Outline Modul 1 Sispro Deva 2003
Outline Modul 1 Sispro Deva 2003
FORECASTING
1
Rosnani Ginting, Sistem Produksi, (Yogyakarta: Graha Ilmu, 2012), hlm. 31-32.
2. Prinsip-prinsip peramalan dan karakteristik peramalan yang baik
2
Ada lima prinsip peramalan yang sangat perlu diperhatikan untuk
mendapatkan hasil peramalan yang baik yaitu:
1. Peramalan selalu mengandung error.
Peramalan mengurangi faktor ketidakpastian tetapi tidak pernah
mampu untuk menghilangkannya.
2. Peramalan harus mencakup ukuran dari error.
Karena peramalan selalu mengandung error maka para pengguna perlu
mengetahui besarnya error yang terkandung.
3. Peramalan item yang dikelompokkan dalam famili selalu lebih akurat
dibandingkan dengan peramalan item per item.
4. Peramalan untuk jangka pendek selalu lebih akurat dibandingkan
dengan peramalan untuk jangka jauh.
5. Apabila dimungkinkan, perkirssn besarnya permintaan lebih disukai
berdasarkan perhitungan daripada hasil peramalan.
Karakteristik peramalan yang baik:
a. Ketelitian (Accuracy)
Ada dua ukuran yang digunakan dalam mengevaluasi peramalan yaitu
penyimpangan atau bias dan konsistensi.
b. Biaya (Cost)
Makin banyak item yang akan diramalkan dan makin tinggi tingkat
ketelitian yang diinginkan makin besar pula biaya yang dibutuhkan.
c. Respons (Respons)
Sistem peramalan haruslah stabil dalam arti peramalan tidak
memperlihatkan fluktuasi yang bersifat liar karena faktor random yang
berlebihan.
Karakteristik dari peramalan yang baik harus memenuhi beberapa kriteria
dan prinsip mengemukakan lima prinsip peramalan yang perlu dipertimbangkan.
2
Sukaria Sinulingga, Perencanaan dan Pengendalian Produksi, (Yogyakarta: Graha Ilmu, 2009),
hlm. 101.-102.
3. Pengertian dan pembagian metode peramalan kualitatif dan
kuantitatif.
3
Metode peramalan kualitatif (judgement method) umumnya bersifat
subjektif, dipengaruhi oleh intuisi, emosi, pendidikan, dan pengalaman seseorang.
Oleh karena itu, hasil peramalan dari satu orang dengan orang yang lain dapat
berbeda. Meskipun demikian, peramalan metode kualitatif tidak berarti hanya
menggunakan intuisi, tetapi juga bisa mengikutsertakan model-model statistic
sebagai bahan masukan dalam melakukan judgement (keputusan), dan dapat
dilakukan secara perseorangan maupun kelompok.
4
Metode peramalan kuantitatif ini dapat dibedakan atas dua bagian, yaitu:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variable yang diperkirakan dengan variable waktu,
yang merupakan deret waktu atau “time-series”.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variable yang akan diperkirakan dengan variable lain
yang mempengaruhinya, yang bukan waktu yang disebut metode
korelasi atau sebab akibat (causal method).
Metode kualitatif ini lebih menekankan pada keputusan-keputusan hasil
diskusi pendapat pribadi seseorang, dan intuisi yang meskipun kelihatannya
kurang ilmiah tetapi dapat memberikan hasil yang baik.
Metode kuantitatif merupakan prosedur peramalan yang mengikuti aturan-
aturan matematis dan statistik dalam menunjukan hububgan antara permintaan
dengan satu atau lebih variabel yang mempengaruhinya. Peramalan kuantitatif
mengasumsikan bahwa tingkat keeratan dan macam dari hubungan antara
variabel-variabel bebas dengan permintaan yang terjadi pada masa lalu akan
berulang pada masa akan datang.
3
Rosnani Ginting, Op.Cit., hlm. 41
4
Rosnani Ginting, Op.Cit., hlm. 43
4. Metode peramalan time series dan jenis-jenisnya.
5
Metode time series adalah metode yang digunakan untk menganalisis
serangkaian data yang merupakan fungsi dan waktu. Metode ini mengasumsikan
beberapa pola atau kombinasi pola berulang sepanjang waktu, dan pola dasarnya
dapat diidentifikasi, semata-mata atas dasar historis dari serial itu.
Adapun metode peramalan yang termasuk model time series adalah :
a. Metode Smoothing
Metode smoothing digunakan untuk mengurangi ketidakteraturan
ramalan berdasarkan data yang lalu dengan membuat rata-rata
tertimbang dari sederetan data masa lalu. Metode smoothing dapat
dibagi lagi menjadi beberapa metode, antara lain:
1) Moving Average
2) Metode Exponential Smoothing
b. Metode Proyeksi Kecenderungan dengan Regresi
Data yang dibutuhkan untuk metode ini adalah tahunan, minimal
lima tahun. Namun, semakin banyak data yang dimiliki semakin baik
hasil yang diperoleh.
c. Metode Dekomposisi
Langkah-langkah perhitungannya adalah sebagai berikut:
1. Ramalkan fungsi Y biasa (dt=a+bt)
2. Hitung nilai indeks
3. Gabungkan nilkai perolehan indeks kemudian ramalkan yang baru.
Time series model didasarkan pada serangkaian data-data berurutan yang
berjarak sama (misalnya: mingguan , bulanan, tahunan, dll). serangkaian data ini
yang merupakan serangkaian observasi berbagai variabel menurut waktu,
biasanya ditabulasikan dan digambarkan dalam bentuk grafik yang menunjukan
perilaku subyek. Time series sangat tepat dipakai untuk meramalkan permintaan
yang berpola permintaan dimasa lalunya cukup konsisten dalam periode waktu
yang lama, sehingga pola tersebut masih akan teteap berlanjut.
5
Rosnani Ginting, Op.Cit., hlm. 46-56.
5. Metode peramalan kausal
6
Metode kausal mengasumsikan faktor yang diperkirakan menunjukkan
adanya hubungan sebab akibat dengan satau atau beberapa variable bebas
(independen). Sebagai contoh, jumlah pendapatan berhubungan dengan faktor-
faktor seperti jumlah penjualan, harga jual, dan tingkat promosi. Kegunaan dari
metode kasual adalah untuk menemukan bentuk hubungan antara variable-
variabel tersebut dan menggunakannya untuk meramalkan nilai variable tidak
bebas (dependen).
Metode kausal terdiri atas beberapa metode, antara lain:
a. Metode regresi dan korelasi
Metode ini pada penetapan suatu persamaan estimasi menggunakan
teknik least squares.
b. Metode ekonometrik
Metode ini didasarkan atas peramalan sistem persamaan regresi yang
diestimasikan secara simultan.
c. Metode input-output
Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi
jangka panjang. Data yang dibutuhkan untuk penggunaan metode atau
model ini adalah data tahunan selama sekitar sepuluh sapai lima belas
tahun.
Model casual model adalah model peramalan yang mempertimbangkan
variabel-variabel atau vaktor-vaktor yang bisa mempengaruhi jumlah yang sedang
diramalkan. Atau lebih mudahnya bahwa Metode ini menggunakan pendekatan
sebab-akibat, dan bertujuan untuk meramalkan keadaan di masa yang akan datang
dengan menemukan dan mengukur beberapa variabel bebas (independen) yang
penting beserta pengaruhnya terhadap variabel tidak bebas yang akan diramalkan.
6
Rosnani Ginting, Op.Cit., hlm. 57
6. Pembagian cara atau metode pengukuran kesalahan (error) dalam
peramalan
7
Suatu metode peramalan dikatakan bagus jika metode tersebut berhasil
meramalkan sesuatu dengan tepat. Untuk mengukur error atau kesalahan dalam
peramalan ialah menggunakan percentage error (PE) dan mean absolut
percentage error(MAPE).
1. Percentage Error (PEt)
X Ft
PE t t 100%
Xt
t 1
PE t
MAPE
N
Cara yang cukup sering digunakan dalam mengevaluasi hasil peramalan
yaitu dengan menggunakan metode mean absolute percentage error. Metode ini
melakukan perhitungan perbedaan antara data asli dan data hasil peramalan.
Perbedaan tersebut diabsolutekan, kemudian dihitung ke dalam bentuk persentase
terhadap data asli. Hasil persentase tersebut kemudian didapatkan nilai mean-nya.
Suatu model mempunyai kinerja sangat bagus jika nilai MAPE berada di bawah
10% dan mempunyai kinerja bagus jika nilai MAPE berada di antra 10% dan 20%.
Dalam semua situasi peramalan mengandung derajat ketidakpastian. Kita
mengenali fakta ini dengan memasukkan unsur kesalahan (error) dalam
perumusan sebuah peramalan deret waktu. Sumber penyimpangan dalam
peramalan bukan hanya disebabkan oleh unsur error , tetapi ketidakmampuan
suatu model peramalan mengenali unsur yang lain dalam deret data juga
mempengaruhi besarnya penyimpangan dalam peramalan.
7
Titania Dwi Andini dan Probo Auristandi, Peramalan Jumlah Stok Alat Tulis Kantor Di UD
ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing, (Malang :STMIK ASIA,
2016