Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
kejadian atau peristiwa di waktu yang akan datang. Peramalan merupakan sebuah alat bantu yang
penting dalam perencanaan yang efesien dan efektif. Peramalan adalah proses untuk
memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran
kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan
barang ataupun jasa.
Kegunaan Peramalan
Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka atau
bilangan yang harus dipergunakan begitu saja. Penggunaannya masih memerlukan pertimbangan
dari para pemakai. Hal ini disebabkan oleh karena hasil ramalan biasanya didasarkan atas dasar
asumsi-asumsi, kalau keadaan tidak berubah seperti waktu sebelumnya
Metode Peramalan
Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktor-faktor
penentu kejadian sebenarnya, jenis-jenis pola data dan beberapa pola lain. Hal yang sangat
mempengaruhi terhadap kesuksesan dalam menentukan ramalan adalah pemilihan teknik yang
tepat.
Tahapan yang penting dalam pemilihan metode time series yang tepat adalah membuat
asumsi terhadap jenis bentuk pola data. Pola data itu dikelompokkan menjadi empat jenis yaitu :
a. Pola data horizontal
Terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg
penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk jenis ini. Pola khas
dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar 1.1.
b. Pola data musiman
Terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun
tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti
minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola
ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2.
c. Pola data siklis
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang
berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan
peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3.
d. Pola data trend
Terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
Contoh: Penjualan banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi
lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4.
n n n n n
∑ d t − b∑ t n∑ td t − ∑ d t ∑ t
a= t =1 t =1
b= t =1 t =1 t =1
n n
n 2
n∑ t 2 − ∑ t
t =1 t =1
Perhitungan faktor bobot:
S2 = 0.20
S3 = 0.15
S4 = 0.37
a = 40.97 ; b = 4.3
y = 40.97 + 4.3 t
Untuk tahun 1995 (t =4) diperoleh 58.17. Peramalan utk tiap kwartal:
SF3 = 8.73
SF4 = 21.53
PT. Cahaya Cemerlang Abadi adalah perusahaan yang bergerak dibidang bola lampu.
Perusahaan ini memproduksi dan sekaligus memasarkan 2 (dua) jenis produk yang masing-
masing produk itu adalah Peru 1 (PI) dan Peru 2 (P2). Data penjualan perusahaan tersebut pada
waktu-waktu yang lalu adalah sebagaimanadigambarkan dalam tabel berikut ini.
(dalam unit)
N0 X Y XY X2 X2Y X2
3 10.200 0 0 0 0 0
Y = a + bx
a = ∑Y/n ; b = ∑XY/∑X2
a = 51.100/5 ; b = 1.200/10
a = 10.220 ; b = 120
Y = 10.220 + 120x
Y99 = 10.580
Y 00 = 10.220 + 360
Y 00 = 10.700
∑Y = na + c ∑x2
51.000 = 5a + 10c........(1)
∑XY = b∑X2
1.200 = 10b...........(2)
Persamaan 1 dan 3
51.000 = 5a + 34c
180 = -14c
c = 12,86
51.00 = 5a + 10c
51.00 = 5a + 10 (12,86)
5a = 51.000 . 128,6
5a = 50.971,4
a = 10.194,28
N0 X Y XY X2 X2Y X4
3 17.000 0 0 0 0 0
a = ∑Y/n b= ∑XY/∑X2
a = 85.500/5 b= 11.000/10
a = 17.100 b= 1.100
Y 99 = 20.400
Y 00 = 17.100 + 4.400
Y 00 = 21.500
∑Y = na + c ∑x2
85.500 = 5a + 10c............(1)
∑XY = b∑X2
11.000 = 10b..............(2)
b = 1.100
Persamaan 1 dan 3
85.000 = 5a + 10c
-1.000 = -14c
c = 71,43
85.500 = 5a + 10c
85.500 = 5a + 10 (71.43)
5a = 85.500 . 714,3
5a = 84.787,7
a = 16,957,14