Anda di halaman 1dari 12

Peramalan Permintaan

Peramalan (forecasting) : adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan
menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model
matematis.

Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari
data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat
berbagai metode peramalan antara lain :

Peramalan berdasarkan jangka waktu :

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

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.

Peramalan berdasarkan metode / pendekatan :

1. Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan data historis
dan atau variabel-variabel kausal untuk meramalkan permintaan.

2. Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment)
dari yang melakukan peramalan.

METODE PERAMALAN :

a. Metode Kualitatif

Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan,
dan pengalaman seseorang. Oleh karena itu, hasil peramalan dari satu orang dengan orang yang lain dapat
berbeda. Meskipun demikian, peramalan dengan metode kualitatif tidak berarti hanya
menggunakan intuisi, tetapi juga bisa mengikut sertakan model model statistik sebagai bahan
masukan dalam melakukan judgement (keputusan), dan dapat dilakukan secara perseorangan maupun
kelompok.
Metode peramalan permintaan secara kualitatif berhubungan dengan data-data kualitatif, misalnya
tentang selera konsumen terhadap suatu produk, atau survey tentang loyalitas konsumen, dan lain-lain.
Forecasting kualitatif ini dapat dikelompokkan ke dalam beberapa metode teknik seperti
akan dijelaskan berikut ini.

1. Teknik Survey ( riset pasar/ market research)


Teknik survey ini merupakan suatu alat meramalkan yang cukup penting khususnya untuk
memprediksi kejadian-kejadian atau kecenderungan-kecenderungan dalam jangka pendek mendatang ini.
Survey biasanya menggunakan alat interview atau daftar pertanyaan yang akan ditujukan para responden
yang terpilih dan yang dituju. Sesuai kelompok yang memang diperkirakan akan menjadi sasaran pasar
yang dituju oleh perusahaan. Survey ini dilakukan untuk meramalkan variabel ekonomi yang memang
berhubungan baik langsung maupun tidak langsung dengan permintaan konsumen atau pasar yang dituju.
Variabel-variabel ekonomi yang disurvey ini misalnya variabel yang berhubungan dengan budget rumah
tangga yang dikeluarkan untuk memenuhi kebutuhan rumah tangga.

Sasaran dan klasifikasi sasaran dan jenis kebutuhan dan keperluan dari kelompok responden ini
dapat dikategorikan sebagai berikut:
Survey tentang budget keperluan rumah tangga masyarakat eksekutif bisnis dan pemerintahan yang
sekiranya berkait dengan rencana perusahaan. Survey ini diharapkan dapat merekam keseluruhan
anggaran setiap rumah tangga yang disurvey.
Survey mengenai barang atau jasa yang diperlukan bagi para pelaku bisnis yang akan
memperdagangkan barang atau jasanya. Mereka ini mungkin pelaku bisnis yang bergerak pada
bisnis distributor, pengecer atau pedagang besar.
Survey ini dilakukan bagi para rumah tangga umum mengenai keperluan rumah tangga, produk atau
barang apa secara periodic diperlukan dan frekuensi pemenuhan yang dilakukan untuk masa-masa
yang akan datang, dan lain-lain.
Dari metode survey berdasar kelompok sasaran ini sebenarnya terkandung maksud dari surveyor
bahwa barang dan jasa apa saja yang dibutuhkan, berapa frekuensi pemenuhan kebutuhan dan faktor-faktor
apa saja yang pada umumnya yang mempengaruhi perilaku beli mereka ini. Sehingga secara tidak
langsung perusahaan melihat peluang dan apa saja yang bisa ditarik sebagai kepentingan bagi perusahaan
atas hasil-hasil survey ini untuk memprediksi dan memperkirakan perilaku pasar atau konsumen
perusahaan.
Bila diklasifikasikan bahwa hasil survey ini merupakan bagian dari kegiatan riset pasar yang
dilakukan oleh perusahaan. Dari sini berbagai kemungkinan yang diperoleh adalah munculnya variabel
ikutan yang dapat diprediksi Apa yang bisa dimanfaatkan oleh perusahaan yang hendak atau sudah
diproduksi dan dijual kepada pasar yang dituju yang telah disurvey ini. Dengan demikian dapat dinyatakan
bahwa hasil survey ini sebagian atau seluruhnya dapat dipergunakan untuk memprediksi permintaan
konsumennya dari produk yang dibuat dan jual oleh perusahaan.

2. Teknik Jajak Pendapat (Opinion Pools).


Teknik jajak pendapat sering dilakukan untuk melengkapi data dari survey. Jajak pendapat dari
para pakar, para eksekutif, dari masyarakat umum, atau dari konsumen. Jajak pendapat ini lebih bersifat
pandangan atau pendapat pribadi (subjektif) dari respondennya, sebaliknya teknik survey lebih bersifat
objektif.
Sebelum peluncuran produk baru, biasanya diadakan pre test dan jajak pendapat terhadap
responden yang menjadi sampel. Teknik pooling ini melibatkan berbagai media seperti media TV, telepon,
koran, surat, SMS, email, atau internet untuk menyebarkan kuesioner atau daftar pertanyaan tentang
berbagai informasi yang dibutuhkan perusahaan.
Laporan atau pernyataan resmi dari suatu perusahaan atau pemerintah suatu negara dapat
digunakan sebagai sumber data guna meramalkan kondisi ekonomi di masa yang akan datang, sekaligus
dapat digunakan untuk membuat strategi bersaing dalam pasar bebas.

3. Metode Delphi,
Pada metode ini sekelompok pakar mengisi kuesioner, Moderator
menyimpulkan hasilnya dan memformulasikan menjadi suatu kuesioner baru yang diisi kembali oleh
kelompok tersebut, demikian seterusnya. Hal ini merupakan proses pembelajaran (learning process) dari
kelompok tanpa adanya tekanan atau intimidasi individu.

4. Analogi historis (Historical Analogy),


Merupakan teknik peramalan berdasarkan pola data masa lalu dari produk-produk yang dapat
disamakan secara Analogi. Misalnya peramalan untuk pengembangan pasar televisi
multi sistem menggunakan model permintaan televisi hitam putih atau televisi berwarna biasa.
Analogi historis cenderung akan menjadi terbaik untuk penggantian produk di pasar dan
apabila terdapat hubungan substitusi langsung dari produk dalam pasar itu.

5. Dugaan manajemen ( management estimate ) atau Panel Consensus


Dimana peramalan semata-mata berdasarkan pertimbangan manajemen, umumnya oleh
manajemen senior. Metode ini akan cocok dalam situasi yang sangat sensitif terhadap intuisi dari suatu
atau sekelompok kecil orang yang karena pengalamannya mampu memberikan opini yang kritis dan
relevan. Teknik akan dipergunakan dalam situasi dimana tidak ada situasi dimana
tidak ada laternatif lain dari model peramalan yang dapat diterapkan. Bagaimanapun metode ini
mempunyai banyak keterbatasan, sehingga perlu dikombinasikan dengan metode peramalan yang lain.

b. Peramalan kuantitatif
Peramalan kualitatif dapat diterapkan jika tersedia data masa lalu, informasi dapat dikualifikasi
(diwujudkan dalam bentuk angka), dan asumsi beberapa aspek pola masa lalu akan terus berlangsung
(assumption of community).

1. Model Seri Waktu / Metode deret berkala, terbagi menjadi :

1. Metode Smoothing, merupakan jenis peramalan jangka pendek seperti perencanaan persediaan,
perencanaan keuangan. Data yang harus tersedia paling sedikit dua tahun.metode ini tidak cocok
untuk peramalan jangka panjang. Tujuan penggunaan metode ini adalah untuk mengurangi
ketidakteraturan data masa lampau seperti musiman. Caranya dengan membuat rata-rata

2. Metode Box Jenkins, metode ini merupakan deret waktu dengan menggunakan model matematis
dan digunakan untuk peramalan jangka pendek. Data yang digunakan untuk melakukan peramalan
dengan metode ini membutuhkan data minimal dua tahun. Kegunaan metode ini untuk
perencanaan anggaran atau produksi.

3. Metode Proyeksi Tren dengan Regresi, merupakan metode yang digunakan baik untuk jangka
pendek maupun jangka panjang. Metode ini merupakan garis tren untuk persamaan matematis.
Metode ini menggunakan data minimal dua tahun dan semakin banyak semakin baik. Biasanya
metode ini digunakan untuk produk baru atau rencana ekspansi.
2. Model Sebab Akibat / metode kausal (causal/explanatory model)

Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan
dengan variabel laiin yang mempengaruhinya tetapi bukan waktu. Dalam prakteknya jenis metode
peramalan ini terdiri dari :

1. Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang
maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang
dianalisis secara statistik. Metode ini biasanya digunakan untuk peramalan permintaan atau
penjualan. Data yang digunakan biasanya data kuartalan.
2. Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang
biasa digunakan untuk menyusun trend ekonomi jangka panjang. Data yang digunakan biasanya
lebih dari 10 tahun
3. Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka
pendek. Peramalan ini didasarkan pada sistem pemasaran regresi yang diestimasi secara simultan.
Data yang digunakan biasanya data kuartalan.

3. Metode Smoothing

Tujuan metode ini adalah untuk mengurangi fluktuasi hasil ramalan dengan menggunakan data lalu. Dan
metode ini dikenal beberapa model yaitu:
a. Metode rata-rata kumulatif.
b. Metode rata-rata bergerak tunggal.

4. Metode Regresi
Metode regresi adalah merupakan salah satu metode ramalan yang disusun atas dasar pola data masa lalu.
Hal-hal yang perlu diketahui sebelum kita melakukan peramalan dengan metode regresi adalah mengetahui
terlebih dahulu kondisi-kondisi seperti:
1. Adanya informasi masa lalu.
2. Informasi yang ada dapat dibuatkan dalam bentuk data.
3. Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan
datang.
Adapun jenis-jenis data yang dapat ditemukan dilapangan yaitu:
a. Musiman
Merupakan data yang dipengaruhi oleh musim dalam suatu periode seperti data harian, mingguan,
atau bulanan.
b. Horizontal
Merupakan data dimana dalam suatu produk dalam suatu periode jumlah penjualannya konstan atau
dengan kata lain naik turunnya tidak terlalu banyak.
c. Siklus.
Data yang dipengaruhi olek fluktuasi ekonomi jangka panjang yang berkaitan dengan siklus usaha.
d. Tren.
Dalam hal ini, jika ada data yang diobservasi terdapat kenaikan dan penurunan yang cukup
mencolok dalam jangka panjang, pola ini dapat dilihat dari penjualan produk dari banyak usaha.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan
metode regresi sederhana yaitu :

1. Analisis deret waktu untuk regresi sederhana linier


2. Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:

Y = F (x)

Dimana :
Y = Dependent variable (variabel yang dicari)
X = Independent variable (variabel yang mempengaruhinya)

Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

Y=a+bx

Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan
dengan menggunakan rumus :

kemudian nilai b dapat dicari dengan rumus :

Tahapan Peramalan
Untuk melakuka n pe ra malan , 7 langkah berik ut ini dapat k ita jadikan sebagai acuan,
yaitu :
1. Menetap kan Tujua n P eramalan , contohn ya k ita melakukan peramalan
permin taan un tuk men gontro l ju mlah prod uk si setiap bu lan, mingg u, hingga
harian
2. Memilih Unsur Apa Y ang A kan Kita Ramal. KIta dapat melakukan berbaga i
maca m pe ra ma lan , misal peramalan pen jualan, h ingga main tenan ce (untuk
menge tahu i kapan sebu ah part mesin akan ru sak).
3. Memilih Time Fra me (Jenjang Wak tu) P eramalan , mak sudn ya adalah apaka h
kita akan me lakuk an peramalan perbu lan atau pertah un. Seb aikn ya and a
melak ukan leb ih da ri satu time frame.
4. Memilih T ipe Mode l P eramalan . Ada ban yak model yang dapat digunaka n
untuk mela kukan pe ra malan . Sebaikn ya anda menggunakan model peramalan
leb ih da ri sa tu mo del.
5. Mengu mpu lkan Data Yang Diperlu kan Untu k Melakuk an P erma lan. Hal itu
dikarenakan d ata merupakan acuan kita dalam membu at keputu san dala m
pera ma lan . Gunakan lah da ta yang ada semaksimal mungk in. Semakin ban yak
anda menggunakan data, semakin kecil kemungkinannya peramalan yang anda
buat melese t.
6. Buat P era ma lan, se sua i dengan d ata dan meng gunakan meto da model peramalan
yang te ala h kita pilih.
7. Memva lidk an Hasil D an Menerapkan Hasil P eramalan. Lakukan beberapa
pen yesua ian ke mb ali terh adap h asil peramalan kita untuk men gantisipasi
fakto r -fak tor "X " ya ng tid ak terdete k si oleh mo del peramalan yang telah k ita
pilih.

Analisis Deret Waktu


Data time serie s ada lah nilai -n ilai suatu variabel yang beruru tan menuru t wak tu
(misal: h ari, minggu, bulan, tahun ). Ada 4 fakto r yang mempengaruh i data time
series . Dala m da ta ek ono mi b ia san ya k ita mendapatkan adan ya fluk tuasi/ variasi da ri
waktu ke wak tu a tau d isebut dengan variasi time series .

Variasi in i b iasan ya d isebabkan o leh adan ya faktor :

1. Trend adalah ke adaan data yan g menaik atau menuru n dari wak tu ke
waktu. Con toh ya ng me nunjukkan trend menaik yaitu p endapatan per kap ita,
ju mlah p enduduk.
2. Variasi musiman adalah fluktu asi yang mu ncul secara regu ler setiap tahun
yang b iasan ya disebab kan oleh iklim, kebiasaan (mempun yai pola tetap dari
waktu ke wak tu). Con toh yang menun ju kan variasi musiman seperti penju ala n
pakaian ak an men ingk at pada saat hari raya, pen jualan buku dan tas seko lah
akan men ingka t p ada sa at a wal sek olah .
3. Variasi siklis muncu l ketika data dip engaru h i oleh flu ktuasi ekono mi jangka
panjang , variasi sik lis i ni b isa terulang setelah jangka wak tu tertentu. Varia si
sik lis b iasan ya akan k e mbali normal setiap 1 0 atau 20 tahu n sekali, bisa jug a
tid ak terulan g da la m jangka wak tu yang sama. in i yan g membed akan an tara
variasi siklis dengan musiman. Gerak an sik lis tia p ko mod itas mempu n yai jara k
waktu muncu l dan se ba b yang berbeda -beda, yang sampai saat in i belum d apa t
dimeng erti. Con toh ya ng menun jukkan variasi sik lis seperti industri konstruksi
bangunan me mpun ya i gerakan sik lis an ta ra 15 -20 tahun sedangkan industri
mo bil dan paka ian g era kan siklisn ya lebih pen dek lag i.
4. Variasi rando m ada lah suatu variasi atau gerakan yang tid ak teratu r
(irregu lar ). Variasi in i pada ken yataan n ya su lit dipred iksi. Con toh variasi in i
dala m da ta time series karena adan ya perang , benca na alam dan sebab -sebab
unik la inn ya yang sulit d iduga. To tal variasi dalam data time series adalah
merupak an hasil dari kee mpat fak tor tersebut yang mempen garuhi secara
bersa ma -sa ma .

Model T ime S eries ada lah sua tu peramalan n ilai -nilai masa dep an yang d i dasarkan
pada nila i -n ilai ma sa la mpau suatu variabel dan atau kesalahan masa
lampau. Mode l time serie s b iasan ya lebih sering dig unak an un tuk suatu
peramalan /p red iksi. Dala m tehn ik peramal an dengan time series ada 2 kategori
utama yang perlu dilak ukan pengujian, yaitu pemulu san (s mooth ing) dan deko mposisi
(decomposition ). Me to de pe mu lu san mendasarkan ramalann ya dengan prinsip rata -ra ta
dari kesalaha n ma sa lalu ( Averag ing smooth ing pa st erro rs ) deng an menambahkan
nilai ramalan seb elu mn ya den gan persen t ase kesalah an ( percen tag e of the errors )
antara nila i seben arn ya ( actual va lue ) d engan nilai ramalan n ya ( fo reca sting
value ). Me toda de ko mp osisi mendasarkan prediksin ya dengan membag i data time
series menjadi beberapa komponen dari Trend, Siklis, Musiman d an pengaruh Random;
kemudian mengko mbinasik an p red iksi dari ko mponen -ko mponen terseb ut (kecuali
pengaruh rando m ya ng sulit d ipredik si). P endekatan lain un tuk p eramalan adalah
metod a cau sal atau yan g leb ih d ikenal d engan sebutan regresi.

Trend
Trend adalah k eadaan d ata ya ng me naik atau menurun dari waktu ke waktu. Ada
beberapa te hnik dala m me mbua t model trend. Tehnik yan g serin g d ig unakan adalah
metod a kuad ra t terkec il ( least squa re method ). Model trend linier p erkiraan adalah
sebagai beriku t:
Hasil perkiraan pen jua lan b erda sark an tren d tidak memp erhatikan adan ya pengaruh
variasi mu siman. Jik a hasil pen jualan sepatu pada ken yataan n ya dipengaruh i oleh
adan ya variasi mu sima n, maka hasil perk iraan penju alan yang han ya didasark an o leh
fakto r trend men j ad i ku rang ba ik.

Variasi musiman
Salah satu ko mpo ne n yang mempengaru hi data time series adalah k o mponen
mu siman. Gerakan musiman ( se asona l movement ) merupakan gerakan yang teratu r
artin ya naik tu runn ya terja di pada wak tu -wak tu yang sama. Disebu t gerakan mu siman
oleh karena terjad in ya bertep ata n dengan pergantian mu sim didalam satu tahun atau
dalam wak tu yang sing kat. misa l:
Harga be ras akan turun pada saat mu sim panen pad i.
P enjualan buku ak an mening kat pada awal sekolah.
Jumlah p engun jung k e gedung b ioskop akan naik pa da mala m mingg u.
Jika data time series dipenga ruh i oleh variasi musiman, maka d iperlukan metoda
peramalan yang lebih baik yang memperhatik an keterlibatan variasi mu siman didala m
data.
Untuk kepe rluan analisa seringka li data time series d in yatakan dalam ben tuk angka
indeks. Apab ila k ita ingin menun jukkan ada tidakn ya gerakan musiman perlu dibu at
indeks mu siman ( seaso nal index ). Ind eks musiman adalah suatu angk a yang bervariasi
terh adap nila i d asa r 1 00. Jik a suatu periode mu siman mempun yai nilai indeks 100,
nilai in i menun jukan b ahwa pada b ulan tersebut tidak ada pengaru h musiman. Ada
beberapa metod e un tuk mengh itung angka ind eks musiman , antara lain adalah metode
rata -rata sede rhana ( simple average meth od ).

Mencari inde ks musim an dengan me toda ra ta-rata sederhana


Indeks mu siman dapa t dig unakan un tuk men guraikan perk iraan/ ramalan pen jualan
tahunan menjadi pe rk iraan penjua lan per bu lan pada tahun mendatan g. Untuk menca ri
indeks mu siman deng a n metode rata -rata sed erhana, pertama p erlu dicari n ilai rata -
rata untuk se tiap b ulann ya d engan mak sud untu k mengh ilangkan pengaruh
trend . Berapa ba n ya k tahun yang d igunakan untuk mendapatk an nilai rata -rata
terg antun g dari ban ya k tahun teru lang n ya gerakan sik lis yang maksudn ya untu k
menghilang kan peng aru h dari ge rakan sik lis (misal: 5 tahun , 10 tahu n atau leb ih ).
Dari n ilai rata -ra ta tersebut se lan ju tn ya dicari besaran persen tasen ya terhad ap total
atau ju mlah n ila i rata -rata d iman a ju mlah n ilai rata -rata tersebu t menjadi n ilai 100
dalam besara n persentase. Indeks musiman didapat dengan cara mengalikan besaran
persen tase masing -masing bulan dengan konstanta 12 .
http://dhejae m.b log spot.co. id/201 3/0 8/7 -langkah -melakukan -peramalan. html

http s://d igensia. word press.co m/2012/08/24 /an alisa -time -series/