Ada 4 kelompok umum teknik peramalan yang sering digunakan, yaitu:
1. Teknis; 2. Fundamental; 3. Market based; dan 4. Perpaduan (mixed forecasting). Peramalan Teknis Peramalan ini menggunakan data tingkat kurs historis dan kadang kala peramalan dilakukan hanya dengan pengamatan data tanpa menggunakan perhitungan statistik. Namun tidak jarang pula perhitungan statistik disertakan dalam peramalan. Selain itu, juga ada beberapa model time series yang digunakan untuk pengujian move average sehingga para peramal dapat melakukan interpretasi yang didasarkan pada pengujian tersebut. Tentu saja cara pengujian ini tidak dipublikasikan seara luas guna mencegah pembajakan terhadap cara perhitungan tersebut. Jika data historis yang ada menampakkan pola yang random, maka peramalan teknis ini kurang begitu tepat untuk diterapkan. Peramalan Fundamental Peramalan ini didasarkan pada hubungan fundamental antara variabel ekonomi dan tingkat kurs. Dengan pemberian nilai tertentu pada variabel-variabel tadi, maka perusahaan dapat mengembangkan proyeksi tingkat kurs di masa yang akan datang. Peramalan dilakukan dengan cara memberikan penilaian subjektif pada tingkat dimana pergerakan variabel ekonomi secara umum akan mempengaruhi tingkat kurs. Dari perspektif statistikal, peramalan dilakukan berdasar pada ukuran kuantitatif pengaruh variabel ekonomi pada tingkat kurs. Sebenarnya fokus yang akan dijelaskan di sini adalah dua dari banyak faktor yang mempengaruhi nilai mata uang. Namun, sebelumnya kita asumsikan bahwa materi yang akan di bahas adalah peramalan perubahan persentase tingkat kurs, pound Inggris terhadap dolar Amerika pada kuartal yang akan datang. Dan untuk lebih mudahnya , diasumsikan bahwa peramalan terhadap nilai pound hanya dipengaruhi oleh dua faktor: 1. Inflasi di Amerika Serikat relatif terhadap inflasi di Inggris. 2. Perubahan pendapatan di Amerika Serikat relatif terhadap pertumbuhan pendapatan di Inggris. Langkah pertama yang dilakukan adalah menentukan bagaimana pengaruh kedua variabel ini terhadap nilai pound berdasarkan pada data historis yang dapat dilakukan dengan menggunakan analisis regresi. Pertama-tama dilakukan pengumpulan data kuartalan inflasi dan tingkat pertumbuhan pendapatan di Amerika Serikat dan Inggris. Variabel dependennya adalah perubahan persentase kuartalan pada nilai pound (di singkat BP), sedangkan variabel independennya dapat ditetapkan sebagai berikut: 1. Perubahan persentase perbedaan inflasi di masa lampau (tingkat inflasi Amerika Serikat dikurangi tingkat inflasi Inggris), disingkat menjadi INF. 2. Perubahan persentase perbedaan pertumbuhan pendapatan di masa lampau (pertumbuhan pendapatan di Amerika Serikat dikurangi pertumbuhan pendapatan di Inggris). Dengan demikian dapat diperoleh persamaan regresinya sebagai berikut: BP = b + b INF + b PDT + E Dimana b merupakan konstanta, b mengukur sensitivitas pengaruh perubahan INF pada BP, b mengukaur sensitivitas pengaruh perubahan PDT terhadap BP, dan E mewakili error. Untuk lebih memeperjelas, maka kita beri nilai pada koefisien regresi di atas sebagai berikut: b = 0,02, b = 0,8, dan b = 1,0. Dan untuk melakukan peramalan kita asumsikan bahwa INF sebesar 4% dan PDT sebesar 2%. Dengan demikian, hasil persamaan regresinya dapat kita cari sebagai berikut: BP = b + b INF + b PDT = 0,02 + 0,8 (4%) + 1,0(2%) = 5,4% Dari hasil tersebut dapat di interpretasikan bahwa nilai pound akan mengalami apresiasi sebesar 5,4% pada kuartal yang akan datang. Model diatas dengan dua faktor yang di analisis merupakan model yang sederhana. Bila lebih dari dua faktor, maka kita gunakan model full blown regression yang dapat di tuliskan persamaannya sebagai berikut: BP=b+bx+bx+.b n x n + E Dalam penggunaan model regresi untuk melakukan peramalan berbasis pada data historis, kadang kala ada beberapa faktor yang memiliki pengaruh cukup kuat pada perubahan yang tidak dapat diidentifikasi. Bila hal ini tidak diantisipasi maka hasil peramalan akan menjadi tidak akurat. Untuk mengatasi hal ini, maka perlu dilakukuan peramalan guna mengetahui berapa besarnya pengaruh dari faktor-faktor yang tidak dapat diidentifikasi tersebut. Peramalan ini lebih dikenal dengan analisis sensitivitas yang dapat dituliskan model persamaannya sebagai berikut: e t = a o + a 1 INF t + a 2 INF t-1 + keterangan : e t = perubahan persentase kurs selama peride-t a 0 ,a 1 ,a 2 = koefisien regresi INF t = diferensial suku bunga riil pada periode-t INF t-1 = diferensial inflasi pada periode t-1 Keterbatasan peramalan fundamental Peramalan fundamental memiliki empat keterbatasan : 1. Ketidakpastian pengaruh suatu faktor pada waktu tertentu. 2. Diperlukannya peramalan untuk faktor-faktor yang memiliki pengaruh langsung, pada nilai kurs. 3. Tidak semua faktor yang relevan dimasukkan dalam model. 4. Adanya perubahan sensitivitas pergerakan mata uang sepanjang waktu, hal ini disebabkan karena tidak ada satupun yang konstan di pasar sepanjang waktu selain perubahan itu sendiri, sehingga nilai-nilai koefisien di dalam model regresi akan selalu berubah. Dalam peramalan fundamental bisa juga digunakan teori paritas daya beli (PPP). Namun pada kenyataannya, penggunaan teori PPP ini tetap tidak dapat menghasilkan peramalan yang akurat dengan alasan sebagai berikut: (1) Ketidakpastian pengaruh fluktuasi inflasi pada pola perdagangan, demikian juga pada tingkat bunga, (2) data ynag digunakan untuk mengukur harga relative pada dua Negara tidak akurat, (3) hambatan perdagangan dapat mengganggu pola perdagangan, (4) faktor lain seperti perbedaan tingkat bunga antar negara juga mempengaruhi tingkat inflasi. Alasan-alasan ini membuktikan bahwa perbedaan inflasi semata tidaklah cukup untuk melakukan peramalan. Namun, perbedaan inflasi tetap merupakan satu faktor yang penting guna melakukan peramalan. Peramalan Metode Market-based Metode ini menggunakan indikator-indikator pasar yang biasanya didasarkan pada (1)kurs spot atau (2) kurs forward. Alasan mengapa kurs spot digunakan sebagai dasar peramalan market- based dapat dijelaskan dengan contoh sebagai berikut. Bila di-asumsikan bahwa poundsterling akan mengalami apresiasi terhadap dolar, maka hal ini dapat mendorong spekulator untuk membeli pound dengan dolar, dan dengan demikian akan mempercepat apresiasi. Demikian pula sebaliknya, bila pounds akan mengalami depresiasi terhadap dolar, maka spekulator akan menjual pound untuk ditukar dolar dengan harapan pound akan dapat dibeli kembali dengan harga yang lebih rendah nantinya. Jadi, dapat disimpulkan bahwa nilai pound dipasar saat ini mencerminkan nilai di masa yang akan datang. Dengan mengamati spot rate ini, maka perusahaan dapat melakukan peramalan nilai mata uang di masa yang akan datang. Alasan mengapa kurs forward juga dapat digunakan sebagai dasar peramalan market-based dapat dijelaskan sebagai berikut. Misalnya, harga 1,4 dolar sama dengan 1 pound dan dalam 30 hari mendatang di perkirakan menjadi 1,45 dolar. Hal ini akan mendorong spekulator untuk membeli pound agar 30 hari mendatang mereka mendapatkan keuntungan $0,5 dari setiap pound yang mereka beli. Dan dapat muncul kemungkinan bahwa tingkat harga dolar berhenti hanya $1,45 karena pada tingkat harga itulah spekulator mendapatkan keuntungan yang direncanakan sehingga mereka tidak lagi membeli pound. Hal ini menjadi penyebab mengapa harga pound tetap pada $1,45. Spekulator menganggap bahwa mereka tidak mendapatkan keuntungan bila tidak berada di tingkat yang telah mereka rencanakan. Meskipun dari awal yang dibahas dalam paparan ini adalah peramalan, namun sesungguhnya tindakan spekulasilah yang mampu mendorong kurs forward kearah yang diinginkan. Mixed Forecasting Mixed forecasting dapat dilakukan bila masing-masing teknik peramalan memiliki tingkat superioritas yang sama. Cara melakukan mixed forecast ini adalah dengan menimbang hasil proyeksi masing-masing teknik dengan total timbangan lebih tinggi. Dan MNC dapat mengukur ketidakpastian dengan mengukur kisaran hasil peramalan teknik-teknik yang digunakan.
Sumber : http://elfiraworotitjan.wordpress.com/2010/09/19/teknik-teknik-peramalan/ ocw.usu.ac.id/.../tdi_437_handout_peramalan1.pdf www.mdp.ac.id/materi/.../MJ304-112200-518-6.pptx
TEKNIK-TEKNIK PERAMALAN
Aktifitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-produk tersebut dapat dibuat dalam kuantitas yang tepat (Gaspersz, 2002).
Dengan demikian peramalan merupakan suatu dugaan terhadap permintaan yang akan dating berdasarkan pada beberapa variable peramal, sering berdasarkan data formal maupun informal. Aktifitas peramal ini biasa dilakukan oleh department pemasaran dan hasil-hasil dari peramaln ini sering disebut sebagai ramalan penjualan. Tujuan dari peramalan dalam manajement permintaan adalah untuk meramalkan permintaan dari item-item independent demand dimasa yang akan datang (Gaspersz, 2002). Selanjutnya dengan mengkombinasikan dengan pelayanan pesanan yang bersifat pasti, kita dapat mengetahui total permintaan produk dimasa yang akan datang. Dengan demikian jelas bahwa tujuan utama peramalan dalam manajement permintaan adalah untuk mencapai aktifitas dan efisiensi dari manajemen produksi dan inventori dalam industry manufaktur. (Makridakis,Dkk.1992) menjelaskan bahwa pada umumnya peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut 1. Tersedia informasi tentang masa lalu (data historis) 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk numerik 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di Masa mendatang. Peramalan dengan menggunakan metode deret waktu didasarkan pada pendugaan masa depan yang dilakukan berdasarkan nilai masa lalu dari suatu variabel dan / atau kesalahan peramalan di masa lalu. Tujuan metode peramalan deret waktu seperti itu adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola dalam deret data tersebut ke masa depan. Peramalan adalah suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramalan berdasarkan pada data deret waktu historis atau suatu proses dalam menggunakan data historis (data masa lalu) yang telah dimiliki untuk diproyeksikan ke dalam sebuah model dan menggunakan model ini untuk memperkirakan keadaan di masa mendatang. Tujuan dari peramalan adalah untuk menentukan jumlah permintaan produk pada masa yang akan datang. Adapun kegunaan dari peramalan adalah : a. Menentukan besarnya ekspansi pabrik b. Menentukan rencana jangka menengah produk yang ada dan dibuat dengan fasilitas yang ada. c. Untuk menentukan rencana jangka pendek. Adapun tipe-tipe dalam peramalan adalah sebagai berikut : a. Times Series Model Metode time series adalah metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan. b. Causal Model Metode peramalan yang menggunakan hubungan sebab-akibat sebagai asumsi, yaitu bahwa apa yang terjadi di masa lalu akan terulang pada saat ini. c. Judgemental Model Bila time series dan causal model bertumpu pada kuantitatif, pada judgemental mencakup untuk memasukkan faktor - faktor kuantitatif / subyektif ke dalam metode peramalan. Secara khusus berguna bilamana faktor-faktor subyektif yang diharapkan menjadi sangat penting bilamana data kuantitatif yang akurat sudah diperoleh.
Dalam peramalan terdapat dua klasifikasi peramalan diantaranya sebagai berikut: 1. Peramalan berdasarkan teknik penyelesaiannya, yang terdiri dari : a. Teknik peramalan secara kualitatif Peramalan yang melibatkan pendapat pribadi, pendapat ahli, metode Delphi penelitian pasar dan lain-lain. Bertujuan untuk menggabungkan seluruh informasi yang diperoleh secara logika, unbased & sistematis yang dihubungkan dengan faktor interest si pengambil keputusan. Beberapa teknik kualitatif yang sering dipergunakan adalah : 1. Delphi Method 2. Market Research 3. Panel Consensus 4. Visionary Forecast 5. Historical Analogue 6. Management Estimate 7. Structured Group Methods b. Teknik peramalan secara kuantitatif Digunakan pada saat data masa lalu cukup tersedia. Beberapa teknik kuantitatif yang sering dipergunakan: 1. Time Series Model 2. Causal Model 2. Peramalan berdasarkan pengelompokkan horizon waktu : a. Peramalan jangka panjang, yaitu peramalan yang jangka waktu peramalan lebih dari 24 bulan, misalnya peramalan yang diperlukan dalam kaitannya dengan anggaran produksi. b. Peramalan jangka menengah, yaitu peramalan yang jangka waktu peramalan antara 3-24 bulan, misalnya peramalan untuk perencanaan penjualan, perencanaan dan anggaran produksi c. Peramalan jangka pendek, yaitu peramalan yang jangka waktu peramalan kurang dari 3 bulan, misalnya peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan kerja dan penugasan. Komponen utama yang mempengaruhi penjualan masa lampau : a. Kecenderungan/Trend (T) b. Siklus/Cycle (C) c. Musim/Season (S) d. Kejadian Luar Biasa/Erratic Events (E)
sumber : http://president-a9u52006.blogspot.com/2011/06/teknik-peramalan.html
Proses Agregasi dan Peramalan (Bagian 3) Pada Bagian 3 ini akan dibahas mengenai Teknik-Teknik Peramalan dengan Metode Time Series. I. Regresi Metode regresi umumnya membahas pendekatan sebab akibat (kausal) atau yang bersifat menjelaskan untuk peramalan. Metode ini mencoba untuk memperkirakan keadaan dimasa yang akan datang dengan mengemukakan dan mengukur beberapa variable bebas (independent) yang penting beserta pengaruh mereka terhadap variable tidak bebas (dependent) yang akan diramal. Berikut adalah rumus-rumus terkait dengan metode regresi.
Rumus-Rumus Metode Regresi Dimana : Dt=Ramalan penjualan a = konstanta, yang akan menunjukkan besarnya harga Dt (ramalan) apabila t sama dengan 0 (nol). b dan c = variabel per t, yaitu menunjukkan besranya perubahan nilai Dt dari setiap perubahan satu unit t. N = Jumlah periode II. Moving Average Moving Average adalah suatu metode yang melakukan pembobotan sama terhadap nilai observasi. Metode ini digunakan untuk kondisi dimana setiap data pada waktu yang berbeda memiliki bobot yang sama sehingga fluktuasi random data dapat diatasi dengan rata-ratanya dan biasanya dipakai untuk peramalan jangka pendek. Metode ini terdiri dari 5 teknik, yaitu: 1. Simple Moving Average
Simple Moving Average (SMA) 2. Double Linier/Moving Average
Double Linier/Moving Average Dimana: St =Hasil dari single moving average dari data dengan periode perataan tertentu. St=Hasil dari moving everage kedua yaitu moving everage dari St dengan perataan periode yang sama. n=Jumlah periode yang akan dirata-ratakan m=banyaknya penambahan periode yang akan diramalkan Dt=Permintaan aktual untuk periode t ,dst. a=Konstanta a b=Konstanta b t=periode 3. Exponential Smoothing Metode ini dipakai pada kondisi dimana bobot data pada periode yang satu berbeda dengan data pada periode sebelumnya dengan membentuk fungsi eksponensial yang biasa disebut dengan exponential smoothing. Karakteristik smoothing dikendalikan dengan menggunakan parameter smoothing , yang bernilai antara 0 sampai dengan 1. Fungsi parameter ini adalah untuk memberikan penekanan yang lebih terhadap data yang paling baru. Setiap peramalan yang baru berdasarkan pada hasil peramalan sebelumnya ditambah dengan suatu presentase perbedaan antara peramalan dengan nilai aktualnya pada saat tersebut. 4. Simple Exponential Smoothing
Double Exponential Smoothing Dimana: St=Merupakan single eksponential smoothing St=Merupakan double eksponential smoothing Ft=peramalan periode ke t m=banyaknya penambahan periode yang akan diramalkan Dt=permitaan aktual untuk periode t
Sumber: modul praktikum p3_Fakultas Rekayasa Industri IT Telkom