MAKALAH

EKONOMI MANAJERIAL

TUGAS KELOMPOK

diajukan guna melengkapi tugas kelompok dan memenuhi salah satu syarat mata
kuliah Ekonomi Manajerial

Oleh :
Achmad Tony A 180820101046
Indra Kurniawan 180820101009
Iradatus Zakiah 180820101040
Nisrina Nur Latifah 180820101038

UNIVERSITAS JEMBER
MAGISTER MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
2019
 DAFTAR ISI

DAFTAR ISI....................................................................................................................... 1
BAB I PENDAHULUAN .................................................................................................. 2
1.1. Latar Belakang .................................................................................................. 2
BAB II PEMBAHASAN .................................................................................................... 4
2.2. Analisis Deret Waktu ............................................................................................. 10
2.3. Teknik Penghalusan ............................................................................................... 19
2.4. Metode- Metode Barometrik.................................................................................. 25
2.5. Model Ekonometrik ............................................................................................... 27
2.6. Peramalan Input-Output ......................................................................................... 29
BAB III PENUTUP .......................................................................................................... 30
Kesimpulan ................................................................................................................... 30
DAFTAR PUSTAKA ....................................................................................................... 31

1
 BAB I PENDAHULUAN

1.1.Latar Belakang
Peramalan merupakan tahap awal dari perencanaan dan pengandalian
produksi. Peramalan adalah pemikiran terhadap suatu besaran, misalnya
permintaan terhadap suatu atau beberapa produk pada periode yang akan datang.
Pada hakekatnya peramalan merupakan suatu perkiraan terhadap keadaan yang
akan terjadi di masa yang akan datang. Keadaan masa yang akan datang yang
dimaksud adalah:
1. Apa yang dibutuhkan (jenis)
2. Berapa yang dibutuhkan (jumlah/kuantitas)
3. Kapan dibutuhkan (waktu)
Tujuan peramalan dalam kegiatan produksi adalah untuk meredam ketidakpastian,
sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya.
Peramalan tidak akan pernah “perfect”, tetapi meskipun demikian hasil peramalan
akan memberikan arahan bagi suatu perencanaan.
Dalam pelakukan pemasaran suatau produk atau jasa suatu perusahaan,
tentu mengukur dan meramal permintaan pasar sangatlah penting keberadaannya.
Karena dengan mengukur dan meramal permintaan pasar maka perusahaan dapat
mengetahui sejauh mana konsumen menggunakan produknya dan juga dapat
mengetahui bagaimana nasib produknya dimasa yang akan datang.
Pengukuran Permintaan Pasar adalah Volume total yang akan dibeli oleh
kelompok pelanggan tertentu dalam wilayah geografis tertentu dalam periode
waktu tertentu dalam lingkungan pemasaran tertentu di bawah program pemasaran
tertentu.
Suatu produk yang kita hasilkan tentu saja akan dipasarkan, secara umum
ada 2 konsumen yang akan menggunakan produk-produk dari suatu perusahaan,
yakni business to business ( untuk industri ) atau kepada konsumen secara
individu/keluarga.
Meramalkan permintaan pasar yang dimasuki oleh perusahaan adalah
suatu pekerjaan yang perlu dilakukan oleh setiap manajer perusahaan dalam

2
rangka memprediksi berapa besar peluang pasar yang tersedia di masa depan.
Peramalan permintaan merupakan usaha untuk mengetahui jumlah produk atau
sekelompok produk di masa yang akan datang dalam kendala satu set kondisi
tertentu.

1.2.Rumusan Masalah
1. Apa yang dimaksud Peramalan Kualitatif ?
2. Apa yang dimaksud dengan Analisis Deret Waktu ?
3. Apa yang dimaksud dengan Telknik Penghalusan ?
4. Apa yang dimaksud dengan Metode Barometrik ?
5. Apa yang dimaksud dengan Model Ekonometrik ?
6. Apa yang dimaksud dengan Peramalan Input-Output ?

1.3.Tujuan
 Untuk mengetahui Peramalan Kualitatif
 Untuk mengetahui Analisis Deret Waktu
 Untuk mengetahui Telknik Penghalusan
 Untuk mengetahui Metode Barometrik
 Untuk mengetahui Model Ekonometrik
 Untuk mengetahui Peramalan Input-Output

3
 BAB II PEMBAHASAN

Kebanyakan keputusan bisnis dibuat berhadapan dengan risiko atau

ketidakpastian. Suatu perusahaan harus memutuskan berapa banyak masing-
masing produk harus dibuat, dengan harga berapa, dan berapa banyak biaya yang
harus dihabiskan untuk periklanan dan juga harus membuat rencana untuk
pertumbuhan perusahaan. Semua keputusan ini didasarkan pada ramalan terhadap
produk perusahaan pada khususnya. Tujuan peramalan ekonomi adalah untuk
mengurangi risiko atau ketidakpastian yang dihadapi perusahaan dalam
pengambilan keputusan operasional jangka pendek dan dalam perencanaan untuk
pertumbuhan jangka panjang.
Peramalan permintaan dan penjualan produk perusahaan biasanya dimulai
dengan peramalan ekonomi makro tentang tingkat umum kegiatan ekonomi secara
keseluruhan atau produk nasional bruto (Gross National Product-GNP).
Alasannya adalah bahwa permintaan dan penjualan pada kebanyakan barang dan
jasa sangat dipengaruhi oleh kondisi bisnis. Misalnya, permintaan dan penjualan
mobil-mobil baru,rumah-rumah baru, listrik, dan kebanyakan barang dan jasa
yang lain naik dan turun bersamaan dengan tingkat umum kegiatan ekonomi.
Ramalan umum kondisi ekonomi Presiden, Departemen Perdagangan As dan
badan-badan pemerintah yang lain, para ekonom yang bekerja pada perusahaan
swasta, dan perusahaan-perusahaan yang mengkhususkan diri dalam jasa-jasa
peramalan dan menjualnya kepada pelanggan-pelanggannya.
Perusahaan menggunakan peramalan-peramalan makro (macroforecast)
tentang kegiatan-kegiatan ekonomi umum ini sebagai masukan untuk membuat
peramalan-peramalan mikro (microforecast) tentang permintaan dan penjualan
dari industri dan perusahaan. Permintaan dan penjualan dari perusahaan biasanya
diramalkan atas dasar pangsa pasar historisnya (industri) dan strategi pemasaran
yang direncanakan (perkenalan produk-produk model baru, perubahan harga
frelatif, dan upaya promosi). Dari ramalan penjualan umum ini, perusahaan dapat
meramalkan penjualannya berdasarkan gugus produk dan daerah. Selanjutnya

4
digunakan untuk meramalkan kebutuhan-kebutuhan operasional perusahaan untuk
produksi ( bahan baku, peralatan, pergudangan, tenaga kerja), pemasaran (jaringan
distribusi, tenaga penjualan, kampanye promosi), pembiayaan (arus kas, laba,
kebutuhan pembiayaan dari luar dan ongkosnya), dan personel di seluruh
perusahaan. Perusahaan menggunakan ramalan jangka panjang tentang ekonomi
dan industri untuk meramalkan pengeluaran-pengeluaran bagi pabrik dan
perlengkapan untuk untuk memenuhi rencana dan strategi pertumbuhan jangka
panjangnya.
Teknik peramalan ada bermacam-macam, mulai yang sangat sederhana dan
memerlukan sedikit upaya, sampai yang sangat canggih dan sangat mahak dalam
hal waktu dan tenaga. Beberapa teknik peramalan pada dasarnya adalah kualitatif,
sedangkan yang lainnya alah kuantitatif. Beberapa didasarkan hanya pada
pengkajian nilai-nilai yang lalu dari seri-seri data untuk meramalkan nilai-nilainya
di masa mendatang; teknik-teknik yang lain melibatkan penggunaan model-
modelyang kompleks berdasarkan banyak sekali dmata tambahan dan hubungan-
hubungannya. Beberapa diantaranya dikerjakan sendiri oleh perusahaan, dan
adapula yang dibeli dari perusahaan-perusahaan konsultan.

2.1. Peramalan Kualitatif

Survey dan jajak pendapat sering digunakan untuk membuat ramalan jangka
pendek apabila data kuantitatif tidak tersedia. Teknik-teknik kuantitatif ini dapat
pula bermanfaat untuk melengkapi peramalan kuantitatif yang mengantisipasi
berbagai perubahan dalam selera konsumen atau harapan-harapan perusahaan
mengenai kondi perekonomian di masa mendatang. Teknik-teknik itu juga bisa
tak ternilai dalam meramalkan permintaan terhadap produk yang ingin
diperkenalkan oleh perusahaan.
2.1.2. Teknik Survey

Pemikiran untuk mengadakan peramalan berdasarkan survey mengenai

berbagai kecenderungan ekonomi ialah supaya berbagai keputusan ekonomi dapat
dibuat dengan baik sebelum terjadi pengeluaran actual. Sebagai contoh,

5
perusahaan biasanya mengadakan beberapa tambahan pada pabrik dan
perlengkapan jauh sebelum pengeluaran-pengeluaran sesungguhnya dilakukan.
Keputusan konsumen untuk membeli rumah, tv, mobil, mesin cuci, mebel,
liburan, dan pendidikan, dan barang-barang konsumsi penting lainnya diambil
beberapa bulan atau tahun sebelum pembelian dilakukan, begitu juiga instansi-
instansi pemerintah mempersiapkan anggaran dan mengantisispasi pengeluaran-
pengeluaran setahun sebelumnya atau lebih. Jadi survey mengenai
kecenderungan ekonomi dapat member informasi dan dapat digunakan untuk
meramalkan pembelian barang modal, perubahan persediaan, dan pengeluaran
untuk konsumsi penting di masa depan.
Beberapa survey yang sangat terkenal yang digunakan untuk meramalkan
kegiatan ekonomi pada umumnya dan kegiatan ekonomi di berbagai sector
perekonomian adalah :
1. Survey tentang pabrik dan para eksekutif bisnis dan rencana pengeluaran
untuk perlengkapan. Survi ini dilakuakn secara berkala oleh McGraw-
Hill,Inc., Departemen Perdagangan AS, Securities and Exchange (SEC),
dan Dewan Konferensi Industi Nasional. Misalnya, survey McGraw Hill
menyangkut lebih dari 50 persen pembelanjaan pabrik dan perlengkapan
baru, dilaksanakan dua kali setahun, dan diterbitkan oleh Business Week
(suatu terbitan McGraw-Hill), Survei Departemen Perdagangan bahkan
lebih komprehensif, dilaksanakan setiap kuartal dan diterbitkan oleh
Survey of Current Business miliknya.
2. Survey tentang rencana perubahan inventori dan harapan penjualan. Ini
dilaksanakan secara berkala oleh Departemen Perdagangan, McGraw Hill,
Dun & Bradstreet, dan Asosiasi Agen Pembelian Nasional, dan mereka
melaporkan tentang rencana para eksekutif bisnis mengenai perubahan
inventory dan harapan akan penjualan di masa mendatang.
3. Survey tentang rencana pengeluaran konsumen. Ini dilaksanakan secara
berkala oleh Biro Sensus dan Pusat riset survey Universitas Michigan, dan
mereka melaporkan tentang keinginan konsumen untuk membeli produk-
produk spesifik, termasuk rumah, peralatan konsumen, dan mobil.

6
 Hasilnya sering dipakai untuk meramalkan permintaan konsumen pada
umumnya dan tingkat kepercayaan konsumen dalam perekonomian.
Umunya, laporan dari survey-survei ini sudah cukup baik untuk
meramalkan berbagai pengeluaran actual, kecuali dalam masa-masa gejolak
politik internasional yang tak diharapkan, seperti perang atau ancaman perang.
Apabila digunakan secara bersama-sama dengan metode-metode kuantitatif
lainnya, survey bisa sangat berguna dalam meramalkan kegiatan ekonomi di
sector-sektor ekonomi yang spesifik dan untk perekonomian secara keseluruhan.
Perusahaan-perusahaan AS mengeluarkan lebih dari $1 miliar setiap tahun untuk
menanyakan kepada lebih lebih dari 50 juta konsumen tentang pendapat mereka
mengenai berbagai produk barang dan jasa. Meskipun demikian semakin besar
jumlah kinsumen yang menolak ikut serta dalam survey riset pasar karena
waktunya tersita, privasinya hilang, dan adanya tekanan dari para penjual yang
beroperasi dengan selubung riset pasar. Ini menimbulkan kesulitan yang semakin
besar dalam memperoleh sampel-sampel yang representative dan tren
pemanfaatan riset observasional yang lebih besar.

2.1.2. Jajak Pendapat

Meskipun hasil-hasil survey yang diterbitkan mengenai rencana pengeluaran

dari kalangan bisnis, konsumen dan pemerintah sangat penting, namun biasanya
perusahaan memerlukan peramalan spesifik untuk penjualannya sendiri. Penualan
dari perusahaan sangat tergantung pada tingkat umum dari kegiatan ekonomi dan
penjualan untuk industri secara keseluruhan, tetapi juga tergantung pada kebijakan
yang digariskan oleh perusahaan. Perusahaan dapat meramalkan penjualannya
melalui pendapat para pakar di dalam dan di luar perusahaan. Ada beberapa teknik
jajak pendapat :
1. Jajak pendapat eksekutif. Perusahaan dapat mengumpulkan pendapat dari
para manajer tingkat atas dari bagian penjualan, produksi, keuangan, dan
personalia mengenai pandangan mereka tentang masa depan penjualan
dari perusahaan secara kuartal atau tahun yang akan dating. Walupun
pandangan-pandangan pribadi itu lebih banyak bersifat subjektif, namun

7
 dengan mengambil rata-rata pendapat para pakar yang sangat mengenal
perusahaan dan produk-produknya, perusahaan berharap dapat sampai
pada peramalan yang lebih baik daripada pendapat yang disampaikan oleh
para pakar tersebut secara individual. Para pakar pemasaran dari luar dapat
juga dikumpulkan pendapatnya. Untuk menghindari efek kereta atau
bandwagon effect (di masa pendapat beberapa pakar dipengaruhi oleh
tokoh dominan diantara mereka) maka bisa digunakan apa yang
dinamakan metode De;phi (Delphi Method). Disini, para pakar diminta
pendapatnya secara terpisah, kemudian diberikan umpan balik tanpa
mengidentifikasikan pakar yang bertanggung jawab atas pendapat tertentu.
Melalui prosedur umpan balik diharapkan para pakar dapat sampai pada
peramalan yang disepakati.
2. Jajak pendapat tenaga penjual. Ini adalah peramalan penjualan dari
perusahaan di tiap daerah pada setiap gugus produk: peramalan ini
didasarkan pada pendapat tenaga penjual yang ditugaskan di lapangan oleh
perusahaan. Mereka adalah orang-orang yang paling dekat dengan pasar,
dan pendapat mereka mengenai penjualan di masa mendatang dapat
memberikan informasi berharga bagi manajemen puncak peusahaan.
3. Jajak pendapat tentang keinginan konsumen. Beberapa perusahaan yang
menual mobil, mengumpulkan pendapat para pembeli potensial mengenai
apa yang in gin dibeli. Dengan menggunakan hasil jajak pendapat itu,
perusahaan dapat meramalkan penjualannya secara nasional untuk tingkat
yang berbeda-bedadari pendapatan disposable konsumen yang bisa
disediakan pada masa depan.

2.1.3. Mendapatkan Perspektif Luar Negeri

Banyak perusahaan AS menjual peningkatan hasil produksinya ke luar

negeri dan menghadapi persaingan yang semakin meningkat di dalam maupuin di
luar negeri karena hal ini memengaruhi tidak hanya ekspor perusahaan tetapi jga
daya saingnya di dalam negeri. Untuk mendapatkan perspektif luar negeri seperti
itu, semakin banyak perusahaan AS membentuk Dewan-dewan beranggotakan

8
orang-orang terhormat dan orang-orang bisnis dari luar negeri, terutama di Eropa.
Maksudmya adalah untuk memperoleh perspekif global mengenai peristiwa-
peristiwa yang berkembang sebagai akibat penyatuan ekonomi di Eropa Barat,
restrukturisasi di Eropa Timur, dan liberalisasi ekonomi di pasar-pasar yang
sedang muncul atau di Negara-negara berkembang. Dasar pemikirannya adalah
bahwa tidak ada cara yang lebih baik untuk meramalkna dan menggambarkan apa
yang terjadi di Eropa, kecuali meminta gagasan-gagasan dari pemerintah dan para
pemimpin bisnis yang ada di sana.
Sebagai contoh, General Motors mendapati bahwa Dewan Penasihat Eropa
ternyata bermanfaat dalam mengadakan persiapan-persiapan menghadapi dasa-
warsa pertama abad baru. IBM meminta bantua para dewan [enasihatnya di Eropa,
Asia, dan Amerika Latin untuk membantu mengembangkan rencana-rencana
strategis. Keuntungan dari para dewan luar negeri seperti itu adalah tidak perlu
membuang-buang waktu untuk meninjau kembali anggaran atau menangani tugas-
tugas terpercaya lainnya seperti perencanaan suksesi, dan dapat mencurahkan
seluruh perhatiannya pada masalah-masalah internasional yang bisa berdampak
besar terhadap masa depan perusahaan sebagai pesaing global. Para dewan
perusahaan biasanya terlalu disibukkan oleh masalah-masalah mendesak dan
begitu kurang pengetahuan tentang pembangunan sehingga tidak mampu menilai
sepenuhnya situasi global. Masukan dari dewan-dewan luar negeri menjadi suatu
alat tak ternilai untuk memperoleh perspektif global dan merencanakan strategi
dalam dan luar negeri untuk jangka yang lebih panjang.
Tabel 1

9
2.2. Analisis Deret Waktu
Salah satu memtode peramalan yang paling sering digunakan adalah
analisis deret waktu atau analisis data deret waktu. Data derat waktu (time-series
data) berhubungan dengan nilai-nilai suatu variabel yang diatur secara kronologis
menurut perhitungan hari, minggu, bulan, kuartal, atau tahun. Langkah pertama
dalam analisis deret waktu biasanya adalah dengan menggambarkan nilai-nilai
variabel terdahulu yang hendak diramalkan (katakanlah, penjualan dari suatu
perusahaan) pada sumbu vertical dan waktu pada sumbu horizontal untuk
menyelidiki secara visual deret waktu pada suatu jangka waktu. Time series
analysis mencoba meramalkan nilai-nilai masa depan dari deret-waktu dengan
mengkaji beberapa observasi data yang telah lalu saja. Asumsinya adalah bahwa
deret waktu itu akan terus bergerak seperti waktu yang lalu *( artinya, pola yang
lalu akan tetap tidak berubah atau akan sama di waktu yang akan dating). Karena
alasan itu, maka analisis dret waktu sering disebut sebagai “peramalan yang naïf”
(naïve forecasting).

2.2.1. Sebab-sebab terjadinya Fluktuasi dalam Data Deret Waktu

Jika kita meletakkan sebagian besar data deret waktu, akan terungkap bahwa
data itu berfluktuasi atau berubah menurut waktu.variasi ini biasanya disebabkan
oleh tren sekuler, fluktuasi siklis, variasi musiman, dan pengaruh-pengaruh tak
teratur secara acak. Sumber-sumber dari variasi ini terlihat dalam Gambar 1 dan
dibahas secara singkat di bawah ini.

10
 Gambar 1

1. Tren sekuler (secular trend) berhubungan dengan peningkatan atau

penurunan seri data dalam jangka panjang (garis lurus tebal pada bagian
atas Gambar 1). Misalnya, banyak deret waktu dari penjualan

11
 memperlihatkan tren meningkat selama bertahun-tahun disebabkan
pertumbuhan penduduk dan meningkatnya pengeluaran per kapita.
Beberapa di antaranya, seperti mesin ketik, memperlihatkan gejala
menurun karena semakin bnyak konsumen beralih ke personal computer
(PC).
2. Fluktuasi sikis (cyclical fluctuations) adalah ekspansi dan konstruksi yang
utama dalam banyak deret waktu ekonomi yang kelihatan berulang
kembali setiap beberapa tahun (garis bergelombang terputus-putus pada
bagian atas Gambar 1). Misalnya, industri konstruksi perumahan
mengikuti ayunan siklis yang panjang meliputi 15 sampai 20 tahun,
sedangkan industri mobil memperlihatkan siklus-siklus yang lebih pendek.
3. Variasi musiman (seasonal variation) merujuk pada fluktuasi yng secara
teratur berulang kembali dalam kegiatan ekonomi tiap tiap tahun (garis
bergelombang terputus-putus pada bagian bawah Gambar 1) disebabkan
oleh cuaca dan kebiasaan-kebiasaan social. Jadi, pembangunan perumahan
biasanya jauh lebih banyak dalam mysim semi dan musim panas daripada
dalam musim dingin (disebabkan kondisi cuaca), sedangkan pe jualan
eceran paling ramai selama kuartal terakhir setia tahun (karena beberapa
hari libur).
4. Pengaruh tak teratur atau acak (irregular or random influences) adalah
variasi-variasi dalam seri data disebabkan oleh perang, bencana alam,
pemogokan, atau peristiwa-peristiwa lain yang istimewa. Ini ditunjukkan
oleh segmen garis tak terputus pada bagian bawah Gambar 1.
Variasi total dalam deret waktu penjualan adalah hasil kerja sama keempat
faktor. Jadi, data penjualan yang asli akan memperlihatkan variasi-variasi
musiman di sekitar tren yang menanjak (pembaca hendaknay menvoba membuat
sketsa tentang data penjualan asli seperti itu). Oleh karena ayunan siklis atau
siklus bisnis bisa berbeda-beda masa berlangsungnya dan bisa muncul karena
berbagai sebab yang bahkan sampai sekarang belum dipahami sepenuhnya, siklis
bisnis biasanya dikaji secara terpisah dengan teknik-teknik kuantitatif yang lain.
Demikian pula, pengaruh-pengaruh tak teratur atau acak dalam deret waktu,

12
karena sifatnya yang acak dan tak teratur pengaruh-pengartuh itu tidak dapatg
dikaji atau diramalkan secara sistematis. Jadi, pada bagian ini kita berkonsentrasi
pada peramalan nilai-nilai data deret-waktu dengan hanya menggunakan tren
jangka panjang dan variasi musiman dalam data.

2.2.2. Proyeksi Tren

Bentuk paling sederhana dari analisis deret waktu adalah memproyeksi tren
masa lalu dengan meletakkan suatu garis lurus pada data, baik visual atau, lebih
persis lagi dengan analisis regresi. Model regresi linear akan mengambil bentuk :
𝑠𝑡 = 𝑠𝑜 + 𝑏𝑡 (5-1)
Dimana St adalah nilai deret waktu yang akan diramalkan untuk periode t, So
adalah nilai deret waktu yang diperkirakan (konstanta dari regresi) dalam periode
dasar (yaitu : pada periode waktu t = 0), b adalah jumlah absolute pertumbuhan
setiap periode, dan t adalah periode waktu yang didalamnya akan diramalkan
deret waktu tersebut.
Misalnya jika menggambarkan suatu garis regresi dengan data penjualan
listrik (musiman) mulai dari kuartal pertama 1997 (t=1) sampai kuartal terakhir
2000 (t=16) seperti terlihat pada tavel 5-2, akan diperoleh persamaan 5-2
mengenai regresi yang diperkirakan :
St = 11,90 + 0,394t R2 = 0,50
(4,00) (5-2)
Persamaan regresi 5-2 memperlihatkan bahwa penjualan listrik dalam kota
pada akhir kuartal 1999 (yakni So) diperkirakan sebanyak 11,90 KWH dan
meningkat dengan kecepatan rata-rata 0,394 juta KWH setiap kuartal. Variabel
tren signifikan secara statistik lebih baik daripada tingkat I persen (diperoleh dari
nilai 4 untuk statistik t yang diberikan dalam kurung di bawah koefisien
kemiringan yang diestimasi) dan “menjelaskan” 50 persen dalam variasi kuartalan
dari konsumsi listrik dalam kota (dari R2 = 0,50). Jadi, berdasarkan tren yang lalu,
kita bisa meramalkan konsumsi listrik (dalam juta KWH) dalam kota sebagai
berikut :
S17 = 11,90 + 0,394(17) = 18,60 kuartal pertama 2004

13
 S18 = 11,90 + 0,394(18) = 18,99 kuartal kedua 2004
S19 = 11,90 + 0,394(19) = 19,39 kuartal ketiga 2004
S20 = 11,90 + 0,394(20) = 19,78 kuartal keempat 2004
Beberapa ramalan itu ditunjukikan oleh titik-titik pada bagian yang putus-
putus dari garis tren yang diperpanjang sampai tahun 2004 pada Gambar 2
(dengan mengabaikan sementara titik-titik yang dilingkari di atas dan di bawah
garis). Perlu dicatat bahwa nilai-nilai penjualan listrik yang diramalkan, tanpa
membaca garis tren yang diperpanjang, hanya mempertimbangkan faktor tren
jangka panjang di dalam data. Dengan mengabaikan sama sekali variasi musiman
yang sangat signifikan dalam data (lihat figure), nilai-nilai yang diramalkan
tentunya akan jauh melenceng dari nilainya yang actual di masa mendatang.
Tetapi sebelumnya, kita akan memperlihatkan bagaimana mencocokkan suatu tren
laju pertumbuhan yang konstan (dalam persen) pada data yang sama.
Sementara asumsi tentang suatu jumlah perubahan absolute yang konstan
setiap periode waktu (dalam hal ini kuartal) mungkin tepat dalam banyak kasus,
namun pada situasi-situasi (seperti penjualan banyak produk) dimana perubahan
suatu presentase yang konstan adalah lebih tepat (artinya, lebih cocok dengan data
dan memberikan ramalan yang lebih baik). Model laju pertmbuhan dengan
persentase konstan dapat dirumuskan sebagai :
St = So (1 + g)t (5-3)
Dimana g adalah laju pertumbuhan dengan persentase konstan yang
diestimasi.
Untuk mengestimasi g dari persamaan 5-3, pertama-tama kita harus
mentransformasi data deret waktu ke dalam logaritma naturalnya dan kemudian
mengadakan regresi pada data yang telah ditransformasi tersebut. Persamaan
regresi yang ditransformasi itu linear dalam logaritma dan dirumuskan dengan :
In St = In So + t In (1 + g) (5-4)

14
 Tabel 2

Gambar 2

Menggunakan persamaan regresi (5-4) untuk data tentang penjualan listrik

yang diberikan dalam Tabel 2 yang ditransformasi ke dalam log, kita mendapat :
In St = 2,49 + 0,026t R2 = 0,50
(4,06) (5-5)
Dalam kasus ini, kecocokan dari peramaan 5-5 sangat mirip dengan
persamaan 5-2 yang dijelaskan di awal. Karena parameter-parameter yang
diperkirakan sekarang didasarkan pada logaritma dari data, mereka harus
dikonversikan ke dalam antilog-nya agar bisa ditafsirkan ke dalam data aslinya.

15
Antilog dari In So = 2,49 adalah So = 12,06 (diperoleh dengan hanya memasukkan
nilai 2,49 ke dalam kalkulator saku dan menekan kunci 𝑒 𝑥 untuk antilog), dan
antilog dari In (1 + g) = 0,026 memberikan (1 + g) = 1,026. Substitusikan nilai-
nilai ini kembali ke dalam persamaan 5-3, kita mendapat :
St = 12,06 + (1,026)t (5-6)
Dimana So = 12,06 juta KWH adalah estimasi penjualan listrik dinkota
dalam kuartal ke empat tahun 1996 (ialah pada t = 0) dan estimasi laju
pertumbuhannya yang diperkirakan adalah 1,026; atau 2,6 persen, tiap kuartal.
Untuk mengestimasi penjualan dalam kuartal mana pun di masa yang akan
dating, kita subtitusikan ke dalam Persamaan 5-6 nilai dari t untuk kuartal dimana
kita mencoba meramalkan S dan menggantikan dengan St. Jadi,
S17 = 12,06 (1,026)17 = 18,66 kuartal pertama 2004
S18 = 12,06 (1,026)18 = 19,14 kuartal kedua 2004
S19 = 12,06 (1,026)19= 19,64 kuartal ketiga 2004
S20 = 12,06 (1,026)20 = 20,15 kuartal keempat 2004
Ramalan-ramalan itu sama dengan yang diperoleh dengan menggunakan
tren linear.

2.2.3. Variasi Musiman

Seperti yang telah kita lihat, nilai-nilai ramalan penjualan listrik yang dibaca
terpisah dari garis tren yang diperpanjang dalam Gambar 2 hanya
mempertimbangkan faktor tren jangka panjang dalam data. Namun data untuk
tahun-tahun 2000 sampai 2003 menunjukkan variasi musiman yang kuat, dengan
penjualan pada kuartal tahun pertama dan ketiga secara konsisten berada dibawah
nilai tren jangka panjang yang terkait, sementara penjualan pada kuartal tahun
kedua dan keempat secara monsisten berada di atas nilai-nilai tren. Dengan
mempertimbangkan keterkaitan variasi musiman, kita dapat memperbaiki
perkiraan penjualan listrik dalam mota secara signifikan. Kita dapat melakukan ini
dengan menggunakan metode rasio-tren (ratio-to-trend) atau dengan
menggunakan variabel dummy.

16
 Untuk menyesuaikan perkiraan tren bagi variasi musiman dengan metode
rasio-tren, kita hanya perlu menemukan rasio rata-rata dimana nilai actual deret
waktu berbeda dengan nilai tren estimasi di setiap kuartal selama periode tahun
2000 sampai 2003 kemudian mengalikan nilai tren perkiraan dengan rasio ini.
Nilai perkiraan tren bagi setiap kuartal dalam periode 2000 ke 2003 didapatkan
dengan mensubtitusi nilai t yang berhubungan dengan kuartal yang bersangkutan
ke dalam persamaan 5-2 dan menyelesaikannya untuk St. Hasil tersebut juga
diberikan dalam cetakan computer untuk persamaan 5-2. Tabel 3 menunjukkan
kalkulasi untuk penyesuaian musiman bagi ramalan penjualan listrik untuk setiap
kuartal dalam tahun 2000 dari garis tren yang diperpanjang yang telah
diperhitungkan sebelumnya.
Mengalikan penjualan listrik yang telah diramalkan sebelumnya (dari
perpanjangan sederhana ntren linear) dengan faktor musiman yang telah di
estimasi pada tabel 3 (yaitu, 0,887 untuk kuartal pertama, 1,165 untuk kuartal
kedua, dan seterusnya) kita mendapatkan ramalan yang baru berikut ini
berdasarfkan tren linear dan penyesuaian musiman :
S17 = 18,60 (0,887) = 16,50 kuartal pertama 2004
S18 = 18,99 (1,165) = 22,12 kuartal kedua 2004
S19 = 19,39 (0,907)= 17,59 kuartal ketiga 2004
S20 = 19,78 (1,042) = 20,61 kuartal keempat 2004
Ramalan-ramalan ini diperlihatkan oleh titik-titik yang dilingkari dalam
Gambar 2. Perlu dicatat bahwa dengan memasukkan penyesuaian musiman, nilai-
nilai ramalan untuk penjualan listrik sama dengan pola musiman yang lalu dalam
data deret waktu sepanjang tren linear yang meningkat.
Hasil yang sama bisa diperoleh dengan memasukkan variabel dummy dan
persamaan 5-1. Dengan mengambil kuartal terakhir sebagai periode dasar dan
menentukan variabel dummy D1 melalui deret waktu denganangka 1 dalam kuartal
pertama setiap tahun dan nol untuk kuartal-kuartal yang lain, dan D2 dengan angka
1 dalam kuartal kedua dan nol untuk kuartal-kuartal yang lain, dan D3 dengan
angka 1 untuk kuartal ketiga dan nol untuk kuartal-kuartal yang lain, kita

17
memperoleh hasil-hasil berikut dengan menjalankan regresi dari penjualan listrik
pada variabel-variabel pengganti musiman dan tren waktu linear.
Tabel 3

St = 12,75 – 2,3751t + 1,7502t - 2,1253t + 0,375t

R2=0,99
(-10,85) (8,11) (-9,94) (22,25)
(5-7)
Perlu dicatat bahwa koefisien-koefisien hasil estimasi untuk variabel dummy
dan variabel tren semuanya adalah signifikan secara statistik pada tingkat lebih
dari 1 persen. Persamaan 5-7 “menjelaskan” 99 persen dari variasi dalam
penjualan listrik (dibandingkan dengan hanyab 50 persen untuk persamaan 5-2).
Dengan menggunakan persamaan 5-7 untuk meramalkan penjualan listrik pada
tiap kuartal tahun 2004, kita mendapat :
S17 = 12,75 – 2,375 + 0,375 (17) = 16,75 kuartal pertama 2004
S18 = 12,75 + 1,750 + 0,375 (18) = 21,25 kuartal kedua 2004
S19 = 12,75 – 2,215 + 0,375 (19) = 17,75 kuartal ketiga 2004

18
 S20 = 12,75 + 0,375 (20) = 20,25 kuartal keempat 2004
Nilai-nilai hasil ramalan ini sama seperti yang diperoleh melalui metode
rasio-tren. Jadi, dalam kasus ini kedua metode itu merupakan alternatif yang baik
untuk memasukkan variasi musiman ke dalam peramalan. Penting untuk diingat,
bahwa ramalan-ramalan didasarkan pada asumsi bahwa tren lalu dan pola-pola
musiman di dalam data akan bertahan selama tahun 2001. Jika polanya berubah
secara drastis, ramalannya tentu akan meleset jauh. Dalam hal ini lebih
memungkinkan berikutnya memasukkan hal-hal di masa datang yang kita
perhatikan dalam peramalan. Lagipula, sukar atau tak mungkin
mempertimbangkan kekuatan-kekuatan siklis, tak teratur atau acak. Jadi, analisis
deret waktu tidak dapat meramalkan titik balik sampai hal itu terjadi. Meskipun
ini terlihat tidak penting dalam data historis tentang penjualan listrik yang
digunakan dalam contoh di atas, peristiwa ini mungkin bukanlah situasi-situasi
dalam kasus-kasus yang lain yang nyata. Pada akhirnya, analisis deret waktu tidak
mengkaji faktor-faktor yang menimbulkan terjadinya fluktuasi deret waktu yang
ditinjau. Dalam kejadian manapun analisis deret waktu jarang digunakan
tersendiri, tetapi sangat berguna kalau digabungkan dengan metode-metode
peramalan yang lain.
Tabel 4

2.3. Teknik Penghalusan

Metode-metode lain untuk peramalan sederhana adalah teknik penghalusan
(smoothing techniques). Teknik itu meramalkan suatu deret waktu atas dasar
beberapa rata-rata dari nilai-nilainya yang lalu saja. Teknik penghalusan

19
bermanfaat apabila deret waktu menunjukkan sedikit tren atau variasi musiman
tetapi memperlihatkan banyak variasi tak teratur atau acak. Variasi tak teratur atau
acak di dalam deret waktu kemudian diperhalus, dan nilai-nilai yang akan datang
diramalkan berdasarkan rata-rata dari pengamatan-pengamatan yang lalu. Dalam
bagian ini kita membahas dua teknik penghalusan: rata-rata bergerak dan
penghalusan eksponensial.

2.3.1. Rata-rata Bergerak

Teknik penghalusan yang paling sederhana adalah rata-rata bergerak
(moving average). Disini nilai yang diramalkan dari suatu deret waktu dalam
periode tertentu (bulan, kuartal, tahun, dsb) sama dengan nilai rata-rata dari deret
waktu dalam sejumlah periode terdahulu. Misalnya, dengan rata-rata bergerak tiga
periode, nilai dari deret waktu yang diramalkan untuk periode berikutnya
ditentukan oleh nilai rata-rata deret waktu dalam tiga periode sebelumnya. Begitu
juga, dengan rata-rata bergerak lima periode, ramalan untuk periode berikutnya
adalah sama dengan rata-rata untuk lima periode terdahulu, dan seterusnya.
Semakin besar jumlah periode yang digunakan dalam rata-rata bergerak, semakin
besar pula efek penghalusan karena tiap pengamatan baru mendapatkan bobot
yang lebih kecil. Ini semakin bermanfaat jika data deret waktu semakin tak teratur
atau acak.
Misalnya, kolom 1 dan 2 pada Tabel 5 menyajikan data hipotesis mengenai
pangsa pasar suatu perusahaan untuk 12 kuartal. Perlu dicatat bahwa data tersebut
tampaknya menunjukkan variasi yang acak namun tidak pada variasi-variasi
sekuler atau musiman. Kolom 3 menyajikan rata-rata bergerak tiga kuartalan yang
dikalkulasi. Contohnya, nilai 21,67 untuk kuartal keempat (nilai pertama dalam
kolom 3) diperoleh dengan menambahkan tiga nilai pertama pada kolom 2 dan
membaginya dengan 3, [jadi, (20 + 22 + 23)/3 = 21,67]. Jika kita mempunyai data
untuk tiga kuartal pertama, maka ramalan tiga kuartal (F) untuk kuartal keempat
menjadi 21,67. Ini sama dengan nilai akktual (A) sebesar 24 untuk pangsa pasar
dari perusahaan dalam kuartal keempat. Dengan mengabaikan observasi pada
kuartal pertama pada kolom 2 (yakni 20) dan menambahkan pengamatan keempat

20
(yakni 24) sebelum diambil rata-rata, diperoleh nilai 23 sebagai ramalan untuk
pangsa pasar perussahaan pada kuartal kelima (nilai kedua dalam kolom 3). Ini
sama dengan pangsa pasar aktual sebesar 18 pada kolom 2.
Dengan melanutkan cara ini, diramalkan pangsa pasar perusahaan adalah
21,33 pada kuartal ketiga belas (ini adalah ramalan yang sesungguhnya karena
data actual tidak tersedia untuk kuartal ketiga belas). Di sisi lain, dengan
mengambil rata-rata pangsa pasar perusahaan dalam lima kuartal pertama di
kolom 2, kita memperoleh ramalan rata-rata bergerak lima kuartalan 21,4 untuk
kuartal keenam seperti diperlihatkan dalam kolom 6 ari table. Ini sama dengan
nilai actual sebesar 23 pada kolom 2.
Tabel 5

Walaupun dalam tabel 5 kita menghitung ramalan rata0rata bergerak tiga

kuartalan dan lima kuartalan untuk pangsa pasar perusahaan, ramalan rata-rata
bergerak untuk sejumlah kuartal yang lain masih dapat diperoleh. Untuk
memutuskan mana yang lebih baik di antara peramalan rata-rata bergerak (artinya,
lebih mendekati data actual), kita menghitung galat akar rata-rata kuadrat (root-
mean-square-error-RMSE) dari setiap ramalan dan mempergunakan rata-rata
bergerak yang menghasilkan RMSE terkecil (galat akar rata-rata kuadrat dalam
ramalan). Rumus untuk RMSE :

21
 ∑(𝐴𝑡−𝐹𝑡)2
𝑅𝑀𝑆𝐸 = √ (5-9)
𝑛

Dimana At adalah nilai actual dari deret waktu dalam periode t, Ft adalah
nilai yang diramalkan, dan n adalah jumlah periode waktu atau observasi.
Perbedaan ramalan atau galat (yakni At – Ft) dikuadratkan agar upaya kesalahan
yang besar dikoreksi lebih berat daripada kesalahan yang kecil.
Sebagai contoh, kolom4 pada tabe l 5-5 menunjukkan At – Ft untuk
peramalan rata-rata bergerak tiga kuartalan dalam kolom 3. Kolom 5
menunjukkan (At – Ft)2. RMSE untuk ramalan rata-rata bergerak tiga kuartalan
dalam kolom 3 diperoleh dengan membagi jumlah dari kolom 5 dengan 9 (jumlah
galat ramalan kuadrat) dan ditemukan akar kuadratnya. Maka,
78,3534
𝑅𝑀𝑆𝐸 = √ = 2,95 (5-10)
9

Ini dibandingakan dengan

62,48
𝑅𝑀𝑆𝐸 = √ = 2,99 (5-11)
7

Untuk peramalan rata-rata bergerak lima kuartalan. Jadi, peramalan rata-rata

bergerak tiga kuartalan sedikit lebih baik daripada peramalan rata-rata bergerak
lima kuartalan yang berkaitan. Berarti, kita sedikit lebih percaya nilai ramalan
21,33 daripada 20,6 untuk kuartal ketiga belas.

2.3.2. Penghalusan Eksponensial

Kritik yang serius terhadap penggunaan rata-rata bergerak yang sederhana
dalam peramalan adalah ia memberikan bobot yang sama kepada semua observasi
daam menghitung rata-ratanya, meskipun secara naluri kita mungkin
mengharapkan observasi yang lebih baru adalah sangat penting. Penghalusan
eksponensial mengatasi kendala ini dan lebih sering digunakan daripada rata-rata
bergerak yang sederhana dalam peramalan.
Dengan penghalusan eksponensial (exponential smoothing) peramalan
untuk periode t + 1 (yakni F t+1) adalah suatu rata-rata tertimbang dari nilai-nilai
actual dan nilai-nilai yang diramalkan dari deret waktu dalam periode t. nilai dari
deret waktu dalam periode t (yaitu At) diberi bobot (w) antara 0 dan 1 inklusif,

22
dan ramalan untuk periode t (yaitu Ft) diberi bobot 1-w. semakin besar nilai w,
semakin besar pula bobot yang diberikan pada nilai deret waktu dalam periode t
sehingga berlawanan dengan periode sebelumnya. Jadi nilai ramalan dari derte
waktu dalam periode t + 1 adalah :
Ft+1 = wAt + (1-w)Ft (5-12)
Tabel 6

Harus dibuat dua kekputusan untuk menggunakan persamaan 5-12 untuk

penghalusan eksponensial. Yang pertama, adalah memberikan suatu nilai kepada
ramalan awal (Ft) untuk memulai analisis. Salah satu caranya adalah mebuat Ft
sama dengan nilain rata-rata dari seluruh data deret waktu hasil observasi. Harus
diputuskan pula mengenai nilai dari w (bobot yang diberikan kepada At). Pada
umunya nilai-nilai w yang berbeda diuji, dan nilai yang mengarah ke ramalan
dengan RMSE terkecil itulah yang dipakai dalam peramalan.
Sebagai contoh, kolom3 dari tabel 6 memperlihatkan ramalan untuk data
pangsa pasar dari perusahaan yang dicantumkan pada kolom 1 dan 2 (sama seperti
tabel 5)dengan menggunakan pangsa pasar rata-rata dari perusahaan selama 12
kuartal. Untuk itu kita memiliki data (yaitu = 21,0) untuk Ft (agar perhitungan
dapat dimulai) dan w = 0,3, sebagai bobot untuk At. Jadi, F2 (nilai kedua dalam
kolom ) adalah :

23
 F2 = 0,3 (20) + (1 – 0,3) = 20,7 (5-13)
Ramalan-ramalan untuk periode waktu yang lain(dibulatkan sampai satu
decimal pertama) diperoleh dengan cara yang sama, sampai F13 = 21,0 untuk
kuartal ketiga belas.
Di sisi lain, dimulai dengan pangsa pasar rata-rata dari perusahaan untuk
dua belas kuartal yang kita miliki datanya (ialah 21,0) un tuk F1, tapi sekarang
dengan memakai w = 0,5 sebagai bobot untuk At, kita memperoleh ramalan
eksponensial dari pangsa pasar perusahaan terlihat dalam kolom 6 dari tabel 6.
Jadi, F2 (nilai kedua dalam kolom 6) adalah :
F2 = 0,5 (20) + (1 – 0,5) 21 = 20,5
Tabel 7

Ramalan-ramalan untuk periode-periode yang lain diperoleh dengan cara

yang sama, hingga F13 = 21,5 untuk kuartak ketiga belas.
RMSE untuk ramalan eksponensial dengan memakai w= 0,3 adalah :

24
 87,19
𝑅𝑀𝑆𝐸 = √ = 2,70 (5-14)
12

Di pihak lain RMSE ramalan eksponensial dengan memakai w = 0,5 adalah

:
101,5
𝑅𝑀𝑆𝐸 = √ = 2,91 (5-15)
12

Jadi, kita lebih yakin dengan peramalan eksponensial 21,0 untuk kuartal
ketiga belas yang diperoleh dengan menggunakan w = 0,3 daripada ramalan
eksponensial 21,5 yang diperoleh dengan menggunakan w = 0,5 (lihat tabel 6).

2.4. Metode- Metode Barometrik

Salah satu cara untuk meramalkan atau mengantisipasi perubahan jangka
pendek dalam aktivitas ekonomi atau titik balik dalam siklus bisnis adalah dengan
menggunakan indeks dari indikator-indikator utama. Ini adalah deret waktu yang
cenderung mengawali (mendahului) perubahan dalam tingkat aktivitas ekonomi
secara umum, sama seperti perubahan dalam mercuri yang ada dalam suatu
barometer yang mendahului perubahan kondisi cuaca (sehingga dinamakan
metode barometrik). Peramalan barometrik (barometric forecasting) seperti yang
dilakukan sekarang merupakan hasil kerja yang dilakukan oleh NBER (National
Bureau Of Economic Research) dan conference board.
Peningkatan dalam indikator ekonomi utama (leading economic
indicators) digunakan untuk meramalkan peningkatan dalam aktivitas bisnis
secara umum, dan sebaliknya. Sebagai contoh, peningkatan dalam izin
membangun dapat dipakai untuk meramalkan peningkatan dalam konstruksi
perumahan. Tidak sejelas yang tadi tapi sangat penting dalam peningkatan harga
saham, secara umum mendahului (yaitu merupakan indikator utama dari)
kenaikan dalam aktivitas bisnis, karena peningkatan saham menunjukkan
ekspektasi dari para manajer bisnis dan yang lainnya bahwa tingkat laba akan
meningkat. Pada sisi yang lain, penurunan kontrak untuk pabrik dan perlengkapan
biasanya mendahului penurunan dalam aktivitas ekonomi secara umum. Jadi,

25
indikator-indikator utama ini digunakan untuk meramalkan titik belok dalam
siklus bisnis.
Beberapa deret waktu bergerak sejalan atau berhubungan dengan
pergerakan dalam aktivitas ekonomi secara umum dan kemudian disebut sebagai
indikator koinsiden (coincident indicators). Tetapi yang lainnya mengikuti adanya
gerakan yang terlambat dalam aktivitas ekonomi seringkali disebut sebagai
indikator terlambat (lagging indicators). Positif relativ dari indikator utama,
koinsiden, dan tertinggal dalam siklus bisnis ditunjukkan dalam Gambar 3. Figur
tersebut menunjukkan bahwa indikator utama mendahului titik belok dari siklus
bisnis (puncak dan lembah). Indikator koinsiden bergerak sejalan dengan siklus
bisnis, smentara indikator yang tertinggal mengikuti atau terlambat dari titik belok
dalam siklus bisnis.
Data deret waktu terhadap lebih dari 300 indikator utama, koinsiden dan
tertinggal disediakan dalam business cycle indicators, sebuah publikasi bulanan
dari converence board. Sebuah daftar yang lebih pendek terdiri dari 21 indikator
terbaik (10 utama, 4 koinsiden, dan 7 tertinggal) diberikan dalam tabel 8.
Metode lainnya untuk mengatasi kesulitan yang timbul pada saat beberapa
dari 10 indikator utama bergerak naik dan beberapa turun adalah indeks difusi.
Disamping mengkombinasikan kesepuluh indikator utama menjadi indeks
gabungan, indeks difusi memberikan persentase dari kesepuluh indikator utama
yang bergerak naik. Jika kesepuluhnya bergerak naik, indeks difusi sama dengan
100 dan jika semuanya turun, maka nilainya nol. Jika hanya tujuh yang naik,
indeks difusi sama dengan 70. Kita biasanya meramalkan peningkatan dalam
aktifitas ekonomi pada saat indeks difusi berada diatas 50, dan kita memiliki
keyakinan yang lebih tentang peramalan kita, jika indeksnya makin mendekati
100. Secara umum, peramalan barometrik lebih menggunakan indeks gabungan
dan difusi dibandingkan dengan indeks individu, kecuali jika perusahaan mencari
informasi tentang perubahan yang diantisipasi dalam pasar untuk barang atau jasa
yang spesifik.
Walaupun indeks gabungan dan difusi dari indikator utama merupakan alat
yang cukup bagus untuk meramalkan titik belok dalam siklus bisnis, mereka

26
mempunyai beberapa keterbatasan. Salah satunya adalah bahwa dalam beberapa
kesempatan mereka turut meramalkan resesi yang ternyata tidak terjadi.
Variabilitas dalam waktu yang mendahului juga layak dipertimbangkan. Lebih
penting lagi, peramalan barometrik memberikan indikasi yang sangat sedikit atau
bahkan tidak sama sekali tentang besarnya perubahan yang diramalkan dalam
tingkat aktivitas ekonomi (hanya menyediakan peramalan kualitatif dari titik
belok).

2.5. Model Ekonometrik

Permintaan dan penjualan perusahaan atas suatu komoditas sama halnya
dengan variabel ekonomi yang lainnya, yang secara meningkat mulai diramalkan
dengan menggunakan model ekonometrik dengan metode peramalan yang lainnya
adalah model ini berusaha untuk mengidentifikasi dan mengukur kepentingan
relatif dari berbagai macam determinasi permintaan atau variabel ekonomi yang
lainnya untuk diramalkan. Dengan berusaha untuk menerangkan hubungan yang
sedang diramalkan, peramalan ekonometrik memungkinkan kepala manajer untuk
menentukan kebijakan yang optimal bagi perusahaan.
Teknik peramalan ekonometrik sering menggunakan hal-hal yang
terbaik yang terdapat dalam teknik peramalan lain, seperti tren atau variasi
musiman, teknik penghalusan dan indikator utama. Metode peramalan
ekonometrik dapat bervariasi antara model persamaan tunggal dari persamaan
yang dihadapi perusahaan untuk produknya sampai model persamaan berganda
yang menggambarkan beratus-ratus sektor dan industri dalam perekonomian.

2.5.1. Model Persamaan Tunggal

Bentuk paling sederhana dari peramalan ekonometrik adalah model
persamaan tunggal. Langkah pertama adalah mengidentifikasi determinan-
determinan dari variabel yang akan diramal. Sebagai contoh, dalam peramalan
permintaan sereal untuk sarapan, perusahaan biasanya mempostulatkan bahwa
permintaan (Q) merupakan fungsi dari atau bergantung pada harga sereal untuk
sarapan tersebut (P), pendapatan disponsibel konsumen (Y), ukurang populasi

27
(W), harga muffin (P3 – Substitusi), harga susu (Pc – Komplementer), dan tingkat
biaya iklan oleh perusahaan (A). Jadi, kita dapat menuliskan persamaan
permintaan yang akan diestimasi sebagai berikut :
Q = aa + a1P + a2Y + a3N + a4P1 + a5Pc + a6A + e

2.5.2. Model Persamaan Berganda

Walaupun model persamaan tunggal sering digunakan oleh perusahaan
untuk meramalkan permintaan atau penjualan, hubungan ekonomi dapat menjadi
sangat rumit sehingga model persamaan berganda diperlukan. Biasanya ini terjadi
pada kasus meramalkan variabel makro seperti GNP atau permintaan dan
penjualan dalam sektor utama industri. Model persamaan berganda dapat
memasukkan sedikit atau ratusan persamaan. Untuk menunjukkan bagaimana
model ini digunakana dalam peramalan, kita mulai dengan persamaan sederhana
yang terdiri dari tiga persamaan sederhana (5-21,5-22,5,23), yang merupakan
model dari perekonomian nasional yang dipakai untuk meramalkan GNP.
C1 = a1 + b1GNP1 + uu (5-21)
I1 = a2 + b2 nt-1 + uu (5-22)
GNP1 = Ct + 11 + G1 (5-23)

Dimana C = Pengeluaran konsumsi

GNP = Produk nasional bruto untuk tahun t
I = Investasi
n = Keuntungan
G = Pengeluaran pemerintah
U = gangguan stokastik (faktor eror acak)
t = tahun berjalan
t-l= tahun lalu

28
2.6. Peramalan Input-Output
Suatu perusahaan dapat juga meramalkan penjualannya dengan
menggunakan tabel input-output. Analisis input-output diperkenalkan oleh
wassily leontief yang mengarah pada studi empiris tentang ketergantungan antar
berbagai industri dan sektor perekonomian. Analisis ini menunjukkan kegunaan
dari output setiap industri sebgai input bagi industri yang lainnya dan untuk
konsumsi akhir. Sebagai contoh, disana diperlihatkan bagaimana peningkatan
dalam permintaan untuk truk berdampak terhadap peningkatan permintaan untuk
baja, kaca, ban, plastik, material pembungkus, dan sebagainya, bagaimana
peningkatan permintaan pada benda-benda ini akan menyebabkan peningkatan
permintaan pada input yang dibutuhkan untuk memproduksi mereka. Analisis
input-output memungkinkan kita untuk menelusuri semua aliran input dan output
antar industri dalam ekonomi dan menentukan peningkatan total dari semua input
yang dibutuhkan untuk memenuhi peningkatan permintaan akan truk.
Pembuatan tabel input-output memakan waktu dan biaya yang cukup
banyak. Kebanyakan perusahaan menggunakan tabel input dan output untuk
tujuan peramalan dengan bertumpu pada tabel input-output yang secara periodik
dikeluarkan oleh biro analisis ekonomi dari departemen perdagangan AS. Tabel
input-output yang terbaru untuk perekonomian AS pada tahun 1997 dan mengacu
kepada 85 industri dan komoditas dengan tabel yang lebih detail untuk 498
industri dan komoditas. Peramalan input-output sudah jatuh popularitasnya dan
tidak digunakan lagi oleh perusahaan-perusahaan saat ini.

29
 BAB III PENUTUP

Kesimpulan
Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa
datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.
Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan
(forecasting Demand) merupakan tingkat permintaan produk –produk yang
diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan
datang. Peramalan yang baik mempunyai beberapa kriteria yang penting, antara
lain akurasi, biaya,dan kemudahan. Untuk mencocokankan antara supply dan
permintaan maka disini perlu diperhatikan apa saja factor-faktor yang
mempengaruhi tingkat permintaan(demand).

30
 DAFTAR PUSTAKA

Salvator, Dominick. 2005. Ekononomi Manajerial dalam Perekonomian Global.

Buku 1. Edisi Kelima. Salemba Empat : Jakarta

31