KELOMPOK 2
PDN 3A
Oleh :
Biutifa Fisisa Prawira 171450010
Dimas Wahyu Mahendra 171450014
Septian Rahmad Nugroho 171450047
Steven Johanes 171450049
Hasan Sinamur 171450063
PEM Akamigas
I. PENDAHULUAN
Salah satu bentuk peramalan yang sering kali terjadi di dunia migas adalah
pada peramalan BBM dan BBK yang akan digunakan pada waktu-waktu tertentu atau
dalam bahasa lain disebut pick season time. Pick season time yang ada Indonesia
diantaranya adalah sebagai berikut : waktu-waktu di awal tahun (tahun baru), Hari
Raya Idul Fitri (Liburan), Libur Sekolah, Libur Natal, Hari Raya Idul Adha, Musim
haji, dll. Untuk produk BBM yang digunakan biasanya diperuntukkan bagi kendaraan
roda 2,4 dan selebihnya melalui jalan darat, ada pula produk BBM lain seperti HSD,
MFO yang diperuntukkan untuk bahan bakar kapal yang digunakan untuk transportasi
umum. Sedangkan, yang digunakan sebagai bahan bakar untuk pesawat terbang
disebut dengan Avtur/Jet A-1.
Pada kasus kali ini, yang digunakan sebagai contoh pembahasannya adalah
pada produk Avtur / Jet A-1 tersebut. Untuk pesawat udara yang akan melakukan
penerbangan jarak jauh, tentu membutuhkan lebih banyak bahan bakar dibandingkan
dengan pesawat yang melakukan perjalanan hanya 1,2,3 jam saja. Sebagai penyedia
bahan bakar Avtur di Indonesia, Pertamina harus mempersiapkan persediaan yang
mencukupi agar kebutuhan Avtur oleh konsumen maskapai penerbangan jarak jauh
tercukupi.
Manfaat Peramalan
1) Menentukan apa yang dibutuhkan untuk ekspansi pabrik (ramalan jangka
panjang)
2) Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk
dikerjakan dengan fasilitas-fasilitas yang ada (ramalan fasilitas)
3) Menentukan penjadwalan jangka pendek produk-produk yang ada untuk
dikerjakan berdasarkan peralatan yang ada (ramalan perencanaan produksi)
Metode – metode Peramalan
Meramalkan permintaan dari pasar yang dimasuki oleh perusahaan adalah
suatu pekerjaan yang perlu dilakukan oleh setiap manajer perusahaan dalam 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.
Hal yang perlu diingat adalah bahwa aktivitas peramalan permintaan tidaklah
dapat diartikan sebagai aktivitas yang bertujuan untuk mengukur permintaan di masa
yang akan datang secara pasti, melainkan sekedar usaha untuk mengurangi
kemungkinan terjadinya hal yang berlawanan antara keadaan yang sungguh-sungguh
terjadi di kemudian hari dengan apa yang menjadi hasil peramalan. Dengan kata lain,
hasil maksimal dari aktivitas peramalan adalah melakukan minimisasi ketidakpastian
yang mungkin terjadi di masa yang akan datang.
Metode Kuantitatif
Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :
1. Model seri waktu / metode deret berkala (time series) metode yang dipergunakan
untuk menganalisis serangkaian data yang merupakan fungsi dari waktu.
Model Seri Waktu / Metode deret berkala, terbagi menjadi :
a. Rata-rata bergerak (moving averages),
Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika
diasumsikan bahwa permintaan pasar tetap stabil.
b. Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola
atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan
lebih banyak tekanan pada nilai baru.
c. Penghalusan eksponensial (exponential smoothing),
Penghalusan Eksponensial : metode peramalan dengan menambahkan parameter
alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial
dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari
periode-periode sebelumnya yang berbentuk eksponensial.
d. Proyeksi trend (trend projection)
Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik
untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend
untuk persamaan matematis.
2. Model / metode kausal (causal/explanatory model)
Mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab
akibat dengan satu atau beberapa variabel bebas (independent variable).
Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel
yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu.
Dalam prakteknya jenis metode peramalan ini terdiri dari :
1. Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk
jangka panjang maupun jangka pendek dan didasarkan kepada persamaan
dengan teknik least squares yang dianalisis secara statis.
2. Model Input Output, merupakan metode yang digunakan untuk peramalan
jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka
panjang.
3. Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang
dan jangka pendek.
Metode Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi,
emosi, pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari
satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif
dapat menggunakan teknik/metode peramalan, yaitu :
1. Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari
sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik,
keuangan dan logistik), yang seringkali dikombinasikan dengan model-model
statistik.
2. Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat
penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan
nasional untuk mencapai ramalan secara menyeluruh.
3. Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada
responden, jawabannya kemudian diringkas dan diberikan kepada para ahli
untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak
pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya
untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya
lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan
mendekati aktualnya.
4. Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau
konsumen potensial terhadap rencana pembelian pada periode yang diamati.
Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.
Ramalan Serial Waktu
Analisis serial waktu dimulai dengan memplot data pada suatu skala waktu,
mempelajari plot tersebut, dan akhirnya mencari suatu bentuk atau pola yang konsisten
atas data. Pola dari serangkaian data dalam serial waktu dapat dikelompokkan dalam
pola dasar sebagai berikut :
1. Konstan, yaitu apabila data berfluktuasi di sekitar rata-rata secara stabil. Polanya
berupa garis lurus horizontal.Pola seperti ini terdapat dalam jangka pendek atau
menengah, jarang sekali suatu variabel memiliki pola konstan dalam jangka
panjang.
2. Kecenderungan (trend), yaitu apabila data dalam jangka panjang mempunyai
kecenderungan, baik yang arahnya meningkat dari waktu ke waktu maupun
menurun. Pola ini disebabkan antara lain oleh bertambahnya populasi,
perubahan pendapatan, dan pengaruh budaya.
3. Musiman (seasonal), yaitu apabila polanya merupakan gerakan yang berulang-
ulang secara teratur dalam setiap periode tertentu, misalnya tahunan, semesteran,
kuartalan, bulanan atau mingguan. Pola ini berhubungan dengan faktor
iklim/cuaca atau faktor yang dibuat oleh manusia, seperti liburan dan hari besar.
4. Siklus (cyclical), yaitu apabila data dipengaruhi oleh fluktuasi ekonomi jangka
panjang, seperti daur hidup bisnis. Perbedaan utama antara pola musiman dan
siklus adalah pola musiman mempunyai panjang gelombang yang tetap dan
terjadi pada jarak waktu yang tetap, sedangkan pola siklus memiliki durasi yang
lebih panjang dan bervariasi dari satu siklus ke siklus yang lain.
5. Residu atau variasi acak, yaitu merupakan satu titik khusus dalam data yang
disebabkan oleh pekuang dan situasi tidak lazim,dan data tidak mempunyai pola
khusus sehingga tidak dapat diprediksi.
III. HASIL DAN PEMBAHASAN
Penjualan Penjualan
Tahun (KL) (KL)
Keberangkatan Kepulangan
http://rismaayuok.blogspot.com/2016/12/makalah-lengkap-peramalan
forecasting.html
http://miccaherlina23.blogspot.com/2016/10/makalah-peramalan-forecasting.html
http://rankingpertama.blogspot.com/2017/04/makalah-forecasting.html
http://ratihsubagyo.blogspot.com/2010/12/trend-analysis.html
http://mjnurul.blogspot.com/2014/03/exponential-smoothing.html