yang sangat sensitif terhadap intuisi dari suatu kelompok kecil orang yang karena pengalamannya mampu memberikan opini yang kritis dan relevan.
c. Riset Pasar Merupakan metode peramalan yang didasarkan pada hasil-hasil dari survei
pasar yang dilakukan oleh tenaga-tenaga pemasar produk atau yang mewakilinya. Metode ini akan menjaring informasi dari pelanggan, sehingga
riset pasar tidak hanya untuk membantu peramalan, tetapi juga untuk meningkatkan desain produk dan perencanaan untuk produk-produk baru.
d. Metode Kelompok Terstruktur Metode ini hampir sama dengan metode Delphi, namun dalam hal ini grup
tidak berjumpa secara bersama dalam suatu forum untuk berdikusi, tetapi mereka diminta pendapatnya secara terpisah dan tidak boleh secara
berunding. Hal ini dilakukan untuk menghindari pendapat yang bias karena pengaruh
kelompok. e. Analogi Historis
Merupakan teknik peramalan yang didasarkan pada pola data masa lalu dari produk-produk yang dapat disamakan secara analogi. Analogi historis akan
cenderung lebih baik untuk penggantian produk di pasar dan apabila terdapat hubungan substitusi langsung dari produk dalam pasar itu.
3.12.2. Peramalan Kuantitatif
Universitas sumatera utara
Peramalan kuantitatif adalah peramalan yang didasarkan pada data kuantitatif pada masa lalu. Hasil peramalan yang dibuat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. Metode yang baik yaitu yang memberi nilai-nilai perbedaan atau penyimpangan yang mungkin. Peramalan
kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi berikut: 1. Adanya informasi tentang keadaan yang lain.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan
datang.
3.12.3. Metode Time Series
Metode Time Series 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 dapat diidentifikasi semata-mata atas dasar data historis
dari serial itu. Dengan metode deret waktu dapat ditunjukkan bagaimana permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari
perubahan permintaan dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang akan datang.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu : a. Pola siklis, jika penjualan produk memilki siklus yang berulang secara
periodik b. Pola musiman, jika pola penjualan berulang setiap periode
Universitas sumatera utara
c. Pola horizontal, jika nilai data berfluktuasi di sekitar nilai rata-rata d. Pola trend, jika data memiliki kecenderungan untuk naik atau turun terus
menerus Adapun metode peramalan yang termasuk model Time Series adalah :
1. Metode Penghalusan Smoothing Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari data
yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu. Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang kurang akurat. Metode ini terdiri dari:
a. Metode rata-rata bergerak moving average i. Single Moving Average
Merupakan peramalan untuk satu periode ke depan dari periode rata-rata. Rumus yang digunakan adalah:
N X
X X
F
t t
N t
t
+ +
+ =
+ +
− +
1 1
1
...
Dimana: X
i
: data pengamatan periode i. N : jumlah deret waktu yang digunakan
F
t+1
: nilai peramalan periode t+1 ii. Linear Moving Avarage
Dasar dari metode ini adalah penggunaan moving average kedua untuk memperoleh penyesuaian bentuk pola trend.
iii. Double Moving Avarage
Universitas sumatera utara
Notasi yang diberikan adalah MA M x N,artinya M – periode MA dan N – periode NA
iv. Weigthed Moving Average Weighted moving average adalah metode perhitungan dengan cara
mengalikan tiap-tiap periode dengan faktor bobot dan membagikannya dengan hasil produk yang merupakan penjumlahan faktor bobot. Formula
metode Weighted Moving Average adalah:
n t
n t
t t
A w
A w
A w
F
− −
−
+ +
+ =
...
2 2
1 1
dimana : w
1
: bobot yang diberikan pada periode t-1 w
2
: bobot yang diberikan pada periode t-2 w
n
: bobot yang diberikan pada periode t-n n
: jumlah periode 2. Metode Eksponensial Smoothing
a. Single Eksponensial 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
tersebut. Secara matematis dapat dinyatakan:
1
ˆ 1
ˆ
−
− +
=
t t
t
f f
f α
α dimana :
t
fˆ : perkirakan permintaan pada periode t
α : suatu nilai 0
α 1 yang ditentukan secara subjektif
Universitas sumatera utara
t
f
: permintaan aktual pada periode t
1
ˆ
− t
f : perkiraan permintaan pada periode t-1
b. Double Exponensial Smoothing Formula DoubleExponentialSmoothing adalah :
. .m
b a
f
t t
m t
+ =
+
sedangkan :
1
1
−
− +
=
t t
t
f X
f
α α
1
1
−
− +
=
t t
t
f f
f
α α
dimana
t
f : single exponential smoothing
t
f : double exponential smoothing
2
t t
t t
t t
f f
f f
f −
= −
+ =
α
1
t t
t
f f
− −
=
α α
β
b. Metode Proyeksi Kecenderungan dengan Regresi Metode ini 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: a. Konstan, dengan fungsi peramalan Yt:
Universitas sumatera utara
Yt = a, dimana
N Y
a
∑
=
1
dimana : Yt = nilai tambah N = jumlah periode
b. Linier, dengan fungsi peramalan: Yt = a + bt
dimana :
n bt
Y a
− =
∑ ∑
∑ ∑ ∑
− −
− =
2 2
t t
n y
t ty
n b
c. Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct
2
dimana :
n t
c t
b Y
a
∑ ∑
∑
− −
=
2
∂ −
=
α θ
b c
2
α β
θα δ
− ∂
− ∂
= b
∑ ∑
− =
∂
4 2
2
t n
t
∑ ∑ ∑
− =
tY n
Y t
δ
∑ ∑ ∑
− =
Y t
n Y
t
2 2
θ
∑ ∑ ∑
− =
3 2
2
t n
t t
α
d. Eksponensial, dengan fungsi peramalan : Yt = ae
bt
dimana :
n t
b Y
a
∑ ∑
− =
ln ln
2 2
ln ln
ln
∑ ∑
∑ ∑
∑
− −
= t
t n
Y t
Y t
n a
e. Siklis, dengan fungsi peramalan :
Universitas sumatera utara
n t
c n
b a
Y
t
τ τ
2 cos
2 sin
ˆ +
+ =
dimana :
n t
c n
t b
na Y
τ τ
2 cos
2 sin
∑ ∑
+ +
=
n t
n t
c n
b n
t a
n t
Y
τ τ
τ τ
τ
2 cos
2 sin
2 sin
2 sin
2 sin
2
∑ ∑
∑
+ +
=
n t
n t
b n
c n
t a
n t
Y
τ τ
τ τ
τ
2 cos
2 sin
2 cos
2 cos
2 cos
2
∑ ∑
∑ ∑
+ +
=
3.13. Kriteria Performance Peramalan
