Peramalan (Forcasting)

TUJUAN UMUM
Diharapkan mamahasiswa mampu memahami dan menganalisis pendekatan-pendekatan dalam
peramalan (forecasting) dalam kehidupan nyata serta dijadikan sebagai saran dalam pengambilan
keputusan operasional perusahaan.

TUJUAN KHUSUS
 Mampu memahami dan menjelaskan pendakatan-pendekatan dalam peramalan
 Menerapkan pendekatan-pendekatan peramalan
 Menganalisis dan membandingkan pendekatan-pendekatan dalam peramalan dalam kehidupan
nyata.

2.1. Pendahuluan
Peramalan merupakan alat bantu dalam membuat perencanaan yang efektif dan efisien.
Misalnya: penjadwalan produksi, masalah transportasi, penanaman modal, dan lain-lain. Situasi
peramalan sangat ditentukan oleh horizon waktu, tipe pola data (Constant; Trend; Musiman &
Kombinasi) dan berbagi aspek lainnya.

(1) Pola Data Horizontal (2) Pola Data Musiman

(3) Pola Data Siklus (4) Pola Data Trend

Keterangan :
 Pola data horizontal menunjukan bahwa nilai data berfluktuasi di sekitar nilai rata-rata (stasioner
terhadap nilai rata-ratanya)
 Pola data musiman menunjukan bahwa nilai data dipengaruhi oleh faktor musiman (harian,
mingguan, bulanan, semesteran, tahunan)
 Pola data siklus menunjukan bahwa nilai data dipengaruhi oleh flukstuasi dalam jangka panjang
 Pola data trend menunjukan bahwa nilai data terjadi kenaikan atau penurunan dalam jangka
panjang

Peramalan (forcasting) dibutuhkan oleh setiap perusahaan disebabkan karena:

 Sering terjadi senjang waktu (time lag) antara kebutuhan mendatang dengan peristiwa itu
sendiri merupakan alasan utama pentingnya peramalan & perencanaan.
 Jangka Waktu Peramalan
 Pengaruh dari Product Life Cycle.

Peramalan adalah perhitungan yang obyektif dengan menggunakan data-data masa lalu untuk
menentukan kondisi dimasa yang akan datang. Dengan demikian forcasting merupakan proses yang
menggambarkan peristiwa/kondisi pada masa yang akan datang. Dasar pengambilan keputusan
dalam bisnis, meliputi : (1) Produksi; (2) Persediaan; (3) Personil dan (4) Fasilitas-fasilitas.

2.2. Karakter permintaan masa depan

Karakteristik permintaan masa depan tergantung kepada hal berikut ini :
a. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan kekonsistensian
peramalan tersebut. Hasil peramalan dikatakan bisa bila peramalan tersebut tidak terlalu tinggi
atau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan
dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu
rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak
dapat dipenuhi segera, akibatnya perusahaan dimungkinkan kehilangan pelanggan dan
kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan
terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia – sia. Keakuratan
dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal.
b. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah
item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Ketiga
faktor pemicu biaya tersebut akan mempengaruhi berapa banayak data yang dibutuhkan,
bagaimana pengolahan datanya (manual atau komputerisasi), bagaimana penyimpanan
datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus
disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-
item yang penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip ini
merupakan adopsi dari hukum Pareto ( Analisa ABC ).
 c. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan
memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih,
tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber
daya manusia, maupun peralatan teknologi.

2.3. Jenis – jenis Peramalan

1. Peramalan ekonomi
Menjelaskan siklus bisnis dengan memprediksi :
 Tingkat inflasi
 Ketersediaan jumlah uang
 Dana yang diperlukan
 Indikator perencanaan lainnya

2. Peramalan teknologi
Memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang
menarik yang membutuhkan pabrik dan peralatan baru.
3. Peramalan permintaan
Proyeksi permintaan untuk produk atau layanan suatu perusahaan atau biasa disebut juga
peramalan penjualan dalam hal seperti: pengendalian produksi, kapasitas, system
penjadwalan dan input bagi rencana keuangan, pemasaran, dan sumber daya manusia.

2.4. Metode-metode peramalan

Secara umum ada dua metode yang digunakan dalam membuat peramalan (forcasting) dalam
dunia bisnis, lebih jelasnya dapat dilihat pada gambar berikut:

1. Metode kualitatif, peramalan yang menggabungkan faktor seperti institusi, emosi, pengalaman
pribadi dan menganalisa kondisi objektif dengan apa adanya. Metode kualitatif terdiri dari:
a. Metode Delphi
b. Juri dari opini eksekutif (jury of executive opinion)
c. Kompusit tenaga penjualan (sales force composite)
d. Survey pasar konsumen (consumer market survey)

2. Metode kuantitatif, peramalan yang menggunakan model matematis yang beragam dengan
data masa lalu. Metode ini dapat digunakan apabila: (1) tersedia data dan informasi masa lalu;
 (2) data dan informasi tersebut dapat dikuantitatifkan dalam bentuk numerik; (3) disumsikan
beberapa aspek masa lalu akan berlanjut di masa yang akan datang.
 Naïve approach
 Moving average method
 Weighted moving average method (metode rata-rata tertimbang)
 Exponential smooting method
 Linear trend projection

2.5. Kesalahan taksir dalam peramalan

Pada dasarnya kita benar-benar tidak mengetahui apa yang akan terjadi dan bagaimana keadaan
dimasa yang akan datang. Oleh karena itu sangat wajar sekali apabila setiap ramalan yang telah
diprediksi mengalami kesalahan atau eror. Untuk itulah pentingnya mengetahui cara mengukur
tingkat kesalahan peramalan (forecast) dalam ekonomi. Dibawah ini adalah terdapat dua rumus yang
dapat digunakan dalam mengukur tingkat kesalahan peramalan yakni antara lain dapat dijelaskan dan
diuraikan sebagai berikut :

1. Mean Absolute Error

MAE = ∑(Aktual-Peramalan) : n

2. Mean Squared Error

MSE = ∑ (Kesalahan Peramalan) 2 : n

2.6. Aplikasi contoh peramalan

2.7. Rangkuman
Perbedaan dalam pengambilan keputusan membutuhkan metode peramalan yang juga berbeda.
Metode peramalan dapat dikelompokan menjadi kualitatif dan kuantitatif. Metode kualitatif
digunakan bila tidak ada data historis atau data yang tidak cukup andal sedangkan metode kuantitatif
didasarkan atas data historis dan asumsi-asumsi serta dibutuhkan data yang valid dan reliabel.
Metode peramalan dipilih berdasarkan pada empat pertimbangan yaitu:

 Kelayakan sistem dan pengguna;

 Tersedianya waktu dan sumber data yang cukup
 Karakter penggunaan dan pengambilan keputusan;
 Pola data