8eberapa pertanyaan yang yang perlu dIjawab sebelum

perancangan sIstem peramalan dIbuat :

W Agregat, produkproduk alternatIf atau pIlIhan produk apa yang akan
dIramalkan:
W Area geografIs mana saja yang akan dIcakup :
W 8erapa panjangkah rentang waktu peramalan:
W 8agaImanakah rentang waktu perencanaan dIbagI menjadI perIode
perIode yang lebIh pendek:
W 8erapa serIng hasIl peramalan harus dI update:
W 8agaImana tIngkat akurasI yang dIIIngInkan :
W etelItIan
Ada dua ukuran yang dIgunakan dalam mengevaluasI akurasI peramalan
yaItu penyImpangan (bIas) dan konsIstensI ( consIstency).PenyImpangan
terjadI apabIla hasIl peramalan menunjukkan secara terus menerus angka
yang tInggI atau rendah.
W 8Iaya
YaItu bIaya yang dIbutuhkan untu mengembangkan model peramalan serta
menggunkannya serIng cukup besar.
W Fespon
SIstem peramalan haruslah stabIl dalam artI hasIl peramalan tIdak
memperlIhatkan fluktuasI yang bersIfat lIar karena faktor random yang
berlebIhan
W esederhanaan
|etode peramalan yang lebIh sederhana selalu lebIh dIIIngInkan
dIbandIngkan dengan metode yang rumIt karena akana lebIh mudah
dIrancang,dIgunakan, dan dIpahamI.
PrInsIp 1:
Peramalan selalu mengandung error. Peramalan mengurangI faktor
ketIdakpastIan tetapI tIdak pernah mampu untuk menghIlangkannya.
PrInsIp 2 :
Peramalan harus mencakup ukuran darI error.8esarnya error dapat
dIjelaskan dalam bentuk kIasaran sekItar hasIl peramalan baIk dalam unIt
atau persentase dan probabIlItas tentang permIntaan sesungguhnya.
PrInsIp J :
Peramalan Item yang dIkelompokkan dalam famIlI selalu lebIh akurat
dIbandIngkan dengan peramalan dalam Item per Item.
PrInsIp 4 :
Peramalan untuk jangka pendek selalu lebIh akurat dIbandIngkan dengan
dengan peramalan untuk jangka panjang.
PrInsIp 5 :
ApabIla dImungkInkan, perkIraan besarnya permIntaan lebIh dIsukaI
berdasarkan perhItungan darI pada hasIl peramalan.
1. |etode ualItatIf
Umumnya dIgunakan apabIla data kuantItatIf tentang permIntaan masa
lalu tIdak tersedIa atau akurasInya tIdak memadaI.
a. eputusan manajemen
Sekelompok anggota ekslusIf darI bagIan marketIng, engIneerIng, dan
manufacturIng bertemu dan berdIskusI tentang IsuIsu yang terkaIt
dengan perusahaan dan melakukan perkIraan ke depan tentang besarnya
permIntaan sehubungan dengan IsuIsu yang dIbahas.
b. TeknIk 0elphI
Untuk melakukan peramalan permIntaan janga panjang dalam lIngkungan
yang cukup kompleks yaItu perkembangan teknologI yang pesat,
perubahan kondIsI ekonomI global dan suasana geopolItIk yang berubah
cepat, serIng dIbutuhkan pembentukan sebuah panel yang beranggotakan
para pakar atau ahlI darI berbagaI latar belakang pengalaman darI luar
perusahaan
c. eputusan manajemen
Sekelompok anggota ekslusIf darI bagIan marketIng, engIneerIng, dan
manufacturIng bertemu dan berdIskusI tentang IsuIsu yang terkaIt
dengan perusahaan dan melakukan perkIraan ke depan tentang besarnya
permIntaan sehubungan dengan IsuIsu yang dIbahas.
d. TeknIk 0elphI
Untuk melakukan peramalan permIntaan janga panjang dalam lIngkungan
yang cukup kompleks yaItu perkembangan teknologI yang pesat,
perubahan kondIsI ekonomI global dan suasana geopolItIk yang berubah
cepat, serIng dIbutuhkan pembentukan sebuah panel yang beranggotakan
para pakar atau ahlI darI berbagaI latar belakang pengalaman darI luar
perusahaan
e. Cabungan Pendapat Tenaga Penjual
Para penjual (sales forces) dIberI kesempatan menyampaIkan pendapat
sesuaI dengan pengalaman masIngmasIng dan pendapat mereka dIgabung
secara bersama (sales force composIte) akan dIperoleh sebuah hasIl
peramalan yang serIng cukup terpercaya.
f. FIset Pasar
Adalah pengumpulan data secara sIstematIs dan analIsIs terhadap fakta
fakta yang berhubungan dengan pemasaran.
g. AnalogI HIstorIs
Pertumbuhan permIntaan terhadap produk baru kadangkadang
dIramalkan berdasarkan metode analogIa hIstorIs darI produk dan
teknologI yang terkaIt dengan produk tersebut.
h. urva SIklus 0aur HIdup
urva InI berguna untuk peramalan permIntaan produkproduk yang
mempunyaI daur hIdup beberapa tahun sepertI mIcrocomputer dan
produkproduk elektronIk laInnya.
2. |etode uantItatIf
|empunyaI asumsI bahwa data permIntaan masa lalu darI produk atau Item
yang dIramalkan mempunyaI pola yang dIperkIrakan masIh berlanjut ke
masa yang akan datang.
a. AnalIsIs TIme SerIes
TIme serIes adalah serangkaIan observasI terhadap suatu varIabel tertentu
yang dIlakukan secara dIskrIt. AnalIsIs tIme serIes mengasumsIkan bahwa
tIme serIes dapat dIdekomposIkan ke dalam sejumlah komponen atau
faktorfaktor terkaIt emudIan komponenkomponen dIIdentIfIkasIkan.
Y = TCSF
Faktor yang terkaIt :
W Trend (T) komponen peramalan yang menunjukkan kecederungan
yang dIlIhat darI pola permIntaan masa lalu.
W SIklus (C) pergerakan perIodIk yang bergantIan antara puncak dan
lembah
W 7arIasI |usIman (S) pola permIntaan tInggI dan rendah yang
berulangulang serIap tahun.
W FesIdu (F) menggambarkan kesempatan terjadInya varIasI karena
faktor random
W 7arIasI |usIman (S) pola permIntaan tInggI dan rendah yang
berulangulang serIap tahun.
Contoh :
1. FegresI CarIs Lurus (lInear FegressIon)
JIka dIasumsIkan trend darI jumlah penjualan dalm 5 tahun terakhIr
mempunyaI pola garIs lurus maka untuk meramalkan tahun depannya dapat
dIgunkan model matematIk :
Y = a + bX
Contoh
PerhItungan nIlaI konstanta
|odel matematIk
Y = 117J,8 + 524,4x
Y6 = 117J,8 + 524,4 (6)
= 4.J20.2 unIt = 4J20 unIt
b. |etode Fatarata 8ergerak (|ovIng Average)
Ialah peramalan dengan menggunakan datadata permIntaan dalam
bebrapa perIode lalu secara berurutan, bIasanya mencakup 1 tahun. 0ata
permIntaan dIhaluskan (smoothed out) dengan membagI jumlah permIntaan
selama bebrapa perIode dengan jumlah perIode sehIngga dIperoleh jumlah
permIntaan ratarata per perIode
Contoh :
PerhItungan ratarat bergerak 4 perIode
Contoh :
PenyesuaIan Indeks ratarata kuartal
uartal : 967 unIt
uartal : 984 unIt
C. |etode Penghalusan EksponensIal (ExponentIal SmoothIng)
Pada umumnya dIgunakan untuk perkIraan potensI penjualan produk
produk secara IndIvIdu. |etode InI lebIh baIk karena kemampuannya
menggunakan data masa lalu dengan pemberIan bobot berdasarkan
kekInIan data.
F
n+1 = 1Yn + (1- 1 )Fn