KATA PENGANTAR

1
 DAFTAR ISI

KATA PENGANTAR...................................................................................... i
DAFTAR ISI.................................................................................................... ii
BAB I PENDAHULUAN................................................................................. 1
A. Latar Belakang...................................................................................... 1
B. Rumusan Masalah................................................................................. 1
C. Tujuan dan Manfaat.............................................................................. 1
BAB II PEMBAHASAN.................................................................................. 3
A. Pengertian Peramalan (Forecasting).................................................... 3
B. Jenis-jenis Forecasting.......................................................................... 3
C. Metode Peramalan................................................................................ 4
BAB III PENUTUP.......................................................................................... 11
A. Kesimpulan........................................................................................... 11
B. Saran..................................................................................................... 11
DAFTAR PUSTAKA....................................................................................... 12

ii
 BAB I
PENDAHULUAN
A. Latar Belakang
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan
dimasa yang akan datang. Yang meliputi kebutuhan dalam ukuran kuantitas,
kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi
permintaan barang ataupun jasa (Nasution, 1999).
Peramalan memiliki estimasi nilai atau karakteristik masa depan yaitu
prediksi (prediction), peramalan (forecast), dan kecenderungan (trend).
Peramalan bersifat tidak pasti (uncertain), permintaan tidak pasti karena ada
beberapa factor yaitu karena adanya kompetisi, perilaku konsumen, siklus
bisnis, upaya penjualan, siklus hidup produk, variasi random, dan lain-lain.
Pada dasarnya pendekatan peramalan dapat diklasifikassikan menjadi
dua pendekatan, yaitu pendekatan kualitatif dan pendekatan kuantitaif
(Makridakis, et.al., 1995).
B. Rumusan Masalah
Berdasarkan latar belakang diatas, maka penulis merumuskan
permasalahan yang ada sebagai berikut:
a. Apa yang di maksud peramalan (forecasting)?
b. Apa saja jenis dari peramalan (forecasting)?
c. Metode apa saja di peramalan (forecasting)?
C. Tujuan dan Manfaat
a. Tujuan
1. Mengkaji kebijakan perusahaan yang berlaku saat ini 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 penyusunan bisnis pada suatu perusahaan
sehingga dapat meningkatkan efektivitas suatu rencana bisnis.

1
b. Manfaat
Forcasting terlihat pada saat pengambilan keputusann. Keputusan
yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang
akan terjadi pada waktu keputusan itu dilaksanakan (Ginting, 2007).

2
 BAB II
PEMBAHASAN

A. Pengertian Peramalan (Forecasting)

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan
dimasa yang akan datang. Yang meliputi kebutuhan dalam ukuran kuantitas,
kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi
permintaan barang ataupun jasa (Nasution, 1999).
Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat
dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap
permintaan yang akan datang berdasarkan pada beberapa variabel peramal,
sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-
teknik peramalan yang bersifat formal maupun informal (Gaspersz, 1998).
Kegiatan peramalan merupakan bagian integral dari pengambilan
keputusan manajemen.Peramalan mengurangi ketergantungan pada hal-hal
yang belum pasti (intuitif). Peramalan memiliki sifat saling ketergantungan
antar divisi atau bagian. Kesalahan dalam proyeksi penjualan akan
mempengaruhi pada ramalan anggaran, pengeluaran operasi, arus kas,
persediaan, dan sebagainya. Dua hal pokok yang harus diperhatikan dalam
proses peramalan yang akurat dan bermanfaat (Makridakis, 1999):
1. Pengumpulan data yang relevan berupa informasi yang dapat
menghasilkan peramalan yang akurat.
2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan
informasi data yang diperoleh semaksimal mungkin.

B. Jenis-jenis Forecasting
Menurut Render dan Heizer (2004) pada jenis peramalan dapat
dibedakan menjadi beberapa tipe. Dilihat dari perencanaan operasi di masa
depan, maka peramalan dibagi menjadi 3 macam yaitu:

3
 1. Peramalan ekonomi (economic forecasting) menjelaskan siklus bisnis
dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang
dibutuhkan untuk membangun perumahan dan indicator perencanaan
lainnya.
2. Peramalan teknologi (technological forecasting) memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralatan baru.
3. Peramalan permintaan (demand forecasting) adalah proyeksi permintaan
untuk produk atau layanan suatu perusahaan.
Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa
depan yang dicakupnya. Menurut Taylor (2004) dalam hubungannya dengan
horizon waktu peramalan terbagi atas beberapa kategori, yaitu:
1. Ramalan jangka pendek (short-range forecasting) mencakup masa depan
yang dekat (immediate future) dan memperhatikan kegiatan harian suatu
perusahaan bisnis, seperti permintaan harian atau kebutuhan sumber daya
harian.
2. Ramalan jangka menengah (medium-range forecasting) mencakup
jangka waktu satu atau dua bulan sampai satu tahun. Ramalan jangka
waktu ini umumnya lebih berkaitan dengan rencana produksi tahunan
dan akan mencerminkan hal-hal seperti puncak dan lembah dalam suatu
permintaan dan kebutuhan untuk menjamin adanya tambahan untuk
sumber daya untuk tahun berikutnya.
3. Ramalan jangka Panjang (long-range forecasting) mencakup periode
yang lebih lama dari satu atau dua tahun. Ramalan ini berkaitan dengan
usaha manajemen untuk merencanakan produk baru untuk pasar yang
berubah, membangun fasilitas baru, atau menjamin adanya pembiayaan
jangka panjang.

C. Metode Peramalan
Untuk melakukan peramalan diperlukan perhitungan yang akurat

4
sehingga diperlukaan peramalan yang tepat. Pada dasarnya terdapat dua
pendekatan umum untuk mengatasi semua model keputusan meramal.
Berikut gambar taksonomi peramalannya.

Gambar 2.1 Taksonomi Peramalan

a. Model Kualitatif
Model kualitatif berupaya memasukkan faktor-faktor subyektif
dalam model peramalan, model ini akan sangat bermanfaat jika data
kuantitatif yang akurat sulit diperoleh. Contoh dari metode ini ialah
metode delphi, opini juri eksekutif, komposit kekuatan dan survey pasar
konsumen. Di dalam pendekatan kualitatif ada Teknik delphi.
Teknik delphi adalah metode yang banyak digunakan dan diterima
untuk mengumpulkan data dari responden dalam domain penelitian.
Teknik ini dirancang sebagai proses komunikasi kelomok yang bertujuan
untuk mencapai konvergensi pendapat tentang isu-isu nyata. Teknik ini
telah digunakan di berbagai bidang studi seperti perencanaan program,

5
penilian assessment, penetuan kebijakan, dan pemanfaatan sumber daya
untuk mengembangkan berbagai alternatif, menjelajahi atau mengekspos
yang mendasari asumsi, serta berkorelasi penilaian pada suatu topik yang
mencakup berbagai disiplin ilmu. Teknik Delphi cocok sebagai metode
untuk pembangunan konsensus dengan menggunakan serangkaian
kuesioner dikirimkan menggunakan beberapa iterasi untuk
mengumpulkan data panel dari subyek yang dipilih.
Pada tahun 1950 teknik delphi dikembangkan oleh Dalkey dan
Helmer di Rand Corporation. Metode ini digunakan secara luas dan
diterima untuk mencapai konvergensi pendapat tentang pengetahuan
dunia nyata yang diminta dari para ahli dalam bidang topik tertentu.
Teknik delphi digambarkan sebagai metode untuk penataan proses
komunikasi antar kelompok agar proses ini efektif yang memungkinkan
sekolompok individu, Teknik delphi merupakan salah satu metode dari
peramalan.
Salah satu tujuan dari Teknik delphi ini untuk mengembangkan
berbagai alternatif program yang mungkin, mengekspos asumsi yang
mendasari informasi yang mengarah ke penilaian berbeda. Ada beberapa
langkah dalam melakukan Teknik ini salah satunya Dermawan (2004),
menurutnya para pembuat keputusan harus melalui proses delphi dengan
identifikasi isu masalah pokok yang hendak diselesaikan, kemudian
kuesioner dibuat kemudian kuesioner dikirim ke para ahli yang ada di
dalam organisasi maupun diluar organisasi untuk mengetahui
permasalahan yang dihadapi, kemudian para ahli akan mengisi kuesioner
tersebut dan memberikan solusi penyelesaian masalah, dalam hal ini akan
di buat sebuah tim khusus untuk merangkum hasil dari kuesioner dan
menelaah ulang hasil rangkuman kemudian pada proses terakhir para
pembuat keputusan dapat mencapai kesepakatan untuk menentukan satu
alternatif solusi atau tindakan yang terbaik. Berikut ini kelebihan dan
kekurangan dari Teknik delphi:

6
 Kelebihan metode delphi:
a) Hasil yang didapat berdasarkan para ahli
b) Opini yang diungkapkan dari para ahli luas, karena masing-
masing para ahli memiliki pendapat.
Kekurangan metode delphi:
a) Biaya yang dikeluarkan lebih besar
b) Hasil yang di dapat berdasarkan asumsi
c) Akan memakan waktu lama
d) Hasil tidak berjalan sesuai prediksi
b. Model Kualitatif
Model kuantitatif yaitu peramalan yang menggunakan satu atau lebih
model matematis dengan data masa lalu dan variabel sebab akibat untuk
meramalkan permintaan. Pada dasarnya model kualitatif dibedakan
menjadi dua yaitu berdasarkan seri waktu (time series) dan kausal
(causal metods).
Model kausal Model kausal memasukkan dan menguji variabel-
variabel yang diduga akan mempengaruhi variabel dependen, model ini
biasanya menggunakan analisis regresi untuk menentukan mana variabel
yang signifikan mempengaruhi variable dependen. Selain menggunakan
analisis regresi, model kausal juga dapat menggunakan metode ARIMA
atau Box-Jenkins untuk mencari model terbaik yang dapat digunakan
dalam peramalan.
Model Time series merupakan model yang digunakan untuk
memprediksi masa depan dengan menggunakan data historis. Dengan
kata lain, model time series mencoba melihat apa yang terjadi pada suatu
kurun waktu tertentu dan menggunakan data masa lalu untuk
memprediksi. Contoh dari model time series ini antara lain Moving
Average, Exponensial Smoothing, dan rata-rata.
1. Metode Moving Average
Bermanfaat jika mengasumsikan bahwa permintaan pasar tetap

7
 stabil sepanjang waktu. Dalam metode moving average ini dibag
menjadi dua metode yaitu:
a) Single moving average
Pada metode ini digunakan untuk melakukan peramalan hal-hal
yang bersifat random yang artinya tidak ada trend naik maupun
turun, musiman dan sebagainya, namun sulit untuk mengetahui
polanya. Metode ini mempunyai dua sifat khusus yaitu membuat
peramal memerlukan data histories selama jangka waktu
tertentu, semakin Panjang waktu moving average akan
menghasilkan moving average yang semakin halus.
b) Weight moving average
Pada metode ini apabila ada trend terdeteksi maka bobot dapat
digunakan untuk menempatkan penekanan yang lebih pada nilai
terkini. Pada metode ini membuat Teknik peramalan lebih
tanggap perubahan karena periode yang lebih dekat mendapat
bobotyang lebih berat.
2. Metode Exponential Smoothing
Metode Exponential Smoothing (Makridakis, 1999) merupakan
prosedur perbaikan terus- menerus pada peramalan terhadap objek
pengamatan terbaru. Metode peramalan ini menitik- beratkan pada
penurunan prioritas secara eksponensial pada objek pengamatan
yang lebih tua. Dalam pemulusan eksponensial atau exponential
smoothing terdapat satu atau lebih parameterpemulusanyang
ditentukan secara eksplisit, dan hasil ini menentukan bobot yang
dikenakan pada nilai observasi.
Dengan kata lain, observasi terbaru akan diberikan prioritas
lebih tinggi bagi peramalan daripada observasi yang lebih lama.
Metode exponential smoothing dibagi lagi berdasarkan menjadi
beberapa metode.
a) Single exponential smoothing

8
 Juga dikenal sebagai simple exponential smoothing yang
digunakan pada peramalan jangka pendek, biasanya hanya 1
bulan ke depan. Model mengasumsikan bahwa data berfluktuasi
di sekitar nilai mean yang tetap, tanpa trend atau pola
pertumbuhan konsisten. (Makridakis, 1999). Rumus untuk
Simple exponential smoothing adalah sebagai berikut:
Ft+1 = α * Xt + (1 – α) * Ft (1)

Dimana:
Ft = peramalan pada periode t
Xt + (1- α) = nilai actual time series Ft + 1 = peramalan pada
waktu t + 1 Α = konstanta perataan antara 0 dan 1

b) Double exponential smoothing

Metode ini digunakan ketika data menunjukkan adanya trend.
Exponential smoothing dengan adanya trend seperti pemulusan
sederhana kecuali bahwa dua komponen harus diupdate setiap
periode – level dan trendnya. Level adalah estimasi yang
dimuluskan dari nilai data pada akhir masingmasing periode.
Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-
rata pada akhir masing-masing periode. (Makridakis, 1999).
St = α * Yt + (1 – α) * (St - 1 + bt - 1) (2)
bt = γ * (St – St - 1) + (1 – γ) * bt – 1 (3)
Ft + m = St + bt m (4)
Dimana:
St = peramalan untuk periode t
Yt + (1- α) = nilai actual time series Bt = trend pada peroide -t
A = parameter pertama perataan antara 0 dan 1 = untuk
pemulasan nilai observasi
Γ = parameter kedua, untuk pemulasan trend Ft + m = hasil

9
 peramalan ke – m
M = julah periode ke muka yang akan diramalkan
c) Triple exponential smoothing
Metode ini digunakan ketika data menunjukan adanya trend dan
perilaku musiman (Makridakis, 1999). Untuk menangani
musiman, telah dikembangkan parameter persamaan ketiga yang
disebut metode “HoltWinters” sesuai dengan nama penemuya.
Terdapat dua model Holt-Winters tergantung pada tipe
musimannya yaitu Multiplicative seasonal model dan Additive
seasonal model yang akan dibahas pada bagian lain dari blog ini.
Metode exponentian smoothing yang telah dibahas sebelumnya
dapat digunakan untuk hampir segala jenis data stasioner atau
non – stasioner sepanjang data tersebut tidak mengandung faktor
musiman. Tetapi bilamana terdapat musiman, metode ini
dijadikan cara untuk meramalkan data yang mengandung faktor
musiman, namun metode ini sendiri tidak dapat mengatasi
masalah tersebut dengan baik.
Meskipun demikian, metode ini dapat menangani factor
musiman secara langsung. (Makridakis, 1999). Rumus yang
digunakan untuk triple exponential smoothing adalah:
Pemulusan trend: Bt =g (St – St-1) + (1 - g ) bt-1 (5)
Pemulusan Musiman: I = b t X t S + (1-b) t -L +m (6)
Ramalan: Ft + m = (St + bt m)It – L + m (7)

Dimana L adalah panjang musiman (misal, jumlah kuartal dalam

suatu tahun), b adalah komponen trend, I adalah factor
penyesuaian musiman, dan Ft + m adalah ramalan untuk m
periode ke muka.

10
 BAB III
PENUTUP

A. Kesimpulan
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan
dimasa yang akan datang. Yang meliputi kebutuhan dalam ukuran kuantitas,
kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi
permintaan barang ataupun jasa (Nasution, 1999).
Didalam peramalan ada 2 pendekatan yaitu model kualitatif dan model
kuantitatif. Model kualitatif adalah memasukkan faktor-faktor subyektif
dalam model peramalan, model ini akan sangat bermanfaat jika data
kuantitatif yang akurat sulit diperoleh, didalam model kualtatif terdapat
metode delphi.
Sedangkan model kuantitaif peramalan yang menggunakan satu atau
lebih model matematis dengan data masa lalu dan variabel sebab akibat untuk
meramalkan permintaan. Didalam model kuantitaif terdapat dua metode yaitu
time series dan kausal.

B. Saran
Pada penulisan ini terdapat kekurangan. Penulis berharap pembaca
dapat memberikan masukan untuk makalah ini agar lebih baik lagi.

11
 DAFTAR PUSTAKA

Lussier, Jacques. Portofolio Structuring and The Value of Forecasting. ISBN 978-
1944960-09-4 Rahaja, Alda. Angraeni, Wiwik. Aulia Vinarti, Retno. Penerapan
Metode Exponensial Smoothing
untuk Peramalan Penggunaan Waktu Telepon di PT. Telkomsel
Divre3 Surabaya
(Diakses, 16 Februari 2019)

Pakaja, Fachrudin. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf

Tiruan dan Certain Factor (Diakses, 16 Februari 2019)
Vivi Putri, Meylia. https://classroom.google.com/c/MjgwODA3ODk3NzRa
Konsep Dasar Peramalan (Diakses, 16 Februari 2019)

Widya Utami, Novia. Mengenal Forecasting, Manfaat, Fungsi, dan Jenisnya

untuk Kesuksesan Bisnis Anda. https://www.jurnal.id/id/blog/2018-forecasting-
pengertian-manfaat-fungsi dan-jenisnya-bagi-kesuksesan-bisnis/ (Diakses, 16
Februari 2019)

Pasaribu, Mangihot. Pengertian dan Jenis-jenis Peramalan (Forecasting). 01

Maret 2017. http://mangihot.blogspot.com/2017/03/pengertian-dan-jenis-jenis-
peramalan.html (Diakses, 16 Februari 2019)

12