PERAMALAN (FORECASTING)

PERAMALAN
(FORECASTING)
Apakah Peramalan itu?
• Peramalan (forecasting) adalah seni dan ilmu
untuk memperkirakan kejadian di masa
depan.
• Dapat dilakukan dengan melibatkan
pengambilan data historis dan
memproyeksikannya ke masa mendatang
dengan suatu bentuk model matematika.
Meramalkan Horizon Waktu
• Peramalan berdasarkan horizon waktu masa
depan terbagi menjadi beberapa kategori:
1. Peramalan jangka pendek : jangka waktu
hingga 1 tahun, tetapi umumnya kurang dari
3 bulan. Peramalan ini digunakan untuk
merencanakan pembelian, penjadwalan
kerja, jumlah tenaga kerja, penugasan kerja,
dan itngkat produksi.
Meramalkan horizon waktu
2. Peramalan jangka menengah : umumnya
mencakup hitungan bulan hingga 3 tahun.
Digunakan untuk meramalkan penjualan,
perencanaan dan anggaran produksi,
anggaran kas, serta menganalisis bermacammacam rencana operasi.
Meramalkan horizon waktu
3. Peramalan jangka panjang : umumnya untuk
perencanaan masa 3 tahun atau lebih.
Digunakan untuk merencanakan produk baru,
pembelanjaan modal, lokasi atau
pengembangan fasilitas, serta penelitian dan
pengembangan (litbang).
Pengaruh Siklus Hidup Produk
• Peramalan yang menggambarkan siklus hidup
produk berguna dalam memproyeksikan
tingkat penempatan pekerja yang berbedabeda, penentuan tingkat persediaan dan
kapasitas pabrik sepanjang produk melewati
tahapan awal hingga akhir.
Jenis-jenis Peramalan
1. Peramalan ekonomi : menjelaskan siklus bisnis dengan
memprediksikan tingkat inflasi, ketersediaan uang, dana
yang dibutuhkan untuk membangun perumahan
2. Peramalan teknologi : memperhatikan tingkat kemajuan
teknologi yang dapat meluncurkan produk baru yang
menarik yang membutuhkan pabrik dan peralatan baru.
3. Peramalan permintaan : proyeksi permintaan untuk
produk atau layanan suatu perusahaan. Disebut juga
peramalan penjualan yang mengendalikan produksi,
kapasitas, serta sistem penjadwalan dan menjadi input
bagi perencanaan keuangan, pemasaran, dan sumber
daya manusia.
Kepentingan Strategis Peramalan
• Peramalan yang baik sangatlah penting dalam
semua aspek bisnis : peramalan merupakan
satu-satunya prediksi mengenai permintaan
hingga permintaan yang sebenarnya
diketahui.
• Peramalan permintaan mengendalikan
keputusan di banyak bidang.
Dampak peramalan produk pada
sumber daya manusia
• Mempekerjakan, melatih, dan
memberhentikan pekerja bergantung pada
permintaan. Jika departemen SDM harus
mempekerjakan pekerja tambahan tanpa
adanya persiapan, akibatnya kualitas pelatihan
menurun dan kualitas pekerja juga menurun.
Dampak peramalan produk pada
kapasitas
• Saat kapasitas tidak mencukupi, kekurangan
yang diakibatkannya bisa berarti tidak
terjaminnya pengiriman, kehilangan
konsumen, dan kehilangan pangsa pasar.
Dampak peramalan produk pada
manajemen rantai pasokan
• Hubungan yang baik dengan pemasok, serta
harga barang dan komponen yang bersaing
bergantung pada peramalan yang akurat.
Tujuh langkah Sistem Peramalan
1.
2.
3.
4.
5.
Menetapkan tujuan peramalan
Memilih unsur yang akan diramalkan
Menentukan horizon waktu peramalan
Memilih jenis model peramalan
Mengumpulkan data yang diperlukan untuk
melakukan peramalan
6. Membuat peramalan
7. Memvalidasi dan menerapkan hasil peramalan
Berbagai pendekatan dalam
peramalan
• Terdapat dua pendekatan umum untuk
peramalan :
1. Peramalan kuantitatif : menggunakan model
matematis yang beragam dengan data masa lalu
dan variabel sebab-akibat untuk meramalkan
permintaan.
2. Peramalan subjektif / kualitatif :
menggabungkan faktor intuisi, emosi,
pengalaman pribadi, dan sistem nilai pengambil
keputusan untuk meramal.
Gambaran Umum Metode Kualitatif
1. Juri dari opini eksekutif : pendapat
sekumpulan kecil manajer umumnya
digabungkan dengan model statistik,
dikumpulkan untuk mendapatkan prediksi
permintaan kelompok.
2. Metode Delphi : ada tiga jenis partisipan
dalam metode Delphi, yaitu pengambil
keputusan, karyawan, dan responden.
Gambaran umum metode kualitatif
3. Komposit tenaga penjualan : dalam
pendekatan ini setiap tenaga penjualan
memperkirakan berapa penjualan yang dapat
ia capai dalam wilayahnya.
4. Survei pasar konsumen : metode ini meminta
input dari konsumen mengenai rencana
pembelian mereka di masa depan.
Gambaran Umum Metode Kuantitatif
• Lima metode peramalan yang menggunakan
data historis:
1. Pendekatan naif (model deret-waktu)
2. Rata-rata bergerak (model deret-waktu)
3. Penghalusan eksponensial (model deretwaktu)
4. Proyeksi tren (model asosiatif)
5. Regresi linier (model asosiatif)
• Model deret waktu (time series) membuat
prediksi dengan asumsi bahwa masa depan
merupakan fungsi dari masa lalu. Dengan kata
lain, teknik peramalan ini menggunakan
sejumlah data masa lalu untuk membuat
peramalan.
• Model asosiatif (hubungan sebab-akibat),
seperti regresi linier, menggabungkan banyak
variabel atau faktor yang mungkin
mempengaruhi kuantitas yang sedang
diramalkan.
Peramalan Deret Waktu
• Deret waktu didasarkan pada urutan dari titiktitik data yang berjarak sama dalam waktu
mingguan, bulanan, kuartalan, dan lain-lain.
• Meramalkan deret waktu berarti nilai masa
depan diperkirakan hanya dari nilai masa lalu
dan variabel lain diabaikan walaupun variabel
tersebut mungkin sangat bermanfaat.
Dekomposisi Deret Waktu
• Deret waktu mempunyai empat komponen :
1. Tren : pergerakan data sedikit demi sedikit meningkat
atau menurun.
2. Musim : pola data yang berulang pada kurun waktu
tertentu, seperti hari, minggu, bulan, kuartal
3. Siklus : pola dalam data yang terjadi setiap beberapa
tahun
4. Variasi acak : satu titik khusus dalam data yang
disebabkan oleh peluang dan situasi yang tidak lazim.
Variasi pola acak tidak mempunyai pola khusus
sehingga tidak dapat diprediksi.
Pendekatan Naif
(Naive Approach)
• Pendekatan naif (naive approach) merupakan
teknik peramalan yang mengasumsikan
permintaan periode berikutnya sama dengan
permintaan pada periode terakhir.
• Contoh : jika penjualan sebuah produk,
katakanlah telepon genggam Samsung, adalah
sebanyak 100 unit pada bulan November, kita
dapat meramalkan penjualan pada bulan
Desember akan sama, yaitu 100 unit.
Rata-rata Bergerak
(Moving Average)
• Peramalan rata-rata bergerak menggunakan
sejumlah data aktual masa lalu untuk
menghasilkan peramalan. Rata-rata bergerak
berguna jika kita dapat mengasumsikan
bahwa permintaan pasar akan stabil
sepanjang masa yang kita ramalkan.
• Rata-rata bergerak = Σ permintaan dalam periode n sebelumnya
n
Menentukan bagaimana menghitung
Rata-rata Bergerak
• Saat terdapat tren atau pola yang terdeteksi,
bobot dapat digunakan untuk menempatkan
penekanan yang lebih pada nilai terkini.
• Rata-rata bergerak dengan pembobotan dapat
digambarkan secara matematis sebagai
berikut :
Pembobotan rata-rata bergerak =
Σ(Bobot periode n)(Permintaan dalam periode n)
Σ Bobot
Pembobotan Rata-rata Bergerak
Hasil Peramalan Rata-rata berbobot
Soal 1
Soal 2