MANAJEMEN
RANTAI
PASOK
PERAMALAN PASOKAN
05
Abstract Kompetensi
Metode peramalan dalam rantai pasok Mahasiswa diminta untuk memahami
sangat memiliki peran penting, karena dan menjelaskan peramalan dalam
merupakan dasar dari semua rantai pasok
keputusan.
Pembahasan
Indikator Pembelajaran
Tingkat Kemampuan
Mampu menjelaskan dan membuat Peramalan Pasokan dan Permintaan
Dengan menggunakan metode trend dan regresi linear berganda.
Peramalan
Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang
dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
bahwa peramalan merupakan kegiatan untuk mengetahui nilai variabel yang dijelaskan (variabel
dependen) pada masa akan datang dengan mempelajari variabel independen pada masa lalu,
yaitu dengan menganalisis pola data dan melakukan ekstrapolasi bagi nilai-nilai masa datang.
Metode peramalan kuantitatif dijelaskan Supranto (2000) terdiri dari metode pertimbangan,
metode regresi, metode kecendrungan (trend method), metode input output, dan metode
ekonometrika. Metode kecendrungan (trend method) menggunakan suatu fungsi seperti metode
regresi dengan variable X menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh
kriteria yaitu berkaitan dengan goodness of fit yang menunjukkan bagaimana model peramalan
dapat menghasilkan peramalan yang baik. Selain itu ada tiga kriteria yang perlu untuk
dipertimbangkan, yaitu:
1) Pola data;
2) Faktor biaya peramalan; dan
3) Faktor kemudahan.
Penentuan ketepatan peramalan pada umumnya berdasarkan beberapa metode, yaitu nilai Sidik
Ragam (F-Test), Koefisien determinasi, Kuadrat Tengah Galat (Mean Square Error (MSE), dan
Persentase Galat (Percentage Error (PE)).
Deret Waktu
Deret waktu adalah kumpulan data-data yang merupakan data historis dalam suatu periode waktu
tertentu. Data yang dapat dijadikan deret waktu harus bersifat kronologis, artinya data harus
mempunyai periode waktu yang berurutan. Misalnya data penjualan suatu perusahaan antara
tahun 2006-2011, maka datanya adalah penjualan tahun tahun 2006, tahun 2007, tahun 2008,
tahun 2009, tahun 2010, dan tahun 2011.
Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi
sepanjang waktu secara berurutan. Periode waktu dapat menggunakan tahun, kuartal, bulan,
minggu, hari atau jam. Runtut waktu dianalisis untuk menemukan pola variasi masa lalu.
Analisis deret waktu (time series analysis) dipakai untuk meramalkan kejadian di masa yang
akan dating berdasarkan urutan waktu sebelumnya. Ada beberapa teknik untuk meramalkan
kejadian di masa yang akan datang berdasarkan karakteristik data, misalnya teknik smoothing,
teknik siklus, dan teknik musiman.
Trend
Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat
digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan ekonomi, yang
terbaik adalah untuk melihat trend (atau trend-siklus) sebagai perubahan dengan halus dari waktu
ke waktu.
Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi sederhana seperti
garis lurus sepanjang periode untuk time series yang diamati jarang ditemukan. Seringkali fungsi
tersebut mudah dicocokkan dengan kurva trend pada suatu kurun waktu karena dua alasan, yaitu
fungsi tersebut menyediakan beberapa indikasi arah umum dari seri yang diamati, dan dapat
dihilangkan dari seri aslinya untuk mendapatkan gambar musiman lebih jelas.
Ada tiga trend yang diigunakan untuk meramalkan pergerakan keadaan pada masa yang akan
datang, yaitu:
1. Trend Linier
Sering kali data deret waktu jika digambarkan ke dalam plot mendekati garis luruus. Deret waktu
seperti inilah yang termasuk dalam trend linier. Persamaan trend linier adalah sebagai berikut:
Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan a adalah nilai intercept
dari Y, artinya nilai Yt akkan sama dengan a jika nilai t = 0. Kemudian b adalah nilai slope,
artinya besar kenaikan nilai Yt pada setiap nilai t. Dan nilai t sendiri adalah nilai tertentu yang
menunjukan periode waktu.
Trend Kuadratik
Persamaan untuk trend kuadratik adalah:
Tetapi dalam melakukan perhitungannya, persamaan di atas dapat diubah ke dalam bentuk semi
log, sehingga memudahkan untuk mencari nilai a dan b.
Trend Eksponensial
4. Memilih Trend Terbaik
Untuk membuat suatu keputusan yang akan dilakukan di masa yang akan datang berdasarkkan
deret waktu diperlukan suatu metode peramalan yang paling baik sehingga memiliki nilai
kesalahan yang cenderung kecil. Terdapat beberapa cara untuk menentukan metode peramalan
mana yang akan dipilih sebagai metode peramalan yang paling baik, diantaranya Mean Square
Error (MSE).
Untuk mencari MSE digunakan rumus sebagai berikut:
Dimana nilai e adalah selisih antara nilai Y dengan peramalan (Yt). Model yang memiliki MSE
paling kecil adalah model persamaan yang paling baik.
CONTOH KASUS
.............Penjualan Produk X pada tahun 2010 adalah sebagai berikut:
Wakt
Bulan Penjualan
u
1 Januari 1143
2 Februari 1037
3 Maret 857
4 April 757
5 Mei 948
6 Juni 660
7 Juli 683
8 Agustus 809
9 September 1078
10 Oktober 696
11 November 777
12 Desember 672
Jumlah 10117
Setelah itu masukan nilai a dan b ke dalam persamaan Yt = a + bt , sehingga menjadi sebuah
persamaan trend linier Yt = 843,08+ 13.t.
2) Trend Kuadratik
Setelah itu nilai a, b dan c dimasukan ke dalam persamaan Yt = a + bt + ct2 , sehingga
menjadi sebuah persamaan trend kuadratik Yt = 790,65 - 13.t + 1,1.t2.