BAB II Peramalan
BAB II Peramalan
LANDASAN TEORI
2.1 Peramalan
Peramalan adalah data di masa lalu yang digunakan untuk keperluan
estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian
terpenting bagi setiap perusahaan ataupun organisasi bisnis dalam setiap
pengambilan keputusan manajemen. Peramalan itu sendiri bisa menjadi dasar bagi
perencanaan jangka pendek, menengah maupun jangka panjang suatu perusahaan.
Peramalan berasal dari kata ramalan yang artinya adalah suatu situasi
atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang.
Sedangkan peramalan adalah bentuk kegiatannya. Ramalan tersebut dapat
didasarkan atas bermacam-macam cara yaitu metode single exponential
smoothing, metode double exponential smoothing dan metode triple exponential
smoothing. Semua itu dikenal dengan metode peramalan. Peramalan adalah
memperkirakan keadaan dimasa yang akan datang melalui pengujian keadaan
dimasa lalu. Dalam kehidupan sosial segala sesuatu itu serba tidak pasti dan sukar
diperkirakan secara tepat, sehingga diperlukan peramalan. Peramalan yang dibuat
selalu diupayakan agar dapat meminimumkan pengaruh ketiadakpastian ini
terhadap sebuah masalah. Dengan kata lain peramalan bertujuan mendapatkan
peramalan yang bisa meminimumkan kesalahan meramal (forecast error) yang
biasanya diukur dengan mean square error, mean absoulute errror dan
sebagainya (Makridakis, 1999).
Metode peramalan adalah cara untuk memperkirakan secara kuantitatif
apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan
pada masa lalu. Dengan kata lain metode peramalan bersifat objektif. Di samping
itu metode peramalan memberikan urutan pengerjaan dan pemecahan atas
pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan
yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, akan dapat
dasar pemikiran dan pemecahan yang sama.
Baik tidaknya suatu peramalan yang disusun selain ditentukan oleh
metode yang digunakan, juga ditentukan oleh baik tidaknya informasi yang
digunakan. Selama informasi yang digunakan tidak dapat menyakinkan untuk
mendapat hasil yang bagus, hasil peramalan yang disusun juga akan sukar
dipercaya ketepatannya. Keberhasilan dari suatu peramalan sangat ditentukan
oleh:
a. Pengetahuan teknik tentang pengumpulan informasi (data) masa lalu,
dapat ataupun informasi tersebut bersifat kuantitatif.
b. Teknik dan metode yang tepat dan sesuai dengan pola data yang
dikumpulkan.
Gambaran perkembangan pada masa lalu yang akan datang diperoleh
dari hasil analisa data yang didapat dari penelitian yang dilakukan. Perkembangan
pada masa depan merupakan perkiraan apa yang akan terjadi, sehingga dapat
dikatan bahwa peramalan selalu diperlukan dalam penelitian. Ketepatan penelitian
merupakan hal yang penting, walaupun demikian perlu diketahui bahwa sesuatu
ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah
usaha untuk memperkecil kesalahan dari ramalan tersebut.
Kegunaan peramalan terlihat pada saat pengambilan keputusan-
keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas
pertimbangan-pertimbangan yang akan terjadi pada waktu keputusan itu
dilaksanakan.
Jangka waktu ke depan (time horizon) merupakan faktor yang paling
penting yang harus diperhatikan dalam pemilihan teknik peramalan. Untuk
peramalan jangka pendek dan jangka menengah, beberapa teknik tersebut yang
kurang tepat untuk diterapkan.
Perusahaan dapat melakukan peramalan dengan berpaling pada para
pakar. Pakar dalam konteks ini ialah perwakilan penjualan (dealer), distributor,
pemasok, konsultan pemasaran dan kelompok dagang. Perusahaan menanyai para
dealernya tentang peramalan jangka pendek mereka secara periodik. Perkiraan
para perwakilan penjualan lebih memiliki kekurangan dan kelebihan yang sama
dengan perkiraan para salesman.
Peramalan adalah prediksi, proyeksi atau estimasi tingkat kejadian yang
tidak pasti dimasa yang akan datang. Peramalan merupakan prediksi nilai-nilai
sebuah variabel berdasarkan kepada nilai yang diketahui dari variabel tersebut
atau variabel yang berhubungan. Banyak juga perusahaan yang membeli
peramalan ekonomi dan industri dari perusahaanperusahaan peramalan ekonomi
terkemuka. Spesialis peramalan ini memilikiposisi yang ebih baik di bandingkan
perusahaan itu sendiri karena mereka memiliki data yang lebih banyak dan ahli
peramalan secara khusus. Selain itu biasanya perusahaan tersebut juga
menugaskan satu kelompok khusus untuk membuat ramalan tertentu.
Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan
kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan
data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu
bentuk model matematis. Bisa juga merupakan prediksi intuisi yang bersifat
subjektif. Atau bisa juga dengan menggunakan kombinasi model matematis yang
disesuaikan dengan pertimbangan yang baik dari seorang manajer.
Setelah mengenai beberapa teknik peramalan di bab ini, Anda akan
melihat bahwa tidak ada satu metode tunggal yang paling unggul. Sesuatu yang
berjalan dengan baik di suatu perusahaan pada suatu set kondisi tertentu mungkin
bisa menjadi bencana bagi organisasi lain, atau bahkan pada departemen yang
berbeda di perusahaan yang sama. Sebagai tambahan, Anda akan melihat
keterbatasan dari apa yang dapat diharapkan dari'suatu peramalan. Sangat jarang
peramalan memberikan hasil yang sempurna. Peramalan juga menghabiskan
banyak biaya dan waktu untuk persiapan dan pengawasan.
Forecasting adalah memprediksikan dari beberapa peristiwa atau banyak
peristiwa yang akan datang. Sepertinya yang dikatakan oleh Neils Bohr yang
dikutip oleh Montogmery, Jennings, dan Kulhaci (2015), membuat prediksi yang
bagus tidak selalu mudah. Dalam bidang bisnis, forecasting termasuk hal penting
yang dapat mempengaruhi pengambilan keputusan. Forecasting dapat menjadi
dasar dalam perencanaan jangka panjang pada proses bisnis. Misalkan pada
bagian keuangan, dengan adanya forecasting bagian keuangan dapat
merencanakan biaya yang harus dikeluarkan untuk masa yang akan datang. Pada
bidang pemasaran, Forecasting biasanya diklasifikasikan menjadi forecasting
jangka pendek, jangaka menengah, dan jangka panjang. Forecasting jangka
pendek memprediksi dengan menggunakan periode waktu (harian, mingguan,
bulanan) ke masa depan. Forecasting jangka menengah, menggunakan waktu dari
satu tahun sampai dua tahun ke masa depan dan forecasting jangka panjang dari
beberapa tahun. Kebanyakan forecasting menggunakan metode deret waktu atau
time series yang menggunakan data masa lalu (history) berdasarkan
kecendurungan datanya dan memprediksikan data tersebut untuk masa dating.
Peramalan (forecasting) merupakan prediksi nilai-nilai sebuah peubah
kepada nilai yang diketahui dari peubah tersebut atau peubah yang berhubungan.
Meramal juga dapat didasarkan pada keahlian penilaian, yang pada gilirannya
didasarkan pada data historis dan pengalaman (Makridakis et al. 1999). Peramalan
juga merupakan perkiraan terbaik untuk menentukan arah, volume dan harga pasar
yang diperlukan untuk mengambil keputusan pada bisnis apapun (Zylstra, 2005).
Menurut Heizer et al. (2001) forecasting atau peramalan adalah seni dan ilmu
dalam memprediksi peristiwa-peristiwa masa depan. Kegiatan ini meliputi
pengambilan data historis dan memproyeksikan data tersebut ke masa depan
dengan menggunakan beberapa model matematika. Peramalan dibutuhkan karena
semua organisasi beroperasi dalam lingkungan yang tidak jelas tetapi keputusan
yang dibuat hari ini akan mempengaruhi masa depan organisasi. Peramalan yang
efektif sangat dibutuhkan untuk mencapai tujuan strategis dan operasional dari
semua organisasi.Untuk perusahaan, peramalan mengendalikan sistem kendali
informasi pemasaran, keuangan, dan produksi. Untuk sektor publik, peramalan
merupakan bagian yang tidak terpisahkan dari perancangan kebijakan dan
program, baik dalam bidang kesehatan masyarakat dan pendidikan (Charles,
2007).
c. Pola Data Siklus Pola data ini terjadi jika terdapat data yang
dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang
berhubungan dengan siklus bisnis. Contoh: penjualan produk seperti
mobil, baja, dan peralatan utama lainya. Jenis pola ini dapat dilihat
pada Gambar 3:
Keterangan:
Ft = Peramalan permintaan periode t
n = Jumlah periode moving average
t = Periode terbaru
b. Metode Exponential Smoothing (ES) Metode peramalan dengan
pemulusan eksponensial biasanya digunakan untuk pola data yang
tidak stabil atau perubahannya besar dan bergejolak. Metode
permalan ini bekerja hampir serupa dengan alat thermostat. Apabila
galat ramalan (forecast error) adalah positif, yang berarti nilai aktual
permintaan lebih tinggi daripada nilai ramalan (A– F>0), maka
model pemulusan eksponensial akan secara otomatis meningkatkan
nilai ramalannya. Sebaliknya, apabila galat ramalan (forecast error)
adalah negatif, yang berarti nilai aktual permintaan lebih rendah
daripada nilai ramalan (A – F < 0), maka metode pemulusan
eksponensial akan secara otomatis menurunkan nilai ramalan.
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)
c. Metode Winter Metode winter’s merupakan suatu pendekatan
pemulusan eksponensial (eksponensial smoothing) yang dapat
menangani data musiman. Pendekatan dari metode tersebut adalah
anggapan terhadap data yang memiliki trend linear dan variasi
sehingga dalam penerapan metode winter’s memerlukan tiga
parameter untuk memuluskan unsurunsur yang berkaitan dengan
pola data, yaitu unsur stasioner, unsur trend (kecendrungan), dan
unsur musiman.
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
2.3.2 Metode Kualitatif
Peramalan kuantitatif menggunakan model matematik yang beragam
dengan data masa lalu dan peubah sebab akibat untuk meramalkan permintaan.
Metode peramalan kuantitatif memerlukan data historis atau data empiris, mutu
data dan pemilihan metode yang cocok akan menentukan kualitas hasil
peramalan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi
(Makridarkis, et al. dalam Wisastri, 2006) berikut:
a. Terdapat informasi masa lalu.
b. Informasi tersebut bias dikuantitatifkan dalam bentuk data numerik.
c. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa
mendatang.
Dua asumsi pertama merupakan syarat keharusan bagi penerapan metode
peramalan kuantitatif, sedangkan asumsi ketiga merupakan syarat kecukupan,
artinya walaupun asumsi ketiga dilanggar model yang dirumuskan masih dapat
digunakan. Hanya hal ini akan memberikan kesalahan peramalan yang relatif
besar, bila perubahan data ataupun bentuk hubungan fungsional tersebut terjadi
secara sistematis. Berdasarkan data masa lalu, metode peramalan kuantitatif
dibagi menjadi dua bagian, yaitu metode deret waktu (time series), yaitu model
yang membuat prediksi dengan asumsi bahwa masa depan merupakan fungsi
masa lalu, dengan menggunakan data masa lalu dapat melakukan peramalan.
Dalam metode deret waktu peramal hanya berusaha mencari pola-pola
dari data suatu data, tanpa berusaha mencari apa penyebab dan mengapa polanya
demikian. Bisa jadi pola data masa lalu tidak sama lagi dengan masa depan,
karena faktor-faktor yang mempengaruhinya sudah berubah. Metode peramalan
kedua adalah metode peramalan asosiatif atau metode peramalan kausal (metode
peramalan eksplanatori), yaitu metode peramalan yang menggabungkan peubah
atau faktor yang mungkin mempengaruhi permintaan atas suatu produk (peubah
bebas) terhadap permintaan suatu produk (peubah tidak bebas). Peramalan
kuantitatif juga memiliki keterbatasan, jika terjadi perubahan pola data atau
hubungan sebab akibat, maka hasil ramalan menjadi kurang akurat (Heizer dan
Render, 2006).
Metode ini digunakan dimana tidak ada model matematik, biasanya
dikarenakan data yang ada tidak cukup representatif untuk meramalkan masa yang
akan datang (long termforecasting). Peramalan kualitatif menggunakan
pertimbangan pendapat-pendapat para pakar yang ahli atau expert di bidangnya.
Adapun kelebihan dari metode ini adalah biaya yangdikeluarkan sangat murah
(tanpa data) dan cepat diperoleh.
Terdapat empat teknik peramalan yang berbeda:
1. Keputusan dari pendapat juri eksekutif (jury of executive opinion).
Dalam metode ini, pendapat sekumpulan kesil manajer atau pakar
tinggi, sering dikombinasikan dengan model statistic, dikumpulkan
untuk mendapatkan prediksi permintaan kelompok.
2. Metode Delphi (Delphi method). Ada tiga jenis peserta dalam
metode Delphi: pengambil keputusan, karyawan, dan responden.
Pengambilan keputusan biasanya terdiri dari 5 hingga 10 orang pakar
yang akan melakukan peramalan. Karyawan membantu pengambil
keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta
meringkas sejumlah kuesioner dan hasil survey. Responden adalah
sekelompok orang yang biasanya ditempatkan di tempat yang
berbeda, di mana penilaian dilakukan. Kelompok ini memberikan
input pada pengambil keputusan sebelum peramalan dibuat.
3. Gabungan dari tenaga penjualan (sales force composite). Dalam
pendekatan ini, setiap tenaga penjualan memperkirakan berapa
penjualan yang bias ia lakukan dalam wilayahnya. Peramalan ini
kemudian dikaji untuk memastikan apakah peramalan cukup
realistis. Kemudian peramalan dikombinasikan pada tingkat wilayah
dan nasional untuk mendapatkan peramalan secara keseluruhan.
4. Survei pasar konsumen (consumer market survey). Metode ini
meminta input dari konsumen mengenai rencana pembelian mereka
dimasa depan. Hal ini membantu tidak hanya dalam menyiapkan
peramalan tetapi juga memperbaiki desain produk dan perencanaan
produk baru.
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.