FORECASTING

DINTA KANIA SYARIF

2018150003

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS SAHID

JAKARTA

2020
 PENDAHULUAN

Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan terjadi pada

masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan

diperkirakan akan terjadi pada masa yang akan datang. Teknik peramalan dibagi menjadi dua,

yaitu model peramalan yang didasarkan pada model matematika statistik seperti, moving

average, exponential smoothing, ARIMA, SARIMA dan regresi. Model kedua adalah model

peramalan yang didasarkan pada kecerdasan buatan seperti neural network, algoritma genetika,

dan klasifikasi. Dalam perkembangan selanjutnya digunakanlah metode soft computing. Metode

soft computing ini sebagai pendekatan model time series yang tidak memerlukan asumsi pada

model statistika dan lebih fleksibel. Arti fleksibel pada soft computing adalah model dapat

berubah sesuai dengan keadaan pada saat digunakan. Beberapa asumsi model statistika yaitu uji

normalitas, uji linearitas dan uji homogenitas. Metode soft computing adalah model pendekatan

yang digunakan untuk komputasi dengan meniru kemampuan akal manusia untuk menalar dan

belajar pada lingkungan yang penuh dengan ketidaktetapan dan ketidakpastian (Jang & Mizutani,

1997:1). Beberapa contoh dari metode soft computing adalah Neural Network (NN) , Genetic

Algorithm dan sebagainya. Neural Network (NN) adalah sistem pemrosesan informasi yang

memiliki karakteristik mirip dengan jaringan saraf biologis. Model NN efektif digunakan untuk

peramalan. Beberapa penelitian mengenai peramalan menggunakan NN sangatlah banyak, salah

satunya adalah Hippert (2005). Dalam penelitiannya tersebut, Hippert (2005) menggunakan

metode NN untuk meramalkan beban listrik di Kota Rio de Jeneiro, Brazil. Pada tahun 2007, Pao

(2007) menggunakan NN untuk meramalkan harga pasar listrik di European Energy Exchange

(EEX). Beberapa kelebihan dari pemodelan menggunakan NN adalah tidak memerlukan asumsi

seperti normalitas pada data yang seringkali sulit dipenuhi, karena data dapat digunakan secara
langsung dan mampu memberikan model yang mendekati sistem nyata. Salah satu contoh asumsi

yang biasa digunakan adalah asumsi uji normalitas. Seiring dengan perkembangan ilmu

pengetahuan, NN dikembangkan dalam bidang peramalan. Salah satu peramalan bertipe NN

adalah model Radial Basis Function Neural Network (RBFNN). Model RBFNN terdiri atas

lapisan masukan (input layer), lapisan tersembunyi (hidden layer) dan lapisan keluaran (output

layer). Karakteristik khusus dari RBFNN yang pertama adalah hanya memiliki bobot pada

jaringan yang terhubung dari lapisan tersembunyi ke lapisan output. Kedua, model RBFNN

menggunakan pembelajaran hybrid atau penggabungan antara supervised learning (pembelajaran

terawasi) dan unsupervised learning (pembelajaran tak terawasi). Ketiga, RBFNN hanya

memiliki satu lapisan tersembunyi. Terdapat fungsi aktifitas pada lapisan hidden dan

mengeluarkan nilai berupa persamaan nonlinear, sedangkan pada lapisan output atau akhir proses

RBFNN mengeluarkan nilai berupa persamaan linear

 LANDASAN TEORI

I. Pengertian

Perkiraan atau forecasting adalah metode yang biasanya hanya terkait denganpenganggaran,

namun memegang peranan penting dalam proses menghitung berapa banyak stok yang

diperlukan untuk mempertahankan pembelian dan persediaan pada tingkat yang sesuai.

Berikut ini definisi perkiraan atau forecasting menurut para ahli :

 Menurut Nasution dan Prasetyawan (2008:29), peramalan adalah proses untuk

memperkirakan beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam

ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi

permintaan barang ataupun jasa.

 Menurut Sumayang (2003:24), peramalan adalah perhitungan yang objektif dan

denganmenggunakan data-data masa lalu, untuk menentukan sesuatu di masa yang akan

datang. 

 Menurut Supranto (2000), ramalan merupakan dugaan atau perkiraan mengenai

terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Ramalan bisa bersifat

kualitatif, artinya tidak berbentuk angka dan bisa bersifat kuantitatif, artinya berbentuk

angka, dinyatakan dalam bilangan. 

 Menurut Heizer dan Render (2009:162), peramalan (forecasting) adalah seni dan ilmu

untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan

melibatkan pengambilan data historis dan memproyeksikannya ke masa

mendatangdengan suatu bentuk model matematis. Selain itu, bisa juga merupakan

prediksi intuisi yang bersifat subjektif. Atau dapat juga dilakukan dengan menggunakan
 kombinasimodel matematis yang disesuaikan dengan pertimbangan yang baik dari

seorang manajer.

 Menurut Murahartawaty (2009:41), peramalan adalah penggunaan data masa lalu

darisebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang

akandatang. Jika kita dapat memprediksi apa yang terjadi di masa depan maka kita dapat

mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa

yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus berulang setidaknya

dalam masa mendatang yang relatif dekat.

Dalam forecasting atau perkiraan pembeli harus tahu ;

 Apa yang telah dijual,

 Hari penjualan,

 Waktu penjualan periode hari itu dijual ( misalnya : sarapan, makan siang, makan malam,

e.t.c ),

 Berapa harga jualnya.

Informasi ini membantu pembeli dalam memperkirakan jumlah stok yang diperlukan untuk

mengisi persediaan dan kualitas stok yang diperlukan. Karena itu membantu dalam memilih

pemasok. Informasi penjualan sering disebut ‘ Sales Mix ‘ ( bauran penjualan ). Dengan

mengetahui jumlah penjualan yang mungkin terjadi pada masing – masing barang, pembeli dapat

menentukan jumlah yang benar untuk dibeli. Mengingat bahwa informasi historis tentu saja

hanya sebuah panduan, itu dapat dinilai dalam kaitannya dengan tren saat ini dan kondisi pasar.

Informasi penjualan mudah disiapkan dengan penggunaan register kas elektronik ( ECR ) dengan

‘ Price Look Ups ‘ ( PLU ) yang melacak setiap penjualan ketika terjadi, atau dengan cara
manual, yang padadasarnya memberikan informasi yang sama. Manfaat dari pelacakan penjualan

dan menggunakan bauran penjualan untuk membantu dalam meramalkan kebutuhan pembelian

adalah bahwa manajemen dapat menambahkan informasi variable lain yang berubah di pasar dan

menciptakan perkiraan yang berarti untuk bisnis mereka. Contoh pengaruh pasar lainnya adalah :

 Acara khusus,

 Pesaing membuka atau menutup,

 Perubahan musiman.

II. Fungsi dan tujuan ( Forecasting )

Fungsi peramalan atau forecasting terlihat pada saat pengambilan keputusan. Keputusan yang

baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu

keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun, maka masalah

peramalan juga merupakan masalah yang selalu kita hadapi (Ginting, 2007). Menurut Heizer dan

Render (2009:47), peramalan atau forecasting memilikitujuan 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. 

3. Peramalan merupakan dasar penyusutan bisnis pada suatu perusahaansehingga dapat

meningkatkan efektivitas suatu rencana bisnis.

III. Jenis - jenis peramalan ( Forecasting )

Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tigaJenis, 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 dimasa depan, peramalan atau

forecasting dibagi menjadi tiga jenis, yaitu :

1. Peramalan ekonomi (economic forecast), peramalan ini menjelaskan siklus bisnis dengan

memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun

perumahan dan indikator perencanaan lainnya. 

2. Peramalan teknologi (technological forecast), peramalan ini memperhatikan tingkat

kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang

membutuhkan pabrik dan peralatan yang baru.

3. Peramalan permintaan (demand forecast), adalah proyeksi permintaan untuk produk atau

layanan perusahaan. Proyeksi permintaan untuk produkatau layanan suatu perusahaan.

 Peramalan ini juga disebut peramalanpenjualan yang mengendalikan produksi, kapasitas,

serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan

sumber daya manusia.

Berdasarkan jenis data ramalan yang disusun, peramalan dibagi menjadi dua jenis, yaitu

Saputro dan Asri 2000:148 ) :

1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu.

Hasil ramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini

penting karena peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat

intuisi, pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya

peramalan secara kualitatif ini didasarkan atas hasil penyelidikan, seperti pendapat

salesman, pendapat sales manajer pendapat para ahli dan survey konsumen. 

2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data penjualan pada masa

lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan

dalam peramalan tersebut. Penggunaan metode yang berbeda akan diperoleh hasil yang

berbeda pula.
Berdasarkan sifat penyusunannya, peramalan dibagi menjadi dua jenis, yaitu (Ginting,

2007) :

1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari

orang yang menyusunnya. 

2. Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa

lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaa

IV. Isi laporan forcast hotel

Laporan forcast hotel tersebut berupa poin dibawah ini :

1. Nilai tingkat hunian kamar atau jumlah event dalam seminggu atau sebulan kedepan Hal ini

bertujuan untuk mengetahui seberapa besar level kesibukan yang akandilalui oleh hotel.

Besar kecilnya volume bisnis sangat berpengaruh terhadap

 Penentuan jumlah pekerja yang akan digunakan

Forecast berguna untuk menentukan jumlah tenaga kerja yang dibutuhkan sesuai dengan

beban kerja yang akan dilalui dimasa yang akan datang. Misalnya : untuk menjaga kualitas,

ketika volume binis tinggi, maka semakin banyak pula jumlah pekerja yang dibutuhkan.

Sehingga, dengan menambah jumlah tenaga casual/daily worker, kualitas akan tetap terjaga.

Sebaliknya, ketika volume bisnis menurun maka jumlahnya dikurangi.

Sehingga, beban variable cost menjadi berkurang. Hal ini akan berdampak pada financial

statement diakhir bulan. Human resource manager sebagai partner bisnis memastikan nilai

produktivitas yang selaras dengan strategi bisnis yang akan dilalui.

 Mengatur ketersediaan stock

 Forecast sangat berguna untuk mengendalikan ketersediaan dan perputaran stock.

Contohnya, stok amenities yang ada dikamar hotel seperti sabun, sampo, pasta gigi dan

lainnya. Selain itu, forecast juga berfungsi untuk mengendalikan ketersediaan stock untuk

keperluan makanan dan minuman. Dengan meneliti laporan forecast bisa melihat dan

membandingkan antara stock yang dimiliki saat ini dengan rencana pembelian barang –

barang keperluan operasional sesuai dengan volume bisnis. Sehingga, tidak ada penimbunan

stok yang beresiko rusak atau kekurangan stock yang berdampak kepada kualitas pelayanan.

 Menentukan perkiraan energy cost

Dengan memiliki forecast juga dapat melihat perkiraan energy yang akan dikeluarkan.

Sehingga dapat mengoptimalkan nilai yang sesuai dengan volume bisnis.

2. Perkiraan pendapatan ( Revenue )

Komponen laporan forecast lainnya adalah perkiraan sumber – sumber pendapatan hotel.

Sehingga, dari forecast tersebut dapat melihat seberapa besar nilai proyeksi pendapatan yang

akan dihasilkan. Lalu dapat membandingkan dengan target pendapatan yang harus dicapai

( budget ). Sehingga, jika pada forecast terlihat dibawah target budget masih memiliki waktu

untuk mencari berbagai strategi untuk mencapainya.

3. Average Daily Rate ( ADR )

Komponen penting dalam laporan forecast lainnya adalah average daily rate ( ADR ). Komponen

ini sangat penting sebagai alat ukur harga kamar yang kita jual sesuai dengan posisi merek hotel

kita di pasar. Dengan memiliki forecast dapat melihat besaran permintaan ( demand ) yang ada di

hotel. Sehingga, dapat mengambil keputusan untuk menerapkan Dynamic Pricing di hotel untuk

menyeimbangkan nilai bisnis dan tingkat hunian yang ideal.

V. System control yang mendukung perkiraan ( forecosting )

Di industry perhotelan kita mengenal :

 System pembelian yang menetapkan pedoman pembelian terkait dengan kualitas,

kuantitas, harga, dan ketersediaan stock barang.

 System pemesanan yang menyatakan seberapa sering / frekuensi pembelian akan terjadi.

Oleh karena itu keduanya terkait erat dan merupakan bagian dari proses pengendalian persediaan

secara keseluruhan dalam bisnis perhotelan. Karena sifat barang yang digunakan dalam industry

perhotelan, control harus didasarkan pada frekuensi penggunaan dan frekuensi pemesanan.

Karena itu harus mempertimbangkan :

 Lead time pemasok.

 Masa simpan produk.

 Kebutuhan penyimpanan produk

 Biaya pembelian per unit.