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 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 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.
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:
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:
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.
Moving average
Trend linear
Trend linear : ŷ = a + bx
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
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
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 %
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:
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):
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:
Manajer PT Wita berpendapat bahwa penjualan dipengaruhi oleh biaya promosi. Untuk membuktikan
pendapat tersebut, dikumpulkan data sebagai berikut (dalam jutaan rupiah):
Perkirakan tingkat penjualan pada tahun 2009 jika biaya promosi sebesar Rp 22.000.000!
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):
Bantulah manajer PT Sonya untuk memperkirakan jumlah penjualan TV untuk setiap triwulan pada
tahun 2008 dengan menggunakan indeks musim!