PENGERTIAN
Forecasting atau peramalan merupakan proses pembuatan suatu
pernyataan atas kejadian dimana kejadian tersebut belum diketahui atau
diobservasi.
Forecasting sangat erat kaitannya dengan estimasi dan prediksi.
Estimasi merupakan hasil perhitungan dari prakiraan yang akan datang
dengan data yang tidak lengkap atau akurat.
Prediksi artinya mirip dengan estimasi tetapi lebih umum dan bisa
berdasarkan metode ilmiah ataupun subjektif belaka.
MODEL FORECASTING
BERDASARKAN SIFAT DIBEDAKAN ATAS :
Teknik forecasting KUALITATIF merupakan teknik yang subyektif,
didasarkan atas opini dan pengaturan oleh para ahli, hal ini diperlukan
ketika data yang lalu tidak tersedia. Teknik ini digunakan untuk keputusan
jangka menengah dan panjang.
Model forecasting KUANTITATIF menggunakan data perkiraan masa depan
sebagai fungsi data masa lalu. Hal ini dilakukan bila data masa lalu
tersedia. Metode ini biasanya digunakan untuk pengambilan keputusan
jangka pendek sampai menengah.
MODEL FORECASTING
BERDASARKAN WAKTU DIBEDAKAN ATAS :
Jangka Panjang yaitu forecasting yang dilakukan untuk jangka lebih dari
lima tahun.
Jangka Menengah yaitu forecasting yang dilakukan untuk jangka lebih dari
2-5 tahun.
Jangka Pendek yaitu forecasting yang dilakukan untuk jangka kurang dari
2 tahun.
LANGKAH FORECASTING
Menganalisa data yang lalu. Tahap ini berguna untuk pola dari data yang
terjadi masa lalu.
Menentukan metode yang digunakan. Metode yang baik adalah metode
yang memberikan hasil forecasting yang tidak jauh berbeda atau
mendekati dengan data kenyataan yang terjadi.
Memproyeksikan data yang lalu dengan menggunakan metode
forecasting yang dipergunakan, dan mempertimbangkan adanya beberapa
faktor atau varibel yang mempengaruhi dan kemudian memproyeksikan
hasilnya menggunakan metode yang dipilih tadi.
METODE FORECASTING
1. MOVING AVERAGE
Moving average biasa disebut juga rolling average, rolling mean atau
running average ialah metode yang digunakan untuk menganalisa
sejumlah titik data dengan membuat sederetan rata-rata dari data yang
berbeda.
2. AUTOREGRESSIVE
Model ini menyatakan hubungan antara peubah tak bebas Z terhadap
himpunan peubah bebas X1;X2; ....Xp ditambah sebuah suku yang
menyatakan error a, model ini sering kali dinyatakan sebagai model
regresi dan dikatakan Z diregresikan terhadap X1;X2; ...Xp.
3. MODEL AUTOREGRESSIVE MOVING AVERAGE (ARMA)
Model ini terdiri dari p + q + 2 parameter tak diketahui yang harus
diestimasi dari data.
Dalam kenyataan, seringkali suatu time series stasioner dapat
direpresentasikan dengan AR, MA atau ARMA dengan p,q tak lebih dari 2.
KEANDALAN PERENCANAAN
Kebutuhan untuk keandalan bermacam-macam antara kelompok
pelanggan yang satu dengan kelompok lainnya. Kebutuhan tersebut
seberapa kritis kontinyuitas pelayanan dan seberapa besar kesediaan
pelanggan membayar untuk keandalan.
Lokasi pelanggan dengan keandalan tinggi dan pelayanan biasa
diidentifikasi sebagai bahan membuat perencanaan masa depan.