BAB I

PENDAHULUAN

1.1 Latar Belakang

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan
datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).
Peramalan memiliki estimasi nilai atau karakteristik masa depan yaitu prediksi (prediction),
peramalan (forecast), dan kecenderungan (trend). Peramalan bersifat tidak pasti (uncertain),
permintaan tidak pasti karena ada beberapa factor yaitu karena adanya kompetisi, perilaku
konsumen, siklus bisnis, upaya penjualan, siklus hidup produk, variasi random, dan lain-lain.
Pada dasarnya pendekatan peramalan dapat diklasifikassikan menjadi dua pendekatan, yaitu
pendekatan kualitatif dan pendekatan kuantitaif (Makridakis, et.al., 1995).

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, maka penulis merumuskan permasalahan yang ada
sebagai berikut:
a. Apa yang di maksud peramalan (forecasting)?
b. Apa saja jenis dari peramalan (forecasting)?
c. Metode apa saja di peramalan (forecasting)?

1.3 Tujuan dan Manfaat

a. Tujuan
1. Mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa lalu, serta melihat sejauh
mana pengaruh di masa datang.
2. Peramalan diperlukan karena adanya time lag atau delay antara saat suatu kebijakan perusahaan
ditetapkan dengan saat implementasi.
3. Peramalan merupakan dasar penyusunan bisnis pada suatu perusahaan sehingga dapat
meningkatkan efektivitas suatu rencana bisnis.

1
b. Manfaat
Forcasting terlihat pada saat pengambilan keputusann. Keputusan yang baik adalah keputusan
yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu
dilaksanakan (Ginting, 2007).

2
 BAB II

PEMBAHASAN

2.1 Pengertian Peramalan (Forecasting)

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan
datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).
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):
1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang
akurat.
2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh
semaksimal mungkin.

2.2 Jenis-jenis Forecasting

Menurut Render dan Heizer (2004) pada jenis peramalan dapat dibedakan menjadi beberapa
tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi menjadi 3 macam
yaitu:
a. Peramalan ekonomi (economic forecasting) menjelaskan siklus bisnis dengan memprediksi
tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan
indicator perencanaan lainnya.

3
b. Peramalan teknologi (technological forecasting) memperhatikan tingkat kemajuan teknologi
yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan
baru.
c. Peramalan permintaan (demand forecasting) adalah proyeksi permintaan untuk produk atau
layanan suatu perusahaan.

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya.
Menurut Taylor (2004) dalam hubungannya dengan horizon waktu peramalan terbagi atas beberapa
kategori, yaitu:
a. Ramalan jangka pendek (short-range forecasting) mencakup masa depan yang dekat
(immediate future) dan memperhatikan kegiatan harian suatu perusahaan bisnis, seperti
permintaan harian atau kebutuhan sumber daya harian.
b. Ramalan jangka menengah (medium-range forecasting) mencakup jangka waktu satu atau dua
bulan sampai satu tahun. Ramalan jangka waktu ini umumnya lebih berkaitan dengan rencana
produksi tahunan dan akan mencerminkan hal-hal seperti puncak dan lembah dalam suatu
permintaan dan kebutuhan untuk menjamin adanya tambahan untuk sumber daya untuk tahun
berikutnya.
c. Ramalan jangka Panjang (long-range forecasting) mencakup periode yang lebih lama dari satu
atau dua tahun. Ramalan ini berkaitan dengan usaha manajemen untuk merencanakan produk
baru untuk pasar yang berubah, membangun fasilitas baru, atau menjamin adanya pembiayaan
jangka panjang.

2.3 Metode Peramalan

Untuk melakukan peramalan diperlukan perhitungan yang akurat sehingga diperlukaan
peramalan yang tepat. Pada dasarnya terdapat dua pendekatan umum untuk mengatasi semua model
keputusan meramal. Berikut gambar taksonomi peramalannya.

4
 Gambar 2.1 Taksonomi Peramalan

a. Model Kualitatif
Model kualitatif berupaya memasukkan faktor-faktor subyektif dalam model peramalan, model
ini akan sangat bermanfaat jika data kuantitatif yang akurat sulit diperoleh. Contoh dari metode ini
ialah metode delphi, opini juri eksekutif, komposit kekuatan dan survey pasar konsumen. Di dalam
pendekatan kualitatif ada Teknik delphi.
1. Teknik Delphi
Teknik delphi adalah metode yang banyak digunakan dan diterima untuk mengumpulkan
data dari responden dalam domain penelitian. Teknik ini dirancang sebagai proses komunikasi
kelomok yang bertujuan untuk mencapai konvergensi pendapat tentang isu-isu nyata. Teknik ini
telah digunakan di berbagai bidang studi seperti perencanaan program, penilian assessment,
penetuan kebijakan, dan pemanfaatan sumber daya untuk mengembangkan berbagai alternatif,
menjelajahi atau mengekspos yang mendasari asumsi, serta berkorelasi penilaian pada suatu topik
yang mencakup berbagai disiplin ilmu. Teknik Delphi cocok sebagai metode untuk pembangunan
konsensus dengan menggunakan serangkaian kuesioner dikirimkan menggunakan beberapa iterasi
untuk mengumpulkan data panel dari subyek yang dipilih.
Pada tahun 1950 teknik delphi dikembangkan oleh Dalkey dan Helmer di Rand
Corporation. Metode ini digunakan secara luas dan diterima untuk mencapai konvergensi pendapat

5
tentang pengetahuan dunia nyata yang diminta dari para ahli dalam bidang topik tertentu. Teknik
delphi digambarkan sebagai metode untuk penataan proses komunikasi antar kelompok agar proses
ini efektif yang memungkinkan sekolompok individu, Teknik delphi merupakan salah satu metode
dari peramalan.
Salah satu tujuan dari Teknik delphi ini untuk mengembangkan berbagai alternatif program
yang mungkin, mengekspos asumsi yang mendasari informasi yang mengarah ke penilaian
berbeda. Ada beberapa langkah dalam melakukan Teknik ini salah satunya Dermawan (2004),
menurutnya para pembuat keputusan harus melalui proses delphi dengan identifikasi isu masalah
pokok yang hendak diselesaikan, kemudian kuesioner dibuat kemudian kuesioner dikirim ke para
ahli yang ada di dalam organisasi maupun diluar organisasi untuk mengetahui permasalahan yang
dihadapi, kemudian para ahli akan mengisi kuesioner tersebut dan memberikan solusi penyelesaian
masalah, dalam hal ini akan di buat sebuah tim khusus untuk merangkum hasil dari kuesioner dan
menelaah ulang hasil rangkuman kemudian pada proses terakhir para pembuat keputusan dapat
mencapai kesepakatan untuk menentukan satu alternatif solusi atau tindakan yang terbaik. Berikut
ini kelebihan dan kekurangan dari Teknik delphi:
Kelebihan metode delphi:
a) Hasil yang didapat berdasarkan para ahli
b) Opini yang diungkapkan dari para ahli luas, karena masing-masing para ahli memiliki
pendapat.

Kekurangan metode delphi:

a) Biaya yang dikeluarkan lebih besar
b) Hasil yang di dapat berdasarkan asumsi
c) Akan memakan waktu lama
d) Hasil tidak berjalan sesuai prediksi

b. Model Kualitatif
Model kuantitatif yaitu peramalan yang menggunakan satu atau lebih model matematis dengan
data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Pada dasarnya model
kualitatif dibedakan menjadi dua yaitu berdasarkan seri waktu (time series) dan kausal (causal
metods).

6
 Model kausal Model kausal memasukkan dan menguji variabel-variabel yang diduga akan
mempengaruhi variabel dependen, model ini biasanya menggunakan analisis regresi untuk
menentukan mana variabel yang signifikan mempengaruhi variable dependen. Selain menggunakan
analisis regresi, model kausal juga dapat menggunakan metode ARIMA atau Box-Jenkins untuk
mencari model terbaik yang dapat digunakan dalam peramalan.
Model Time series merupakan model yang digunakan untuk memprediksi masa depan dengan
menggunakan data historis. Dengan kata lain, model time series mencoba melihat apa yang terjadi
pada suatu kurun waktu tertentu dan menggunakan data masa lalu untuk memprediksi. Contoh dari
model time series ini antara lain Moving Average, Exponensial Smoothing, dan rata-rata.

1. Metode Moving Average

Bermanfaat jika mengasumsikan bahwa permintaan pasar tetap stabil sepanjang waktu. Dalam
metode moving average ini dibag menjadi dua metode yaitu:

a) Single moving average

Pada metode ini digunakan untuk melakukan peramalan hal-hal yang bersifat random yang
artinya tidak ada trend naik maupun turun, musiman dan sebagainya, namun sulit untuk mengetahui
polanya. Metode ini mempunyai dua sifat khusus yaitu membuat peramal memerlukan data
histories selama jangka waktu tertentu, semakin Panjang waktu moving average akan menghasilkan
moving average yang semakin halus.

b) Weight moving average

Pada metode ini apabila ada trend terdeteksi maka bobot dapat digunakan untuk menempatkan
penekanan yang lebih pada nilai terkini. Pada metode ini membuat Teknik peramalan lebih tanggap
perubahan karena periode yang lebih dekat mendapat bobotyang lebih berat.

2. Metode Exponential Smoothing

Metode Exponential Smoothing (Makridakis, 1999) merupakan prosedur perbaikan terus-
menerus pada peramalan terhadap objek pengamatan terbaru. Metode peramalan ini menitik-
beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih tua.
Dalam pemulusan eksponensial atau exponential smoothing terdapat satu atau lebih
parameterpemulusanyang ditentukan secara eksplisit, dan hasil ini menentukan bobot yang
dikenakan pada nilai observasi.

7
 Dengan kata lain, observasi terbaru akan diberikan prioritas lebih tinggi bagi peramalan
daripada observasi yang lebih lama. Metode exponential smoothing dibagi lagi berdasarkan
menjadi beberapa metode.

a) Single exponential smoothing

Juga dikenal sebagai simple exponential smoothing yang digunakan pada peramalan jangka
pendek, biasanya hanya 1 bulan ke depan. Model mengasumsikan bahwa data berfluktuasi di sekitar
nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. (Makridakis, 1999). Rumus
untuk Simple exponential smoothing adalah sebagai berikut:

Ft+1 = α * Xt + (1 – α) * Ft (1)

Dimana:
Ft = peramalan pada periode t
Xt + (1- α) = nilai actual time series
Ft + 1 = peramalan pada waktu t + 1
Α = konstanta perataan antara 0 dan 1

b) Double exponential smoothing

Metode ini digunakan ketika data menunjukkan adanya trend. Exponential smoothing dengan
adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate setiap
periode – level dan trendnya. Level adalah estimasi yang dimuluskan dari nilai data pada akhir
masingmasing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada
akhir masing-masing periode. (Makridakis, 1999).

St = α * Yt + (1 – α) * (St - 1 + bt - 1) (2)

bt = γ * (St – St - 1) + (1 – γ) * bt – 1 (3)

Ft + m = St + bt m (4)

Dimana:
St = peramalan untuk periode t
Yt + (1- α) = nilai actual time series
Bt = trend pada peroide -t
A = parameter pertama perataan antara 0 dan 1 = untuk pemulasan nilai observasi

8
Γ = parameter kedua, untuk pemulasan trend
Ft + m = hasil peramalan ke – m
M = julah periode ke muka yang akan diramalkan

c) Triple exponential smoothing

Metode ini digunakan ketika data menunjukan adanya trend dan perilaku musiman (Makridakis,
1999). Untuk menangani musiman, telah dikembangkan parameter persamaan ketiga yang disebut
metode “HoltWinters” sesuai dengan nama penemuya. Terdapat dua model Holt-Winters
tergantung pada tipe musimannya yaitu Multiplicative seasonal model dan Additive seasonal model
yang akan dibahas pada bagian lain dari blog ini. Metode exponentian smoothing yang telah
dibahas sebelumnya dapat digunakan untuk hampir segala jenis data stasioner atau non – stasioner
sepanjang data tersebut tidak mengandung faktor musiman. Tetapi bilamana terdapat musiman,
metode ini dijadikan cara untuk meramalkan data yang mengandung faktor musiman, namun
metode ini sendiri tidak dapat mengatasi masalah tersebut dengan baik.
Meskipun demikian, metode ini dapat menangani factor musiman secara langsung.
(Makridakis, 1999). Rumus yang digunakan untuk triple exponential smoothing adalah:

Pemulusan trend: Bt =g (St – St-1) + (1 - g ) bt-1 (5)

Pemulusan Musiman: I = b t X t S + (1-b) t -L +m (6)
Ramalan: Ft + m = (St + bt m)It – L + m (7)

Dimana L adalah panjang musiman (misal, jumlah kuartal dalam suatu tahun), b adalah
komponen trend, I adalah factor penyesuaian musiman, dan Ft + m adalah ramalan untuk m periode
ke muka.

9
 BAB III

PENUTUP

3.1 Kesimpulan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan
datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).

Didalam peramalan ada 2 pendekatan yaitu model kualitatif dan model kuantitatif. Model
kualitatif adalah memasukkan faktor-faktor subyektif dalam model peramalan, model ini akan
sangat bermanfaat jika data kuantitatif yang akurat sulit diperoleh, didalam model kualtatif terdapat
metode delphi.

Sedangkan model kuantitaif peramalan yang menggunakan satu atau lebih model matematis
dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Didalam model
kuantitaif terdapat dua metode yaitu time series dan kausal.

3.2 Saran
Pada penulisan ini terdapat kekurangan. Penulis berharap pembaca dapat memberikan
masukan untuk makalah ini agar lebih baik lagi.

10
 DAFTAR PUSTAKA

Lussier, Jacques. Portofolio Structuring and The Value of Forecasting. ISBN 978-1944960-09-4

Rahaja, Alda. Angraeni, Wiwik. Aulia Vinarti, Retno. Penerapan Metode Exponensial Smoothing
untuk Peramalan Penggunaan Waktu Telepon di PT. Telkomsel Divre3 Surabaya
(Diakses, 16 Februari 2019)

Pakaja, Fachrudin. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certain
Factor (Diakses, 16 Februari 2019)

Vivi Putri, Meylia. https://classroom.google.com/c/MjgwODA3ODk3NzRa Konsep Dasar

Peramalan (Diakses, 16 Februari 2019)

Widya Utami, Novia. Mengenal Forecasting, Manfaat, Fungsi, dan Jenisnya untuk Kesuksesan
Bisnis Anda. https://www.jurnal.id/id/blog/2018-forecasting-pengertian-manfaat-fungsi
dan-jenisnya-bagi-kesuksesan-bisnis/ (Diakses, 16 Februari 2019)

Pasaribu, Mangihot. Pengertian dan Jenis-jenis Peramalan (Forecasting). 01 Maret 2017.

http://mangihot.blogspot.com/2017/03/pengertian-dan-jenis-jenis-peramalan.html
(Diakses, 16 Februari 2019)

11
12