Studi Kelayakan

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)

1. Ketelitian/ Keakuratan. Tujuan utama peramalan adalah menghasilkan prediksi

yang akurat. Peramalan yang terlalu rendah mengakibatkan kekurangan
persediaan (inventory). Peramalan yang terlalu tinggi akan menyebabkan
inventory yang berlebihan dan biaya operasi tambahan.
2. Biaya. Biaya untuk mengembangkan model peramalan dan melakukan peramalan
akan menjadi signifikan jika jumlah produk dan data lainnya semakin besar.
Mengusahakan melakukan peramalan jangan sampai menimbulkan ongkos yang
terlalu besar ataupun terlalu kecil. Keakuratan peramalan dapat ditingkatkan
dengan mengembangkan model lebih komplek dengan konsekuensi biaya menjadi
lebih mahal. Jadi ada nilai tukar antara biaya dan keakuratan.
3. Responsif. Ramalan harus stabil dan tidak terpengaruhi oleh fluktuasi demand.
4. Sederhana. Keuntungan utama menggunakan peramalan yang sederhana yaitu
kemudahan untuk melakukan peramalan. Jika kesulitan terjadi pada metode
sederhana, diagnosa dilakukan lebih mudah. Secara umum, lebih baik
menggunakan metode paling sederhana yang sesuai dengan kebutuhan
peramalan
Langkah-langkah Peramalan
Pengumpulan Data

Mengolah Data

Menentukan Metode Peramalan

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)

❑ Merupakan hubungan antara variabel independent dan dependen yang

dikaitkan dengan waktu (mingguan, bulan, triwulan atau tahun).
❑ Salah satu metode deret waktu adalah dengan metode smoothing.
❑ Metode smoothing merupakan jenis perencanaan jangka pendek. Data
yang harus tersedia minimal 2 tahun. Metode ini tidak cocok untuk
peramalan jangka Panjang. Tujuan penggunaan metode ini adalah
untuk mengurangi ketidakteraturan data masa lampau seperti
musiman. Caranya dengan membuat rata-rata.
❑ Tujuan metode smoothing adalah untuk mengurangi fluktuasi hasil
ramalan dengan menggunakan data lampau.
❑ Model Smoothing antara lain :
a. Metode Rata-rata kumulatif
b. Metode rata-rata bergerak tunggal
 Metode Peramalan –
Metode Rata-Rata Kumulatif 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)

Jawab Nilai rata-rata Bergerak 3 Bulan

1800+1620+1740
Nilai Rata-rata bergerak April = = 1720
Bulan Waktu 3
Obervasi 3 Bulan 6 Bulan
Januari 1 1800 Mei = 1620+1740+1980
= 1780
3
Februari 2 1620
Maret 3 1740 Dan seterusnya
April 4 1980 1720
Mei 5 2010 1780
Nilai Rata-rata Bergerak 6 bulan
Juni 6 1900 1910
Juli 7 1860 1963 1841 Juni =
1800+1620+1740+1980+2010+1900
= 1841
6
Agustus 8 1990 1923 1851
September 9 2150 1916 1913 Juli = 1620+1740+1980+2010+1900+1860
= 1851
6
Oktober 10 2000 2000 1981
November 11 2220 2046 1985 Dan seterusnya
Desember 12 2123 2020
 Metode Peramalan – Metode Regresi

❑ Hal yang perlu diketahui untuk melakukan peramalan dengan metode

regresi adalah mengetahui terlebih dahulu kondisi seperti :
a) Adanya informasi masa lalu
b) Informasi yang ada dapat dibuatkan dalam bentuk data
(dikuantifikasikan)
c) Diasumsikan bahwa pola data yang ada dari data masa lalu akan
berkelanjutan di masa yang akan datang.
❑ Pendekatan dalan metode regresi sederhana adalah
a) Analisis deret waktu untuk regresi sederhana linier
b) Analisis deret waktu untuk regresi sederhana non-linier
Metode Regresi Sederhana Linier Metode Peramalan –
Regresi

Persamaan matematis untuk regresi sederhana linier adalah

Ʃ𝑦 Ʃ𝑥
a= −b atau a = 𝑌ത − 𝑏 𝑋ത
𝑛 𝑛
Y = a + bx
𝑛 Ʃ𝑥𝑦 Ʃ𝑥 Ʃ𝑦 Ʃ𝑥𝑦 − 𝑥ഥ Ʃ𝑦
b= − atau b=
𝑛Ʃ 𝑥2 (Ʃ𝑥)2 Ʃ𝑥2−𝑥ഥ Ʃ𝑥
Dimana :
Y = Dependen Variabel
X = Independen Variabel
Analisis Regresi Sederhana Linier Metode Peramalan –
Regresi

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

Persamaan Matematis nya :

Ʃ𝑦 = 𝑛𝑎 + 𝑏Ʃ𝑥 + 𝑐Ʃ𝑥2 . …………......(i)

Y = a + bx + cx2 Ʃ𝑥𝑦 = 𝑎Ʃ𝑥 + 𝑏Ʃ𝑥2 + 𝑐Ʃ𝑥3………......(ii)

Ʃ𝑥2𝑦 = 𝑎Ʃ𝑥2 + 𝑏Ʃ𝑥3 + 𝑐Ʃ𝑥4………..(iii)

Dimana :
Y = Dependen Variabel
X = Independen Variabel
A,b,c = koefisien regresi
Analisis Regresi Sederhana Non Linier Metode Peramalan –
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

Jawab Ʃ𝑦 = 𝑛𝑎 + 𝑏Ʃ𝑥 + 𝑐Ʃ𝑥2 . …………......(i)

Unit Ʃ𝑥𝑦 = 𝑎Ʃ𝑥 + 𝑏Ʃ𝑥2 + 𝑐Ʃ𝑥3………......(ii)
Tahun Terjual X X2 X3 X4 Y2 XY X2Y
(Y)
2000 140 0 0 0 0 19.600 0 0
Ʃ𝑥2𝑦 = 𝑎Ʃ𝑥2 + 𝑏Ʃ𝑥3 + 𝑐Ʃ𝑥4………..(iii)
2001 110 1 1 1 1 12.100 110 110
2002 100 2 4 8 16 10.000 200 400
Menghasilkan persamaan :
2003 120 3 9 27 81 14.400 360 1.080
2004 150 4 16 64 256 22.500 600 2.400 960 = 7a + 21b + 91c …………......(i)
2005 160 5 25 125 625 25.600 800 4.000 3150 = 21a + 91b + 441c ………......(ii)
2006 180 6 36 216 1.296 32.400 1.080 6.480 14470 = 91a + 441b + 2275c …(iii)
Ʃ 960 21 91 441 2.275 136.600 3.150 14.470

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)

960 = 7a + 21b + 91c |x13| 12480 = 91a + 273b + 1183c

14470 = 91a + 441b + 2275c |x1| 14470 = 91 a + 441b +2275c
-1990 = -168b – 1092c …………(2)

Dari persamaan 1 dan 2 akan diperoleh :

270 = 28b + 168c |x6| 1620 = 168b + 1080c
1990 = 168b + 1092c |x1| 1990 = 168b + 1092c
-370 = -84c
c = 4,40476 ……(masukkan ke salah satu persamaan 1/2)
Analisis Regresi Sederhana Non Linier Metode Peramalan –
Regresi

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)

960 = 7a + 21b + 91c

960 = 7a + 21(16,786) + 91(4,40476)
960 = 7a -352,506 + 400,833
7a = 9911,673
a = 130,239

Maka persamaan Y = 130,24 – 16,79x + 4,41x2

Peramalan penjualan untuk tahun :

2007 ➔ Y = 130,24 – 16,79 (7) + 4,41 (72) = 228,8
2008 ➔ Y = 130,24 – 16,79 (8) + 4,41 (82) = 278,32
 SOAL
1. Berikut data Penjualan PT. Duta selama 10 bulan

Bulan Rp Bulan Rp
Januari 4670 Juni 4750
Februari 4680 Juli 4770
Maret 4590 Agustus 4780
April 4720 September 4800
Mei 4740 Oktober 4820

Berdasarkan data tersebut, buatlah ramalan penjualan untuk bulan

Nopember dengan menggunakan metode garis lurus (linier)
 SOAL
2. Berikut data Penjualan Toko Arya selama 6 tahun
Tahun Rp
2011 3
2012 4
2013 5
2014 8
2015 7
2016 9

Berdasarkan data tersebut, buatlah ramalan penjualan untuk tahun

2017 dengan metode :
a. Garis Lurus
b. Bukan Garis Lurus