KELOMPOK :4
EGA WULANDARI
ULFIA
TAHUN 2020
BAB 1
PENDAHULUAN
A.LATAR BELAKANG
dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu, karena suatu keputusan
itu berpengaruh terhadap keadaan masa dapan yang penuh dengan resiko dan ketidak pastian.
Resiko itu menunjuk keadaan yang tingkat ketidakpastiannya lebih rendah karena telah
mempergunakan data yang tersedia untuk meramalkan terjadinya suatu keadaan tertentu.
Sedangkan ketidakpastian menunjuk ada suatu keadaan yang benar-benar tidak ada data yang
dapat dipergunakan untuk memprediksi atau meramalkan terjadinya peristiwa tertentu.
Meskipun perusahaan tidak dapat membuat peramalan yang sama persisi dengan kenyataan,
namun peramalan sangat penting sebagai pedoman dalam membuat rencana.
Peramalan dapat dilakukan untuk jangka pendek, jangka menengah, maupun jangka panjang.
Untuk peramalan jangka pendek biasanya digunakan untuk merencanankan pembelian,
penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi. Untuk
peramalan jangka menengah misalnya mencakup penjualan, anggaran produksi, anggaran
kas, dan analisis bermacam-macam operasi. Sedangkan untuk jangka panjang diguakan untuk
merencanakan produk baru, pembelanjaan modal lokasi atau pembangunan fasilitas serta
enelitian pengembangan.
Analisis time series adalah salah satu model/teknik dalam forecasting dimana banyak
dilakukan dalam berbagai bidang, misal pertanian, teknik, ekonomi, geofisik dan kedokteran.
BAB II
PEMBAHASAN
a) Pengertian Forecast
Sebelum mengupas lebih dalam mengenai Time Series Model alangkah lebih baik kita tahu
apa yang dimaksud dengan forecasting. Forecasting atau peramalan adalah proses untuk
membuat pernyataan atas suatu kejadian dimana kejadian tersebut belum diketahui atau
diobservasi .
Menurut (Arman hakim: 2003, hal 25) peramalan adalah proses untuk memperkirakan
beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas,
kualitas, waktu dan lokasi yang dibutuhkan dalam ranka memenuhi permintaan barang
ataupun jasa.
Menurut Heizer (2005) Peramalan/forecasting adalah seni dan ilmu untuk memperikirakan
kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa
lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model yang
matematis, dan bisa juga dalam bentuk prediksi intuisi yang bersifat subjektif. Ataupun bisa
juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan
pertimbangan yang baik dari seorang manajer.
Setelah memahami berbagai istilah forecast menurut pendapat orang lain seperti di atas, jadi
forecast menurut saya adalah suatu kegiatan yang memperkirakan/menaksirkan suatu
kejadian yang akan datang dengan merujuk/menganalisis data-data yang ada, yang
kemungkinan dapat terjadi ataupun tidak terjadi.
b) Model/tenik forecast
Teknik peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa
mendatang secara sistematis dan pragmatis atas dasar data yang relevan pada masa yang lalu,
sehingga dengan demikian teknik peramalan diharapkan dapat memberikan objectivitas yang
lebih besar. Metode/teknik peramalan memberikan cara pengerjaan yang teratur dan terarah,
dengan demikian dapat dimungkinkan pengguna teknik-teknik pengaalisisan yang lebih maju,
yang dapat diharapkan memberikan tingkat kepercayaan atau keyakinan yang lebih besar,
karana dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.
Peramalan ini mancakup jangka waktu hingga 1 tahun tetapi umumnya kurang dari 3 bulan.
Peramalan ini biasanya digunakan untuk merencanakan pembelian, penjadwalan kerja,
penjualan, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.
Peramalan ini umumnya mencakup hitungan bulanan hingga waktu 3 tahun. Peramalan ini
berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas,
dan menganalisis bermacam-macam rencana operasi.
Umunya untuk waktu perencanaan masa 3 tahun atau lebih. Permalan jangka panjang
digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau
pengembangan fasilitas, serta penelitian dan pengembangan (litbang).
Sedangakan tipe peramalan berdasarkan aspek strategis dalam perencanaan operasi di masa
depan antara lain:
Time series adalah suatu himpunan pengamatan yang dibangun secara berurutan dalam
waktu. Waktu atau periode yang dibutuhkan untuk melakukan suatu peramalan itu biasanya
disebut sebagai lead time yang bervariasi pada tiap persoalan. Berdasarkan himpunan
pengamatan yang tersedia maka time series dikatakan kontinu jika himpunan pengamatan
tersebut adalah kontinu dan dikatakan diskrit bila himpunan pengatamatan tersebut juga
diskrit.
Pendekatan Ekonomi
Pendekatan Statistik
Pendekatan Visual
b. Komponen data time series ini sebagai penentuan pola data:
1) Siklus Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek (sekitar
2-10 tahun). Lamanya dan besarnya fluktuasi juga sangat beragam dari perusahaan ke
perusahaan, dan dari industri ke industri.
Gerakan / variasi siklis adalah gerakan / variasi jangka panjang disekitar garis trend (berlaku
untuk data tahunan). Gerakan siklis ini bisa terulang setelah jangka waktu tertentu dan bisa
juga terulang dalam jangka waktu yang sama. contoh gerakan siklis yakni kemakmuran
(prosperity), kemunduran (recession), depresi (depression), dan pemulihan (recovery)
Penjualan produk dapat memiliki siklus yang berulang secara periodik. Banyak produk
dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki kecenderungan
periodic. Komponen siklis ini sangat berguna dalam peramalan jangka menengah. Pola data
ini terjadi bila data memiliki kecendrungan untuk naik atau turun terus-menerus.
2) Musiman Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada
beberapa penyebab timbulnya fluktuasi musiman seperti disebutkan di muka:
(1) Karena peristiwa tertentu, misal karena peristiwa lebaran atau tahun baru,
Perkataan musim menggambarkan pola penjualan yang berulang setiap periode. Komponen
musim dapat dijabarkan ke dalam faktor cuaca, libur, atau kecenderungan perdagangan. Pola
musiman berguna dalam meramalkan penjualan dalam jangka pendek. Pola data ini terjadi
bila nilai data sangat dipengaruhi oleh musim
Gerakan / variasi musiman adalah gerakan yang mempunyai pola tetap dari waktu ke waktu,
misalnya naiknya harga pohon cemara menjelang Natal, menurunnya harga beras pada waktu
panen, dan lain sebagainya. Walaupun pada umumnya gerakan musiman terjadi pada data
bulanan yang dikumpulkan dari tahun ke tahun, namun juga berlaku bagi data harian,
mingguan, atau satuan waktu yang lebih kecil lagi.
Misalkan suatu perusahaan mengalami musibah karena salah satu gudangnya terbakar, maka
data keuntungan perusahaan pada periode tersebut akan terpengaruh. Dalam beberapa situasi,
analis ingin memecaha data time-series ke dalam empat komponen tersebut
Gerakan / variasi yang tidak tetap adalah gerakan / variasi yang sifatnya sporadis, misalnya
naik-turunnya produksi akibat banjir yang datangnya tidak teratur.
4) Trend Trend merupakan pergerakan time series dalam jangka panjang, bisa
merupakan tren naik atau turun. Diperlukan waktu jangka panjang (15 atau 20 tahun) untuk
melihat pola tren tersebut. Tren tersebut bisa dipengaruhi oleh perubahan jumlah penduduk,
perubahan teknologi, dan semacamnya.
Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah perkembangan
secara umum (kecenderungan menaik / menurun). Garis trend sangat berguna untuk membuat
ramalan (forecasting) yang sangat diperlukan bagi perencanaan.
Metode Peramalan
A. 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.
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.
b. 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.
c. 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.
B. 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.
Forecast berdasarkan statistik
2. Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk memisahkan sinyal
dari noise yang masuk ke sistem. Metoda ini menggunakan pendekatan model state space
dengan asumsi white noise memiliki distribusi Gaussian.
3. Bayesian merupakan metode yang menggunakan state space berdasarkan model dinamis
linear (dynamical linear model). Sebagai contoh: menentukan diagnosa suatu penyakit
berdasarkan data-data gejala (hipertensi atau sakit jantung).
4. Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang bersifat musiman
dengan cara membuat keseimbangan rata-rata dari data masa lampau.
a. Metode Rata – Rata
Metode rata-rata bergerak tunggal
Metode rata-rata bergerak ganda
Menghitung rata-rata bergerak pertam
Menghitung rata-rata bergerak kedua
Menentukan besarnya nilai at (konstana)
Menentukan besarnya nilai bt (slope).
Dimana V= jangka waktu rata-rata bergerak
Menentukan ramalan.
Dimana m =jangka waktu peramalan ke depan
b. Metode Pemulusan (Smoothing) Eksponensial
Bentuk umumnya
Ft+1 = αXt + (1 – α)Ft
Ft+1 = αXt + α(1 – α)Xt-1 +α(1 – α)2Xt-2 + ……………+ (1 – α)N Ft+(N-1)
Dengan :
Ft+1 = ramalan suatu periode ke depan
Xt = data aktual periode t
Ft = ramalan pada periode
α = parameter pemulusan (0<α<1)
5. Regresi menggunakan dummy variabel dalam formulasi matematisnya. Sebagai contoh:
kemampuan dalam meramal sales suatu produk berdasarkan hargan
Time series regression merupakan model yang digunakan untuk tujuan peramalan dimana
variabel dependen ( yt ) dan variabel prediktor merupakan deretan waktu. Model time series
regression sebagaimana tertulis pada Bowerman dan O’Connell (1993) adalah
,
dengan
= nilai observasi pada periode t
= trend pada periode t
= faktor musiman pada periode t
= error pada periode t
Pada model musiman dengan pendekatan regresi maka faktor musiman dimodelkan melalui
variabel dummy (Cryer, 1986; Bowerman dan O’Connell, 1993)
d. Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri – ciri
penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam
mempersiapkan peramalan.
Ada 6 (enam) faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan,
yaitu :
Horizon Waktu
Ada 2 (dua) aspek dari Horizon Waktu yang berhubungan dengan masing – masing metode
peramalan. Pertama adalah cakupan waktu dimasa yang akan datang, kedua adalah jumlah
periode untuk peramalan yang diinginkan.
Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam – macam dari pola yang
didapati didalam data yang diramalkan akan berkelanjutan.
Jenis dari Model
Model – model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang
penting untuk menentukan perubahan – perubahan dalam pola. Model – model perlu
diperhatikan karena masing – masing model mempunyai kemampuan yang berbeda dalam
analisa keadaan untuk pengambilan keputusan.
Biaya yang Dibutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu prosedur
peramalan, yaitu biaya – biaya pengembangan, penyimpanan (Storage) data, operasi
pelaksanaan dan kesempatan dalam penggunaan teknik – teknik dan metode lainnya.
Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya
dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
Kemudahan dalam Penerapan
Metode – metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu
prinsip umum bagi pengambil keputusan.
Contoh Kasus
1. A. Dibawah ini menunjukkan data PT FAFAUZI tahun 2009-2013.
NO TAHUN PENJUALAN (Y)
1 2009 110
2 2010 125
3 2011 150
4 2012 185
5 2013 210
JUMLAH 5 780
Berapakah ramalan penjualan untuk tahun yang akan datang atau tahun 2014?
JAWAB:
ANALISIS MENGGUNAKAN METODE LEAST SQUARE DATA GANJIL
PT FAFAUZI
NO TAHUN PENJUALA PREDIKSI X^2 XY
N (Y) (X)
3 2011 150 0 0 0
b = 260 = 26
5
maka persamaan least squarenya adalah dimana nilai
Y = a + bX
Y = 156 + 26X
Maka ramalan penjualan untuk tahun 2014 yang memiliki angka X=3 tahun yang berikutnnya
yang dicari:
Y (2014) = 156 + 26 (3)
Y (2014) = 156 + 78
Y (2014) = 234 unit
b. Dibawah ini adalah data ramalan penjualan PT ABANGJUNK pada tahun 2009-2012.
NO TAHUN PENJUALAN (Y)
1 2009 145
2 2010 150
3 2011 165
4 2012 170
JUMLAH 5 630 0 20 90
2. Dibawah ini adalah permintaan musiman untuk penjualan sepatu olahraga PT SHOEZI
setiap triwulan dari tahun 2009-2013 (dalam ribuan lusin)
Tahun Tri wulan I Tri wulan II Tri wulan III Tri wulan IV
Berapakah permintaan musiman untuk penjualan sepatu olahraga PT SHOEZI pada tahun
2014 mendatang?
JAWAB:
A. ANALISIS MENGGUNAKAN METODE TIME SERIES (RATA-RATA BERGERAK
SEDERHANA / SIMPLE MOVING AVERAGE).
Tahun Tri Tri Tri Tri ∑y x x.y
wulan wulan wulan wulan
(Tri
I II III IV wulan)
b= ∑x.y = 2.252 = 225.2
∑ 10
maka persamaan simple moving average adalah
Y = a + bX
Y = 1.405,5 + 225,2X
Maka permintaan untuk ramalan penjualan tahun 2014 :
Y (2014) = 1.405,5 + 225,2 (3)
Y (2014) = 1.405,5 +675,6
Y (2014) = 2.080,8
Jadi, permintaan ramalan untuk penjualan tahun 2014 setiap Tri Wulan adalah:
Tri Wulan I = 0,026 x 2.080,8 = 55
Tri Wulan II = 0,0265 x 2.080,8 = 552
Tri Wulan III = 0,204 x 2.080,8 = 425
Tri Wulan IV = 0,505 x 2.080,8 = 1.051
Semua jawaban dibulatkan ke atas karena satuan unit.
B. ANALISIS MENGGUNAKAN METODE TIME SERIES (RATA-RATA BERGERAK
TERTIMBANG / WIGHTED MOVING AVERAGE).
TAHUN TRI VOLUME RATA- TITIK IM =
Tahun WULAN PENJUALA
Tri wulan Tri wulan RATA Tri 4 TENGAH
Tri VP∑y: TT
N PERIODE
wulan (TT)
wulan
2009 I I 25 II (Tri wulan)
II 275 III IV
III 150
2009 IV - 525 - 0,6138 2,1053 2,7191
2010 I 30
II 310
2010 0,1143 1,0948 0,7509 2,0350 3,995
III 220
IV 610
2011 2011 I 0,1083 341,0774 0,8213 1,9821 3,9891
II 360
2012 III 0,1132 2851,0704 0,8010 1,9401 3,9247
IV 705
2012 2013 I 0,1144 421,0929 - - 1,2073
II 420
∑ III 0,4522 350 4,3405 3,0460 8,0625 15,9012
IV 810
2013
Rata-rata I 0,1131 501,0852 0,7615 8,0625
II 500
III 425
IV 900
Maka,
permintaan
peramalan pernjualan untuk tahun 2014 masing-masing Tri Wulan adalah:
Cara menghitung = (Rata-rata masing-masing Tri Wulan x titik tengah paling tinggi)
Tri Wulan I = 0,1131 x 436,875 =
Tri Wulan II = 1,0852 x 457,5 =
Tri Wulan III = 0,7615 x =
Tri Wulan IV = 8,0625 x =
BAB III
PENUTUP
KESIMPULAN
DAFTAR PUSTAKA
Nyongandri.blogspot.com/2012/03/teknik-teknik-dalam-forecasting.html