Peramalan kualitatif pada umumnya bersifat subyektif, di pengaruhi oleh intuisi, emosi, pendidikan, dan

pengalaman seseorang. Oleh karena itu, hasil peramalan seseorang dengan orang lain akan berbeda.
Walaupun demikian, peramalan dengan metode kualitatif tidak hanya menggunakan intuisi, tetapi juga
mengikut sertakan model staatistik sebagai bahan masukan dalam melakukan judgement (keputusan),
hal itu dapat dilakukan secara individu atau kelompok.

Peramalan kualitatif (Sofyan Asauri, 1984) hanya dapat digunakan apabila terdapat tiga kondisi berikut
ini:

a. Adanya informasi tentang keadaan yang lain.

b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.

c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

Ada beberapa metode peramalan yang digolongkan sebagai model kualitatif adalah sebagai berikut:

a. Metode Delphi

Dalam metode ini, sekelompok pakar kuesioner. Variable moderator menyimpulkan hasilnya dan
memformulasikan menjadi suatu kuesioner baru yang di isi kembali oleh kelompok tersebut, demikian
seterusnya. Hal ini merupakan suatu proses pembelajaran (Learning Process) dari kelompok tanpa
adanya tekanan atau intimidasi individu.

Metode ini pertama kali dikembangkan oleh Rand Corporation pada tahun 1950-an. Adapun tahap-
tahap yang harus dilakukan, yaitu sebagai berikut.

a) Menentukan beberapa pakar sebagai partisipan, sebaiknya bervariasi dari latar belakang disiplin ilmu
berbeda.

b) Melalui kuesioner (Email) diperoleh peramalan dari seluruh partisipan.

c) Menyimpulkan hasilnya, kemudian mendistribusikan kembali pada seluruh partisipan dengan

pertanyaan yang baru.

d) Menyimpulkan kembali hasil revisi peramalan dan kondisinya, kemudian dikembangkan dengan
pertanyaan yang baru.

e) Apabila diperlukan ulangi tahap empat kemudian didistribusikan kepada seluruh partisipan.

b. Dugaan Manajemen (Management Estimate) atau Panel Consensus

Metode ini cocok dalam situasi yang sangat sensitif terhadap intuisi dari sekelompok kecil orang yang
mampu memberikan opini kritis dan relavan. Teknik ini akan dipergunakan dalam siuasi ketika tidak ada
alternatif lain dari model peramalan yang dapat diterapkan. Walaupun demikian metode ini mempunyai
banyak keterbatasan, sehingga perlu di kombinasikan dengan metode peramalan yang lainnya.
c. Riset Pasar (Market Riset)

Riset pasar merupakan sebuah metode peramalan berdasarkan hasil survei pasar yang dilakukan oleh
tenaga pemasaran produk atau yang mewakilinya. Metode ini akan berfungsi untuk menjaring informasi
dari pelanggan potensial (konsumen), berkaitan dengan rencana pembelian mereka pada masa yang
akan datang. Pada dasarnya riset pasar bukan hanya untuk membantu peramalan, melainkan untuk
meningkatkan desain produk dan perencanaan produk baru.

d. Metode Kelompok Terstruktur (Struktured Grup Method)

Metode kelompok terstruktur sama seperti metode delphi dan metode lainnya. Apabila metode delphi
merupakan teknik peramalan berdasarkan proses konvergensi dari opini beberapa orang ahli secara
interaktif tanpa menyebutkan identitasnya, metode kelompok terstruktur tidak bertemu secara bersama
dalam suatu forumuntuk berdiskusi, tetapi diminta pendapatnya secara terpisah dan tidak boleh secara
berunding. Hal ini dilakukan untuk menghindari pendapat yang bias karena pengaruh kelompok.
Pendapat yang berbeda secara signifikan dari para ahli yang lain dalam grub tersebut akan dinyatakan
lagi kepada yang bersangkutan, sehingga akhirnya diperoleh angka estimasi pada interval tertentu.

Metode delphi ini dipakai dalam peramalan teknologi yang sudah digunakan pada pengoperasian jangka
panjang. Dalam kapasitasnya, metode ini juga bermanfaat pada pengembangan produk baru,
pengembangan kapasitas produksi, penerobosan segmen pasar baru dan strategi keputusan bisnis
lainnya.

e. Analogis Historis (Historycal Analogy)

Pada dasarnya analogis historis (Historycal Analogy) merupakan teknik peramalan berdasar pola data
masa lalu dari produk yang dapapat disamakan secara analogi. Misal, peramalan untuk pengembangan
pasar televisi multi sistem menggunakan model permintaaan televisi hitam putih atau berwarna biasa.
Dengan demikian, analogi histori cenderung akan menjadi baik untuk penggantian produk dipasar,
apabila terdapat hubungan subtitusi langsung dari produk pasar tersebut.

2. Metode Peramalan Kuantitatif (statistical Method)

Merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dalam
menunjukkan hubungan antara permintaan dengan satu atau lebih variabel yang mempengaruhinya.
Peramalan kuantitatif mengasumsikan bahwa tingkat keeratan dan macam dari hubungan antara
variabel-variabel bebas dengan permintaan yang terjadi pada masa lalu akan berulang pada masa akan
datang.

Adapun prosedur atau langkah-langkah yang diperlukan dalam peramalan secara kuantitatif, yaitu :

a. Mendefinisikan tujuan peramalan

b. Membuat diagram pancar

c. Memilih minimal dua metode peramalan yang dianggap sesuai

d. Menghitung parameter fungsi peramalan

e. Menghitung kesalahan setiap metode peramalan

f. Memilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil

g. Melakukan verifikasi peramalan.

Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:

a. Tersedianya informasi tentang masa lalu.

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan
datang.

Bagan diatas merupakan gambaran Metode Kuantitatif yang dikelompokkan menjadi dua, yaitu:

1) Time Series Model

Time series model adalah suatu rangkaian atau seri dari nilai-nilai suatu variabel atau hasil observasi,
yaitu nilai indeks harga saham yang dicatat dalam jangka waktu yang berurutan (Atmaja, 2009 : 29).
Time series model adalah metode dalam peramalan dengan menggunakan analisis pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu atau analisis time series. Adapun variabel-
variabel tersebut, antara lain metode smoothing, metode box jenkins (ARIMA), metode proyeksi trend
dengan regresi.

Ada dua hal yang perlu diperhatikan dalam melakukan peramalan, antara lain :

a. Pada gelat (error), yang tidak dapat dipisahkan dalam metode peramalan.

b. Untuk mendapatkan hasil yang mendekati data asli, seorang peramala harus berusaha membuat
error sekecil mungkin.

Dengan adanya data time series, pola gerakan data dapat diketahui. Data time series dapat dijadikan
sebagai dasar untuk pembuatan keputusan pada saat ini, peramalan keadaan perdagangan dan ekonomi
pada masa yang akan datang perencanaan kegiatan untuk masa depan. Di samping itu, analisis time
series dapat dilakukan untuk memperoleh pola data time series dengan menggunakan data masa lalu
yang akan digunakan dalam meramalkan nilai pada masa yang akan datang.

Dan dalam time series, terdapat empat macam tipe pola data, yaitu sebagai berikut :
1) Time series model adalah metode yang dipergunakan untuk menganalisa serangkaian data yang
merupakan fungsi dari waktu.

2) Metode ini mengamsumsikan beberapa pola kombinasi pola selalu berulang sepanjang waktu, dan
pola dasarnya dapat diidentifikasi semata-mata atas dasar historis dari serial itu.

3) Dengan analisa deret waktu dapat ditunjukan dengan permintaan terhadap produk tertentu
bervariasi terhadap waktu.

4) Sifat dari perubahan permintaan dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada
masa yang akan datang.

Disamping itu, terdapat beberapa komponen utama yang mempengaruhi analisis time series model,
antara lain sebagai berikut:

a. Pola Siklis (Cyle)

Penjualan produk dapat memiliki siklus yang berkurang secara periodik. Banyak produk dipengaruhi pola
penggerakan aktivitas ekonomi yang terkadang memiliki kecendrungan periodik. Komponen siklus ini
sangat berguna dalam peramalan jangka menengah. Pola data ini terjadi apabila data memiliki
kecenderungan untuk naik atau turun terus-menerus.

b. Pola Musim (Seasonal)

Dalalam konteks ini, perkataan musim menggambarkan pola penjualan yang berulang setiap periode.
Komponen musim dapat dijabarkan dalam faktor cuaca, libur, atau kecenderungan perdagangan. Pola
musiman juga berguna dalam meramalkan penjualan dalam jangka pendek. Pola data semacam ini
terjadi apabila nilai data sangat dipengaruhi oleh musim, misalnya permintaan bahan baku jagung
pertahun. Selama musim panen harga jagung akan menjadi turun karena jumlah jagung yang
dibutuhkan tersedia dalam jumlah yang besar.

c. Pola Horizontal

Pada dasarnya pola data horizontal akan terjadi apabila nilai data berfluktuasi disekitar nilai rata-rata.
Untuk lebih memahami mengenai pola horizontal.

d. Pola Trend

Pada dasarnya pola data ini terjadi apabila data memiliki kecendrungan untuk naik atau turun terus
menerus. Dengan demikian, dalam meramalkan biaya yang termasuk dalam biaya operasi yang
menggunakan pola trend, cenderung naik jika mesin atau peralatan semakin tua atau semakin lama
jangka waktu pemakaiannya.

2) Model/Metode Kausal
Model/metode kausal mengamsumsikan faktor yang diperkirakan menunjukan adanya hubungan sebab
akibat dengan satu atau beberapa variabel bebas (independen). Contoh, jumlah pendapatan
berhubungan dengan faktor jumlah penjualan, harga jual, dan tingkat promosi.

Apabila metode kausal di kaitkan dengan konteks penelitian menurut Suryabrata (2006) penelitian
kausal komparatif bersifat expost facto, artinya data dikumpulkan setelah berlangsungnya semua
kejadian yang dipersoalkan. Peneliti mengambil satu atau lebih akibat (sebagai “dependent variabels’’)
dan menguji data itu dengan menelusuri kembali ke masa lalu untuk mencari sebab, saling berhubungan
dan maknanya. Penelitian hubungan sebab akibat dilakukan terhadap program kegiatan atau kejadian
yang telah berlangsung atau telah terjadi. Adanya hubungan sebab akibat didasarkan atas kejadian
teoritis bahwa suatu variabel disebabkan atau dilatar belakangi oleh variabel tertentu atau
mengakibatkan variabel tertentu.

Tujuan penelitian kausal komparatif dimaksudkan untuk menyelidiki kemungkinan hubungan sebab
akibat dengan cara pengamatan terhadap akibat yang ada, mencari kembali faktor yang mungkin
menjadi penyebab melalui data tertentu .

Dengan demikian, metode kausal dalam konteks ini diperlukan untuk :

a. Menemukan bentuk hubungan antara variabel-variabel

b. Meramalkan nilai dari variabel tidak bebas (dependen)

c. Meramalkan permintaan.

Dan dalam pelaksanaannya, metode kausal perlu didukung pula oleh beberapa metode lainnya, seperti
metode regresi dan korelasi yang merupakan metode yang baik digunakan untuk jangka panjang
maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis
secara statis. Metode ekonometri merupakan peramalan yang digunakan untuk jangka panjang dan
jangka pendek. Dan terakhir metode input-output ini merupakan metode yang digunakan untuk
peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.

a) Peramalan Menggunakan Metode Regresi dan Korelasi

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil
peramalan. Analisis regresi berkenaan dengan studi kebergantungan dengan maksud menaksir dan atau
meramalkan nilai rata-rata hitung (mean) atau rata-rata (populasi) variabel tidak bebas, dipandang dari
segi nilai yang diketahui atau tetap variabel yang menjelaskan (Gujarati, 2004). Analisis regrasi adalah
salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang
memerlukan analisis sebab-akibat mengenal analisis ini. Kolerasi dan regresi mempunyai hubungan yang
sangat erat setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi.
Kolerasi yang tidak dilanjutkan dengan regresi adalah korelasi antara dua variabel yang tidak mempunyai
hubungan kausal/ sebab-akibat atau hubungan fungsional, (Sugiyono, 2005).
Dan perlu juga mengetahui kondisi-kondisi sebelum melakukan peramalandengan metode regresi dan
kolerasi yang berkenaan dengan adanya informasi masa lalu atau informasi dalam bentuk data dan yang
telah diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan
datang.

Contoh persamaan regresi :

Y = 2 + 10x.....(1)

Y = Variabel Respon

X = Variabel prediktor/bebas

Angka 2 pada persamaan (1) disebut sebagai intersep.

Metode regresi dan korelasi pada penetapan suatu persamaan estimasi menggunakan teknik least
squares, yaitu :

a. Hubungan yang ada perlu dianalisis secara statistik.

b. Ketetapan peramalan dengan menggunakan metode regresi dan korelasi sangat baik untuk
peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ketetapannya kurang baik.

Pada umumnya metode ini banyak digunakan untuk peramalan penjualan, perencanaan keuntungan,
peramalan permintaan dan peramalan keadaan ekonomi.

Data yang dibutuhkan untuk penggunaan metode ini adalah data kuartalan dari beberapa tahun lalu.
Model yang dapat digunakan sama dengan model pada regresi linier berganda, yaitu:

Y=b0 + b1X2 +b3X3+...+bnXn +bnd+ En

Keterangan :

Y = Nilai observasi dari variable yang diukur

B0= Konstanta

X = Variabel pengukur (independen)

D = Variabel surrgates (dummy)

å = error.