PERAMALAN

Peramalan adalah seni dan ilmu memprediksi peristiwa masa depan. Peramalan memerlukan
pengambilan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model
matematis.

Peramalan biasanya dikelompokkan oleh horizon waktu masa depan yang mendasarinya. Tiga kategori
yang bermanfaat bagi manajer operasi adalah:

 Peramalan jangka pendek. Rentang waktunya mencapai satu tahun tetapi umumnya kurang
dari 3 bulan. Peramalan jangka pendek digunakan untuk merencanakan pembelian,
penjadwalan kerja, jumlah tenaga kerja, penugasan, dan tingkat produksi.

 Peramalan jangka menengah. Peramalan jangka menengah biasanya berjangka 3 bulan

hingga 3 tahun. Peramalan ini sangat bermanfaat dalam perencanaan penjualan, perencanaan
dan penganggaran produksi, penganggaran kas, dan menganalisis berbagai rencana operasi.

 Peramalan jangka panjang. Rentang waktunya antara 3 tahun atau lebih. Digunakan dalam
merencanakan produk baru, pengeluaran modal, lokasi fasilitas, ekspansi serta penelitian dan
pengembangan.

Peramalan jangka menengah dan panjang mempunyai 3 ciri yang membedakan keduanya dari
peramalan jangka pendek yaitu:

 Peramalan jangka menengah dan panjang berhubungan dengan isu yang lebih kompetitif dan
mendukung keputusan manajemen berkaitan dengan perencanaan dari produk, pabrik dan
proses.

 Peramalan jangka pendek biasanya menggunakan metodologi yang berbeda daripada

peramalan yang lebih panjang.

 Peramalan jangka pendek cenderung lebih akurat daripada peramalan jangka yang lebih
panjang.

Faktor lain untuk mempertimbangkan kapan mengembangkan ramalan penjualan, terutama ramalan
penjualan jangka panjang adalah product life cycle. Produk dan jasa dalam dua tahap pertama dari daur
hidupnya membutuhkan ramalan yang lebih panjang dibandingkan dalam tahap maturity dan decline.

Jenis-jenis peramalan antara lain adalah:

 Ramalan ekonomi. Membahas siklus bisnis dengan memprediksi tingkat inflasi, supply uang
dan indikator perencanaan lain.

 Ramalan teknologi. Berkaitan dengan tingkat kemajuan teknologi yang akan melahirkan
produk baru yang mengesankan, membutuhkan pabrik dan peralatan baru.

 Ramalan permintaan. Merupakan proyeksi permintaan untuk produk atau jasa perusahaan.
Ramalan ini disebut juga ramalan penjualan, produksi, kapasitas dan system penjadwalan
perusahaan dan bertindak sebagai masukan untuk perencanaan keuangan, pemasaran, dan
sumber daya manusia.
Proses peramalan adalah sebagai berikut:

 Penentuan tujuan. Tujuan tergantung pada kebutuhan informasi para pemimpin. Analis
membicarakan dengan para pembuat keputusan untuk mengetahui apa kebutuhan mereka dan
menentukan variabel yang akan diestimasi, siapa yang akan menggunakan hasil ramalan, untuk
tujuan apa hasil peramalan akan digunakan, estimasi jangka panjang atau jangka pendek yang
diinginkan, derajat ketepatan estimasi yang diinginkan, kapan estimasi dibutuhkan, serta bagian
peramalan yang diinginkan seperti peramalan untuk kelompok pembeli, kelompok produk atau
daerah geografis.

 Pengembangan model. Dalam peramalan, model adalah suatu kerangka analitik yang bila
dimasukkan data input akan menghasilkan estimasi di masa depan. Analis hendaknya memilih
suatu model yang menggambarkan secara realistik perilaku variabel yang dipertimbangkan.
Misalnya bila perusahaan ingin meramal penjualan yang “perilakunya” berbentuk linear, model
yang dipilih mungkin berbentuk Y= A+Bx

 Pengujian model. Model diuji untuk menentukan tingkat akurasi, validitas dan reliabilitas
yang diharapkan. Nilai suatu model ditentukan oleh derajat ketepatan hasil peramalan dengan
actual nya. Dengan kata lain, pengujian model bermaksud untuk mengetahui validitas atau
kemampuan prediktif secara logik suatu model.

 Penerapan model. Dalam tahap ini, data historik dimasukkan dalam model untuk
menghasilkan suatu ramalan.

 Revisi dan revaluasi. Perbaikan mungkin perlu dilakukan karena adanya perubahan dalam
perusahaan dan lingkungan seperti tingkat harga, karakteristik produk, biaya iklan, pajak,
kebijaksanaan moneter dan kemajuan teknologi. Evaluasi merupakan pembandingan ramalan
dengan hasil actual untuk menilai ketepatan penggunaan suatu metodologi atau teknik
peramalan. Langkah ini diperlukan untuk menjaga kualitas estimasi di waktu mendatang.

Ramalan yang baik sangat penting dalam seluruh aspek bisnis. Ramalan hanyalah estimasi permintaan
produk sampai permintaan aktual diketahui. Ramalan permintaan mengarahkan keputusan di dalam
banyak bidang. Ramalan produk berpengaruh terhadap 3 fungsi:

 Sumber daya manusia. Mempekerjakan, melatih dan memberhentikan para pekerja

tergantung pada permintaan produk yang diantisipasi. Jika departemen SDM harus menambah
pekerja tanpa ada pembatasan, jumlah pelatihan menurun, dan mutu angkatan kerja merosot.

 Kapasitas. Bila kapasitas tidak tepat, akan muncul masalah seperti pengiriman yang tidak
terjamin, kehilangan pelanggan dan kehilangan pangsa pasar.

 Supply chain management. Hubungan dengan pemasok yang baik dan keunggulan kerja yang
terjamin untuk bahan baku dan suku cadang tergantung pada ramalan yang akurat.

Ada dua pendekatan umum yang akan kita gunakan dalam peramalan:

 Peramalan kualitatif. Memanfaatkan faktor-faktor penting seperti intuisi, pengalaman

pribadi, dan system nilai pengambilan keputusan.
  Peramalan kuantitatif. Menggunakan berbagai model matematis yang menggunakan data
historis dan atau variabel-variabel kausal untuk meramalkan permintaan.

Ada 5 teknik peramalan kualitatif:

 Jury of executive opinion. Metode ini mengambil opini dari sekelompok kecil manajer tingkat
tinggi, seringkali dikombinasikan dengan model statistik dan menghasilkan estimasi permintaan
kelompok.

 Sales force composite. Dalam pendekatan ini, setiap wiraniaga mengestimasi jumlah
penjualan di wilayahnya. Ramalan itu kemudian dikaji ulang untuk meyakinkan tingkat realistis
nya, lalu dikombinasikan pada tingkat provinsi dan nasional untuk mencapai ramalan secara
menyeluruh.

 Delphi method. Proses kelompok ini mengijinkan para ahli yang mungkin tinggal di beberapa
tempat, untuk membuat ramalan. Ada 3 partisipan pada metode Delphi: pengambil keputusan,
personel staf dan responden. Pengambil keputusan biasanya terdiri dari sebuah kelompok
beranggotakan lima sampai sepuluh ahli yang akan membuat ramalan aktual. Personel staf
membantu pengambilan keputusan dengan menyiapkan, mendistribusikan, mengumpulkan, dan
meringkas serangkaian kuesioner dan hasil survey. Responden adalah kelompok orang yang
keputusannya dinilai dan diperhatikan, kelompok ini memberi masukan kepada pengambil
keputusan sebelum ramalan dibuat.

 Consumer market survey. Metode ini memperbesar masukan dari pelanggan atau calon
pelanggan tanpa melihat rencana pembelian masa depannya. Metode ini bisa membantu tidak
hanya dalam meyiapkan ramalan tetapi juga dalam memeperbaiki desain produk baru.

Jenis peramalan metode kuantitatif:

Moving average

Σ demand in previous n periods

Moving Average (Ft) =
n

At-1 + At-2 + ….. + At-n

Moving Average (Ft) =
n

Ft = peramalan untuk periode yang akan datang

n = jumlah periode peramalan moving average

At-1 = data aktual permintaan satu periode sebelum peramalan

At-2 = data aktual permintaan dua periode sebelum peramalan

At-n = data aktual permintaan n periode sebelum peramalan

Weighted moving average

 Σ (weight for period n) (demand in period n)
Weighted moving average (Ft) =
Σ weight

= w1 (At-1) + w2 (At-2) + ….. + wn (At-n)

w1 = bobot yang diberikan untuk permintaan actual periode t – 1

w2 = bobot yang diberikan untuk permintaan actual periode t – 2

wn = bobot yang diberikan untuk permintaan actual periode t – n

n = total periode data yang akan diramalkan

Trend linear

Trend linear : ŷ = a + bx

ŷ = besarnya nilai yang diramal

a = nilai trend pada periode dasar

b = tingkat perkembangan nilai yang diramal

x = unit waktu yang dihitung dari periode dasar

Untuk menghitung besarnya nilai a dan b ada 2 cara:

 Metode nol bebas. Penentuan letak angka nol pada skala X (tahun dasar) adalah bebas, sehingga
ΣX = 0 atau ΣX ≠ 0. Persamaan yang digunakan pada metode nol bebas adalah:

ΣY = n.a + b.ΣX

ΣXY = a.ΣX + b.ΣX2

 Metode titik tengah sebagai tahun dasar (ΣX = 0). Dalam metode ini jumlah nilai dalam skala X
harus sama dengan nol, sehingga nilai a dan b dapat ditentukan sebagai berikut:

ΣYi ΣXiYi
a=Ȳ= b=
n ΣXi2

Analisa regresi dan korelasi sederhana

Regresi linear (Linear Regression)

Persamaan regresi linear sederhana : Ỳ = a + bX

Ỳ = nilai variabel bergantung (dependent variable)

a = bilangan konstan, merupakan nilai Ỳ bila X = 0

b = koefisien regresi / slope

X = nilai variabel bebas (independent variable)

Untuk menghitung a dan b adalah sebagai berikut :

n Σ XiYi - ΣXi ΣYi

b=
n ΣXi2 - (Σxi)2

a= Ȳ-b X

Korelasi (correlation)

Analisis korelasi mengukur derajat hubungan antara dua atau lebih variabel tanpa melihat bentuk
hubungannya. Derajat hubungan tersebut dinyatakan dengan koefisien korelasi (coefficient correlation)
dengan interval -1 ≤ r ≤ 1

n Σ XY - (ΣX) (ΣY)
r=
√ (n ∑X2 - (∑X)2) (n∑Y2 - (∑Y)2)

Untuk mengetahui sumbangan / kontribusi dari suatu variabel terhadap perubahan variabel lain, maka
digunakan koefisien penentu atau koefisien determinasi dengan rumus

KP = r2 * 100 %

Variasi musim (seasonal variation)

Sering disebut dengan peramalan musiman (seasonal forecast). Dasarnya adalah untuk meramalkan
adanya fluktuasi musiman dari ramalan permintaan tahunan yang telah diperhitungkan. Pola fluktuasi
permintaan dalam mingguan, bulanan, triwulanan dan caturwulanan itu sebenarnya merupakan indeks
musim (seasonal index).

Langkah penyelesaian:

 Hitunglah rata-rata permintaan atau penjualan setiap triwulan / kuartal.

 Menghitung indeks musim untuk setiap triwulan dengan cara:

o Cari dulu rata-rata permintaan triwulanan selama tahun data, yaitu jumlahkan seluruh
nilai rata-rata permintaan / penjualan triwulan yang ada dibagi jumlah tahun data.

o Setelah mendapatkan rata-rata tadi, maka indeks musim diperoleh dengan cara nilai
rata-rata masing-masing triwulan dibagi dengan rata-rata triwulanan selama tahun data.
Contoh soal peramalan

Manajer Mie Co. menyatakan bahwa jika permintaan mie instan pada bulan Desember 2006 meningkat
dari bulan sebelumnya, maka Mie Co akan meluncurkan mie instan dengan rasa baru pada tahun 2007.
Berikut ini adalah data mengenai jumlah permintaan mie instan (dalam dus):

Periode Penjualan Periode Penjualan Periode Penjualan

October-05 225 March-06 400 August-06 482
November-05 260 April-06 432 September-06 507
December-05 382 May-06 409 October-06 506
January-06 426 June-06 429 November-06 541
February-06 395 July-06 459    

Berdasarkan data tersebut:

 Hitung perkiraan permintaan setiap bulan yang mungkin berdasarkan metode rata-rata bergerak
tiga bulan!

 Dengan menggunakan metode rata-rata bergerak 5 bulan, tentukan apakah kebijakkan manajer
dapat dilaksanakan! Berapa persen peningkatan atau penurunan yang terjadi?

 Dengan menggunakan metode rata-rata tertimbang dengan bobot 2:4:6:8 (data terbaru diberi
bobot terbesar), hitunglah perkiraan untuk bulan Desember 2006!

PT Comp adalah perusahaan yang memproduksi computer. Untuk menghasilkan satu computer
dibutuhkan 2 unit chip X. Berikut ini adalah permintaan computer selama 8 tahun terakhir:

Tahun Permintaan (unit)

1999 3,200
2000 3,500
2001 3,400
2002 4,600
 2003 4,800
2004 5,050
2005 5,300
2006 5,700

Gunakan metode kuadrat terkecil untuk menjawab pertanyaan berikut:

 Berapa jumlah chip X yang dibutuhkan pada tahun 2008?

 Manajer perusahaan merencanakan akan menambah karyawan jika jumlah permintaan

computer pada tahun 2007 meningkat 5 % dari tahun sebelumnya. Apakah rencana tersebut
dapat terlaksana?

 Pada tahun berapakah jumlah permintaan computer mencapai 8000 unit?

Manajer PT Wita berpendapat bahwa penjualan dipengaruhi oleh biaya promosi. Untuk membuktikan
pendapat tersebut, dikumpulkan data sebagai berikut (dalam jutaan rupiah):

Tahun Penjualan Biaya Promosi

2000 10.0 8.4

2001 11.5 10.3

2002 12.0 11.0

2003 12.5 12.7

2004 14.0 13.3

2005 15.6 15.0

2006 17.4 16.0

Berdasarkan data diatas:

 Perkirakan tingkat penjualan pada tahun 2009 jika biaya promosi sebesar Rp 22.000.000!

 Jelaskan hubungan antara biaya promosi dengan tingkat penjualan!

 Berapa besar proporsi variasi penjualan yang dapat dijelaskan oleh variasi biaya promosi!
Manajer PT Sonya ingin memperkirakan jumlah penjualan TV setiap triwulan pada tahun 2008. Berikut
adalah data penjualan TV (dalam unit):

Tahun Triwulan 1 Triwulan 2 Triwulan 3 Triwulan 4

2000 700 600 930 970

2001 830 980 890 1,000

2002 1,000 1,060 1,040 1,100

2003 1,320 1,560 1,000 940

2004 1,460 1,940 1,070 1,170

2005 2,080 2,010 1,070 1,150

2006 2,200 2,350 1,000 950

Bantulah manajer PT Sonya untuk memperkirakan jumlah penjualan TV untuk setiap triwulan pada
tahun 2008 dengan menggunakan indeks musim!