BAB II
PERAMALAN
Yang dimaksud dengan meramal (to forecast) adalah suatu kegiatan atau
usaha untuk mengetahui peristiwa-peristiwa (events) yang akan terjadi pada
waktu yang akan datang mengenai obyek tertentu dengan menggunakan
judgment, pengalaman-pengalaman ataupun data historis. Dari definisi di
atas terdapat beberapa istilah yang perlu dijelaskan pengertiannya, khusus
dalam tulisan ini.
Peristiwa
Yang dimaksud dengan peristiwa adalah suatu kejadian tentang suatu
obyek yang merupakan hasil suatu proses atau kegiatan; misalnya
baik/buruk, turun/naik, atau miring/mendatar, dan sebagainya. Proses
dimaksud bisa datang dari luar, maupun dari dalam yang pada akhirnya
akan menimbulkan suatu peristiwa atau kejadian. Dalam diktat itu, peristiwa
yang akan diramal itu khusus di bidang ekonomi ataupun perusahaan,
misalnya GNP, permintaan pada tingkat industri dan permintaan akan
produk perusahaan tertentu (barang ataupun jasa).
Halaman : 9
Peramalan
ditaksir dan diramal melalui teori-teori yang ada pada disiplin ilmu-ilmu
tersebut. Dikatakan demikian karena keampuhan suatu teori itu tergantung
dari daya ramalnya di dalam mengantisipasikan situasi waktu datang
apabila variabel-variebel tertentu berada dalam suatu nilai. Artinya suatu
peristiwa yang bakal terjadi merupakan suatu akibat dari variabel-variabel
lain yang secara langsung ataupun tidak langsung mempengaruhi ini seiring
disebut sebagai variabel-variabel independen ataupun variabel-variabel
penjelasan (explanatory variables), sedangkan variabel yang diramal atau
ditaksir itu disebut sebagai variabel yang dijelaskan (explained variabel).
dengan demikian, peramalan itu merupakan kegiatan untuk mengetahui
nilai variabel yang dijelaskan atau variabel dependen pada masa datang
dengan mempelajari variabel-variabel independen pada masa lalu.
Manfaat Peramalan
Setelah kita mengetahui apa yang dimaksudkan dengan peramalan, maka
pertanyaan berikutnya adalah apa manfaatnya ramalan itu (peramalan
adalah proses meramal, sedangkan ramalan adalah hasil yang diperoleh
dari proses meramal). Secara akal sehat, apabila kita terlebih dahulu
mengetahui apa yang akan terjadi pada masa datang, akan sangat
bermanfaat bagi kita untuk menetapkan berbagai kebijakan. Kebijakan yang
akan diambil disesuaikan dengan hasil ramalan. Apabila hasil ramalan itu
menunjukkan bahwa permintaan pasar akan produk perusahaan
menunjukkan bahwa permintaan pasar akan produk perusahaan meningkat,
maka perlu ditetapkan berbagai kebijakan mengenai pengadaan bahan
baku, penarikan tenaga kerja, penambahan kapasitas pabrik dan
penggudangan, armada angkutan, pembelanjaan, dan lain sebagainya.
Sedangkan apabila hasil ramalan itu menunjukkan bahwa permintaan akan
menurun, maka berbagai strategi dapat ditempuh, misalnya : melakukan
diversifikasi, pengembangan produk, penetrasi pasar, bahkan likuidasi
sekalipun untuk meloncat ke bisnis lainnya bukan mustahil ditempuh.
Halaman : 10
Peramalan
Halaman : 11
Peramalan
[Y (t ) − Y ' (t )]
MAD = t =1
Halaman : 12
Peramalan
(Y (t ) − Y ' (t )) 2
MSE = t =1
100 N Y (t ) − Y ' (t )
MAP = [ Y (t ) ]
N t =1
Data Linier
Dalam menggunakan peramalan rata-rata bergerak tunggal, dalam
pembuatan ramalan tidak dapat mengatasi masalah trend. Oleh karena itu,
dikembangkan rata-rata bergerak tunggal itu menjadi rata-rata bergerak
ganda (double moving average).
Contoh kasus 1 :
Data permintaan (pesanan) produk lihat tabel 2.1. di bawah ini. Juga hasil
plot data permintaan (data masa lalu) dapat dilihat pada gambar 2.1. Dari
gambar tersebut tampak bahwa data mentah (permintaan) produk
mempunyai trend (linier positif). Untuk selanjutnya kita dapat menentukan
metode peramalan yang sekiranya mendekati (lebih cocok) untuk trend data
tersebut. Di contoh ini ditunjukkan perhitungan dengan menggunakan
metoda peramalan MOVING AVERAGE (2) dan MA(2x3).
T 1 2 3 4 5 6 7 8 9 10 11 12
Unit 3 6 9 12 15 18 21 24 27 30 33 36
Halaman : 13
Peramalan
Data permintaan
40
30
Data
20
permintaan
10
0
0 5 10 15
Perioda (bulan)
Hasil ramalan dengan rata-rata bergerak ganda MA(2x3) pada tabel 2.2. di
atas ternyata untuk t = 11 menghasilkan 22.5 unit. Deret berkala itu
kelihatannya menunjukkan adanya trend yang menaik sebesar 3 untuk tiap
periode dimana pada periode t = 12 sudah mencapai 31.5 unit. Tingkat
kesalahan (penyimpanan) dengan menggunakan SSE (Sum Square Error)
MA(2x3) adalah 252.
Halaman : 14
Peramalan
40
35
30
25 Demand
20 MA(2)
15
MA(2x3)
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12
Perioda (bulan)
Gambar 2.2. Grafik data permintaan, hasil ramalan MA(2) dan MA(2x3)
Halaman : 15
Peramalan
Contoh kasus 2 :
Data permintaan (pesanan) produk (data masa lalu) lihat tabel 2.3. di bawah
ini. Juga hasil plot data permintaan produk dapat dilihat pada gambar 2.3.
Dari gambar 2.3. tersebut tampak bahwa data produk mentah (permintaan)
mempunyai trend data tidak teratur (tidak linier). Untuk selanjutnya kita
dapat menentukan metode peramalan yang sekiranya mendekati (lebih
cocok) untuk data tersebut. Disini ditunjukkan dengan menggunakan
peramalan MOVING AVERAGE (2) dan MA(2x3).
T 1 2 3 4 5 6 7 8 9 10 11 12
Unit 6 9 21 3 15 30 27 33 12 24 18 36
30
25
20 Data
15 permintaan
10
5
0
0 2 4 6 8 10 12
Perioda (bulan)
Setelah dilakukan peralaman single & double moving average atau MA(2)
dan MA(2x2) dapat dilihat dalam tabel 2.4. di bawah ini.
Halaman : 16
Peramalan
1 6 - - - -
2 9 - - - -
3 21 8 - 182 -
4 3 15 - 144 -
5 15 12 - 9 -
6 30 9 12 441 6
7 27 23 12 20 110
8 33 29 15 20 196
9 12 30 20 324 100
10 24 23 27 2 20
11 18 18 27 0 81
12 36 21 24 225 6
27 21
234 1368 520
Dari hasil pengujian tingkat penyimpangan dengan single & double moving
average terdapat perbedaan, dimana single moving average lebih besar
(1368) tingkat penyimpangannya dari pada double moving average (520).
Hasil dari kedua peramalan tersebut dapat ditunjukkan pada gambar 2.4. di
bawah ini. Terlihat jelas, bahwa garis yang mendekati garis data aktual
(data permintaan), berarti hasil peramalan tersebut lebih cocok.
Halaman : 17
Peramalan
40
Data permintaan (unit) 35 Demand
30 MA(2)
25
20 MA(2x3)
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12
Perioda (bulan)
Gambar 2.4. Grafik data permintaan, hasil ramalan MA(2) dan MA(2x3)
Rumus ini agak berbeda dengan rumus single smoothing karena X’t dipakai
untuk mencari St bukan S t – 1
Peramalan dilakukan dengan rumus :
F t+m = a t + bt.m
m = jangka waktu peramalan ke depan.
at = 2S’t – S”t
bt = (St' − St" )
1−
Contoh kasus 3 :
Data permintaan dengan plot data permintaan produk yang tidak teratur,
seperti ditunjukkan pada tabel 2.5. di bawah ini, sedangkan hasil plot data
permintaan produk (data produk masa lalu) pada gambar 2.5.
Halaman : 18
Peramalan
T 1 2 3 4 5 6 7 8 9 10 11 12
Unit 120 125 129 124 130 140 128 136 142 130 135 144
140
135
130
125
120
115
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Gambar 2.5.
Grafik plot data (penyebaran data permintaan) yang tidak teratur.
Andaikan data pada tabel 2.5 kolom kedua kita selesaikan dengan metode
double exponential smoothing, hasilnya perhitungannya seperti terlihat pada
tabel 2.6. Jika = 0.2, maka :
Periode pertama :
X1 = 120, karena belum cukup data S’1 dianggap sebesar 120
dan S” 1 juga 120.
X2 = 125
S’t = xt + (1 – )S’t – 1
S”t = S’t + (1 – )S” t - 1
at = 2S’t – S”t
bt = (St' − St" )
1−
Halaman : 19
Peramalan
X3 = 129
S’3 = 0,2 (129) + 0,8 (121) = 122,6
S” 3 = 0,2 (122,6) + 0,8 (120,2) = 120,7
Periode Demand
SES DES Nilai a Nilai b Ft Ft+m SSE
(t) (x)
1 120 120 120 - - - 146 -
2 125 121 120 122 0,2 122,2 152 5
3 129 123 121 125 0,5 125,5 158 4
4 124 123 121 125 2 127 164 8
5 130 124 122 127 3 130 171 0
6 140 127 123 132 6 138 177 5
7 128 128 124 131 5 136 183 63
8 136 129 125 134 5 139 189 9
9 142 132 126 137 7 144 196 5
10 130 131 127 136 5 141 202 115
11 135 132 128 136 5 141 208 34
12 144 135 130 140 6 146 214 3
1583 251
150 Demand
SES
Permintaan (unit)
140
DES
130
Hasil
ramalan: 20
Halaman
120
110
Peramalan
Gambar 2.6.
Grafik data permintaan, SES, DES dan hasil peramalannya.
Untuk memilih yang tepat caranya juga secara trial & error. Dicari nilai
yang bisa meminimumkan mean squared error. Metode double exponential
smoothing ini biasanya lebih tepat untuk meramalkan data yang mengalami
trend kenaikan. Daro gambar 2.6. jelaslah bahwa data hasil peramalan
mendekati data aktual dengan trend naik (positif).
Halaman : 21
Peramalan
Misalnya yang ingin diramal itu adalah akan permintaan akan kopi dengan
merek ABC, yang secara teoritis dipengaruhi oleh kegiatan promosi bagi
kopi tersebut,dengan mengasumsikan bahwa variabel-variabel lainnya
tetap. Artinya dengan menggunakan model linear, hubungan kedua variabel
ini dinyatakan;
Yt = a + bX t
Dimana :
Yt = permintaan akan kopi ABC pada periode t
Xt = biaya promosi untuk kopi ABC pada periode t
Halaman : 22
Peramalan
k k
n y i i n (x i i − x) yi
a= i =1
k b= i =1
k
n
i =1
i n (x
i =1
i i − x) 2
Contoh kasus 3 :
Hasil penjualan produk kopi ABC, apakah mengikuti besarnya biaya
promosi yang diberikan. Dari data tersebut apa ada keterkaitan bahwa
kenaikan penjualan terhadap kenaikan biaya promosi. Tabel 2.7. di bawah
ini menunjukkan data hasil penjualan dengan biaya promosi kopi ABC.
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10
Tahun
Biaya promosi (x)
Penjualan (y) Halaman : 23
Peramalan
Gambar 2.7. Plot data antara penjualan (y) dan biaya promosi (x)
Biaya Harga
Tahun n.Y (x - x) n.(x - x) n.(x - x)2 Yt
promosi (X) Jual (Y)
1 166 352 352 -46.80 -46.80 2190.24 567.48
2 153 373 746 -59.80 -119.60 7152.08 573.81
3 177 411 1233 -35.80 -107.40 3844.92 580.14
4 201 441 1764 -11.80 -47.20 556.96 586.47
5 216 462 2310 3.20 16.00 51.20 592.80
6 208 490 2940 -4.80 -28.80 138.24 599.13
7 227 529 3703 14.20 99.40 1411.48 605.46
8 238 577 4616 25.20 201.60 5080.32 611.79
9 268 641 5769 55.20 496.80 27423.36 618.12
10 274 743 7430 61.20 612.00 37454.40 624.45
55 2128 5019 30863 0.00 1076.00 85303.20 5959.65
n Jumlah Jumlah
212.80 501.90 561.15 6.33
Rata-rata Rata-rata a B
Y = 561,15 + 6,33 X t
Grafik Data penjualan (Y) dan biaya promosi (x)
800
700
600
Rupiah (ribuan)
500
400
300 Halaman : 24
200
100
0
Peramalan
Tugas :
1. Data pesanan produk dari rotan didasarkan hasil penjualan enam bulan
sebelumnya PT. ABC adalah sebagai berikut : Xt : data penjualan, t :
bulan.
T 1 2 3 4 5 6
Xt 115 125 123 127 141 159
2. Data hasil penjualan (yt) dan biaya promosi (Xt) dengan data seperti
dalam tabel di bawah ini.
Periode(t) Yt Xt
Halaman : 25
Peramalan
1 100 40
2 200 50
3 300 50
4 400 70
5 500 65
6 600 65
7 700 80
Halaman : 26