Metode Peramalan
Metode Peramalan
LANDASAN TEORI
Perkembangan dalam teknik dan metode analisa sangat erat kaitannya dengan
sangat penting karena keadaan ekonomi dan dunia usaha tidak statis, tapi selalu
bembah. Hal ini disebabkan oieh penekanan maksud dan tujuan dari suatu analisa
ekonomi dan kegiatan usaha pemsahaan yang menitik beratkan pada mengkaji situasi
dan kondisi yang berlaku sekarang maupun yang telah lalu dan melihat pengaruhnya
diharapkan untuk suatu produk atau jasa dalam periode waktu tertentu dimasa yang
daya yang dibutuhkan. Salah satu input penting untuk penjadwalan produksi adalah
metode peramalan yang baik mempakan suatu syarat untuk memberikan hasil
keputusan yang baik pula. Kebutuhan akan peramalan meningkat seiring dengan
usaha pihak manajemen untuk mengurangi ketidakpastian atau resiko bisnis dalam
lingkungan yang semakin kompleks dan dinamis (selalu bembah-ubah). Kualitas dari
baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah yang baik.
4. Melakukan peramalan.
5. Melakukan perbandingan.
berlandaskan pada sebab yang sama yang terjadi di masa yang lalu, akan
produk individu.
bembah lambat.
diketahui dari sekarang, penemuan ilmiah yang spesifik, untuk melayani beberapa
fungsi yang bermanfaat. Yakni fungsi-fungsi yang memenuhi persyaratan layanan
industri dan kebutuhan umum masyarakat { Prehoda, 1967 : 12 ).
kebutuhan, keinginan, misi, dan setemsnya, untuk masa yang akan datang, dan
kemudian mundur ke masa sekarang untuk mengidentifikasi pengembangan-
utama:
pemsahaan.
Metode peramalan kuantitatif meliputi metode deret berkala (time series) dan
metode kausal. Hasil peramalan yang dibuat tergantung pada metode yang digunakan
dalam peramalan tersebut, dengan metode yang beriainan diperoleh hasil peramalan
yang beriainan pula, adapun yang perlu diperhatikan dari penggunaan metode-
metode tersebut adalah baik tidaknya metode yang digunakan. Hal ini dapat dilihat
dari penyimpangan antara hasil peramalan dengan kenyataan yang terjadi, metode
yang baik adalah yang memberikan penyimpangan terkecil.
Pendekatan kuantitatif hnaya dapat diterapkan apabila memenuhi syarat sebagai
berikut:
numerik.
c. Diasumsikan pola data masa lalu akan berlaku sama untuk masa yang akan
datang.
Pada pembatasan masalah telah diuraikan bahwa pada penelitian ini metode
peramalan yang digunakan adalah cara memperkirakan sesuatu yang terjadi pada
masa depan secara kuantitatif.
Horizon waktu peramalan (Forecasting Time Horizons)
/. Trend
2. Seasonality (musiman)
musiman, seperti cuaca dan Iiburan. Dengan kata Iain pola yang sama akan
14
kuartalan/perempat tahunan).
3. Cycles (Siklus)
Pola data siklus terjadi jika variasi data bergelombang pada durasi lebih dari
satu tahun. Data cenderung berulang setiap dua tahun, tiga tahun, atau lebih.
Fluktuasi siklus biasanya dipengamhi oieh faktor politik, pembahan ekonomi
(ekspansi atau kontraksi) yang dikenal dengan siklus usaha (business cycle).
4. Horizontal/ Stasionary/ Random variation
Pola ini terjadi jika data berfluktuasi di sekitar nilai rata-rata secara acak
tanpa membentuk pola yang jelas seperti pola musiman, trend ataupun siklus.
Berikut ini disajikan visualisasi dari pola-pola data
1. Naive forecast
f,+1 = A, 0-1)
Untuk data yang mengandung trend, maka persamaan di atas disesuaikan dengan
mempertimbangkan unsur trend, sehingga persamaan tersebut menjadi:
ft+i-At-3 (L3)
Jika data mengandung unsur trend dan musiman (data kuartalan) maka
persamaannya menjadi:
14
_ (=1
Ft = A atau Ft -
n
Simple average paling cocok untuk data stasioner dan tidak mengandung unsur
trend dan musiman atau pola-pola sistematik lainnya.
Metode ini menggunakan satu set data dengan jumlah data yang tetap,
sesuai periode pergerakannya (moving period), yang kemudian nilai rata-rata dari
set data tersebut digunakan untuk meramalkan nilai periode berikutnya.
Dengan munculnya data yang bam, maka nilai rata-rata yang bam dapat
dihitung dengan menghilangkan data yang terlama dan menambahkan data yang
terbam.
Metode ini sesuai untuk data stasioner (data berada disekitar rata-ratanya
dalam arti bahwa data cenderung stabil dari waktu ke waktu), tidak mengandung
Metode ini mirip dengan metode simple moving average, hanya saja
diperlukan pembobotan yang berbeda untuk setiap data pada set data terbaru,
dimana data terbam memiiiki bobot yang lebih tinggi daripada data sebelumnya
pada set data yang tersedia. Jumlah bobot hams sama dengan 1,00.
ZW- A
r— '• ', , dimana: i = t, t-1, t-2, ..., t-m+1
f»i = Ft 0-7)
Metode ini sesuai untuk pola data stasioner dimana data tidak mengandung unsur
Metode ini akan efektif jika trend linear dan faktor random error tidak
Persamaan SES:
F0 = A!
Ft-aAt + (l-a)FM
ft+i-Ft (1 0-11)
Karakteristik smoothing dikendalikan dengan menggunakan faktor
smoothing a, yang bernilai antara 0 sampai dengan 1(0 < a < 1).
Ramalan yang bam akan mencakup penyesuaian kesalahan yang besar pada
ramalan sebelumnya.
Ramalan yang bam akan mencakup penyesuaian kesalahan yang kecil pada
ramalan sebelumnya.
Dengan demikian jika diinginkan ramalan yang stabil dan variasi random
Metode ini cocok digunakan pada data yang berpola stasioner, tidak
Metode ini pada dasarnya menggunakan prinsip yang sama dengan metode
SES, namun metode ini mempertimbangkan adanya unsur trend/kecenderungan
linear dalam deretan data. Teknik Holt memperhalus trend dan slopenya secara
F0 = At ; T0 = 0 (3
F0 = F'o=A1 ;
F, = aAt+(l-a)(Ft-i) 0-15)
Sering disebut Double Exponential Smoothing : Holt's two parameter method (Sumber: Makridakis,
Spyro &Steven C.Wheelwright, Forecasting Methods and Applications, New York: John Wiley &
Sons, 1978.
Nilai pemulusan awal dapat diestimasi dengan menghitung rata-reata beberapa data masa lalu
sebagai data untuk mengembangkan model.
20
F0 = F'o = A1 ;
Y= t.a/p (1-20)
Metode ini akan memulai dari sebuah penetapan smoothing constant (a).
Dalam setiap periode, diperiksa dengan tiga nilai, yaitu: a - 0.05, a, dan a +
0.05. Kemudian dihitung nilai F, dengan absolute error yang terkecil. Nilai ini
Persamaan:
F0 = A,
Metode ini mirip dengan metode double exponential; satu parameter dari Brown (Metode
Brown). Metode ini digunakan untuk pola data yang mengandung unsur linear trend.
Persamaan yang digunakan:
b=U ^ d-23)
JY -(„(„ +1)2/4)
V i
a-A-{b.(n+l)/2} 0-24)
ft = a + b.t (1-25)
Keakuratan perkiraan regresi linear tergantung pada luasan data sampel di
sekitar garis, semakin besar Iuasannya maka semakin kecil keakuratannya.
Besar luasan ini dihitung berdasarkan perkiraan standar error, Se.
(horisontal), unsur trend dan unsur musiman. Ketiga komponen di atas secara
kontinyu diperbahami dengan menggunakan konstanta smoothing yang
• Inisialisasi ;
F0 = Ai dan T0 - 0
• Pemulusan eksponential:
Ft = aAt/It«+(l-a)(Ft.l+Tt.i) (1.27)
• Estimasi Trend:
• Estimasi Musiman:
Fm-(Ft+iTt).Wm (1-30)
Metode ini jika tidak diberikan input faktor seasional, maka default dari faktor
x : waktu dari t
s : standar deviasi
Akurasi Peramalan
(error).
et = ft-A,<5 d-31)
SKI
MAD=-i (I-32)
n
MSE=^ (1-33)
n
Ada tiga unsur utama yang terdapat dalam ongkos produk yang dihasilkan :
1. Ongkos bahan langsung (direct material)
Mempakan semua biaya yang bukan bahan langsung dan tenaga kerja langsung
yang berkaitan dengan proses produksi. Termasuk ongkos ini diantaranya
tenaga kerja tidak langsung, bahan bakar, pengangkutan dalam pabrik,
penyusutan bangunan dan peralatan, asuransi, pemeliharaan dan reparasi.
Pola perilaku biaya diartikan sebagai hubungan antara total biaya dengan
1. Biaya tetap
Adalah biaya yang tidak tergantung pada pembahan volume kegiatan. Biaya
ini jumlah totalnya tetap selama periode waktu tertentu walaupun terjadi
pembahan volume.
2. Biaya variabel
Adalah biaya yang besarnya tergantung pada volume kegiatan. Biaya ini
jumlah totalnya berubah secara langsung dan perubahannya sebanding
dengan pembahan volume kegiatan.
Adalah biaya yang bembah tetapi tidak sebanding dengan volume kegiatan.
Dalam data biaya produksi terdapat unsur biaya variabel dan biaya
semivariabel. Contoh dari biaya ini adalah biaya tenaga listrik, bahan bakar,
Biaya semivariabel ini dapat dipisahkan menjadi biaya tetap dan biaya
variabel dengan menggunakan bebrapa metode dibawah ini:
Dalam metode ini, unsur beban semivariabel yang bersifat tetap dan variabel
dihitung dari dua titik data. Titik-titik data (periode) yang dipilih dari data historis
yang sedang dianalisis adalah periode-periode yang memiiiki tingkat kegiatan tinggi
dan rendah. Periode-periode ini biasanya, tetapi tidak hams mempunyai jumlah biaya
terendah karena metode ini menggunakan semua data yang tersedia dan bukan hanya
dua titik saja. Namun demikian, hasinya mungki saja menyimpang karena garis biaya
yang digambarkan melalui plot data hanya didasarkan pada interpretasi visual.
Metode ini ada kalanya dikenal sebagai metode anaiisis regresi sederhana
dimana secara matematis menghasilkan garis yang paling cocok atau garis regresi
linier melalui serangkaian titik, sehingga jumlah pengkuadratan deviasi vertikal
yang didasarkan atas data hasil observasi, sehingga jumlah kesalahan kwadrat
terkecil (minimum).
Yi = a + bXi
h_nYJXm-YJXiYuYi
n^Xf-i^Xi?
a_!>'-»£*•
n
Xi = Volume produksi
pengendalian yang memonitor tingkat persediaan sumber daya. Sistem ini bertujuan
menetapkan dan menjamin tersedianya sumber daya dalam kuantitas dan pada waktu
yang tepat.
sebagai stock dengan maksud untuk memenuhi kebutuhan konsumen. Ada tiga
komponen biaya dalam mengoperasikan sistem persediaan, yaitu :
29
Adalah biaya yang naik seiring dengan membesarnya jumlah persediaan, yang
Adalah biaya yang timbul akibat tidak dapatnya memenuhi demand karena
kurangnya persediaan (antaranya : keuntungan yang hilang, biaya sub kontrak,
dll).
lebih kecil, dan karena itu lebih sederhana dalam perhitungan ( Taha, 1996 : 363 ).
Dalam hal ini, suatu masalah pengambilan keputusan yang terdiri dari banyak
tahap (multistage) dipisah-pisahkan menjadi suatu submasalah yang bemmtan dan
saling berhubungan sehingga pemecahan masalah dapat dilakukan dengan lebih
mudah. Prosedur pemecahan persoalan dilakukan secara perhitungan bemlang, ini
berarti setiap dilakukan pengambilan keputusan, kita hams memperhatikan keadaan
yang dihasilkan oieh keputusan sebelumnya. Karena itu keadaan yang diakibatkan
oieh suatu keputusan sebelumnya dan merupakan landasan bagi keputusan
berikutnya. Keputusan optimal dari seluruh persoalan adalah kumpulan dari sejumlah
keputusan optimal atas selumh tahap yang kemudian disebut kebijaksanaan optimal
(P. Sigian, 1992).
2. Setiap tahap memiiiki sejumlah status (state) yang berhubungan dengan tahap
tersebut. Secara umum, status mempakan berbagai kemungkinan masukan
yang ada pada sistem tertentu. Jumlah status bisa terbatas (finite) atau tidak
terbatas (infinite).
menjadi beberapa bagian yang masing-masing bagian terdiri dari beberapa piiihan
yang harus dipilih sebagai keputusan. Bagian tertentu dimana pengambilan
keputusan dilakukan disebut sebagai tahap (stage) dari permasalahan yang memiiiki
parameter-parameter masukan yang disebut sebagai status (state). Keputusan yang
diambil pada setiap tahap memperhatikan parameter masukan (status) yang
dikendalikan dengan suatu fungsi transformasi seperti terlihat gambar 2 berikut:
Keputusan
Masukan Keluaran
Transformasi
Pada setiap tahap hams dibuat satu keputusan piiihan status. Keputusan
pemilihan status menghasilkan nilai yang besarnya ditentukan oieh suatu fungsi
transformasi, nilai ini biasa disebut sebagai fungsi perolehan (return function).
Fungsi perolehan ini akan bergantung pada varibel status dan keputusan yang
diambil pada tahap n tertentu.
Jadi suatu keputusan yang diambil pada tahap n tertentu akan memberikan
fungsi perolehan yang nilainya optimal untuk tahap yang ke-n tersebut artinya bila
fungsi tujuan maksimasi dan demikian sebaliknya bila tujuan minimasi.
S'
R„=US„,xH)
Gambar 2.3 Fungsi transformasi program dinamis
n =Nomor tahap
Xn = Keputusan
sebagai berikut:
b. Status adalah bagian yang menggambarkan variabel masukan yang ada pada
tahap-tahap tertentu. Status mempakan penghubung antara dua tahap karena
masukan bagi tahap tertentu merupakan keluaran tahap sebelumnya.
c. Alternatif adalah variabel keputusan pada setiap tahap yang berhubungan
dengan fungsi perolehan. Variabel keputusan ini bersifat mutually exlusive.
berikut:
variabel keputusannya.
maka dinyatakan bahwa keputusan optimal tahap 1tidak akan dipengamhi oieh apa
yang terjadi pada tahap 2, 3, ..., n. Dari pembahasan sebelumnya perolehan pada
tahap 1 adalah:
Ri = fi(Si,X,)
Dari tahap 1 ini didapat dengan mencari semua variabel keputusan yang mungkin
(didefinisikan oieh suatu variabel status tertentu) sehingga didapat:
f,*(Si) = optimasi(fl(S1,X1))
Besaran Xi ditentukan oieh Sf dan S2 dan ditentukan oieh apa yang terjadi pada
tahap sebelumnya.
S i = S2 - X2
Dengan Iogika rekursif ini, bila proses dilanjutkan untuk n tahap (tahap 1 sampai
tahap n), maka akan diperoleh fungsi rekursif tahap n sebagai berikut:
Fn* (Sn) = optimasi (f„ (S„ , Xn) + fn-i* (Sn.[))
Bila status masukan Sn diketahui dan juga diketahui fn-i* (Sn-0. maka fn* (sn) <*aPat
dihitung. Proses sebelumnya, fn-i* (Sn-i) dapat ditentukan dengan mengetahui fn.2*
(Sn.2). Demikian seterusnya hingga tahap 1yang merupakan tahap awai perhitungan,
sehingga dapat diperoleh hubungan rekursif sebagai berikut:
Fn*(Sn) = optimasi (fn (S„ , Xn) + fn.i* (Sn_i))
n =1,2, ...,n
fo* (So) =0
Pemecahan persoalan program dinamis dapat dilakukan dengan
menggunakan tabel tertentu, tabel ini terdiri dari variabel status (Sn) pada baris,
variabel keputusan (Xn), fungsi perolehan optimal (fn* (Sn)), serta variabel keputusan
optimal (Xn*) pada kolom seperti terlihat pada tabel halaman berikut:
F * xn*
fn (Xn , Sn)
Tabel 2.1 Tabel Program Dinamis
perolehan dimulai dri tahap 1, f„ (S„) searah informasi, urutan perhitungan adalah
sebagai berikut:
S„+1 =S„-X„+D„
37
n = 1,2,...,(N-1)
N - banyaknya tahap
Sh =s„+x„-d„
n = 1,2,...,N
tidak baik, jumlah produk yang diproduksi tidak dapat memenuhi permintaan pasar.
Demikian juga bila yang terjadi sebaliknya, jumlah produk yang diproduksi melebihi
permintaan pasar sehingga terdapat kelebihan produk yang tidak terjual pada periode
tersebut. Setiap kelebihan produksi hams disimpan (sebagai persediaan akhir
periode) yang akan digunakan pada periode selanjutnya, dan hal ini tentunya akan
menimbuikan ongkos simpan.
2. Untuk tiap jenis produk, persediaan akhir periode terakhir dari jumlah periode
yang diteliti adalah nol.
3. Jumlah produk yang diproduksi dan jumlah persediaan dibatasi oieh kapasitas
produksi dan kapasitas gudang.
Kg = Kapasitas gudang
dinamis, yaitu :
1. Tahap ( stage ) adalah periode dan setiap tahap diberi nomor sesuai dengan
periodenya.
2. Fungsi transisi untuk rekursif maju adalah jumlah persediaan yang masuk ke
periode ke-1 ditambah jumlah yang diproduksi pada periode ke-1 dikurangi
jumlah penjualan pada periode ke-1.
Io + X, =D, +1,
X, = D, +1, -lo
I, -Io + X! -D,
Dengan batasan :
0<It <Kg
42
Persamaannya adalah:
Ii +X2=D2 +I2
X2 = D2+I2 -I,
0<I2 <Kg
f,(I,)-min{VCP,(Xf) + VHC(r,)+fM*(I,_,)}
(D,-IM)<X,<Kp
43
Keterangan:
f _*(I ): Biaya yang dipilih (dalam hal ini paling kecil) pada periode t-1
f * Ij : Biaya terkecil pada periode 1