dipengaruhi oleh pola pergerakan aktifitas ekonomi yang
cenderung berperiodik. Pola ini baik digunakan dalam peramalan jangka menengah.
2. Pola musiman seasonal
Musim sangat mempengaruhi pola ini, misalnya faktor cuaca, libur atau kecenderungan perdagangan. Pola ini baik digunakan dalam peramalan
jangka pendek. 3.
Pola horizontal Pola data ini terjadi apabila nilai data berfluktuasi disekitar nilai rata-rata.
4. Pola trend
Pola ini memiliki kecenderungan naik atau turun terus menerus. Pola trend baik digunakan untuk meramalkan biaya-biaya dalam operasi karena biaya
tersebut cenderung naik jika mesin makin tua atau semakin lama jangka waktu pemakaiannya.
Metode peramalan yang termasuk model time series adalah metode penghalusan smoothing. Metode ini mengurang ketidakteraturan musiman dari
data lalu dengan membuat rata-rata tertimbang masa lalu.
Universitas Sumatera Utara
Metode penghalusan smoothing terdiri dari beberapa jenis, antara lain: 1.
Metode rata-rata bergerak moving average, terdiri atas: -
Single moving average SMA
Moving average diperoleh suatu periode merupakan peramalan untuk satu periode ke depan dari periode rata-rata tersebut. Persoalan yang timbul
dalam penggunaan metode ini adalah dalam menentukan nilai t periode rata-rata. Semakin besar nilai t maka peramalan yang dihasilkan akan
semakin menjauhi pola data.
-
Weigthed moving average WMA
Data pada periode tertentu diberi bobot, semakin dekat dengan saat sekarang semakin besar bobotnya. Bobot ditentukan berdasarkan
pengalaman. Metode moving average dapat mengantisipasi perubahan permintaan yang signifikan dari waktu ke waktu. Kelemahan dari metode
ini adalah hanya didasarkan pada N data terakhir tanpa mempertimbangkan data sebelumnya dan apabila N cukup besar dibutuhkan biaya yang cukup
besar dalam penyimpanan dan pemrosesan data.
2. Metode exponential smoothing, terdiri atas:
-
Single exponential 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 t. Metode exponential smoothing adalah modifikasi metode moving average dengan
mempertimbangkan data masa lalu secara eksponensial di mana data yang paling akhir mempunyai bobot atau timbangan lebih besar. Metode
exponential smoothing dapat mengatasi kelemahan metode moving average karena tidak memerlukan banyak data masa lalu.
-
Double exponential smoothing DES
Universitas Sumatera Utara
a. Satu parameter, merupakan metode yang hampir sama dengan
metode linier moving average, disesuaikan dengan menambahkan satu parameter.
b. Dua parameter, metode DES untuk times series dengan trend linier.
Terdapar dua konstanta pemulusan ∝ dan dan menggunakan dua
persamaan pemulusan yaitu persamaan nilai data intercept dan trend slope.
-
Metode peramalan Winter untuk masalah musiman
Metode Winter adalah triple exponential smoothing yang tepat digunakan untuk data yang dipengaruhi faktor musiman. Kelebihan metode Winter
adalah kemudahan memperbaharui pola data terbaru.