TEKNIK-TEKNIK PERAMALAN

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

Simple Exponential Smoothing
5. Double 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