Anda di halaman 1dari 8

B.

Pembahasan

Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi bisnis

dan untuk setiap pengambilan keputusan manajemen yang sangat signifikan.

Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam

area fungsional keuangan, peramalan memberikan dasar dalam menentukan

anggaran dan pengendalian biaya. Pada bagian pemasaran, peramalan penjualan

dibutuhkan untuk merencanakan produk baru, kompensasi tenaga penjual, dan

beberapa keputusanpenting lainnya. Selanjutnya, pada bagian produksi dan

operasi menggunakan data-data peramalan untuk perencanaan kapasitas, fasilitas,

produksi, penjadwalan, danpengendalian persedian (inventory control). Untuk

menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat

pengangguran, tingkat inflasi, dan lainsebagainya dapat pula dilakukan dengan

metode peramalan.

Peramalan merupakan alat bantu meramalkan yang sangat penting dalam

perancangan yang efektif dan efisien sebelum suatu rencana yang lebih pasti dapat

dilakukan. Peramalan sangat berguna terutama dalam bidang pemasaran,

produksi, keuangan dan bidang ekonomi lainnya. Peramalan pada dasarnya

merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau

peristiwa di waktu yang akan datang. Aktivitas peramalan merupakan suatu fungsi

bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga

produk -produk itu dapat dibuat dalam kuantitas yang tepat.

Peramalan dapat dilakukan secara kuantitatif dan kualitatif. Peramalan

secara kuantitatif menekankan penggunaan metode-metode eksak sedangkan


peramalan kualitatif berbasis judgment dari yang melakukan peramalan. Di dalam

peramalan digunakan empat metode yaitu: regresi selanjar, regresi bergerak,

pemulusan eksponensial, dan pemulusan dengan pemfaktoran kecenderungan.

Akan tetapi, meskipun model-model peramalan yang baik mempunyai arti penting

dalam suatu industri atau perusahaan, peramalan juga mempunyai kekurangan

yang harus diwaspadai.

Peramalan sangat berguna terutama dalam bidang pemasaran, produksi,

keuangan dan bidang ekonomi lainnya. Peramalan pada dasarnya merupakan

dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu

yang akan datang. Aktivitas peramalan merupakan suatu fungsi bisnis yang

berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-

produk tersebut dapat dibuat dalam kuantitas yang tepat.

Peramalan (forecasting) adalah kegiatan memperkirakan apa yang terjadi

pada masa yang akan datang berdasarkan data yang relevan pada masa lalu dan

menempatkannya ke masa yang akan datang dengan suatu bentuk model

matematis. Bisa juga merupakan prediksi intuisi yang bersifat subyektif,atau

dengan menggunaan kombinasi model matematis yang disesuaikan dengan

pertimbangan yang baik dari seorang manajer. Metode peramalan yang baik

adalah yang memberikan hasil peramalan yang tidak berbeda dengan kenyataan

yang terjadi.

Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha

memperkirakan permintaan dan penggunaan produk sehingga produk-produk itu

dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan suatu dugaan
terhadap permintaan yang akan datang berdasarkan pada beberapa variabel

peramal, sering berdasarkan data deret waktu historis. Peramalan dapat

menggunakan teknik-teknik peramalan yang bersifat formal maupun informal.

Aktivitas peramalan ini biasa dilakukan oeh departemen pemasaran dan hasil-hasil

dari peramalan ini sering disebut sebagai ramalan permintaan (Gaspersz, 2004).

Adapun jenis-jenis metode dalam peramalan (forecasting) akan dijelaskan

sebagai berikut:

1. Model Rata-rata Bergerak (Moving Averages Model)

Model rata-rata bergerak menggunakan sejumlah data aktual permintaan

yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang

akan datang. Metode rata-rata bergerak n-periode menggunakan formula berikut:

F = (At + At-1 + At-2 + At-n) / n

2. Model Rata-rata Bergerak Terbobot (Weighted Moving Averages Model)

Model rata-rata bergerak terbobot lebih responsif terhadap perubahan,

karena data dari periode yang baru biasanya diberi bobot yang lebih besar. Suatu

model rata-rata bergerak n-periode terbobot, Weighted Moving Averages Model

(n), dinyatakan sebagai berikut:

F = ((At*1) + (At-1*2) + (At-2*3)) / bobot n

3. Model Pemulusan Eksponensial (Exponential Smoothing Model)

Pola data yang tidak stabil atau perubahannya besar dan bergejolak

umumnya menggunakan model pemulusan eksponensial (Exponential Smoothing

Models). Metode Single Exponential Smoothing lebih cocok digunakan untuk

meramalkan hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan

menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut:


Ft = Ft-1 + (At-1 Ft-1)

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan

eksponensial adalah memilih konstanta pemulusan () yang diperirakan tepat.

Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < < 1.

Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak

stabil dari waktu ke waktu, nilai yang dipilih adalah yang mendekati 1. Pola

historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu

ke waktu, yang dipilih adalah yang nilainya mendekati nol (Gaspersz, 1998).

Sedangkan untuk ukuran Akurasi Peramalan akan dijelaskan juga sebagai

berikut:

1. Mean Absolute Deviation (MAD)

Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari

kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur

ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-

masing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit

yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan menggunakan

rumus sebegai berikut:

MAD = (Ai Fi) / n

2. Mean Square Error (MSE)

Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode

peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian

dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini mengatur

kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan.


Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih

baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.

MSE = (Ai Fi)2 / n

3. Mean Absolute Percentage Error (MAPE)

Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan

kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata

untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut.

Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu penting

dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa besar

kesalahan dalam meramal yang dibandingkan dengan nilai nyata.

MAPE= ei x 100
%
xi
n

4. Tracking Signal

Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal

adalah suatu ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-

nilai aktual. Nilai Tracking Signal dapat dihitung dengan menggunakan rumus

sebegai berikut.

Tracking Signal = RSFE


MAD
Tracking signal yang positif menunjukan bahwa nilai aktual permintaan

lebih besar daripada ramalan, sedangkan tracking signal yang negatif berarti nilai

aktual permintaan lebih kecil daripada ramalan. Tracking signal disebut baik

apabila memiliki RSFE yang rendah, dan mempunyai positive error yang sama

banyak atau seimbang dengan negative error, sehingga pusat dari tracking signal
mendekati nol. Tracking signal yang telah dihitung dapat dibuat peta kontrol

untuk melihat kelayakkan data di dalam batas kontrol atas dan batas kontrol

bawah.

Peramalan berdasarkan jangka waktu dibagi menjadi 3 yaitu:

1. Peramalan jangka pendek (kurang satu tahun, umumnya kurang tiga bulan:

digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat

produksi),
2. Peramalan jangka menengah (tiga bulan hingga tiga tahun : digunakan untuk

perencanaan penjualan, perencanaan dan penganggaran produksi dan

menganalisis berbagai rencana operasi).


3. Peramalan jangka panjang (tiga tahun atau lebih, digunakan untuk

merencanakan produk baru,penganggaran modal, lokasi fasilitas, atau

ekspansi dan penelitian serta pengembangan).

Peramalan berdasarkan rencana operasi dibagi menjadi 3 yaitu:

1. Ramalan ekonomi: membahas siklus bisnis dengan memprediksi tingkat

inflasi dan indikator perencanaan lainnya.


2. Ramalan teknologi: berkaitan dengan tingkat kemajuan teknologi dan produk

baru.
3. Ramalan permintaan: berkaitan dengan proyeksi permintaan terhadap produk

perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan

produksi, kapasitas dan siatem penjadualan perusahaan.

Metode kualitatif sangat mendekati tingkat akurasi data aktual dibanding

metode lainnya. Umumnya metode kualitatif 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:

1. Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari

sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik,

keuangan dan logistik), yang seringkali dikombinasikan dengan model-model

statistik.

2. Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat

penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan

nasional untuk mencapai ramalan secara menyeluruh.

3. Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada

responden, jawabannya kemudian diringkas dan diberikan kepada para ahli

untuk dibuat 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.

Perhitungan peramalan (Forecasting) dalam dunia pertanian mempunyai

manfaat yaitu sebagai berikut:

1. Untuk memantau pengamatan permintaan pasar yang tidak menentu atau bernilai

ekstrim, sehingga dapat dikendalikan dengan baik dan harga suatu barang

tidak dikendalikan oleh oknum-oknum yang kurang bertanggung jawab.

2. Untuk mendapatkan persediaan produk pertanian yang aman sehingga tidak

terjadi stock out (tidak adanya persediaan).


3. Untuk memperkirakan proses penanaman suatu tanaman di suatu daerah agar

sesuai dengan karakteristik daerah tersebut.