A. Latar belakang
akandatang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi
yangdibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).
Peramalan memiliki estimasi nilai atau karakteristik masa depan yaitu prediksi (prediction),
peramalan (forecast), dan kecenderungan (trend). Peramalan bersifat tidak pasti (uncertain),
permintaan tidak pasti karena ada beberapa factor yaitu karena adanya kompetisi,
perilakukonsumen, siklus bisnis, upaya penjualan, siklus hidup produk, variasi random, dan
pendekatan, yaitu pendekatan kualitatif dan pendekatan kuantitaif (Makridakis, et.al., 1995).
Peramalan merupakan tahap awal dari perencanaan dan pengandalian produksi. Pada
hakekatnya peramalan merupakan suatu perkiraan terhadap keadaan yang akan terjadi di masa
yang akan datang. Keadaan masa yang akan datang yang dimaksud adalah:
Tujuan peramalan dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga
diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya. Peramalan tidak akan
pernah “perfect”, tetapi meskipun demikian hasil peramalan akan memberikan arahan bagi
suatu perencanaan.
B. Rumusan masalah
Bab 2 Pembahasan
1. Teknik Survei
Peramalan untuk mengadakan peramalan secara survei mengenai berbagai kecenderungan
ekonomi ialah supaya berbagi keputusan ekonomi dapat dibuat dengan baik sebelum
sesungguhnya dilakukan. Keputusan konsumen untuk membeli rumah, mobil, tv, mesin
cuci, mebe, liburan dan pendidikan dan barang-barang konsmsi penting lainnya diambil
setahun sebelumnya atau lebih. Jadi survei mengenai kecenderungan ekonomi dapat
memberi informasi dan dapat digunakan untuk meramalkan pembelian barang modal,
Beberapa survei yang sangat terkenal yang digunakan untuk meramalkan kegiatan
ekonomi pada umumnya dan kegiatan ekonomi di berbaga sektor perrkonomian adalah :
1. Survei tentang pabrik dan para eksekutif bisnis dan rencana pengeluaran untuk
lebih dari 50% pembelanjaan pabrik dan perlengkapan baru, dilaksanakan dua kali
2. Survei tenfang rencana perubahan inventori dan harapan penjualan. Ini dilaksana
Asosiasi Agen Pembelian Nasional, dan mereka melaporkan tentang rencana para
eksekutf bisnis mengenai perubahan inventory dan harapan akan penjualan di masa
mendatang.
oleh biro sensus dan Pusat Riset Survei Universitas Michigan, dan mereka
melaporkan to keinginan konsumen untuk membeli produk-produk spesifik,
termasuk rumah, peralatan konsumen, dan mobil. Hasilnya sering dipakai untuk
Umumnya, laporan dari survei-survei ini sudah cukup baik untuk meramalkan baik
pengeluaran aktual, kecuali dalam masa-masa gejolak politik internasional yang tak
diharank seperti perang atau ancaman perang. Apabila digunakan secara bersama-sama
$1 miliar setiap tahun untuk menanyakan kepada lebih dari 50 juta konsumen tentang
pendapat mereka mengenai berbagai produk barang dan jasa. Meskipun demikian,
semakin besar jumlah konsumen yang menolak ikut serta dalam surve riset pasar
karena waktunya tersita, privasinya hilang, dan adanya tekanan dari para penjual yang
beroperasi dengan selubung riset pasar Ini menimbulkan kesulitan yang semakin besar
Jajak Pendapat
kalangan bisnis, konsumen dan pemerintah sangat penting, namun biasanya perusahaan
sangat tergantung pada tingkat umum dari kegiatan ekonomi dan penjualan untuk
industri secara keselurua tetapi juga tergantung pada kebijakan yang digariskan oleh
pandangan mereka tentang masa depan penjualan dari perusahaan selama kuartal
atau tahun yang akan datang. Walaupun pandangan-pandangan pribadi itu lebih
banyak bersifat nsubjekti. namun dengan mengambil rata-rata pendapat para pakar
dapat sampai pada peramalan yang lebih baik daripada pendapat yang disampikan
2. Jajak pendapat tenaga penfual Ini adalah peramalan penjualan dari perusahaan di
tiap daerah pada setiap gugus produk: peramalan ini didasarkan pada pendapat
tenaga penjual yang ditugaskan di lapangan oleh perusahaan. Mereka adalah orang-
orang yang paling dekat dengan pasar, dan pendapat mereka mengenai penjualan di
perusahaan.
mobil, mebel, alat-alat rumah tangga, dan barang-barang tahan lama lainnya
yang ingin dibeli. Dengan menggunakan hasil jajak pendapat itu, perusahaan dapat
menghadapi persaingan yang semakin meningkat di dalam maupun di luar negeri dari
untuk meramalkan berbagai perubahan dalam pasar dan produk di luar negeri karena
hal ini memengaruhi tidak hanya ekspor perusahaan tetapi juga daya saingnya di dalam
negeri. Untuk mendapatkan perspektif luar ncgeri seperti itu, semakin banyak
orang-orang bisnis dari luar negeri, terutama di Eropa. Maksudnya adalah untuk
berkembang. Dasar pemikirannya adalah bahwa tidak ada cara yang lebih baik untuk
meramalkan dan menggambarkan apa yang terjadi di Eropa, kecuali meminta gagasan-
gagasan dari pemerintah dan para pemimpin bisnis yang ada di sana.
Sebagai contoh, General Motors mendapati bahwa Dewan Penasihat Eropa ternyata
abad baru. IBM minta bantuan para dewan penasihatnya di Eropa, Asia dan Amerika
para dewan luar negeri seperti itu adalah tidak perlu membuang-buang waktu untuk
masalah internasional yang bisa berdampak besar terhadap masa depan perusahaan
sebagai pesaing global Para dewan penisahaan biasanya terlalu disibukkan oleh
Salah satu peramlaan yang sering digunakan adalah analisis deret-waktu atau analisis data
deret-waktu. Data deret-waktu (time-series dasa) berhubungan dengan nilai-nilai suatu variabel
yang diatur secara kronologis menurut perhitungan hari, minggu, bulan. kuartal, atau tahun.
Langkah pertama dalam analisis deret-waktu biasanya adalah dengan mbarkan nilai-nilai variabel
terdahulu yang hendak diramalkan (catakanlah, penjualan rara visual gerakan deret-waktu pada
suatu jangka waktu. Analisis deret-waktu (time-series nalysis) mencoba meramalkan nilai-nilai
masa depan dari deret-waktu dengan mengkaji heberapa observasi data yang telah lalu saja.
Asumsinya adalah bahwa derei-waktù itu akan terus bergerak seperti di waktu yang lalu (artinya,
pola yang lalu akan tetap tidak berubah atau akan sama di waktu yang akan datang).
Jika kita meletakkan sebagian besar data deret-waktu, akan terungkap bahwa data tu
berfluktuasi atau berubah menurut waktu. Variasi ini biasayadiscbabkan oleh tren sekuler,
Buktuasi siklis, variasi musiman, dan pengaruh-pengaruh tak teratur atau acak. Sumber-sumber
dari variasi ini terlihat dalam Figur 5-1 dan dibahas secara singkat di bawah ini,
1. Tren sekuler (seculartrend) berhubungan dengan peningkatan atau pemurunan seri data
dalam jangka panjang (garis lurus tebal pada bagian atas Figur 5-1). Misalnya, banyak
2. Fluktuasi siklis (cyclicalfuctuations) adalah ekspansi dan konstruksi yang utama dalam
banyak deret-waktu ekonomi yang kelihatan berulang kembali setiap beberapa tahun
(garis bergelombang terputus-putus pada bagian atas Figur 5-1). Misalnya industri
konstruksi perumahan mengikuti ayunan siklis yang panjang meliputi 15 sampai 20
tahun, sedangkan industri mobil memperlihatkan siklus-siklus yang jauh lebih pendek.
terputus-putus pada bagian bawah Figur 5-1) disebabkan oleh cuaca dan kebiasaan-
kebiasaan sosial. Jadi, pembangunan perumahan biasanya jauh Iebih banyak dalam
musim semi dan musim panas daripada dalam musim dingin (disebabkan kondisi
cuaca), sedangkan penjualan cceran paling ramai selama kuartal terakhir setiap tahun
4. Pengaruh tak teratur atau acak (irregular or random influences) adalah variasi-variasi
dalam seri data disebabkan oleh perang, bencana alam, pemogokan, atau peristiwa-
peristiwa lain yang istimewa. Ini ditunjukkan oleh segmen garis tak terputus pada
Variasi total dalam deret-waktu penjualan (tidak terlihat dalam Figur 5-1) adalah hasil
kerja sama keempat faktor. Jadi, data penjualan yang asli akan memperlihatkan variasi-
membuat sketsa tentang data penjualan asli seperti itu).Oleh karena ayunan sikliş atau
siklus bisnis bisa berbeda-beda asa berlangsungnya dan bisa muncul karena berbagai
sebab yang bahkan sampai sekarang belum dipahami sepenuhnya, siklis bisnis
biasanya dikaji secara terpisah dengan leknik-leknik hanticatif yang lain (lihat Subbab
5-4). Demikian pula, pengaruh-pengaruh tak teratur atau acak dalam deret-waktu,
karena sifatnya yang acak dan tak teratur pengaruh-pengaruh itu tidak dikaji atau
diramalkan secara sistematis, Jadi, pada bagian ini kita berkonsentrasi pada peramalan
nilai-nilai data deret-waktu dengan hanya menggunakan tren jangka panjang dan
Proyeksi Tren
Bentuk paling sederhana dari analisis deret-waktu adalah memproyeksi tren masa lalu
dengan meletakkan suatu garis lurus pada data, baik secara visual atau lebih persis lagi
St = So + bt (5-1)
Dimana St adalah nilai deret-waktu yang diramalkan untuk periode t, S o adalah nilai
deret waktu yang diperkirakan (konstanta dari regeresi) dalam periode dasar (yaitu:
(musiman) mulai dari kuartal pertama 1997 (t = 1) sampai kuartal terakhir 2000 (t =
16) seperti terlihat pada tabel 5-2, akan diperoleh Persamaan 5-2 mengenai regresi
yang dierpkirakan.
(4,00)
Persamaan regresi 5-2 memperlihatkan bahwa penjualan listrik dalam kota pada
akhir tuartal 1999 (yakni So) diperkirakan sebanyak 11,90 KWH dan meningkat
dengan kecepatan rata-rata 0,394 juta KWH setiap kuartal. Variabel tren signifikan
secara statistik Jebih baik daripada tingkat 1 persen (diperoleh dari nilai 4 untuk
statistik t yang diberikan dalam kurung di bawah koefisien kemiringan yang diestimasi)
dan "menjelaskan" 50 persen dalam variasi kuartalan dari konsumsi listrik dalam kota
(dari R2 = 0,50). Jadi, berdasarkan tren yang lalu, kita bisa meramalkan konsumsi
Beberapa ramalan itu ditunjukkan olch titik-titik pada bagian yang putus-putus
dari garis yang diperpanjang sampai tahun 2004 pada Figur 5-2 (dengan mengabaikan
sementara titik-tiri yang dilingkari di atas dan di bawah garis). Perlu dicatat bahwa
nilai-nilai penjualan listrik diramalkan, tanpa membaca garis tren yang diperpanjang,
sama sekali variasi musiman yang sang signifikan dalam data (lihat figur), nilai-nilai
yang diramalkan tentunya akan jauh melencen dari nilainya yang aktual di masa
mendatang. Tetapi sebelumnya, kita akan memperlihatkan bagaimana mencocokkan
suatu tren laju pertumbuhan yang konstan (dalam persen) pada data yang sama.
Sementara asumsi tentang suatu jumlah perubahan absolut yang konstan setiap
periode waktu (dalam hal ini kuartal) mungkin tepat dalam banyak kasus, namun pada
yang konstan adalah lebih tepat (artinya, lebih cocok dengan data dan memberikan
ramalan yang lebih baik). laju pertumbuhan dengan persentase konstan dapat
dirumuskan sebagai:
S, = So (1 + g)t (5-3)
di mana g adalah laju pertumbuhan dengan persentase konstan yang diestimasi. Untuk
data yang telah ditransformasi iersebut. Persamaan regresi yang ditransformasi itu
In St = In So + tIn (1 + g) (5-4)
Baik tren linicar (pertumbuhan dengan jumlah konstan) maupun tren eksponensial
(pertumbuhan dengan peresentase konstan) bisa dicoba, dan tren yang lebih cocok
diberikan dalam Tabel 5-2 yang telah ditransformasi ke dalam log, 2 kita mendapat:
(4,06) (5-5)
Dalam kasus ini, kecocokan dari Persamaan 5-5 sangat mirip dengan persamaan 5-
didasarkan pada logaritma dari data, mereka harus dikonversikan ke dalam antilog-nya
agar bisa ditafsirkan ke dalam data aslinya. Antilog dari In S o = 2,49 adalah So = 12.06
memasukkan nilai 2,49 ke dalam kalkulator saku dan menekan kunci e untuk antilog),
Sebagai contoh, log dari 11 (nilai dalam Tabel 5-2 untuk kuartal pertama 2000)
adalah 2,40 (diperoleh dengan memasukkan nilai 11 ke dalam kalkulator dan tekan
tombol "In").
Variasi Musiman
Seperti yang telah kita lihat, nilai-nilai ramalan penjualan listrik yang dibaca
terpisah dari garis tren yang diperpanjang dalam Figur 5-2 hanya mempertimbangkan
faktor tren jangka panjang dalam data. Namun data untuk tahun-tahun 2000 sampai
2003 menunjukkan variasi musiman yang kuat, dengan penjualan pada kuartal tahun
pertama dan ketiga secara konsin berada di bawah nilai tren jangka panjang yang
terkait, sementara penjualan pada kuartal tabn kedua dan keempat secara konsisten
kita dapat memperbaiki perkiraan penjualan listrik dalam kor secara signifikan. Kita
dapat melakukan ini dengan menggunakan metode rasio-tren (ratio-totren) atau dengan
Untuk menyesuaikan perkiran tren bagi variasi musiman dengan metode rasio-
tren, kita hanya perlu menemukan rasio rata-rata di mana nilai aktual deret waktu
berbeda dengan nilai tren estimasi di setiap kuartal selama periode tahun 2000 sampai
2003 kemudian mengalikan nilai tren perkiraan dengan rasio ini. Nilai perkiraan tren
bagi setiap kuartal dalam periode 2000 ke 2003 didapatkan dengan mensubstitusi nilai t
yang berhubungan dengan kuartal yang bersangkutan ke dalam Persamaan 5-2 dan
untuk Persamaan 5-2. Tabel 5-3 menunjukkan kalkulasi untuk penyesuaian musiman
bagi ramalan penjualan listrik untuk setiap kuartal dalam tahun 2000 dari garis trên
yang telah diramalkan sebelumnya (dari perpanjangan sederhana tren linear) dengan
faktor musiman yang telah diestimasi pada Tabel 5-3, ( Yaitu 0,887 untuk kuartal
pertama, 1,165 untuk kuartal kedua, dan seterusnya) kita mendapatkan ramalan yang
untuk penjualan listrik sama dengan pola musiman yang lalu dalam data deret-waktu
sepanjang tren linear yang meningkat. Hasil yang sama bisa diperoleh dengan
terakhir sebagai periode dasar dan menentukan variabel dummy D, melalui deret-waktu
dengan angka 1 dalam kuartal pertama setiap tahun dan nol untuk kuartal-kurtal lain,
dan D, dengan angka 1 dalam kuartal kedua dan nol untuk kuartal-kuartal yang lain,
dan D, dengan angka 1 untuk kuartal ketiga dan nol untuk kuartal-kuartal yang lain,
kita memperoleh hasil-hasil berikut dengan menjalankan regresi dari penjualan listrik
C. Teknik Penghalusan
techniques). Teknik itu meramalkan suatu deret-waktu atas dasar beberapa rata-rata dati sil
nilainya yang lalu saja. Teknik penghalusan bermanfaat apabila deret-waktu menunjukan
sedikit tren atau variasi musiman tetapi memperlihatkan banyak variasi tak teratur eacak.
Variasi tak teratur atau acak di dalam deret-waktu kemudian diperhalus, dan nila yang akan
datang diramalkan berdasarkan rata-rata dari pengamatan-pengamatan yang lal Dalam bagian
ini kita membahas dua teknik penghalusan: rata-rata bergerak dan penglulus eksponensial.
Rata-rata Bergerak
Teknik penghalusan yang paling sederhana adalah rata-rata bergerak (movingaverage) Disini
nilai yang diramalkan dari suatu deret-waktu dalam periode tertentu (bulan, kuartal dsb) sama
dengan nilai rata-rata dari deret waktu dalam sejumlah periode terdahulu, M dengan rata-rata
bergerak tiga periode, nilai dari deret waktu yang diramalkan untuk perberikutnya ditentukan
oleh nilai rata-rata dari deret waktu dalam tiga periode sebelummu Begitu juga, dengan rata-
rata bergerak lima periode, ramalan untuk periode berikutnya adatasama dengan rata-rata
untuk lima periode terdahulu, dan setenusnya. Semakin besar jumtaa periode yang digunakan
dalam rata-rata bergerak, semakin besar pula efek penghalusan karen tiap pengamatan baru
mendapatkan bobot yang lebih kecil. Ini semakin bermanfaat jika daderet-waktu semakin tak
Misalnya, kolom 1 dan 2 pada Tabel 5-5 menyajikan data hipotesis mengenai pangsa pasar
suatu perusahaan untuk 12 kuartal. Perlu dicatat bahwa data iersebut tampaknya menunjukkan
variasi yang acak namun tidak pada variasi-variasi sekuler atau musiman. Kolom 3
manyajikan rata-rata bergerak'tiga kuartalan yang dikalkulasi. Contohnya, nilai 21,67 untuk
kuartal keempat (nilai pertama dalam kolom 3) diperoleh dengan menambahkan tiga nilai
pertama pada kolom 2 dan membaginya dengan 3, [jadi, (20 + 22 +23)/3 =21.67]. Jika kita
mempunyai data untuk tiga kuartal pertama, maka ramalan tiga kuartal (F) untuk kuartal
keempat menjadi 21,67. Ini sama dengan nilai aktual (A) sebesar 24 untuk pangsa pasar dari
perusahaan dalam kuartal keempat. Dengan mengabaikan observasi pada kuartal pertama
pada kolom 2 (yakmi 20) dan menambahkan pengamatan keempat (yakni 24) sebelum
diambil rata-rata, diperoleh nilai 23 sebagai ramalan untuk pangsa pasar perusahaan pada
kuartal kelima (nilai kedua dalam kolom 3), Ini sama dengan pangsa pasar aktual sebesar 18
pada kolom 2. Dengan melanjutkan cara ini, diramalkan pangsa pasar perusahaan adalah
21,33 paca kuartal ketiga belas (ini adalah ramalan yang sesungguhnya karena data aktual
tidak tersedia untuk kuartal ketiga belas). Di sisi lain, dengan mengambil rata-rata pangsa
pasar perusaba dalam lima kuartal pertama di kolom 2, kita memperoleh ramalan rata-rata
bergerak lima kuartalan 21,4 untuk kuartal keenam seperti diperlihatkan dalam kolom 6 dari
Table 5-5
Walaupun dalam Tabel 5-5 kita menghitung ramalan rata-rata bergerak tiga-kuartalan dan
lima-kuartalan untuk pangsa pasar perusahaan, ramalan rata-rata bergerak untuk sejumlah
huartal yang lain masih dapat diperoleh. Untuk memutuskan mana yang lebih baik di antara
peramalan rata-rata bergerak (artinya, lebih mendekati data aktual), kita menghitung galat
mempergunakan rata-rata bergerak yang menghasilkan RMSE terkecil (galat akar rata-rata
di mana At adalah nilai aktual dari deret-waktu dalam periode t, F, adalah nilai yang
diramalkan, dan n adalah jumlah periode waktu atau óbservasi. Perbedaan ramalan atau galat
(yakni A, - F) dikuadratkan agar supaya kesalahan yang besar dikoreksi lebih berat daripada
Sebagai contoh, kolom 4 pada Tabel 5-5 menunjukkan A, - F, untuk peramalan rata-rata
bergerak tiga-kuartalan dalam kolom 3. Kolom 5 menunjukkan (A, - F). RMSE untuk
ramalan rata-rata bergerak tiga-kuartalan dalam kolom 3 diperoleh dengan membagi jumlah
dari kolom 5 dengan 9 (jumlah galat ramalan kuadrat) dan ditemukan akar kuadratnya. Maka,
Ni dibandingkan dengan
RMSE = √ 62,48 ¿ ¿ =2,99 (5-11)
7
untuk peramalan rata-rata bergerak lima kuartalan. Jadi, peramalan rata-rata bergerak tiga
kuartalan sedikit lebih baik daripada peramalan rata-rata bergerak lima-kuartalan yang
berkaitan. Berarti, kita sedikit lebih percaya nilai ramalan 21,33 daripada 20,6 untuk kuartal
Penghalusan Eksponsial
Kritik yang serius terhadap penggunaan rata-rata bergerak yang sederhana dalam peramalan
adalah ia memberikan bobot yang sama kepada semua observasi dalam menghitung rata-
ratanya, meskipun secara naluri kita mungkin mengharapkan observasi yang lebih baru adalah
sangat penting. Penghalusan eksponensial mengatasi kendala ini dan lebih sering digunakan
( yakni F t + 1 ) adalah suatu rata-rata tertimbang dari nilai-nilai aktual dan nilai-nilai yang
diramalkan dari deret-waktu dalam periode t. Nilai dari deret-waktu dalam periode t (yaitu A,)
diberi bobot (w) antara 0 dan 1 inklusif, dan ramalan untuk periode t.
D. Metode-metode Barometrik
Hingga saat ini kita sudah membahas tren sekuler, variasi musiman, dan pengaruh secara
acak dalam data deret-waktu. Sedikit yang telah dikemukakan tentang ayunan peramalan
siklis dalam tingkatan aktivitas ekonomi atau siklus bisnis. Salah satu cara untuk meramalkan
atau inengantisipasi perubahan jangka pendek dalam aktivitas ekonomi atau titik balik dalam
siklus bisnis adalah dengan menggunakan indeks dari indikator-indikator utama. Ini adalah
ekonomi secara umum, sama seperti perubahan dalam merkuri yang ada dalam suatu
merupakan hasil kerja yang dilakukan oleh NBER (National Bureau of Economic Research)
aktivitas bisnis secara umum, dan sebaliknya. Sebagai contoh, peningkatan dalam izin
Tidak sejelas yang tadi-tapi sangat penting-dalam peningkatan harga saham, secara
umum, mendahului (yaitu, merupakan indikator utama dari) kenaikan dalam aktivitas bisnis,
karena peningkatan harga saham menunjukkan ekspektasi dari para menajer bisnis dan yang
lainnya bahwa tingkat laba akan meningkat. Pada sisi yang lain, penurunan kontrak untuk
pabrik dan perlengkapan biasanya mendahului penurunan dalam aktivitas ekonomi secara
umum. Jadi, indikator-indikator utama ini digunakan untuk meramalkan titik belok dalam
siklus bisnis. Walaupun kita tertarik dengan indikator utama tersebut, beberapa deret-waktu
bergerak sejalan atau berhubungan dengan pergerakan dalam aktivitas ekonomi secara umum
dan kemudian disebut sebagai indikator koinsiden (coincident indicators). Tetapi yang lainnya
mengikuti adanya gerakan yang terlambat dalam aktivitas ekonomi sering kali disebut sebagai
indikator terlambat (lagging indicators). Positif.relatif dari indikator utama, koinsiden, dan
Figur tersebut menunjukkan bahwa indikator utama mendahului titik belok dari siklus
bisnis (puncak dan lembah), indikator koinsiden bergerak sejalan dengan siklus bisnis,
sementara indikator yang tertinggal mengikuti atau terlambat dari titik belok dalam siklus
bisnis.
Panel atas menunjukkan indeks gabungan dari indikator utama yang sedang mengalami
penurunan sebelum resesi pada tahun 1969 hingga 1970, 1973 hingga 1975, 1980, 1981
hingga 1982, dan 1990 hingga 1991, dan 2001 (daerah yang diarsir dalam gambar). Sama
halnya, panel bawah menunjukkan nilai indeks difusi untuk 10 indikator utama yang secara
umum berada di bawah 50 persen pada bulan-bulan resesi (daerah yang diarsir).
Walaupun indeks gabungan dan difusi dari indikator utama merupakan alat yang cukup
bagus untuk meramalkan titik belok dalam siklus bisnis, mereka mempunyai beberapa
keterbatasan. Salah satunya adalah bahwa dalam beberapa kesempatan mereka turut
meramalkan yang ternyata tidak terjadi Variabilitas dalam waktu yang mendahului juga layak
dipertimbangkan. Lebih penting lagi, peramalan barometrik memberikan indikasi yang sangat
sedikit atau bahka tidak sama sekali tentang besarnya perubahan yang diramalkan dalam
tingkat aktivitas ekonomi (hanya menyediakan peramalan kualitatif dari titik belok). Jadi,
peramalan barometrik adalah superior terhadap analisis deret-waktu dan teknik penghalusan
(metode yang naif) dalam peralamalan titik belok jangka pendek dari aktivitas ekonomi,
metode ini tetap harus digunakan bersama-sama dengan metode yang lainnya ( seperti Subbab
Pada tahun 1995, Kongres mulai mengumpulkan indeks indikator utama, koinsiden, dan
tertinggal untuk Amerika Serikat atas nama pemerintah AS. Tahun 2000, Kongres mulai
mengumpulkan indek indikator ekonomi utama, koinsiden dan tertinggal untuk delapan
negara lainnya (Jepang, Jerman, Perancis, Inggris, Australia, Spanyol, Meksiko, dan Korea)
Dana untuk biaya keseluruhannya $500 per tahun ($25 untuk setiap download per negara,
kecuali untuk Amerika Serikat, biayanya $15). Indikator global baru yang masuk dalam 10
seri yang sama adalah indikator utama, 4 seri indikator koinsiden, dan 7 seri indikator
tertinggal untuk Amerika Serikat (lihat Tabel 5-8). Untuk yang berkaitan dengan seri AS,
seri-seri yang mengglobal diperbaharui setiap bulan. Misal, pada tanggal 12 Juni 2002,
menunjukkan indeks gabungan untuk indikator utama 88,6100). Ini mencerminkan 0,8 persen
06190 meningkat dari bulan sebelumnya dan 1,7 persen meningkat selama enam bulan
sebelumnya sampai April. Karena indeks difusi enam bulan adalah 65,0; data tersebut
Jerman yang menunjukkan indeks gabungan untuk indikator utama 102,6 (1990 maksudnya
0,1 persen penurunan dari bulan April tetapi 0,8 persen terjadi peningkatan selama enam
bulan sebelumnya sampai bulan April. Karena indeks difusi untuk enam bulan adalah 55,6
persen, indikator ini menunjukkan bahwa Jerman dapat mengharapkan adanya pertumbuhan
E. Model Ekonometrik
Permintaan dan penjualan perusahaan atas suatu komoditas sama halnya dengan variabel
ekonomi yang lainnya yang secara meningkat mulai diramalkan dengan menggunakan model
ekonometrik dengan metode peramalan yang lainnya adalah model ini berusaha untuk
detreminan permintaan atau variabel ekonomi yang lainnya untuk diramalkan. Dengan
memungkinkan para manajer untuk menentukan kebijakan yang optimal bagi perusahaan. Ini
sangat berlainan dengan teknik peramalan lain yang dibahas dalam bab ini yaitu peramalan
permintaan, penjualan dan variabel ekonomi lainnya berdasarkan pada pola mereka yang
Teknik peramalan ekonometrik sering menggunakan hal-hal yang terbaik yang terdapat
dalam teknik peramalan lain, seperti tren atau variasi musiman, teknik penghalusan dan
indikator utama. Metode peramalan ekonometrik dapat bervariasi antara model persamaan
tunggal dari persamaan yang dihadapi perusahaan untuk produknya sampai model persamaan
perusahaan, peramalan secara makro dari pendapatan nasional dan sektor-sektor utama dalam
ekonomi juga sering digunakan sebagai input atau variabel penjelas dalam model permintaan
tunggal yang sederhana dari suatu perusahaan. Maka dari itu, kita akan membahas kedua jenis
peramalan tersebut dalam subbab ini, dimulai dengan model persamaan tunggal.
Bentuk paling sederhana dari peramalan ekonometrik adalah model persamaan tunggal.
diramal. Sebagai contoh, dalam peramalan permintaan sereal untuk sarapan, perusahaan
biasanya mempostulatkan bahwa permintan (Q) merupakan fungsi dari atau bergantung pada
harga sereal untuk sarapan tersebut (P), pendapatan disposibel konsumen (Y), ukuran
populasi (W), harga muffin (Ps- substitusi), harga susu (Pc. - komplementer), dan tingkat biaya
iklan oleh perusahaan (4). Jadi, kita dapat menuliskan persamaan permintaan yang akan
dibahas pada Subbab 4-7), perusahaan harus membuat nilai ramalan untuk variabel
variabel bebas atau penjelas dari model untuk jangka waktu di mana variabel terikatnva akan
diramalkan. Maka, untuk meramalkan Qt+1 (permintaan yang dihadapi oleh perusahaan pada
periode berikutnya), perusahaan harus menyediakan P t+1,Yt+1, Nt+1, Pst+1, Pct+1, dan At+1.
Dengan mensubstitusi nilai-nilai ramalan ini sebagai variabel bebas dari persamaan yang
diestimasi, kita akan memperoleh nilai ramalan dari variabel terikat (Q t+1). Nilai ramalan
variabel ekonomi makro dari model (Y t+1 dan Nt+1) biasanya diperoleh dari Departemen
Perdagangan atau dari perusahaan swasta yang berspesialisasi meramalkan hal-hal demikian
(lihat Aplikasi Kasus 5-6). Variabel makro dalam model yang tidak berada di bawah kuasa
perusahaan (Ps+1 dan Pct+1) dapat diramalkan dengan menggunakan analisis deret-waktu atau
teknik penghalusan, dan perusahaan dapat bereksperimen dengan beberapa nilai ramalan yang
berbeda dari kebijaksanaan untuk variabel bebas yang berada di bawah kuasa perusahaan (P t+1
dan At+1).
Walaupun model persamaan tunggal sering digunakan oleh perusahaan untuk meramalkan
emintaan atau penjualan, hubungan ekonomi dapat menjadi sangat rumit schingga model
persamaan berganda diperlukan. Biasanya ini terjadi pada kasus meramalkan variabel makro
seperti GNP atau permintaan dan penjualan dalam sektor utama industri. Model persamaan
herganda dapat memasukkan sedikit atau ratusan persamaan. Untuk menunjukkan bagaimana
model ini digunakan dalam peramalan, kita mulai dengan persamaan sederhana yang terdiri
dari tiga persamaan sederhana (5-21, 5-22, 5-23). yang merupakan model dari perekonomian
Ct = a1 + b1GNP +u1t
It = a2 +b2nt-1 +u2t
GNPt = C,+ 1, + G,
Dimana
C = pengeluaran konsumsi
I = investasi
N = keuntungan
G = pengeluaran pemerintah
t= tahun berjalan
t-1=Dtahun lalu
Persamaan 5-21 mengatakan bahwa pengeluaran konsumsi pada tahun t (C) merupakan
fungsi linear dari GNP pada tahun yang sama (GNP), Persamaan 5-22 mangatakan bahwa
investasi tahun t (I,) merupakan fungsi linear dari laba pada tahun lalu (T,- 1). Akhirnya,
persamaan 5-23 mendefinisikan GNP pada tahun t sebagai jumlah dari pengeluaran konsumsi,
F. Peramalan Input-Output
suatu perusahaan dapat juga meramalkan penjualannya dengan menggunakan tabel input-
yang mengarah pada studi empiris tentang ketergantungan antarberbagai industri dan sektor
perekonomian. Analisis ini menunjukkan kegunaan dari output setiap industri sebagai input
bagi industri yang lainnya dan untuk konsumsi akhir. Sebagai contoh, di sana diperlihatkan
permintaan untuk baja, kaca, ban, plastik, material pembungkus, dan sebagainya, bagaimana
pada input yang dibutuhkan untuk memproduksi mereka (termasuk truk). Analisis input-
output memungkinkan kita untük menelusuri semua aliran input dan output antar-industri
dalam ekonomi dan menentukan peningkatan total (langsung atau tidak langsung) dari semua
input yang dibutuhkan untuk memenuhi peningkatan permintaan akan truk. Pembuatan tabel
input-output memakan waktu dan biaya yang cukup banyak. Kebanyakan perusahaan
menggunakan tabel input-output untuk tujuan peramalan dengan bertumpu pada tabel input-
output yang secara periodik dikeluarkan oleh Biro Analisis Ekonomi dari Departemen
Perdagangan AS. Tabel input-output yang terbaru untuk perekonomian AS untuk tahun 1997
dan mengacu kepada 85 industri dan komoditas, dengan tabel yang lebih detail untuk 498
industri dan/atau komoditas juga tersedia. input yang dibutuhkan untuk memproduksi mereka
(termasuk truk).
Bab 3 Penutup
A. Kesimpulan
B. Saran
Daftar Pusaka