PENDAHULUAN
Peramalan yang buruk akan menghasilkan keputusan bisnis yang salah dan
membuat perusahaan tidak siap untuk memenuhi tuntutan masa depan sehingga akan
sangat membahayakan perusahaan itu sendiri. Konsekuensinya dapat berupa
hilangnya pelanggan atau menderita kerugian yang besar atau bahkan memaksa
perusahaan yang bersangkutan keluar dari bisnisnya. Dan tentunya, sebuah Peramalan
atau Forecasting yang baik dan akurat dapat membantu perusahaan dalam
mempersiapkan semua sumber dayanya untuk menghadapi semua tuntutan di masa
depan sehingga dapat menguntungkan perusahaan tersebut dan memenangi
persaingan bisnisnya.
Dalam analisis time series yang menjadi variabel yang dicari adalah waktu.
Metode peramalan ini terdiri dari :
Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan
mempengaruhi hasil peramalan.
Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode
regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :
a. Adanya informasi masa lalu
b. Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)
c. Diasumsikan bahwa pola data yang ada dari data masa lalu akan
berkelanjutan dimasa yang akan datang.
a. Musiman (Seasonal)
b. Horizontal (Stationary)
c. Siklus (Cylikal)
d. Trend
Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat
digunakan yaitu :
Y = F (x)
Dimana :
Y=a+bx
Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a
dapat digunakan dengan menggunakan rumus :
a = Y b x
b=
XYXY
X 2
X X
Cross section method atau casual method atau sebab akibat merupakan
peramalan yang kita lakukan untuk mengukur peramalan dalam suatu periode dengan
faktor yang mempengaruhinya bukan waktu.
Penggunaan rumusan yang kita gunakan untuk cross section sama dengan
penerapan untuk metode time series, begitu puka dngan hasil pramalannya.
Y=a+bx
Y = F (x)
Dimana :
Y = a + b X....................
Dimana a dan b adalah merupakan parameter (koefisien regresi) yang harus dicari.
Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :
a=
Y b X
n n
atau :
a= Y -b X
n XY X Y
b=
n X 2 ( X ) 2
atau
b=
XY X Y
X2 X X
Pertama, uji Test Koefisien Penentu (R2), pengetesan ini untuk mengetahui tepat
tidaknya varibel yang mempengaruhi besarnya penjualan yang diramalkan adalah
waktu.
Kedua, Test Significance (T.Test) atau F test yaitu pengetesan untuk mengetahui
apakah benar persamaan regresi itu adalah linier.
Pengujian R2.
R =1–
2 e 2
y 2
Dimana,
e 2
= y2 – b2 ( x 2 )
y 2
= Y2 – n ( Y )2
x 2
= X2 – n ( X )2
Test Significance
Tujuan test ini menguji dan meneliti apakah regresi yang digunakan dalam
menyususn ramalan adalah benar linier, dimana data yang diteliti tepat berada
disekitar garis linier.
1. F. Test
Tujuannya adalah untuk mengetahui apakah nilai estimasi dari a dan b dapat
bervariasi karena pengaruh sampling/ random.
(Y Y ) 2
F= k 1
(Y Y ) 2
nk
Dimana :
n = jumlah tahun
atau kita juga menggunakan rumus sebagai berikut :
R2
F = k 12
1 R
nk
Hasil Frasio kemudian kita bandingkan dengan Ftabel apabila F rasio>Ftabel, maka
secara statistik koefisien b adalah significance berbeda dengan nol (0), sehingga
persamaan regresi dapatdilakukan secara benar dengan bentuk persamaan sebagai
berikut :
1. Y = a = b x
Demikian pula sebaliknya jika Frasio<Ftabel
2. Persamaan T. Test
Test ini dikenal dengan nama student-t didistribusikan untuk menguji
a dan b dengan formula :
a
ttest a = ttest b =
a
Ttest > Ttabel (Tdistribusi), maka tinkat keyakinan tertentu (R) dapat
disimpulkan bahwa nilai koefisien regresi a dan b secara statistic berbeda dari
(0) dan demikian pula sebaliknya.
Y = a + b x + c x2
∑y = n a + b ∑x + c ∑x2
Menurut Heizer dan Render (2009:47), peramalan atau forecasting memiliki tujuan
sebagai berikut:
1. Untuk mengkaji kebijakan perusahaan yang berlaku saat ini dan 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.
Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tiga
jenis, yaitu (Herjanto, 2008:78):
1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 18
bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.
2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18
bulan. Misalnya, peramalan untuk perencanaan penjualan, perencanaan
produksi dan perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3
bulan. Misalnya, peramalan dalam hubungannya dengan perencanaan
pembelian material, penjadwalan kerja dan penugasan karyawan.
Berdasarkan fungsi dan perencanaan operasi di masa depan, peramalan atau
forecasting dibagi menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):
Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan
waktu sebagai axis (X).
Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa
model peramalan yang diperkirakan dapat mewakili pola tersebut.
4. Lakukan Peramalan
5. Hitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil
peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai
aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau
deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)
t = Periode peramalan
Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of
Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)
7. Lakukan Verifikasi
DAFTAR PUSTAKA
https://www.kajianpustaka.com/2017/11/pengertian-fungsi-dan-jenis-peramalan-
forecasting.html
https://ilmumanajemenindustri.com/pengertian-peramalan-forecasting/
https://www.pelajaran.co.id/2017/08/pengertian-peramalan-forecasting-fungsi-manfaat-
tujuan-metode-dan-jenisnya.html
https://www.dosenpendidikan.co.id/forecasting-adalah/
https://id.scribd.com/doc/315231278/Makalah-Peramalan