PERAMALAN (Forecasting)
Diajukan untuk Memenuhi Salah Satu Tugas pada Mata Kuliah Manajemen
Operasi
Disusun oleh:
Nia Fatmala Sari (2713002)
Gilang Dwi Saputro (1814022)
Ade Wahyu kurniawan (1711096)
Fitriani Nur Komara(1814001)
Muhammad Navi Irwansyah
KATA PENGANTAR
Puji syukur ke hadirat Allah SWT yang telah melimpahkan rahmat serta
hidayahnya, sehingga kami sebagai penyusun dapat menyelesaikan makalah
ini.Makalah ini disusun untuk memenuhi salah satu tugas Peramalan(Forecasting)
pada
mata
kuliah
Manajemen
Operasi
dengan
pokok
bahasan
Penyusun
DAFTAR ISI
KATA PENGANTAR......................................................................................i
DAFTAR ISI....................................................................................................ii
BAB I PENDAHULUAN
1.1 Latar Belakang......................................................................................1
1.2 Rumusan Masalah.................................................................................1
1.3 Tujuan..................................................................................................1
1.4 Manfaat.................................................................................................1
BAB II PEMBAHASAN
2.1 Pengertian peramalan (forecasting)......................................................2
2.2 Jenis Peramalan...........................................................................................3
2.3 Tujuh Langkah Sistem Peramalan........................................................5
2.4 Metode Peramalan......................................................................................5
2.5 Menghitung kesalahan peramalan10
BAB III PENUTUP
3.1 Kesimpulan ..........................................................................................18
3.2 Saran..18
DAFTAR PUSTAKA......................................................................................19
ii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Peramalan (forecasting) merupakan seni dan ilmu untuk memperkirakan
kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data
masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model
matematis. Bisa juga merupakan prediksi intuisi yang bersifat subjektif.Atau bisa juga
dengan menggunakan kominasi model matematis yang disesuaikan dengan
pertimbangan yang baik dari seorang manager.
1.2 Rumusan Masalah
1. Bagaimana pengertian dari peramalan ?
2. Apa jenis-jenis dari peramalan ?
3. Apa saja Metode pendekatan dalam peramalan ?
1.3 Tujuan
1. Untuk mengetahui lebih dalam tentang peramalan (forecasting)
2. Untuk memperkirakan kejadian dimasa depan
2.4 Manfaat
1. Sebagai pengetahuan tentang peramalan (forecasting)
2. Sebagai pedoman untuk memperkirakan kejadian yang akan dating.
3. Sebagai pedoman untuk mempertimbakan sebuah keputusan.
BAB II
PEMBAHASAN
2.1. Pengertian peramalan (forecasting)
Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa
depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan
menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis.
Peramalan adalah tahapan introduction
growth maturity
decline
1
Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam
perencanaan operasi di masa depan :
1.
2.
3.
peralatan baru.
Peramalan Permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau
layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang
mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi
perencanaan keuangan, pemasaran dan sumber daya manusia.
Peramalan yang baik sagat penting dalam semua aspek bisnis : peramalan merupakan
satu-satunya
prediksi
atas
permintaan
hingga
permintaan
yang
sebenarnya
diketahui. Peramalan permintaan mengendalikan keputusan dibanyak bidang. Berikut ini akan
diahasa dampak peramalan produk pada tiga aktivitas :
Sumber Daya Manusia
Mempekerjakan, melatih dan memberhentikan pekerja, semua tergantung pada permintaan.
Kapasitas
Saat kapasitas tidak mencukupi, kekurangan yang diakibatkannya bisa berarti tidak
terjaminnyapengiriman, kehilangan konsumen dan kehilangan pangsa pasar.
Manajemen Rantai Pasokan
Hubungan yang baik dengan pemasok dan harga barang dan komponen yang bersaing,
bergantung pada peramalan yang akurat.Sebagai contoh, manufaktur pembuat mobil yang
menginginkan TRW Corp. menjamin keteresediaan kantung udara yang cukup, harus
menyediakan ramalan yang akurat untuk membenarkan ekspansi pabrik TRW.
3
Peramalan yang menggunakan satu atau lebih model matematis dengan data masa lalu dan
variabel sebab akibat untuk meramalkan permintaan.Metode Peramalan Kuantitatif dapat
dikelompokkan dua jenis :
1 metode seri waktu
4
2 metode kausal
(1) model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk
menganalisis serangkaian data yang merupakan fungsi dari waktu, Model Seri Waktu /
Metode deret berkala :
Metode Naif
Cara sederhana untuk peramalan ini mengasumsikan bahwa permintaan dalam periode
berikutnya adalah sama dengan peramalan dalam periode sebelumnya. Pendekatan naif
ini merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya.
Paling tidak pendekatan naif memberikan titik awal untuk perbandingan dengan model
lain yang lebih canggih.
Contoh : jika penjualan sebuah produk (mis: telepon genggam Motorolla) adalah 68 unit
pada bulan Januari, kita dapat meramalkan penjualan pada bulan Februari akan sama,
yaitu sebanyak 68 unit juga.
(1) Rata-rata bergerak (moving averages)
Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika
diasumsikan bahwa permintaan pasar tetap stabil :
Rata-rata Bergerak = Permintaan data n periode sebelumnya
n
Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau
trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih
banyak tekanan pada nilai baru
Metode ini dapat menghaluskan fluktuasi tiba-tiba dalam pola permintaan untuk
menghasilkan estimasi yang stabil. Metode ini mempunyai masalah :
Karena merupakan rata-rata, rata-rata bergerak akan selalu berada dalam tingkat masa
lalu dan tidak akan memprediksi perubahan ke tingkat yang lebih tinggi maupun yang
lebih rendah
dimana :
Ft = Peramalan baru
Ft-1 = Peramalan sebelumnya
= Konstanta penghalusan (01)
At-1=Permintaan aktual periode lalunghalusan eksponensial
(exponentialsmoothing),
Konstanta
Penghalus
an
= 0,1
= 0,5
Periode
Terakhi
r
0,1
0,5
Period
e
Sebelu
m
Terakh
ir
0,09
0,25
Periode
Kedua
Sebelu
m
Terakhi
r
0,081
0,125
Period
e
Ketiga
Sebelu
m
Terakh
ir
0,073
0,063
Period
e
Keemp
at
Sebelu
m
Terakhi
r
0,066
0,031
y a bx
Dimana :
Periode
Bulan lalu
2 bulan lalu
3 bulan lalu
JUMLAH
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
3
2
1
6
Aktual
Moving
Hasil Moving Rata-rata bergerak dengan
penjualan Average dalam 3 Averagedalam 3
pembobotan 3 bulan
tahun lalu
bulan
bulan
15
12
14
13
14
16
21
22
24
25
18
19
(15 + 12 + 14)/3
(12 + 14 + 13)/3
(14 + 13 + 14)/3
(13 + 14 + 16)/3
(14 + 16 + 21)/3
(16 + 21 + 22)/3
(21 + 22 + 24)/3
(22 + 24 + 25)/3
(24 + 25 + 18)/3
13,67
13,00
13,67
14,33
17,00
19,67
22,33
23,67
22,33
Hasil rata-rata
bergerak dengan
pembobotan 3
bulan
13,5
13,17
13,67
14,83
18,17
20,67
22,83
24,17
21,33
Grafik 1
Contoh soal 2 Metode Trend Projection
Dengan metode kuadrat terkecil (MKT) didapat :
Tabel berikut adalah memperlihatkan jumlah kecelakaan yang terjadi di Florida State
Highway 101 selama 4 tahun. Ramalkan jumlah kecelakaan yang terjadi pada bulan Mei.
Bulan
januari
februari
maret
april
Periode waktu
(x)
1
2
3
4
x =10
x2
xy
30
40
60
90
y = 220
1
4
9
16
x2 = 30
30
80
180
360
xy = 650
Grafik 2
= At - Ft
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling
tidak dapat memberikan gambaran yang paling mendekati sehingga rencana yang dibuatnya
merupakan rencana yang realistis. Ketepatan atau ketelitian inilah yang menjadi kriteria
performance suatu metode peramalan. Ketepatan atau ketelitian tersebut dapat dinyatakan
sebagai kesalahan dalam peramalan. Kesalahan yang kecil memberikan arti ketelitian
peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan tinggi, begitu pula
sebaliknya
Ada beberapa perhitungan yg biasa digunakan untuk menghitung kesalahan dlm peramalan.
Tiga dari perhitungan yang paling terkenal adalah
MAD adalah nilai yg dihitung dengan me-ngambil jumlah nilai absolut dari setiap
kesalahan peramalan dibagi dengan jumlah periode data (n).
MAD
Aktual Peramalan
n
Contoh soal 3
PT. TPN ingin memprediksi total penjualan bulan Januari tahun depan. Data
penjualan bulan Januari hingga Desember adalah sebagai beriku
Bulan
Januari
Februari
Aktual
penjual
an
Peramalan yg
dibulatkan dgn
=0,1
178
172
Maret
168
April
Mei
Juni
Juli
Agustus
Septem
ber
Oktober
Novemb
er
Desemb
er
Jumlah
Nilai
170
Perhitung
an MAD
Perhitung
an MSE
Deviasi
absolut
(Kesalaha
n)2
178 - 170=
64
172 171 =
171
Perhitungan
MAPE
Kesalahan /
Aktual (%)
(8 / 178) x 100 =
4,47
(1 / 172) x 100 =
0,70
174
192
201
190
192
171
171
171
173
176
177
3
21
28
14
15
9
441
784
196
225
1,74
1,94
10,96
13,9
7,44
7,67
194
190
179
180
15
10
225
100
7,86
5,12
200
181
19
361
9,38
210
183
27
164
13,66
729
3143,97
262
12,8
83,96
7
171)=
Grafik 3
10
11
Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah
mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :
Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa
Musiman (Seasonal) adalah pola data yg berulang pada kurun waktu tertentu seperti :
Horizontal (Stationary) merupakan satu titik khusus dalam data yg disebabkan oleh
peluang dan situasi yg tidak lazim.Variasi acak tdk mempunyai pola khusus shg tdk dapat
diprediksi
Siklus (Cylikal) pola dalam data yg terjadi setiap beberapa tahun. Siklus ini biasanya
terkait pada siklus bisnis dan merupakansatu hal penting dalam analisisdan perencanaan bisnis
jangka pendek.Memprediksi siklus bisnis sulit dilakukan karena adanya pengaruh kejadian
politik ataupun kerusuhan internasional
Trend merupakan pergerakkan data sedikit demi sedikit meningkat atau menurun.
12
2.Peramalan Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan
dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang
lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan
teknik/metode peramalan, yaitu :
Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari
di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk
mencapai ramalan secara menyeluruh.
responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat
13
peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf,
yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam
menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional
sehingga hasil peramalan diharapkan mendekati aktualnya.
Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen
potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan
dengan kuesioner, telepon, atau wawancara langsung.
BAB III
PENUTUP
3.1
Simpulan
Peramalan (forecasting) merupakan seni dan ilmu untuk memperkirakan kejadian dimasa
depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan
menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis.
Peramalan adalah tahapan introduction-growthmaturity-decline
Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan
operasi di masa depan :1. Peramalan Ekonomi (economic forecast) 2.Peramalan Teknologi
(technological forecast) 3. Peramalan Permintaan (demand forecast).
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi semua
model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis
kualitatif. Bila peramalan sudah selesai, yang paling adalah tidak melupakannya Bila
peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang
ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu
menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari
yang diproyeksikan.
14
3.2 Saran
Salah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah
menggunakan isyarat arah (Tracking Signal) : adalah pengukuran tentang sejauh mana
ramalan memprediksi nilai aktual dengan baik isyarat Arah, dihitung sebagai jumlah
kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi
absolut mean (MAD)
DAFTAR PUSTAKA
http://syafruldzulfikarfajri.blogspot.com/2012/04/peramalan-manajemenoperasi.html
Dosen akademik. 2013. Contoh soal.
http://elib.unikom.ac.id/files/disk1/302/jbptunikompp-gdl-agusriyant-15051-3-bab2tia.pdf
http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2009-200460TISI%20Bab%202.pdf
http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2012-1-0051mnti%20bab%202.pdf
http://repository.widyatama.ac.id/xmlui/bitstream/handle/123456789/3737/Bab
%202.pdf?sequence=7
https://vebyenandes.wordpress.com/2013/03/27/manajemenindustrimetodeperamalanforecasting/
http://septianariap.blogspot.co.id/2012/11/metode-forecasting.html
15