I.

Pengertian Peramalan (Forecasting)

Pengertian 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.

Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan

penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.
Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada
beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan
menggunakan teknik-teknik peramalan yang bersifat formal maupun informal (Gaspersz,
1998).

Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan

manajemen.Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti
(intuitif).Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian. Kesalahan
dalam proyeksi penjualan akan mempengaruhi pada ramalan anggaran, pengeluaran operasi,
arus kas, persediaan, dan sebagainya. Dua hal pokok yang harus diperhatikan dalam proses
peramalan yang akurat dan bermanfaat(Makridakis, 1999):

 Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan
yang akurat.
 Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang
diperoleh semaksimal mungkin.

II. Tujuan dan Fungsi Peramalan (Forecasting)

Fungsi peramalan atau forecasting terlihat pada saat pengambilan keputusan. Keputusan
yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada
waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun, maka
masalah peramalan juga merupakan masalah yang selalu kita hadapi (Ginting, 2007).

Menurut Heizer dan Render (2009:47), peramalan atau forecasting memiliki tujuan sebagai
berikut:

a) Untuk mengkaji kebijakan perusahaan yang berlaku saat ini dan dan di masa lalu serta
melihat sejauh mana pengaruh di masa datang.
 b) Peramalan diperlukan karena adanya time lag atau delay antara saat suatu kebijakan
perusahaan ditetapkan dengan saat implementasi.
c) Peramalan merupakan dasar penyusutan bisnis pada suatu perusahaan sehingga dapat
meningkatkan efektivitas suatu rencana bisnis.

III. Jenis-jenis Peramalan (Forecasting)

Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tiga jenis,
yaitu (Herjanto, 2008:78):

1) Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 18 bulan.
Misalnya, peramalan yang diperlukan dalam kaitannya dengan penanaman modal,
perencanaan fasilitas dan perencanaan untuk kegiatan litbang.
2) Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18 bulan.
Misalnya, peramalan untuk perencanaan penjualan, perencanaan produksi dan
perencanaan tenaga kerja tidak tetap.
3) Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3 bulan. Misalnya,
peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan
kerja dan penugasan karyawan.

Berdasarkan fungsi dan perencanaan operasi di masa depan, peramalan atau forecasting dibagi
menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):

1) Peramalan ekonomi (economic forecast), peramalan ini menjelaskan siklus bisnis

dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan dan indikator perencanaan lainnya.
2) Peramalan teknologi (technological forecast), peramalan ini memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang
membutuhkan pabrik dan peralatan yang baru.
3) Peramalan permintaan (demand forecast), adalah proyeksi permintaan untuk produk
atau layanan perusahaan. Proyeksi permintaan untuk produk atau layanan suatu
perusahaan. Peramalan ini juga disebut peramalan penjualan yang mengendalikan
produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan
keuangan, pemasaran, dan sumber daya manusia.

Berdasarkan jenis data ramalan yang disusun, peramalan dibagi menjadi dua jenis, yaitu
(Saputro dan Asri, 2000:148):
 1) Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa
lalu. Hasil ramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal
ini penting karena peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat
intuisi, pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya
peramalan secara kualitatif ini didasarkan atas hasil penyelidikan, seperti pendapat
salesman, pendapat sales manajer pendapat para ahli dan survey konsumen.
2) Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data penjualan pada masa
lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan
dalam peramalan tersebut. Penggunaan metode yang berbeda akan diperoleh hasil yang
berbeda pula.

Berdasarkan sifat penyusunannya, peramalan dibagi menjadi dua jenis, yaitu (Ginting, 2007)

1) Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari
orang yang menyusunnya.
2) Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa
lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data
tersebut.

IV. Metode yang Digunakan dalam Peramalan (Forecasting)

Dalam peramalan, penggunaan berbagai model akan memberikan nilai dan

derajat error yang berbeda. Salah satu seni dalam peramalan adalah memilih model
peramalan terbaik yang mampu mengidentifikasi dan menanggapi pola aktivitas historis
dari data.Secara umum, model-model peramalan dapat dikelompokkan ke dalam dua
kelompok utama, yaitu:
1. Metode Kualitatif
Metode kualitatif adalah metode yang dilakukan berdasarkan pendapat dari
pihak yang melakukan peramalan. Metode kualitatif ditujukan untuk peramalan
terhadap produk baru, pasar baru, perubahan sosial dari masyarakat, perubahan
teknologi, atau penyesuaian terhadap forecast berdasarkan metode kuantitatif.
Beberapa model peramalan produksi yang digolongkan sebagai model kualitatif adalah:

a) Dugaan Manajemen (Manajemen Estimate)

 Dugaan manajemen adalah metode dimana peramalan semata-mata berdasarkan
pertimbangan manajemen. Metode ini akan cocok dalam situasi yang sangat sensitif
terhadap intuisi dari satu kelompok kecil berdasarkan pengalaman dengan opini yang
kritis dan relevan. Bagaimanapun, metode ini mempunyai banyak keterbatasan
sehingga perlu dikombinasikan dengan metode peramalan yang lain.
b) Riset Pasar (Market Research)
Riset pasar merupakan metode peramalan berdasarkan hasil-hasil dari survei
pasar yang dilakukan oleh tenaga-tenaga pemasar produk atau yang mewakilinya.
Metode ini tidak hanya akan membantu peramalan, tetapi juga untuk meningkatkan
desain dan perencanaan produk baru.
c) Metode Kelompok Terstruktur (Structured Group Methods)
Metode kelompok terstruktur merupakan teknik peramalan berdasarkan pada
proses konvergensi dari opini beberapa orang atau ahli secara iteraktif tanpa
menyebutkan identitasnya. Peranan fasilitator sangat diharapkan untuk memperoleh
atau menyimpulkan hasil-hasil peramalan.
d) Analogi Historis (Historical Analogy)
Analogi historis merupakan teknik peramalan berdasarkan pola data masa lalu
dari produk-produk yang dapat disamakan secara analogi. Metode ini cenderung akan
menjadi metode terbaik untuk penggantian produk di pasar.

2. Metode Kuantitatif
Metode kuantitatif adalah metode yang dilakukan berdasarkan analisis
hubungan numerik dari data atau metode statistik. Metode kualitatif dikelompokkan ke
dalam dua bagian utama, yaitu:

a. Metode Kuantitatif Intrinsik (Time Series Model)

Time series model merupakan suatu metode yang menggunakan seri
pengamatan suatu variabel dalam bentuk interval waktu diskrit. Waktu yang diamati
merupakan waktu periode sebelum hingga saat ini.Time series model yang biasa
digunakan dalam analisa perhitungan peramalan adalah sebagai berikut:
 Metode Moving Average
Metode moving average menggunakan sejumlah data aktual untuk
membangkitkan nilai peramalan di masa yang akan datang. Metode ini akan efektif
diterapkan apabila asumsi bahwa permintaan pasar stabil sepanjang waktu. Tujuan
 dari metode moving average adalah untuk melibatkan periode permintaan yang
sesuai sehingga faktor acak dapat dikurangi dan informasi yang tidak relevan dari
permintaan di masa lalu dapat diabaikan. Perhitungan metode moving
average berubah seiring dengan perubahan waktu, data lama dihapus, dan data
baru ditambahkan. Secara matematis dinyatakan sebagai berikut:

Keterangan:
Ft = Peramalan permintaan periode t
n = Jumlah periode moving average
t = Periode terbaru

 Metode Weighted Moving Average

Metode weighted moving average lebih responsif terhadap perubahan
karena data dari periode baru biasanya diberi bobot lebih besar. Pemilihan bobot
merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka.
Oleh karena itu, pemutusan bobot yang digunakan membutuhkan pengalaman.
Sebagai contoh, jika bulan atau periode terakhir diberi bobot yang terlalu berat,
peramalan dapat menggambarkan perubahan yang terlalu cepat yang tidak biasa
pada permintaan atau pola penjualan. Secara matematis dinyatakan sebagai berikut:

Keterangan:
Ft = Peramalan permintaan periode t
n = Jumlah periode weighted moving average

 Metode Single Exponential Smoothing

Metode single exponential smoothing merupakan metode peramalan rata-rata
bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Mudah
dalam artian bahwa penyimpanan data historis akan lebih kecil sehingga proses
 perhitungan akan semakin efisien. Metode ini menggunakan pencatatan data masa
lalu yang sangat sedikit. Selain itu, seluruh data historis diperhitungkan dan
permintaan aktual terakhir diberi bobot lebih besar (α, faktor smoothing). Secara
matematis dinyatakan sebagai berikut:

Keterangan:
Ft = Peramalan permintaan periode t
α = Konstanta pemulusan (0 ≤ α ≤ 1)
Ft-1 = Peramalan permintaan satu periode yang lalu (t – 1)
At-1 = Permintaan aktual satu periode yang lalu (t – 1)
 Metode Double Exponential Smoothing
Metode double exponential smoothing adalah metode penghalusan
eksponensial yang lebih rumit dan dapat menyesuaikan diri pada trend yang ada.
Idenya adalah menghitung trend rata-rata data penghalusan eksponensial, kemudian
menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan
penghalusan eksponensial pada penyesuaian trend, estimasi rata-rata
dan trend dapat dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan,
dimana α untuk rata-rata dan ß untuk trend. Kemudian, dilakukan perhitungan rata-
rata dan trend untuk setiap periode. Secara matematis dinyatakan sebagai berikut:

Keterangan:
Ŷt = Peramalan permintaan periode t
a = Konstanta pemulusan (0 ≤ α ≤ 1)
β = Konstanta trend (0 ≤ β ≤ 1)
Et-1 = Peramalan permintaan periode (t – 1)
Tt = Indeks trend pada periode t
 Metode Triple Exponential Smoothing
Metode triple exponential smoothing, atau yang dikenal sebagai metode Holt-
Winters, dapat menangani faktor seasonal dan trend yang muncul secara sekaligus
pada sebuah data time series. metodeHolt-Winters dapat digunakan untuk data
stasioner maupun non-stasioner (Kalekar, 2004). Metode ini didasarkan atas tiga
unsur peramalan, yaitu keseluruhan, trend, dan seasonal untuk setiap periode dan
memberikan tiga pembobotan dalam prediksinya, yaitu α, β, dan γ. Metode ini
terbagi menjadi dua, yakni:

Keterangan:
St = Nilai pemulusan peramalan untuk periode t
Xt = Nilai aktual pada periode t
bt = Nilai pemulusan trend
It = Komponen musiman pada periode t
Ŷt+m = Peramalan untuk m periode ke depan dari t
m = Jumlah periode yang akan di-foreast ke depan
α = Parameter penghalusan untuk data (0 < α < 1)
β = Parameter penghalusan untuk trend (0 < β < 1)
γ = Parameter penghalusan untuk seasonal (0 < γ < 1)
L = Panjang seasonal

 Metode Holt-Winters Additive

Menurut Montgomery (2009), metode musiman additive dengan metode
penambahan musiman cocok untuk prediksi time series dengan amplitudo pola
musiman yang tidak tergantung pada rata-rata level atau ukuran data sehingga
bersifat konstan. Secara matematis dinyatakan sebagai berikut:
 Keterangan:
St = Nilai pemulusan peramalan untuk periode t
Xt = Nilai aktual pada periode t
bt = Nilai pemulusan trend
It = Komponen musiman pada periode t
Ŷt+m = Peramalan untuk m periode ke depan dari t
m = Jumlah periode yang akan di-forecast ke depan
α = Parameter penghalusan untuk data (0 < α < 1)
β = Parameter penghalusan untuk trend (0 < β < 1)
γ = Parameter penghalusan untuk seasonal (0 < γ < 1)
L = Panjang seasonal

 Metode Holt-Winters Multiplicative

Metode musiman multiplicative dengan metode perkalian musiman cocok
untuk prediksi time seriesdengan amplitudo pola musimannya proporsional dengan
rata-rata level atau tingkatan dari time series(Montgomery, 2009). Dengan kata lain,
pola musiman membesar seiring meningkatnya ukuran data. Secara matematis
dinyatakan sebagai berikut:

Keterangan:
St = Nilai pemulusan peramalan untuk periode t
Xt = Nilai aktual pada periode t
bt = Nilai pemulusan trend
 It = Komponen musiman pada periode t
Ŷt+m = Peramalan untuk m periode ke depan dari t
m = Jumlah periode yang akan di-foreast ke depan
α = Parameter penghalusan untuk data (0 < α < 1)
β = Parameter penghalusan untuk trend (0 < β < 1)
γ = Parameter penghalusan untuk seasonal (0 < γ < 1)
L = Panjang seasonal

 Metode Trend Line Analysis

Metode trend line analysis dipergunakan sebagai metode peramalan apabila
pola historis dari data aktual permintaan menunjukkan adanya suatu kecenderungan
menarik dari waktu ke waktu. Metode yang paling sederhana adalah menggunakan
persamaan garis lurus (straight line equation). Secara matematis dinyatakan sebagai
berikut:

Keterangan:
Ft = Permintaan pada periode t
a = Intersep dari persamaan garis lurus
b = Slope dari trend line
t = Indeks waktu
tbar = Nilai rata-rata dari t
A = Variabel permintaan (data aktual permintaan)
Abar = Nilai rata-rata dari A

V. Artikel yang Terkait dengan Prediksi-Prediksi Manajemen

Judul Jurnal : Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving
Average Pada Rumah Jilbab Zaky
Penulis : Alfian Nurlifa
Sri Kusumadewi
Publikasi : Jurnal Inovtek Polbeng 2.1 (2017) 2527-9866
 Banyaknya usaha membuat setiap orang bersaing menjadi yang terbaik untuk
mendapatkan konsumen. Ketika pemilik usaha tidak dapat memanfaatkan teknologi
infomasi, maka banyak informasi yang terbuang percuma. Bentuk laporan yang masih
manual membuat pemilik menjadi kesulitan dalam melihat perkembangan usaha,
akibatnya pemilik dapat melakukan kesalahan dalam pengambilan keputusan terutama
untuk penambahan atau pengurangan stok barang. Tujuan dari penelitian ini adalah
untuk memanfaatkan informasi yang ada semaksimal mungkin dengan menggunakan
sistem informasi manajemen. Dalam sistem informasi manajemen ini akan mengelola
data untuk dijadikan informasi yang lebih mudah dilihat seperti menggunakan grafik.
Sistem informasi manajemen ini disertai peramalan untuk membantu pengguna
terutama manajer dalam pengambilan keputusan. Metode yang digunakan untuk
melakukan peramalan pada sistem informasi manajemen ini adalah moving average
salah satu dari metode time series dalam peramalan. Penggunaan peramalan dengan
metode moving average ini untuk meramalkan jumlah penjualan yang akan terjadi pada
bulan yang akan datang. Hasil dari penelitian yang telah dilakukan adalah sebuah sistem
informasi manajemen yang dapat digunakan oleh Rumah Jilbab Zaky. Sistem yang
dibuat juga memiliki peramalan untuk meramalkan jumlah penjualan berikutnya
berdasarkan kategori yang ada. Tidak semua data yang ada dapat digunakan sebagai
data perhitungan peramalan menggunakan moving average.
 DAFTAR PUSTAKA

Nurlifa, Alfian. Kusumadewi, Sri. 2017. Sistem Peramalan Jumlah Penjualan Menggunakan
Metode Moving Average Pada Rumah Jilbab Zaky. Jurnal Inovtek Polbeng 2.1 (2017):
2527-9866
https://www.kajianpustaka.com/2017/11/pengertian-fungsi-dan-jenis-peramalan-
forecasting.html (diakses pada tanggal 21 April 2019)
https://vebyenandes.wordpress.com/2013/03/27/manajemen-industri-metode-
peramalan-forecasting/ (diakses pada tanggal 21 April 2019)
https://coretancakmus.blogspot.com/2018/02/metode-metode-peramalan.html (diakses pada
tanggal 21 April 2019)