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