Bisnis
PENDEKATAN
PERAMALAN
PERTEMUAN 4
DR. RINI SETIAWATI
Pembahasan
1. Prosedur Peramalan
2. Kendala Pemilihan Teknik Peramalan
3. Pengukuran Permintaan Produk
4. Peramalan Produk yang sudah mapan
5. Peramalan Permintaan Produk Baru
6. Metode Time Series dan Metode
Regresi Korelasi
7. Pengawasan Peramalan
❑ Peramalan (forecasting) digunakan untuk membantu tercapainya
suatu keputusan yang optimal, sistematis dan dapat
dipertanggungjawabkan.
❑ Peramalan menjadi suatu metode dan alat oleh manajemen yang
merupakan bagian integral dari proses pengambilan keputusan.
❑ Peramalan atau forecasting juga menjadi alat bantu penting dalam
perencanaan karena sifatnya yang efektif dan efisien khususnya
dalam bidang ekonomi.
❑ Peramalan adalah data di masa lalu yang digunakan untuk
keperluan estimasi data yang akan datang.
Sifat Peramalan (Forecasting)
1. Ramalan pasti mengandung kesalahan, artinya peramalan hanya
bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak
dapat menghilangkan ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang beberapa
ukuran kesalahan, artinya karena peramalan pasti mengandung
kesalahan, maka adalah penting bagi peramal untuk
menginformasikan seberapa besar kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan
jangka panjang. Hal ini disebabkan karena pada peramalan jangka
pendek, faktor-faktor yang mempengaruhi permintaan relatif masih
konstan sedangkan masih panjang periode peramalan, maka
semakin besar pula kemungkinan terjadinya perubahan faktor-
faktor yang mempengaruhi permintaan.
Karakteristik Peramalan (Forecasting)
Mengolah Data
Memproyeksikan Data
Mengambil Keputusan
Langkah-langkah Peramalan
1. Pengumpulan Data.
Data dikumpulkan selengkap mungkin untuk beberapa periode baik data
sekunder dan data primer. Data sekunder diperoleh dari berbagai sumber
seoerti perpustakaan, majalah serta laporan lainnya. Data Primer diperoleh
dari lapangan dengan metode obesrvasi, wawancara, kuesioner.
2. Mengolah Data
Data yang sudah dikumpulkan dibuat tabulasi data untuk mengetahui
pola data yang dimiliki dan memudahkan untuk melakukan peramalan.
3. Menentukan Metode Peramalan.
Masing-masing metode akan memberikan hasil peramalan yang berbeda,
metode peramalan yang baik adalah metode yang memberikan hasil
ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi
(penyimpangan yang paling kecil).
Langkah-langkah Peramalan
4. Memproyeksikan Data.
Memproyeksikan data yang lalu dengan menggunakan metode yang
dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan,
seperti kebijakan-kebijakan yang mungkin terjadi, perkembangan potensi
masyarakat, perkembangan teknologi, politik, social atau kemasyarakatan
lainnya. Agar dapat meminimalkan penyimpangan terhadap perubahan,
maka perlu dilakukan proyeksi data dengan pertimbangan faktor
perubahan tersebut untuk beberapa periode.
5. Mengambil Keputusan
Hasil Peramalan yang telah dilakukan digunakan untuk mengambil
keputusan untuk membuat berbagai perencanaan seperti perencaan
produksi, keuangan, penjualan baik untuk jangka pendek maupun jangka
Panjang.
Metode Peramalan – Deret Waktu (Time Series)
Contoh :
PT. Rapi bermaksud meramalkan jumlah kebutuhan beras bulan September 2021
mendatang. Data bulan Maret sampai dengan Agustus adalah 1200, 1250, 1350,
1500, 1600 dan 1650 kg.
Anda diminta meramalkan persediaan bulan September, Oktober dan Nopember
2021 dengan menggunakan metode rata-rata kumulatif.
Jawab :
1200+1250+1350+1500+1600+1650
Sept = = 1425 Kg
6
Misal jika ternyata kebutuhan bulan September adalah 1250 kg maka peramalan
untuk bulan berikutnya sbb :
1200+1250+1350+1500+1600+1650+1250
Oktt = = 1400 Kg
7
Misal jika ternyata kebutuhan bulan September adalah 1640 kg maka peramalan
untuk bulan berikutnya sbb :
1200+1250+1350+1500+1600+1650+1250+1640
Nop = = 1430 Kg
8
Metode Peramalan –
Metode Rata-Rata Bergerak Tunggal Deret Waktu
(Time Series)
Contoh :
Berikut ini data penjualan televisi yang diproduksi oleh PT. Maju.
Anda diminta meramalkan persediaan pada bulan Desember dengan rata-rata 3
bulan dan 6 bulan.
Bulan Waktu Nilai Obervasi
Januari 1 1800
Februari 2 1620
Maret 3 1740
April 4 1980
Mei 5 2010
Juni 6 1900
Juli 7 1860
Agustus 8 1990
September 9 2150
Oktober 10 2000
November 11 2220
Desember 12
Metode Peramalan –
Metode Rata-Rata Bergerak Tunggal Deret Waktu
(Time Series)
Contoh :
PT. ABC memiliki data penjualan sepeda motor Yamaha dari tahun 2001 – 2006
sebagai berikut :
Tahun Unit Terjual
2001 100
2002 110
2003 120
2004 125
2005 140
2006 150
Pertanyaan :
Berapa jumlah penjualan untuk tahun 2007, 2008 dan 2009 dengan menggunakan
analisis regresi sederhana linier?
Metode Regresi Sederhana Linier Metode Peramalan –
Regresi
Jawab Jawab
Tahun Unit Terjual (Y) X X2 Y2 XY a = 𝑌ത − 𝑏 𝑋ഥ
2001 100 0 0 10.000 0
a = 124,17 – (9,86)(2,5) = 99,52
2002 110 1 1 12.100 110
2003 120 2 4 14.400 240
2004 125 3 9 15.625 375 Maka diperoleh persamaan :
2005 140 4 16 19.600 560
2006 150 5 25 22.500 750 Y = 99,52 + 9,86x
Ʃ 745 15 55 94.225 2.035
Dari persamaan Y = 99,52 + 9,86x akan
Ʃ𝑋 15 Ʃ𝑦 745
𝑥ҧ = = = 2,5 𝑦ത = = = 124,17 digunakan untuk peramalan penjualan pada
𝑛 6 𝑛 6
tahun :
Ʃ𝑥𝑦 − 𝑥ഥ Ʃ𝑦
b=
Ʃ𝑥2−𝑥ഥ Ʃ𝑥 2007 = 99,52 + 9,86 (6) = 158,68
2008 = 99,52 + 9,86 (7) = 168,54
2035 −(2,5)(745) 172,5 2009 = 99,52 + 9,86 (8) = 178,40
b= = = 9,86
55−(2,5)(15) 17,5
Metode Regresi Sederhana Non Linier Metode Peramalan –
(Bukan garis lurus) Regresi
Contoh :
PT. DEF memiliki data penjualan sepeda lada dari tahun 2000 – 2006 sebagai
berikut :
Tahun Unit Terjual
2000 140
2001 110
2002 100
2003 120
2004 150
2005 160
2006 180
Pertanyaan :
Berapa jumlah penjualan untuk tahun 2007, 2008 dengan menggunakan analisis
regresi sederhana non linier?
Analisis Regresi Sederhana Non Linier Metode Peramalan –
Regresi
ELIMINASI
Analisis Regresi Sederhana Non Linier Metode Peramalan –
Regresi
Jawab
960 = 7a + 21b + 91c |x3| 2880 = 21a + 63b + 273c
3150 = 21a + 91b + 441c |x1| 3150 = 21a + 91b + 441c
-270 = -28b – 168 c ……………..(1)
Jawab
270 = 28b + 168c
270 = 28b + 168 (4,40476)
270 = 28b + 740
28b = -470
b = -16,786 …………(masukkan ke salah satu persamaan i/ii/iii)
Bulan Rp Bulan Rp
Januari 4670 Juni 4750
Februari 4680 Juli 4770
Maret 4590 Agustus 4780
April 4720 September 4800
Mei 4740 Oktober 4820