Contoh Peramalan Asosiatif

Penjualan, y Upah, x X2 xy
2,0 1 1 2,0
3,0 3 9 9,0
2,5 4 16 10,0
2,0 2 4 4,0
2,0 1 1 2,0
3,5 7 49 24,5
y = 15,0 x = 18 x2 = 80 xy = 51,5

18
= = =3
6 6

15
= = = 2.5
6 6

51.5 (6)(3)(2,5)
= 2 = = 0,25
2 80 (6)(32 )

= - = 2.5 (0,25)(3) = 1,75

Berikut persamaan regresi yang di perkirakan.

= 1,75 + 0,25

Atau

= 1.75 + 0,25 ()

Jika kantor perdagangan lokal memperkirakan upah wilayah West Bloomfield akan
menjadi $6 miliar tahun depan, maka dapat diperkirakan penjualan Nodel dengan
persamaan regresi

( ) = 1.75 + 0,25(6)

= 1,75 + 1,50 = 3,25

atau

= $325.000.

Pemahaman: dengan asumsi terdapat hubungan garis lurus antara upah dan
penjualan, saat ini telah dimiliki indikasi kemiringan dari hubungan tersebut.
Penjualan meningkat dengan kenaikan satu juta dolar untuk setiap kenaikan upah
lokal sebesar seperempat juta dolar. Ini terjadi karena = 0,25.

Kesalahan Standar Estimasi

Untuk menghitung akurasi regresi yang diperkirakan, diharuskan menghitung

kesalahan standar estimasi, Sy,x. Perhitungan ini disebut standar deviasi regresi
yang menghitung kesalahan dari variabel terikat y, terhadap garis regresi, dan bukan
terhadap rerata.

( )2
, =
2

Di mana:

= ,

=
Menghitung Kesalahan Standar Estimasi

Pendekatan: Hitunglah kesalahan standar estimasi, Sy,x,

Solusi: Satu-satunya yang tidak ada untuk menyelesaikan persamaaan Sy,x adalah
y2. Dengan penjumlahan singkat, akan didapatkan y2 = 39,5. Karena itu:

2
, =
2

39,5 1,75(15,0) 0,25(51,5)

=
62

= 0,09375 = 0,306 ( $)

Maka, kesalahan standar estimasi dalam penjualan adalah $306.000

Korelasi

Persamaan regresi adalah satu cara untuk menyatakan hubungan antara dua
variabel. Garis regresi bukanlah hubungan sebab-akibat. Garis regresi
menjelaskan hubungan antarvariabel. Persamaan regresi menunjukkan bagaimana
satu variabel berhubungan pada nilai dan perubahan pada variabel lain.

Cara lain untuk mengevaluasi hubungan antara dua variabel adalah menghitung
koefisien korelasi. Ukuran ini menyatakan derajat atau kekuatan hubungan linier.
Biasanya didentifikasi sebagai r, koefisien korelasi adalah suatu bilangan antara +1
dan -1.

Untuk menghitung r, digunakan data yang sama yang dibutuhkan sebelumnya untuk
menghitung a dan b untuk garis regresi. Berikut persamaannya.

=
[ 2 ()2 ][ 2 ()2 ]

Empat NIlai Koefisien Korelasi

Korelasi

Koefisien determinasi adalah persen variasi pada variabel terikat (y) yang dijelaskan
dengan persamaan regresi. Koefisien determinasi merupakan penguadratan
sederhana dari koefisien korelasi r2. Nilai r2 akan selalu merupakan angka positif
pada rentang 0 r2 1.

Contoh: Nodel Construction dan besarnya upah di West Bloomfield. Sekarang, wakil
presiden perusahaan ingin mengetahui kuatnya hubungan antara upah dan
penjualan.
Pendekatan: Menghitung nilai r dengan menggunakan persamaaan

=
[ 2 ()2 ][ 2 ()2 ]

Solusi: Data yang mencakup kolom y2 dan perhitungannya ditunjukkan pada tabel
berikut.

Penjualan, y Upah, x X2 xy
2,0 1 1 2,0
3,0 3 9 9,0
2,5 4 16 10,0
2,0 2 4 4,0
2,0 1 1 2,0
3,5 7 49 24,5
y = 15,0 x = 18 x2 = 80 xy = 51,5

(6)(51,5) (18)(15,0)
=
[(6)(80) (18)2 ][(6)(39,5) (15,0)2 ]

309 270 39
= =
(156)(12) 1.872

39
= = 0,901
43,3

Pemahaman: r = 0,901 menunjukkan korelasinya adalah -0,901 dan bukan +0,901.

Artinya, korelasi negatif menyatakan bahwa saat terjadi kenaikan upah, penjualan
Nodel akan menurun.

Pada kasus Nodel, nilai r2 adlah 0,81 yang mengindikasikan 81% dari variasi
totalnya.

Analisis Regresi Majemuk

Regresi majemuk adalah suatu metode peramalan asosiatif dengan lebih dari satu
variabel. Regresi majemuk dapat digunakan untuk menciptakn sebuah model
dengan beberapa variabel bebas, bukan hanya dengan satu variabel.

= + 1 1 + 2 2

Dimana:

= , ,
 = ,

1 2 =
, ,

1 2 =

Matematika dari regresi majemuk cukup rumit (dan biasanya dikerjakan

menggunakan komputer).

Menggunakan Persamaan Regresi Majemuk

Nodel Construction ingin melihat dampak dari variabel terikat kedua, tingkat suku
bunga, terhadap penjualannya.

Pendekatan: lini regresi majemuk yang baru untuk Nodel, dihitung dengan komputer
adalah sebagai berikut.

= 1,80 + 0,301 + 5,02

Koefisien korelasi yang baru adalah 0,96. Dengan mengikutsertakan x2. Tingkat
suku bunga memberikan hubungan linear yang erat.

Solusi: Jika upah West Bloomfield menjadi $6 miliar dan tingkat suku bunga menjadi
0,12(12%), maka penjualan yang diramalkan menjadi seperti berikut.

( ) = 1,80 + 0,30(6) 5,0(0,12)

= 1,8 + 1,8 0,6

=3

atau

= $3.000.000.

Pemahaman: Dengan menggunakan kedua variabel, upah, dan tingkat suku bunga,
penjualan Nodel yang diramalkan $3 dan koefisien korelasi lebih tinggi. Ini
menunjukkan hubungan yang lebih kuat antara dua variabel dan perkiraan penjualan
yang lebih akurat.

Memantau dan Mengendalikan Peramalan

Sinyal Penelusuran (tracking signal) adalah sebuah perhitungan seberapa baik

suatu permalan dalam memprediksikan suatu peramalan dalam memprediksikan
nilai aktual. Sejalan dengan peramalan yang diperbaharui setiap minggu, bulan atau
kuartal, data permintaan baru yang tersedia dibandingkan dengan nilai peramalan.

Sinyal penelusuran dihitung sebagai running sum of the forecast errors (RSFE)
dibagi dengan mean absolute deviation (MAD).

( )=

( )

=

Grafik tersebut menunjukkan grafik sebuah sinyal penelusuran yang melebihi

rentang variasi yang berterima. Jika model yang digunakan adalah penghalusan
eksponensial, konstanta penghalusan mungkin perlu disesuaikan kembali.
Bagaimana perusahaan memutuskan di mana seharusnya batas atas dan bawah?
Batas yang ada tidak begitu rendah yang dipicu dengan setiap kesalahan peramalan
yang kecil, dan tidak begitu tinggi yang membiarkan peramalan yang buruk begitu
sering terulang. Satu MAD senilai dengan kurang lebih 0,8 standar deviasi, 2 MAD
= 1,6 standar deviasi, 3 MAD = 2,4 standar deviasi, dan 4 MAD = 3,2 standar
deviasi. Kenyataan ini menyarankan sebuah peramalan untuk dapat terkendali,
89% kesalahan diharapkan jatuh dalam rentang 2 MAD, 98% dalam rentang 3
MAD, atau 99,9% dalam rentang 4 MAD.
Kuartal Permintaan Permintaan Kesalahan RSFE Kesalahan Kesalahan MAD Sinyal
Aktual Peramalan Peramalan Peramalan Penelusuaran
Absolut Absolut (RSFE/MAD)
Kumulatif

1 90 100 -10 -10 10 10 10,0 -10/10 = -1

2 95 100 -5 -15 5 5 7,5 -15/7,5 = -2
3 115 100 +15 0 15 30 10,5 0/10 = -1
4 100 110 -10 -10 10 40 10,0 -10/10 = -1
5 125 110 +15 +5 15 55 11,0 +5/11 = +0,5
6 140 110 +30 +35 30 85 14,2 +35/14,2 =
+2,5

85
6, = = = 14,2
6

35
= = = 2,5
14,2

Pemahaman: karena sinyal penelusurannya bergerak dari -2 MAD ke +2,5 MAD

(antara1,6 dan 2,0 standar deviasi), dapat disimpulkan bahwa sinyal penelusurannya
berada dalam batas yang dapat diterima.

Peramalan Adaktif

Peramalan adaktif adalah sebuah pendekatan terhadap peramalan penghalusan

eksponensial di mana konstanta penghalusannya diubah-ubah secara otomatis
untuk menjaga agar kesalahan tetap minimum. Sebagai contoh, saat menerapkan
penghalusan eksponensial, koefisien dan dipilih pertama kali berdasarkan nilai
yang dapat meminimalkan kesalahan peramalan, kemudian disesuaikan kapan saja
saat komputer mengenali adanya sinyal penelusuran. Proses ini disebut peramalan
adaktif.

Peramalan Fokus

Peramlan fokus adalah peramalan bahwa mencoba variasi model komputer dan
memilih satu yang terbaik untuk aplikasi tertentu. Peramalan fokus didasarkan pada
dua prinsip.

1. Model peramalan canggih tidak selalu lebih baik daripada model yang sederhana
2. Tidak ada satu pun teknik yang dapat digunakan untuk semua produk dan jasa.
Peramalan pada Sektor Jasa

Peramalan pada sektor jasa mempunyai tantangan yang unik. Teknik utama pada
sektor eceran adalah dengan melihat permintaan dan membuat catatan jangka
pendek yang teliti.

Ramalan Restoran Siap Saji

Restoran siap saji sangat peka tidak hanya terhadap variasi permintaan mingguan,
harian, dan jam, tetapi bahkan hingga variasi 15 menitan yang dapat memengaruhi
penjualan. Karena itu, dibutuhan peramalan permintaan yang terperinci.

Grafik di atas menunjukkan peramalan per jam dari restoran siap saji pada
umumnya. Perhatikan puncaknya saat makan siang dan makan malam.
Ramalan Pusat Pelayanan FedEx

Puncak kesibukan pada 10:30 dan 16:30 dipusat panggilan FedEx. Bagian
Penerapan Manajemen Operasional memberika contoh dalm industry sektor jasa
yang besar.