PERTEMUAN 3
PERAMALAN (FORECASTING)
Peramalan (Forecasting) adalah: Seni dan ilmu untuk memprediksi kejadian di masa
depan. Peramalan menjadi penting sebab situasi dan kondisi yang berkaitan dengan
ekonomi dan kegiatan usaha dihadapkan pada :
Peramalan dilihat dari sifat penyusunannya terbagi atas dua macam, yaitu:
Jenis-jenis Forecasting
a. Economic Forecast
b. Technological Forecast
c. Demand Forecast
Proyeksi permintaan untuk produk atau layanan suatu perusahaan. Disebut juga
forecast penjualan pada setiap periode dalam waktu horizon.
2. Model kausal/eksplanantoris/regresi.
1. Pendekatan time series yaitu model yang tidak memperhatikan hubungan sebab akibat
atau dengan kata lain hasil peramalan hanya memperhatikan kecenderungan dari data
yang di masa lalu yang tersedia. Secara skematis pendekatan ini dapat digambarkan
sebagai berikut:
Proses Bangkitan
Input Output
Generating Process
Metode time series/serial waktu dimulai dengan memplot data pada suatu skala waktu,
mempelajari plot itu dan akhirnya membentuk pola yang konsisten atas data. Dalam
pengembangannya pengolahan data serial waktu dapat dilakukan dengan metode dasar
yakni: rata-rata bergerak, Pemulusan eksponensial dan dekomposisi.
Kedua model tersebut pada dasarnya mempunyai keuntungan dalam kondisi tertentu
Model deret berkala seringkali dapat digunakan dengan mudah untuk meramal
sedangkan modal dapat digunakan dengan keberhasilan yang lebih besar dalam
pengambilan keputusan.
3. Analisis penjualan masa lalu yakni dilakukan untuk melihat "market positioning"
produk dalam stuktur persaingan dan dari padanya dapat diketahui "market
share” produk tersebut.
5. Pengawasan hasil dari peramalan yakni usaha untuk minimalisasi kesalahan hasil
dari berbagai tenik peramalan yang digunakan.
Kendala Pemilihan Tehnik Peramalan
1. Waktu yang hendak diliput yakni rentangan waktu masa yang akan datang dan
jangkauan peramalan.
2. Tingkah laku data yakni meliputi jumlah, ketepatan, dan tingkah laku data di
masa yang lalu yang tersedia.
3. Tipe model yakni apakah model yang digunakan merupakan model time series,
kausalitas atau yang lainnya.
4. Biaya yang tersedia yakni biaya yang tersedia untuk penyusunan studi kelayakan
proyek.
b. Delphi Method
Forecast yang menggunakan satu atau lebih model matematis dengan data masa
lalu dan variabel sebab akibat untuk meramalkan permintaan.
1) Naif Approach
2) Moving Average
Metode forecast yang menggunakan rata-rata dari sejumlah (n) data terkini
untuk meramalkan periode mendatang.
Rumus :
5) Trend Projection
Metode forecasting time series yang menyesuaikan sebuah garis tren pada
sekumpulan data masa lalu, dan kemudian diproyeksikan dalam garis untuk
meramalkan masa depan.
Y= a + bx
1)
Keterangan :
a = persilangan sumbu y
∑Xy−nXy
b=
∑X2 −nX2
Keterangan :
x = nilai rata-rata x
y = nilai rata-rata y
b. Model Asosiatif
Y= a + bx
1)
Keterangan :
a = perpotongan sumbu x
X = variabel bebas
2.0 1
3.0 3
2.5 4
2.0 2
2.0 1
3.5 7
2.0 1 1 2.0
3.0 3 9 9.0
2.5 4 16 10.0
2.0 2 4 4.0
32.0 1 1 2.0
3.5 7 49 24.5
∑y = 15.0
∑x = 18
∑X2 = 80
∑xy = 51,5
= ∑x 18
x = = 3
6 6
∑𝑦 15
y =
6
= = 2,5
6
∑𝑥𝑦−xy 51.5−(6)(3)(2,5)
b = ∑ 2 = = 0,25
X −𝑛X2 80−(6)(32 )
=
a y bx = 2,5 (0,25) (3)=1,75
= 3,25
Rangkuman
Peramalan (Forecasting) adalah: Seni dan ilmu untuk memprediksi kejadian di masa
depan. Peramalan menjadi penting sebab situasi dan kondisi yang berkaitan dengan
ekonomi dan kegiatan usaha dihadapkan pada, 1. Meningkatnya kompleksitas
organisasi, 2. Meningkatnya ukuran-ukuran keberhasilan organisasi, 3. Perubahan
lingkungan yang sangat cepat.
Peramalan dilihat dari sifat penyusunannya terbagi atas dua macam, yaitu peramalan
kualitatif dan peramalan kuantitatif. Dalam peramalan kuantitatif, memerlukan tiga
kondisi, yaitu : adanya informasi masa lalu, informasi tersebut dapat dikuantifisir, dapat
diasumsikan bahwa pola di masa lalu dapat berkelanjutan di masa yang akan datang.
Latihan
1. Jelaskan metode rata-rata bergerak, pemulusan eksponensial dan
dekomposisi sebagai turunan dari times series method !