MANAJEMEN OPERASIONAL LANJUTAN

FORECASTING
(Dosen : Prof.Dr. H. Mahfudnumajamuddin.SE., MM)

(KELOMPOK 3) –
KELAS DIM- A.26. 2020 :

1) Andi Arifwangsa A. (0002.DIM.26.2020)-

2) Muhammad Ibnu Widayanto Basri (0012.DIM.26.2020)-
3) Muhammad Agung Achmad Gani (0006.DIM.26.2020)-
4) Andi Fachruddin (0036.DIM.26.2020)-
5) Amrullah (0033.DIM.26.2020)-

PROGRAM STUDI DOKTOR ILMU MANAJEMEN

PROGRAM PASCASARJANA
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR, MARET 2021
 KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih dan Maha Penyayang kami
panjatkan segala puji dan rasa syukur kehadirat – Nya yang senantiasa memberikan kita
kehidupan, jasmani dan rohani yang sehat dan tak lupa pula kepada Nabi kita Nabi Besar
Muhammad SAW yang mana telah membawa kita dari alam KEBODOHAN ke alam yang
penuh dengan ilmu PENGETAHUAN, sehingga kami dapat menyelesaikan makalah tentang
METODE PERAMALAN / FORECASTING ini tepat pada waktunya. Makalah ini kami buat
untuk memenuhi tugas Mata Kuliah Metode Kuantitatif Pengambilan Keputusan.

Makalah ini kami susun dengan semaksimal mungkin dan mendapat banyak bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. untuk itu pada
kesempatan ini tak lupa kami ucapkan terima kasih kepada dosen Mata Kuliah Metode
Kuantitatif Pengambilan Keputusan dan semua pihak yang telah berkontribusi dalam
pembuatan makalah ini.

Terlepas dari itu semua kami menyadari sepenuhnya bahwasannya makalah ini belum dapat
dikatakana dan dikategorikan sempurna, seperti yang kita ketahui tidak ada yang sempurna di
dunia ini melainkan hanya milik Allah SWT, baik dari segi susunan, kalimat, materi, bahasa
maupun sistematika pembahasannya. Oleh karena itu dengan tangan terbuka kami menerima
segala kritik dan saran yang membangun demi kesempurnaannya di masa yang akan datang.
Akhir kata kami berharap semoga dengan adanya makalah ini sedikit banyaknya dapat
memberikan manfaat maupun inspirasi kepada kita semua.

Makassar, Maret 2021

Penyusun
 DAFTAR ISI

KATA PENGANTAR

DAFTAR ISI

BAB I PENDAHULUAN

A. LATAR BELAKANG MASALAH

B. RUMUSAN MASALAH
C. BATASAN MASALAH
D. TUJUAN PEMBAHASAN
E. MANFAAT PEMBAHASAN

BAB II PEMBAHASAN
A. PENGERTIAN PERAMALAN / FORECASTING
B. TUJUAN DAN FUNGSI PERAMALAN / FORECASTING
C. JENIS – JENIS PERAMALAN / FORECASTING
D. PENTINGNYA PERAMALAN
E. TUJUH LANGKAH PERAMALAN
F. PENDEKATAN PERAMALAN
G. METODA PERAMALAN / FORECASTING
H. PROSES PERAMALAN (FORECASTING)
I. TINJAUAN METODE KUALITATIF
J. TINJAUAN METODE KUANTITATIF
K. PERKIRAAN DERET WAKTU
L. DATA DALAM VARIASI MUSIMAM
M. METODE PERAMALAN ASOSIATIF; ANALISIS REGRESI DAN
KORELASI

BAB III STUDI KASUS

BAB III PENUTUP

A. KESIMPULAN
B. SARAN

DAFTAR PUSTAKA

LAMPIRAN

ARTIKEL JURNAL
 BAB I
PENDAHULUAN

A. LATAR BELAKANG MASALAH

“Forecasting is the art and science of predicting the events of the future. Forecasting
require historical data retrieval and project into the future with some form of mathematical
models.” “(menurut Rudy Aryanto, tahun 2009). Peramalan (forecasting) adalah kegiatan
mengestimasi apa yang akan tejadi pada masa yang akan datang. Peramalan diperlukan
karena adanya perbedaan kesenjagan waktu (Timelag) antara kesadaran akan dibutuhkannya
suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu
tersebut panjang maka peran peramalan begitu penting dan sangat dibutuhkan, terutama
dalam penentuan kapan terjadinya suatu sehingga dapat dipersiapkan tindakan yang perlu
dilakukan.
Menurut Arman Hakim Nasution (2006), Peramalan adalah proses untuk
memperkiraan beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran
kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan
barang dan jasa.
Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil,
karena perubahan permintaan relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila
kondisi permintaan pasar bersifat kompleks dan dinamis. Dalam kondisi pasar bebas,
permintaan pasar lebih banyak bersifat kompleks, dan dinamis karena permintaan tersebut
akan tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan
produk substitusi. Oleh karena itu peramalan yang akurat merupakan informasi yang sangat
dibutuhkan dalam pengambilan keputusan manajemen.

B. RUMUSAN MASALAH
1. Metoda – metode apa saja yang dapat digunakan dalam peramalan (forecasting) ?;
2. Bagaimana proses dalam forecasting ?

C. BATASAN MASALAH
Pada pembahasan makalah kali ini, penulis akan membatasi pembahasan yang akan dibahas,
kami hanya akan membahas tentang forecasting, tentang metode – metode yang digunakan
dalam forecasting, dan tentang proses forecasting.

D. TUJUAN PEMBAHASAN
1. Untuk mengetahui metode yang dapat digunakan dalam forecasting.
2. Untuk mengetahui proses forecasting.
E. MANFAAT PEMBAHASAN
Hasil dari pembahasan materi ini, di harapkan dapat memberi manfaat dan pengetahuan
tentang metode – metode yang digunakan dalam forecasting, dan tentang proses forecasting
yang mungkin akan berguna dimasa yang akan datang.
 BAB II
PEMBAHASAN

A. PENGERTIAN PERAMALAN / FORECASTING

Setiap hari, manajer seperti orang-orang di Disney membuat keputusan tanpa

mengetahui apa yang akan terjadi di masa depan. Mereka memesan inventaris tanpa
mengetahui akan seperti apa penjualannya, membeli peralatan baru meskipun ada
ketidakpastian tentang permintaan produk, dan melakukan investasi tanpa mengetahuinya
keuntungan apa yang akan didapat. Manajer selalu berusaha membuat perkiraan yang lebih
baik tentang apa yang akan terjadi di masa depan dalam menghadapi ketidakpastian.
Membuat perkiraan yang baik adalah tujuan utama dari peramalan.
Peramalan adalah seni dan ilmu untuk memprediksi peristiwa masa depan.
Peramalan mungkin melibatkan mengambil data historis (seperti penjualan masa lalu) dan
memproyeksikannya ke masa depan dengan model matematika ematical. Ini mungkin
prediksi subjektif atau intuitif (misalnya, "ini bagus produk baru dan akan menjual 20% lebih
banyak dari yang lama ”). Ini mungkin didasarkan pada permintaan-driven data, seperti
rencana pelanggan untuk membeli, dan memproyeksikannya ke masa depan. Atau ramalan
cuaca mungkin melibatkan kombinasi dari ini, yaitu, model matematika yang disesuaikan
oleh manajer penilaian yang baik.
Peramalan (Bahasa Inggris = Forecasting) adalah suatu teknik analisa perhitungan
yang dilakukan dengan pendekatan kualitatif maupun kuantitatif untuk memperkairakan
kejadian dimasa depan dengan menggunakan referensi data-data di masa lalu. Peramalan
bertujuan untuk memperkirakan prospek ekonomi dan kegiatan usaha serta pengaruh
lingkungan terhadap prospek tersebut.
Peramalan atau Forecasting merupakan bagian terpenting bagi setiap perusahaan
ataupun organisasi bisnis dalam setiap pengambilan keputusan manajemen. Peramalan itu
sendiri bisa menjadi dasar bagi perencanaan jangka pendek, menengah maupun jangka
panjang suatu perusahaan. Di dalam sebuah peramalan (forecasting) dibutuhkan sedikit
mungkin kesalahan (error) di dalamnya. Agar dapat meminimalisir tingkat kesalahan
tersebut, maka akan lebih baik jika peramalan tersebut dilakukan dalam satuan angka atau
kuantitatif.

Berikut ini beberapa pengertian atau definisi peramalan atau forecasting dari beberapa
sumber buku:
 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
dengan menggunakan 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 mendatang
dengan suatu bentuk model matematis. Selain itu, bisa juga merupakan prediksi
intuisi yang bersifat subjektif. Atau dapat juga dilakukan dengan menggunakan
kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari
seorang manajer.
 Menurut Murahartawaty (2009:41), peramalan adalah penggunaan data masa lalu dari
sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang
akan datang. 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.

B. TUJUAN DAN FUNGSI PERAMALAN / 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 memiliki tujuan 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 perusahaan sehingga dapat
meningkatkan efektivitas suatu rencana bisnis.

C. JENIS – JENIS PERAMALAN / FORECASTING

Organisasi menggunakan tiga jenis prakiraan utama dalam merencanakan operasi di masa
depan:
1) Prakiraan ekonomi menangani siklus bisnis dengan memprediksi tingkat inflasi,
persediaan uang,perumahan dimulai, dan indikator perencanaan lainnya.
2) Prakiraan teknologi berkaitan dengan tingkat kemajuan teknologi yang dapat
dihasilkan dalam kelahiran produk baru yang menarik, membutuhkan pabrik dan
peralatan baru.
 3) Prakiraan permintaan adalah proyeksi permintaan akan produk atau layanan
perusahaan. Perkiraan mengarahkan keputusan, sehingga manajer membutuhkan
informasi yang segera dan akurat tentang yang nyatapermintaan. Mereka
membutuhkan prakiraan yang didorong oleh permintaan, dengan fokus pada
identifikasi dan melacak keinginan pelanggan.

Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tiga jenis, 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 di masa depan, peramalan atau forecasting
dibagi menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):
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 produk atau layanan suatu
perusahaan. Peramalan ini juga disebut peramalan penjualan 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
penganalisaan data tersebut.

D. PENTINGNYA PERAMALAN

Prakiraan yang baik sangat penting dalam semua aspek bisnis: Perkiraan adalah satu-satunya
perkiraan permintaan sampai permintaan aktual diketahui. Oleh karena itu, prakiraan
permintaan mendorong keputusan di banyak bidang. Mari kita lihat dampak prakiraan
permintaan produk pada tiga kegiatan:
(1) Manajemen rantai pasokan,
(2) Sumber daya manusia, dan
(3) Kapasitas.

Manajemen Rantai Pasokan

Manajemen rantai persediaan Hubungan pemasok yang baik dan keuntungan
berikutnya dalam inovasi produk, biaya, dan kecepatan pasar bergantung pada prakiraan
yang akurat. Ini hanya tiga contoh:
 Apple telah membangun sistem global yang efektif yang mengontrol hampir setiap
bagian pasokan rantai, dari desain produk hingga toko ritel. Dengan komunikasi yang
cepat dan data yang akurat dibagikan ke atas dan ke bawah rantai pasokan, inovasi
ditingkatkan, biaya inventaris berkurang, dan kecepatan ke pasar ditingkatkan. Setelah
produk mulai dijual, Apple melacak permintaan oleh jam untuk setiap toko dan
perkiraan produksi setiap hari. Di Apple, perkiraan pasokannya rantai adalah senjata
strategis.
 Toyota mengembangkan prakiraan mobil yang canggih dengan masukan dari berbagai
sumber, termasuk dealer. Namun peramalan permintaan aksesoris seperti sistem
navigasi, custom roda, spoiler, dan sebagainya sangat sulit. Dan ada lebih dari 1.000
item yang bervariasi
berdasarkan model dan warna. Hasilnya, Toyota tidak hanya meninjau data yang
bertumpuk-tumpuk dengan kendaraan yang telah dibuat dan secara grosir tetapi juga
melihat secara rinci prakiraan kendaraan sebelumnya. membuat permintaan tentang
permintaan konsumen di masa depan. Jika ini dilakukan dengan benar, hasilnya
adalah rantai pasokan yang efisien dan pelanggan yang puas.
 Walmart bekerja sama dengan pemasok seperti Sara Lee dan Procter & Gamble untuk
memastikan barang yang tepat tersedia pada waktu yang tepat di tempat yang tepat
dan dengan harga yang tepat.
 Misalnya, pada musim badai, kemampuan Walmart untuk menganalisis 700 juta
negara kombi item toko berarti dapat meramalkan bahwa tidak hanya senter tetapi
juga Pop-Tart dan bir terjual dengan harga tujuh kali tingkat permintaan normal.

Sumber daya manusia

Mempekerjakan, melatih, dan memberhentikan pekerja semuanya bergantung pada
permintaan yang diantisipasi. Jika manusia departemen sumber daya harus mempekerjakan
pekerja tambahan tanpa peringatan, jumlah pelatihan menurun, dan kualitas tenaga kerja
menderita. Sebuah perusahaan kimia besar Louisiana hampir hilang pelanggan terbesarnya
ketika ekspansi cepat ke shift sepanjang waktu menyebabkan gangguan total dalam kontrol
kualitas pada shift kedua dan ketiga.

Kapasitas
Ketika kapasitas tidak mencukupi, kekurangan yang diakibatkan dapat menyebabkan
hilangnya pelanggan dan pasar Bagikan. Inilah yang sebenarnya terjadi pada Nabisco ketika
mereka meremehkan permintaan yang sangat besar untuk Kue Makanan Setan Snackwell
barunya. Bahkan dengan jalur produksi yang bekerja lembur, Nabisco tidak dapat memenuhi
permintaan, dan kehilangan pelanggan. Nintendo menghadapi masalah ini ketika Wii-nya
diperkenalkan dan melampaui semua perkiraan permintaan. Amazon membuat hal yang sama
kesalahan dengan Kindle-nya. Di sisi lain, jika terdapat kelebihan kapasitas, biaya dapat
meroket

E. TUJUH LANGKAH DALAM SISTEM PERALAMAN

Peramalan mengikuti tujuh langkah dasar. Kami menggunakan Disney World,

fokus bab Global ini Profil Perusahaan, sebagai contoh setiap langkah:
1) Tentukan penggunaan prakiraan: Disney menggunakan prakiraan kehadiran di taman
untuk mendorong keputusan tentang staf, jam buka, ketersediaan kendaraan, dan
persediaan makanan.
2) Pilih item yang akan diramalkan: Untuk Disney World, ada enam taman utama.
Perkiraan kehadiran harian di masing-masing merupakan nomor utama yang
menentukan tenaga kerja, pemeliharaan, dan penjadwalan.
3) Tentukan cakrawala waktu prakiraan: Apakah jangka pendek, menengah, atau
panjang? Disney mengembangkan prakiraan harian, mingguan, bulanan, tahunan, dan
5 tahun.
4) Pilih model perkiraan: Disney menggunakan berbagai model statistik yang akan kami
gunakan berdiskusi, termasuk rata-rata bergerak, ekonometrik, dan analisis regresi.
Itu juga mempekerjakan menghakimi, atau nonquantitative, model.
5) Kumpulkan data yang diperlukan untuk membuat prakiraan: Tim prakiraan Disney
mempekerjakan 35 analis dan 70 personel lapangan untuk mensurvei 1 juta orang /
bisnis setiap tahun. Disney juga menggunakan perusahaan bernama Global Insights
untuk prakiraan industri perjalanan dan mengumpulkan data tentang nilai tukar,
kedatangan ke AS, penawaran khusus maskapai penerbangan, tren Wall Street, dan
sekolah jadwal liburan
 6) Buat ramalan.
7) Validasi dan terapkan hasil: Di Disney, perkiraan ditinjau paling tinggi setiap hari
level untuk memastikan bahwa model, asumsi, dan data valid. Ukuran kesalahan
adalah terapan; kemudian prakiraan digunakan untuk menjadwalkan personel hingga
interval 15 menit.

F. PENDEKATAN PERAMALAN

Ada dua pendekatan umum untuk peramalan, sama seperti ada dua cara untuk
menangani semua pemodelan keputusan. Salah satunya adalah analisis kuantitatif; yang
lainnya adalah pendekatan kualitatif. Kuantitatif prakiraan menggunakan berbagai model
matematika yang mengandalkan data historis dan / atau asosiatif
variabel untuk meramalkan permintaan. Prakiraan subyektif atau kualitatif
menggabungkan faktor-faktor seperti itu intuisi pengambil keputusan, emosi, pengalaman
pribadi, dan sistem nilai dalam mencapai ramalan cuaca. Beberapa perusahaan menggunakan
satu pendekatan dan beberapa menggunakan yang lain. Dalam praktiknya, kombinasi dari
keduanya biasanya paling efektif.

G. METODE – METODE PERAMALAN / FORECASTING

Meramalkan permintaan dari pasar yang dimasuki oleh perusahaan adalah suatu
pekerjaan yang perlu dilakukan oleh setiap manajer perusahaan dalam rangka memprediksi
berapa besar peluang pasar yang tersedia di masa depan. Peramalan permintaan merupakan
usaha untuk mengetahui jumlah produk atau sekelompok produk di masa yang akan datang
dalam kendala satu set kondisi tertentu.

Hal yang perlu diingat adalah bahwa aktivitas peramalan permintaan tidaklah dapat
diartikan sebagai aktivitas yang bertujuan untuk mengukur permintaan di masa yang akan
datang secara pasti, melainkan sekedar usaha untuk mengurangi kemungkinan terjadinya hal
yang berlawanan antara keadaan yang sungguh – sungguh terjadi di kemudian hari dengan
apa yang menjadi hasil peramalan. Dengan kata lain, hasil maksimal dari aktivitas peramalan
adalah melakukan minimisasi ketidakpastian yang mungkin terjadi di masa yang akan datang.
Untuk melakukan forecasting atau peramalan terhadap permintaan pasar, disini akan
diuraikan berbagai metode model peramalan terhadap permintaan pasar dari barang atau jasa
yang diproduksi dan dijual oleh perusahaan. Secara garis besar terdapat dua macam metode
peramalan permintaan yang biasa dilakukan, yaitu metode kualitatif yang terdiri atas teknik
survey dan teknik pengumpulan opini. Sedangkan metode berikutnya adalah metode
kuantitatif, yang terdiri atas Metode Time Series, Metode Tren Linear, Metode Kuadratik,
Analisis Musiman dan Model Ekonometri.

Pembahasan lebih lanjut tentang metode-metode peramalan permintaan adalah sebagai

berikut:
1. Metode Kualitatif
Metode peramalan permintaan secara kualitatif berhubungan dengan data – data
kualitatif, misalnya tentang selera konsumen terhadap suatu produk, atau survey
tentang loyalitas konsumen, dan lain-lain. Forecasting kualitatif ini dapat
dikelompokkan ke dalam beberapa metode teknik seperti akan dijelaskan berikut ini :

a. Teknik Survey
Teknik survey ini merupakan suatu alat meramalkan yang cukup penting
khususnya untuk memprediksi kejadian – kejadian atau kecenderungan –
kecenderungan dalam jangka pendek mendatang ini. Survey biasanya
menggunakan alat interview atau daftar pertanyaan yang akan ditujukan kepada
para responden yang terpilih dan yang dituju. Sesuai kelompok yang memang
diperkirakan akan menjadi sasaran pasar yang dituju oleh perusahaan.
Survey ini dilakukan untuk meramalkan variabel ekonomi yang memang
berhubungan baik langsung maupun tidak langsung dengan permintaan konsumen
atau pasar yang dituju. Variabel – variabel ekonomi yang disurvey ini misalnya
variabel yang berhubungan dengan budget rumah tangga yang dikeluarkan untuk
memenuhi kebutuhan rumah tangga.

Sasaran dan klasifikasi sasaran dan jenis kebutuhan dan keperluan dari kelompok
responden ini dapat dikategorikan sebagai berikut :
1) Survey tentang budget keperluan rumah tangga masyarakat eksekutif bisnis
dan pemerintahan yang sekiranya berkait dengan rencana perusahaan. Survey
ini diharapkan dapat merekam keseluruhan anggaran setiap rumah tangga yang
disurvey;
2) Survey mengenai barang atau jasa yang diperlukan bagi para pelaku bisnis
yang akan memperdagangkan barang atau jasanya. Mereka ini mungkin pelaku
bisnis yang bergerak pada bisnis distributor, pengecer atau pedagang besar.

Survey ini dilakukan bagi para rumah tangga umum mengenai keperluan rumah
tangga, produk atau barang apa secara periodik diperlukan dan frekuensi
pemenuhan yang dilakukan untuk masa – masa yang akan datang, dan lain – lain.
Dari metode survey berdasar kelompok sasaran ini sebenarnya terkandung
maksud dari surveyor bahwa barang dan jasa apa saja yang dibutuhkan, berapa
frekuensi pemenuhan kebutuhan dan faktor – faktor apa saja yang pada umumnya
yang mempengaruhi perilaku beli mereka ini. Sehingga secara tidak langsung
perusahaan melihat peluang dan apa saja yang bisa ditarik sebagai kepentingan
bagi perusahaan atas hasil – hasil survey ini untuk memprediksi dan
memperkirakan perilaku pasar atau konsumen perusahaan.

Bila diklasifikasikan bahwa hasil survey ini merupakan bagian dari kegiatan riset
pasar yang dilakukan oleh perusahaan. Dari sini berbagai kemungkinan yang
diperoleh adalah munculnya variabel ikutan yang dapat diprediksi apa yang bisa
dimanfaatkan oleh perusahaan yang hendak atau sudah diproduksi dan dijual
kepada pasar yang dituju yang telah disurvey ini.
 Dengan demikian dapat dinyatakan bahwa hasil survey ini sebagian atau
seluruhnya dapat dipergunakan untuk memprediksi permintaan konsumennya dari
produk yang dibuat dan jual oleh perusahaan.

b. Teknik Jajak Pendapat (Opinion Pools)

Teknik jejak pendapat sering dilakukan untuk melengkapi data dari survey. Jejak
pendapat dari para pakar, para eksekutif, dari masyarakat umum, atau dari
konsumen. Jejak pendapat ini lebih bersifat pandangan atau pendapat pribadi
(subjektif) dari respondennya, sebaliknya teknik survey lebih bersifat objektif.

Sebelum peluncuran produk baru, biasanya diadakan pre test dan jejak pendapat
terhadap responden yang menjadi sampel. Teknik poolingini melibatkan berbagai
media seperti media TV, telepon, koran, surat, SMS, email, atau internet untuk
menyebarkan kuesioner atau daftar pertanyaan tentang berbagai informasi yang
dibutuhkan perusahaan.

Laporan atau pernyataan resmi dari suatu perusahaan atau pemerintah suatu
negara dapat digunakan sebagai sumber data guna meramalkan kondisi ekonomi
di masa yang akan datang, sekaligus dapat digunakan untuk membuat strategi
bersaing dalam pasar bebas.

2. Metode Kuantitatif

a. Metode Time Series

Metode Time Series berhubungan dengan nilai – nilai suatu variabel yang diatur
secara periodesasi sepanjang periode waktu dimana prakiraan permintaan
diproyeksikan. Misalnya mingguan, bulanan, kwartalan, dan tahunan, tergantung
keinginan dari pihak – pihak yang melakukan prakiraan permintaan ini. Metode ini
semata – mata mendasarkan diri pada data dan keadaan masa lampau. Jika keadaan di
masa yang akan datang cukup stabil dalam arti tidak banyak perubahan yang berarti
dengan keadaan masa lampau, metode ini dapat memberikan hasil peramalan yang
cukup akurat.

b. Metode Tren Linear

Khusus metode ini digunakan jika scatter diagram berbentuk garis lurus dengan
persamaan umum adalah :
Y = a + bX
Untuk metode tren linear ini banyak jenisnya, antara lain :
1) Metode Least Square
Metode ini sering digunakan oleh perusahaan karena dianggap paling mudah
untuk dipraktekkan. Metode ini digunakan pada waktu data yang tersedia adalah
mempunyai kecenderungan berbentuk garis lurus. Maka persamaannya adalah
 Y = a + bX
Dimana :
Y = Variabel yang akan diramalan, dalam hal ini adalah ramalan penjualan
produk perusahaan
a = Konstanta, yang akan menunjukkan besarnya harga
b = Variabilitas per X, yaitu menunjukkan besarnya perubahan nilai Y dari setiap
perubahan satu unit X
X = Unit waktu/ periode
Untuk mencari besarnya nilai a, dan b tersebut akan dapat dilakukan dengan
mempergunakan rumus – rumus sebagai berikut :
Dengan syarat bahwa å X = 0
Dimana n adalah sama dengan jumlah data

c. Metode Product Moment

Metode ini lazim dinamakan metode momen saja. Metode ini digunakan oleh
perusahaan karena dianggap mudah di samping metode least square, karena perlakuan
angka X (prediksi) untuk data ganjil maupun genap tidak ada perlakuan khusus seperti
halnya pada metode least square. Tentunya metode ini digunakan dalam ramalan
penjualan untuk data yang tersedia adalah mempunyai kecenderungan berbentuk garis
lurus terutama nilai ramalannya, sedangkan persamaannya adalah:
Y = a + bX
Dimana :
Y = Variabel yang akan diramalkan, dalam hal ini adalah ramalan penjualan produk
perusahaan
a = Konstanta, yang akan menunjukkan besarnya harga Y (ramalan) apabila X
sama dengan 0 (nol)
b = Variabilitas per X, yaitu menunjukkan besarnya perubahan nilai Y dari setiap
perubahan satu unit X
X = Unit waktu/ periode, yang dapat dinyatakan dalam minggu, bulan, semester,
tahun dan lain sebagainya

Untuk mencari besarnya nilai a, dan b tersebut akan dapat dilakukan dengan
mempergunakan rumus-rumus sebagai berikut:

Persamaan I
∑Y = n.a + b∑x

Persamaan II
∑XY = a ∑x + b ∑x2

Dengan syarat ∑x ≠ 0

d. Metode Setengah Rata – rata (Semi Evarage Method)

 Metode setengah rata-rata ini masih tergolong metode tren linier dimana data yang
tersedia tetap berbentuk linier jika digambar dalam bentuk grafik. Metode tren
setengah rata – rata menentukan bahwa untuk mengetahui fungsi Y = a + bX tersebut,
semua data historis dikelompokkan menjadi dua kelompok (himpunan) dengan jumlah
anggota masing-masing yang sama. Berdasarkan perhitungan rata – rata dari anggota
masing – masing kelompok itulah akan diperoleh fungsi garis lurus yang
bersangkutan.

3. Metode Kuadratik
Metode kuadratik adalah merupakan tren non linier, dan jika digambar berbentuk
garis lengkung. Metode ini biasanya digunakan atau diterapkan untuk data historis
dimana jika digambar akan membentuk garis tidak lurus atau berbentuk parabola.
Sedangkan persamaan dari metode kuadratik adalah:
Y = A + BX + C
Dimana :
Y = Variabel yang akan diramalkan, dalam hal ini adalah ramalan penjualan produk
perusahaan
a = Konstanta, yang akan menunjukkan besarnya harga Y (ramalan) apabila X sama
dengan 0 (nol)
b = Variabilitas per X, yaitu menunjukkan besarnya perubahan nilai Y dari setiap
perubahan satu unit X
X = Unit waktu/ periode, yang dapat dinyatakan dalam minggu, bulan, semester,
tahun dan lain sebagainya

Sedangkan koefisiennya adalah:

A = (∑Y - c∑ ) / n
B = (∑XY / ∑ )
C = (n ∑ Y) – ((∑ ) – (∑Y))
(n ∑ ) – ((∑Z )
Dengan syarat ∑ = 0 (nol)

4. Metode Variasi Musim

Melakukan prakiraan volume permintaan konsumen di waktu – waktu yang akan
datang dapat didasarkan pada gelombang musiman yang melekat pada kultur budaya
atau kebiasaan dari masyarakat.

Tetapi dapat juga karena faktor sifat dan keadaan alam yang melekat pada iklim atau
cuaca. Misalnya produksi musim semi, gugur dan musim penghujan dan bahkan
musim kemarau, produk apa yang sedang atau akan datang musimnya.

Sifat masyarakat yang menimbulkan musiman ini oleh karena faktor budaya dan
kebiasaan misalnya karena musim hari raya keagamaan. Pada saat – saat itu biasanya
masyarakat akan memiliki hajat yang cukup besar dalam melakukan pemenuhan
konsumsi barang keperluan pesta dan sehari – hari. Maka dapat dipastikan pada
 periode ini permintaan akan kebutuhan dan keperluan konsumsi akan meningkat
dalam jumlah yang cukup berarti.

Demikian juga ketika datang musim bulan – bulan baik maka banyak masyarakat
menggunakan bulan tersebut melaksanakan hajat perkawinan, pesta perkawinan, dan
hajat – hajat yang lain yang memerlukan pesta dan upacara – upacara sacral yang
memerlukan konsumsi dan persediaan barang kebutuhan untuk keperluan tersebut.

5. Metode Ekonometri

Metode ekonometri merupakan metode prediksi volume atau nilai dependen variabel
dengan melibatkan berbagai faktor atau variabel independent yang relevan dan cukup
signifikan mempengaruhi dependen variabel tersebut. Secara ekonomi dari model
ekonometri ingin dilihat relevansinya pengaruh independent variabel terhadap
dependen variabel. Bahkan juga ingin dilihat apakah antar variabel independent itu
saling mempengaruhi dan berapa besar pengaruh mempengaruhi antar variabel
independent ini atas besarnya pengaruh terhadap dependen variabel. Juga ingin dilihat
berapa tepat antara kebenaran statistik dikoreksi dengan kebenaran secara ekonomi.

Jadi secara literatur ekonometrik merupakan suatu pengukuran secara ekonomi baik
secara statistik, matematik maupun secara ekonomi teori sekaligus dalam konteks
hubungan antara variabel – variabel ekonomi. Memang metode ekonometrik sering
lebih kompleks dibanding dengan metode proyeksi trend. Namun ekonometrik
setidaknya memiliki dua keunggulan sebagai alat prakiraan.

Pertama adalah keunggulan dalam memperoleh prediksi nilai variabel yang penting.
Ini akan sangat berguna bagi manajer untuk mengevaluasi kemungkinan pengaruh
alternatif keputusan yang diambil.

Kedua adalah metode ekonometrika mengestimasi perilaku hubungan antara variabel

– variabel. Secara mencolok meramalkan dengan dasar metode lain seperti misalnya
survey data hanya memperoleh sesuatu yang lebih kecil dari penyebab yang hakiki
pada hubungan antar variabel – variabel ini secara umum.

Terdapat empat tahapan yang termasuk di dalam memformulasi forecastmodel

ekonometrika ini.
a. Membangun suatu model teori;
b. Mengumpulkan data;
c. Memilih bentuk persamaan fungsi yang diestimasi;
d. Mengestimasi dan menginterpretasi hasil.
H. PROSES PERAMALAN (FORECASTING)
Proses peramalan (forecasting) biasanya terdiri dari langkah – langkah sebagai berikut.
(Handoko, 1984: 260).

1. Penentuan Tujuan
Analis mengatakan dengan para pembuat keputusan dalam perguruan tinggi untuk
mengetahui apa kebutuhan – kebutuhan mereka, dan menentukan:
a. Variabel – variabel yang akan diestimasi;
b. Siapa yang akan menggunakan hasil peramalan;
c. Untuk tujuan – tujuan apa hasil peramalan akan digunakan;
d. Estimasi jangka panjang atau jangka pendek yang diinginkan;
e. Derajat ketepatan estimasi yang diinginkan;
f. Kapan estimasi dibutuhkan;
g. Bagian – bagian yang diinnginkan, seperti peramalan untuk kelompok pembeli,
kelompok produk atau daerah geografis.

2. Penggunaan Model
Setelah tujuan ditetapkan, langkah berikutnya adalah mengembangkan model, yang
merupakan penyajian secara lebih sederhana sistem yang dipelajari. Dalam
peramalan, model adalah suatu kerangka analitik yang apabila dimasukkan data akan
menghasilkan estimasi jumlah calon mahasiswa baru diwaktu mendatang (atau
variabel apa saja yang diramal). Analis hendaknya memilih suatu model yang
menggambarkan secara realitis perilaku variabel-variabel yang dipertimbangkan.
Sebagai contoh, bila suatu perguruan tinggi ingin meramalkan jumlah calon
mahasiswa baru yang polanya berbentuk linier, model yang dipilih mungkin Y = a +
bX, dimana menunjukkan besarnya jumlah calon mahasiswa baru, X menunjukkan
unit waktu, serta a dan b adalah parameter-parameter yang menggambarkan posisi
dan dan kemiringan garis pada grafik. ˆYˆ

3. Pengujian Model
Sebelum diterapkan, model biasanya diuji untuk menentukan tingkat akurasi,
validitas, dan reliabilitas yang diharapkan. Ini sering mencakup penerapannya pada
data historik, dan penyiapan estimasi untuk tahun – tahun sekarang dengan data nyata
yang tersedia. Nilai suatu model ditentukan oleh derajat ketepatan hasil peramalan
dengan data aktual.

4. Penerapan Model
Setelah pengujian, analis menerapkan model dalam tahap ini, data historis
dimasukkan dalam model untuk menghasilkan suatu ramalan. Dalam kasus model
calon mahasiswa baru, Y= a + bX, analis menerapkan teknik-teknik matematika agar
diperoleh a dan b.

5. Revisi dan Evaluasi

 Ramalan – ramalan yang telah dibuat harus senantiasa diperbaiki dan ditinjau
kembali. Perbaikan mungkin perlu dilakukan karena adanya perubahan – perubahan
dalam perguruan tinggi atau lingkungan, seperti tingkat biaya masuk perguruan
tinggi, jumlah kelulusan di tingkat SMU, tingakt jumlah perguruan tinggi, jumlah
jurusan/program studi baru yang ada di perguruan tinggi, pengeluaran – pengeluaran
pengiklanan atau pamflet, kebijakan moneter dan kemajuan teknologi.

Evaluasi, di pihak lain, merupakan perbandingan ramalan – r amalan dengan hasil –

hasil nyata untuk menilai ketepatan penggunaan metodelogi atau teknik peramalan.
Langkah ini diperlukan untuk menjaga kualitas estimasi-estimasi diwaktu yang akan
datang.

I. TINJAUAN METODE KUALITATIF

Pada bagian ini, kami mempertimbangkan empat teknik peramalan kualitatif yang berbeda:
1) Juri opini eksekutif: Berdasarkan metode ini, pendapat sekelompok ahli tingkat tinggi
atau para manajer, seringkali dalam kombinasi dengan model statistik, dikumpulkan
untuk sampai pada sebuah kelompok perkiraan permintaan. Perusahaan Bristol-Myers
Squibb, misalnya, menggunakan 220 terkenal peneliti peneliti sebagai juri opini
eksekutif untuk mendapatkan pemahaman tentang tren masa depan di dunia penelitian
medis.
2) Metode Delphi: Ada tiga jenis peserta dalam metode Delphi: keputusan pembuat, staf
personalia, dan responden. Pengambil keputusan biasanya terdiri dari 5 orang kepada 10
pakar yang akan membuat prakiraan aktual. Personel staf membantu pengambil
keputusan dengan menyiapkan, mendistribusikan, mengumpulkan, dan meringkas
serangkaian kuesioner dan hasil survei. Responden adalah sekelompok orang, seringkali
berada di tempat yang berbeda, yang penilaiannya dihargai. Kelompok ini memberikan
masukan kepada pengambil keputusan sebelum ramalan dibuat.
Negara bagian Alaska, misalnya, telah menggunakan metode Delphi untuk
mengembangkan ramalan ekonomi jarak jauhnya. Sebagian besar anggaran negara
berasal dari jutaan lebih barel minyak dipompa setiap hari melalui pipa di Prudhoe Bay.
Panel Delphi besar ahli harus mewakili semua kelompok dan pendapat di negara bagian
dan semua wilayah geografis.
3) Gabungan tenaga penjualan: Dalam pendekatan ini, setiap wiraniaga memperkirakan
akan seperti apa penjualannya atau wilayahnya. Perkiraan ini kemudian ditinjau untuk
memastikan bahwa perkiraan tersebut realistis. Kemudian mereka digabungkan di tingkat
kabupaten dan nasional untuk mencapai perkiraan keseluruhan. Variasi dari pendekatan
ini terjadi di Lexus, di mana setiap kuartal dealer Lexus mengadakan "pertemuan". Pada
pertemuan ini, mereka berbicara tentang apa yang dijual, dalam warna apa, dan dengan
pilihan apa, jadi pabrik tahu apa yang harus dibangun.
4) Survei pasar: Metode ini mengumpulkan masukan dari pelanggan atau pelanggan
potensial tentang rencana pembelian masa depan
J. TINJAUAN METODE KUALITATIF

Tinjauan Metode Kuantitatif 1

Lima metode peramalan kuantitatif, semuanya menggunakan data historis, benar-benar di

sini
bab. Mereka terbagi dalam dua kategori:
1.Pendekatan naif
2. Rata-rata bergerak
3. Pemulusan eksponensial
4. Proyeksi tren
5. Regresi linier "

Model asosiatif
Model Deret Waktu Model deret waktu memprediksi dengan asumsi bahwa masa depan
adalah a fungsi masa lalu. Dengan kata lain, mereka melihat apa yang terjadi selama periode
waktu tertentu dan menggunakan data masa lalu untuk membuat ramalan. Jika kami
memprediksi penjualan mesin pemotong rumput, kami menggunakann penjualan masa lalu
untuk mesin pemotong rumput untuk membuat perkiraan.
Model Asosiatif Model asosiatif, seperti regresi linier, menggabungkan variabel atau faktor
yang mungkin mempengaruhi kuantitas yang diramalkan. Misalnya, asosiatif
model penjualan mesin pemotong rumput mungkin menggunakan faktor-faktor seperti
perumahan baru, anggaran iklan, dan harga pesaing.

K. PERKIRAAN DERET WAKTU

Deret waktu didasarkan pada urutan spasi yang sama (mingguan, bulanan,
triwulanan, dan seterusnya pada) titik data. Contohnya termasuk penjualan mingguan Nike
Air Jordans, pendapatan kuartalan laporan saham Microsoft, pengiriman harian bir Coors,
dan indeks harga konsumen tahunan.
Data deret waktu peramalan menyiratkan bahwa nilai masa depan hanya diprediksi
dari nilai lampau dan bahwa variabel lain, tidak peduli seberapa berharganya, dapat
diabaikan.

Rangkaian Dekomposisi
Waktu Menganalisis deret waktu berarti memecah data masa lalu menjadi beberapa
komponen dan kemudian memproyeksikan
mereka maju. Deret waktu memiliki empat komponen:
1) Tren adalah pergerakan data ke atas atau ke bawah secara bertahap dari waktu ke waktu.
Perubahan pendapatan, populasi, distribusi usia, atau pandangan budaya mungkin
menjelaskan pergerakan masuk kecenderungan.
2) Musiman adalah pola data yang berulang setelah periode hari, minggu, bulan, atau
perempat
3) Siklus adalah pola dalam data yang terjadi setiap beberapa tahun. Mereka biasanya diikat
4) siklus bisnis dan sangat penting dalam analisis dan perencanaan bisnis jangka pendek.
Memprediksi siklus bisnis itu sulit karena mungkin dipengaruhi oleh peristiwa politik
atau oleh kekacauan internasional.
5) 4. Variasi acak adalah "blip" dalam data yang disebabkan oleh kebetulan dan situasi yang
tidak biasa. Mereka
6) tidak mengikuti pola yang terlihat, sehingga tidak dapat diprediksi

Pendekatan Naïve

Metode peramalan naïve merupakan metode peramalan berdasarkan pengamatan pola data
sebelumnya, sehingga metode ini mengasumsikan bahwa data masa lalu sebagai indikator
peramalan terbaik di masa depan. Jika pola data musiman maka metode naïve musiman
memodelkan data masa depan berdasarkan data musiman di masa lalu.

Metode naïve dirumuskan pada persamaan 2, yaitu:

Yt+1= = Yt

Keterangan:
Yt+t: merupakan peramalan yang dibuat dalam periode waktu t+1

Cara termudah untuk meramalkan adalah dengan mengasumsikan bahwa

permintaan pada periode berikutnya akan sama permintaan dalam periode terbaru. Dengan
kata lain, jika menjual suatu produk — katakanlah, ponsel Nokia telepon — 68 unit di bulan
Januari, kami dapat memperkirakan bahwa penjualan bulan Februari juga akan menjadi 68
telepon

Metode Simple Moving Average

Metode simple average digunakan oleh perusahaan untuk mendapatkan peramalan
dengan jangka waktu pendek, dengan kesederhanaan dalam teknik peramalannya membuat
metode simple average memudahkan data analyst dalam memodelkan pola data fluktuatif.
Simple moving average menggunakan data dari periode waktu sebelumnya untuk kemudian
dijumlahkan dan melakukan perhitungan rata-rata untuk mengetahui pola data selanjutnya.
Metode simple moving average membutuhkan data periode sebelumnya dengan rentang
waktu tertentu, semakin panjang rentang waktu data sebelumnya makan semakin halus grafik
pemodelan yang dihasilkan.
L. DATA DALAM VARIASI MUSIMAN

Variasi data musiman adalah pergerakan teratur dalam rangkaian waktu yang terkait
dengan peristiwa yang berulang seperti cuaca atau hari libur. Permintaan batu bara dan bahan
bakar minyak, misalnya, mencapai puncaknya saat cuaca dingin bulan-bulan musim dingin.
Permintaan untuk klub golf atau tabir surya mungkin paling tinggi di musim panas.
Musiman dapat diterapkan pada pola per jam, harian, mingguan, bulanan, atau pola berulang
lainnya.
Restoran cepat saji mengalami lonjakan harian pada siang hari dan lagi pada pukul
5 sore. Bioskop melihat permintaan yang lebih tinggi pada Jumat dan Sabtu malam. Kantor
pos, Toys “R” Us, The Christ mas Store, dan Hallmark Card Shops juga memamerkan variasi
musiman dalam lalu lintas pelanggan dan penjualan.
Demikian pula, memahami variasi musim penting untuk perencanaan kapasitas
dalam organisasi yang menangani beban puncak. Ini termasuk perusahaan tenaga listrik
selama cuaca sangat dingin dan periode hangat, bank pada Jumat sore, dan bus serta kereta
bawah tanah pada pagi hari dan jam sibuk malam hari.
.
M. METODE PERAMALAN ASOSIATIF; ANALISIS REGRESI DAN KORELASI

Tidak seperti peramalan deret waktu, model peramalan asosiatif biasanya

mempertimbangkan beberapa variabel yang terkait dengan kuantitas yang diprediksi. Setelah
variabel terkait ini ditemukan, model statistik dibangun dan digunakan untuk meramalkan
item yang diminati. Pendekatan ini lebih kuat daripada metode deret waktu yang hanya
menggunakan nilai historis untuk variabel prakiraan.
Banyak faktor yang dapat dipertimbangkan dalam analisis asosiatif. Misalnya
penjualan Dell PC mungkin terkait dengan anggaran iklan Dell, harga perusahaan, harga
pesaing dan strategi promosi, dan bahkan ekonomi negara dan tingkat pengangguran. Di
dalam kasus, penjualan PC akan disebut variabel dependen, dan variabel lain akan disebut
Variabel independen . Tugas manajer adalah mengembangkan hubungan statistik terbaik
antara Penjualan PC dan variabel independen. Peramalan asosiatif kuantitatif yang paling
umum model adalah analisis regresi linier.
Menggunakan Analisis Regresi untuk Peramalan Kita dapat menggunakan model
matematika yang sama yang kita gunakan dalam metode kuadrat terkecil proyeksi tren untuk
melakukan analisis regresi linier. Variabel dependen yang kami inginkan untuk meramalkan
akan tetap yn. Namun sekarang variabel bebas x tidak perlu lagi waktu. Kita gunakan
persamaan y = a+b

Analisis Regresi Ganda

Regresi berganda adalah perpanjangan praktis dari model regresi sederhana yang baru saja
kita jelajahi. Saya memungkinkan kami membuat model dengan beberapa variabel
independen, bukan hanya satu variabel. Untuk
Misalnya, jika Konstruksi Nodel ingin memasukkan suku bunga tahunan rata-rata dalam
modelnya untuk meramalkan penjualan renovasi,

n = a + b1x1 + b2x2

Example :

Konstruksi Nodel ingin melihat pengaruh variabel independen kedua, suku bunga, pada
penjualannya.

PENDEKATAN c Garis regresi berganda baru untuk Konstruksi Nodel, dihitung dengan
perangkat lunak komputer, adalah:

yn = 1,80 + 0,30x1 - 5,0x2

Kami juga menemukan bahwa koefisien korelasi baru adalah 0,96, yang menyiratkan
dimasukkannya variabel x2, tingkat bunga, menambah lebih banyak kekuatan pada hubungan
linier

SOLUSI  Sekarang kami dapat memperkirakan penjualan Nodel jika kami mengganti nilai
untuk gaji tahun depan dan
suku bunga. Jika penggajian West Bloomfield akan menjadi $ 6 miliar dan tingkat bunga
akan menjadi 0,12 (12%), penjualan
akan diramalkan sebagai:
Penjualan ($ jutaan) = 1.80 + .30 (6) - 5.0 (.12)
= 1,8 + 1,8 - 0,6
= 3.00
atau:
Penjualan = $ 3,000,000

WAWASAN  Dengan menggunakan kedua variabel, penggajian dan suku bunga, Nodel
sekarang memiliki perkiraan penjualan sebesar $ 3 juta dan koefisien korelasi yang lebih
tinggi. Ini menunjukkan hubungan yang lebih kuat antara keduanya variabel dan perkiraan
penjualan yang lebih akurat
 BAB III
STUDI KASUS

Peramalan Penjualan PT. Bakrie Telecom (ESIA)

Penjualan merupakan kegiatan ekonomi yang umum, dimana dengan penjualan sebuah
perusahaan akan memperoleh hasil/laba sesuai dengan apa yang direncanakan atau
memperoleh pengembalian atas biaya – biaya yang dikeluarkan. Berikut ini dikemukakan
definisi penjualan menurut beberapa ahli sebagai berikut :
1. Sutamto (1979) mengemukakan bahwa penjualan adalah usaha yang dilakukan
manusia untuk menyampaikan barang kebutuhan yang telah dihasilkannya kepada
mereka yang memerlukannya dengan imbalan uang menurut harga yang ditentukan
atas persetujuan bersama;
2. Winardi (1991 : 3) mengemukakan penjualan sebagai proses dimana sang penjual
memastikan, mengaktifkan, dan memuaskan kebutuhan atau keinginan sang pembeli
yang berkelanjutan dan menguntungkan kedua belah pihak;

Dari definisi penjualan diatas terlihat bahwa betapa pentingnya fungsi penjualan bagi sebuah
perusahaan. Pada umumnya, para pengusaha mempunyai tujuan mendapatkan laba yang
maksimal serta mempertahankan atau berusaha meningkatkannya untuk jangka waktu lama.
Tujuan tersebut dapat direalisir apabila penjualan dapat dilaksanakan seperti yang
direncanakan.

Menurut Basu Swastha (dalam Tri Eka Pujiastuti, 2004 : 13) perusahaan pada umumnya
mempunyai tiga tujuan dalam penjualannya, yaitu :
1. Mencapai volume penjualan tertentu;
2. Mendapat laba tertentu;
3. Menunjang pertumbuhan perusahaan.

Adapun faktor – faktor yang harus diperhatikan dalam mencapai tujuan penjualan
diantaranya adalah :
1. Modal yang diperlukan;
2. Kemampuan merencanakan dan membuat produk;
3. Kemampuan menentukan tingkat harga yang tepat;
4. Kemampuan memilih penyalur yang tepat;
5. Kemampuan menggunakan cara – cara promosi yang tepat;
6. Unsur penunjang yang lain.

Peramalan penjualan merupakan salah satu cara untuk membantu menentukan perencanaan
pemesanan yang sesuai dengan kebutuhan. Nilai penjualan yang diramalkan diharapkan
mendekati nilai penjualan sebenarnya yang akan terjadi. Dengan begitu frekuensi dan jumlah
pemesanan persediaan dapat dihitung sedemikian rupa sehingga biaya untuk penyediaan
persediaan dapat ditekan.
Peramalan penjualan pada studi kasus PT. Bakrie Telecom yaitu dalam hal ini target
penjualan (aktivasi nomor untuk pengguna Esia), di bawah ini contoh kasus peramalan yang
menggunakan metode Trend Linier :
Peramalan merupakan proses mengestimasi keadaan yang tidak diketahui. Salah satu metode
dalamagar tren yang diperoleh tidak dikacaukan oleh variasi siklis seperti kontraksi dan
ekspansi. Agar memudahkan perhitungan dalam mencari persamaan tren, digunakan kode
tahun (X) sebagaipengganti tahun yang sesunggguhnya dengan rumus X = t-t, dimana t =
rata-rata dari tahun awal dan tahun akhir yang di pelajari.

Persamaan tren linier adalah

Yt = a + bX…………………….. (1)
Dengan :
Yt = Nilai tren untuk periode tertentu
a = Nilai Yt jika X = 0 atau nilai Yt pada periode t,
b = Kemiringan garis tren atau besarnya perubahan Yt, jika terjadi perubahan satu besaran
peride waktu,
X = Kode periode waktu = t – t

Untuk mendapatkan nilai Yt, nilai a dan b harus diketahui terlebih dahulu. Dengan n sebagai
banyaknya pasangan data, persamaan yang diturunkan dengan metode kuadrat terkecil untuk
menghitung nilai a dan b adalah sebagai berikut:

a = Σ Y ………………………(2) n
b = Σ XY …………………….(3)Σ X2

n=9
t = Σ t = 18027 = 2003
n 9

No. Tahun
(t) Kode

Tahun ( X ) Penjualan ( Y ) XY X2
1 1999 -4 332500 -1330000 16
2 2000 -3 301000 -903000 9
3 2001 -2 366000 -732000 4
4 2002 -1 356500 -356500 1
5 2003 0 417000 0 0
6 2004 1 444500 444500 1
7 2005 2 459500 919000 4
8 2006 3 512000 1536000 9
9 2007 4 515000 206000 16
Σ 18027 0 3704000 1638000 60
Untuk meramalkan tahun 2010 :
a = Σ Y = 3704000 = 411556
n 9

b = Σ XY = 1638000 = 27300
Σ X2 60

Sehingga persamaan tren liniernya adalah :

Y = 411556 + 27300X

Untuk meramalkan penjualan tahun 2010, kita hitung terlebih dahulu kode tahun (X) untuk
tahun 2010.
X = t – t = 2010 – 2003 = 7

Lalu nilai X dimasukkan ke dalam persamaan tren linier menjadi :

Y = 411556 + 27300 (7) = 602656

Jadi ramalan penjualan tahun 2010 dengan menggunakan tren linier adalah sebesar 602656
Peramalan penjualan dapat dilakukan dengan beberapa cara bukan hanya dengan
menggunakan tren linier saja seperti yang di jelaskan dalam pembahasan peramalan dapat
dilakukan sesuai dengan dengan berbagai metode yang di inginkan suatu perusahaan contoh
diatas merupakan sebegian contoh yang dilakukan untuk meramalkan penjualan (aktivasi
nomor Esia) pada PT. Bakrie Telecom. Hal ini menunjukan adanya peningkatan dari tahun ke
tahun dalam penjualan.
 BAB IV
PENUTUP

A. SIMPULAN

Peramalan (forecasting) merupakan seni dan ilmu untuk memperkirakan kejadian dimasa
depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan
menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis.

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.

Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi semua
model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis
kualitatif.

B. SARAN
1. Diperlukan penelitian lebih lanjut tentang metode – metode forecasting yang lebih
praktis, lebih efisien;
2. Diperlukan metode – metode lebih lanjut tentang peramalan ngembangan program
komputer yang lebih tepat dibandingkan dengan menggunakan program komputer
excell, sehingga dapat diperoleh hasil peramalan yang tepat;
3. Bagi PT. Bakrie Telecom, perlu untuk melakukan peningkatan peramalan penjualan
untuk meningkatkan keuntungan dimasa yang akan dating.
LAMPIRAN ARTIKEL JURNAL