ANALISI FORECASTING

Kelompok 1 :

AWAL RAHMAT 194020

SUTRIANI 19402022
 PROGRAM STUDI S1 MANAJEMEN SEKOLAH TINGGI ILMU EKONOMI YAYASAN PENDIDIKAN
UJUNG PANDANG (YPUP)

2021

KATA PENGANTAR

Puji syukur saya panjatkan kehadirat Tuhan Yang Maha Esa karena berkat rahmat dan Karunia-
Nya yang begitu besar dapat membantu kami menyusun makalah ini. Adapun tujuan
pembuatan makalah ini untuk memenuhi tugas di semester V mata kuliah “Pratikum
Manajemen Pemasaran”. Dan tak lupa kami juga berterima kasih kepada bapak Bunyamin SE,
MS,i, dosen mata kuliah Pratikum Manajemen Pemasaran di Sekolah Tinggi Ilmu Ekonomi
yayasan pendidikan ujung pandang yang telah memberikan kami tugas yang bermanfaat ini.

Meskipun dalam membuat makalah ini kami menemui kesulitan dan hambatan tapi
alhamdulilah bisa kami atasi dan bisa kami selesaikan. kami berharap agar makalah ini
berguna, kami menyadari bahwa makalah ini jauh dari kata sempurna. Oleh karena itu,
masukan berupa kritikan dan saran sangat kami perlukan guna untuk menyempurnakan
makalahini.

Demikian apa yang bisa kami sampaikan, semoga pembaca dapat mengambil manfaat dari
makalah ini.
 Makassar, 20 Oktober 2021

Penulis

A. Definisi forecasting
1. 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 teknikteknik peramaln 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. Sumber daya dalam melakukan analisis forecasting

1. Forcasting dalam Perencanaan Sumber Daya Manusia

a. Pengertian Perencanaan Sumber Daya Manusia

Mondy & Noe (1995) mendefinisikan Perencanan SDM sebagai proses yang

secara sistematis mengkaji keadaan sumberdaya manusia untuk memastikan bahwa

jumlah dan kualitas dengan ketrampilan yang tepat, akan tersedia pada saat mereka

dibutuhkan”. Kemudian Eric Vetter dalam Jackson & Schuler (1990) dan Schuler

&Walker (1990) mendefinisikan Perencanaan sumber daya manusia (HR Planning)

sebagai; proses manajemen dalam menentukan pergerakan sumber daya manusia

 organisasi dari posisinya saat ini menuju posisi yang diinginkan di masa depan. Dari

konsep tersebut, perencanaan sumber daya manusia dipandang sebagai proses

linear, dengan menggunakan data dan proses masa lalu (short-term) sebagai

pedoman perencanaan di masa depan (long-term).

b. Pengertian Forecasting dalam Perencanaan Sumber Daya Manusia

Seringkali terdapat waktu senjang (time lag) antara kesadaran akan peristiwa

atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang

(lead time) ini merupakan alasan yang utama bagi perencanaan (planning) dan

peramalan (forecasting). Jika waktu tenggang nol atau sangat kecil maka

perencanaan (planning) tidak diperlukan, tetapi sebaliknya jika waktu tenggang itu

panjang dan hasil akhir dari suatu peristiwa tergantung pada faktor – faktor yang

dapat diketahui maka perencanaan (planning) dapat memegang peranan yang sangat

penting.

Dalam situasi seperti ini maka peramalan (forecasting) diperlukan untuk

menetapkan kapan suatu kondisi atau kejadian yang akan terjadi sehingga tindakan

yang tepat harus dilakukan. Dalam hal manajemen dan administrasi, perencanaan

merupakan kebutuhan yang sangat penting, karena waktu tenggang untuk

mengambil keputusan dapat berkisar dari beberapa tahun, beberapa hari atau

mungkin beberapa jam saja. Peramalan (forecasting) merupakan alat bantu yang

sangat penting dalam perencanaan yang efektif dan efisien, dan keberhasilan suatu

perusahaan atau organisasi tergantung pada kedua jenis peristiwa tersebut.

Peramalan (forecasting) mempunyai peranan langsung pada jenis peristiwa eksternal,

sedangkan pengambilan keputusan berperan terhadap peristiwa internal organisasi

atau perusahaan. Perencanaan merupakan mata rantai yang memadukan kedua hal

tersebut.

Forecasting adalah teknik perencanaan SDM secara ilmiah, artinya bahwa

perencanaan SDM dilakukan berdasarkan atas hasil analisis dan data, informasi dan

peramalan (forcasting) dan perencanaan yang baik. Perencanaan SDM semacam ini

risikonya relative kecil karena segala sesuatunya telah diperhitungkan terlebih

dahulu. Pada teknik ini, data dan informasi harus akurat dengan analisis yang baik

dan benar.

Forecasting juga bermakna usaha peramalan (prediksi) kebutuhankebutuhan

karyawan (paling tidak secara informal) diwaktu yang akan datang yang didasarkan

pada ketajaman perencanaan SDM kedepan meskipun mungkin prediksi tidak

dibutuhkan. Peramalan kebutuhan SDM merupakan elemen penting dalam

perencanaan sumber daya manusia. Peramalan SDM karyawan mencoba untuk

menentukan apa yang dibutuhkan, baik permintaan keterampilan atau keahlian

khusus dan berapa banyak karyawan yang dibutuhkan. Jadi itu perlu dalam

perencanaan adalah: jumlah, jenis, kualitas. Jadi pemahaman keseluruhan

Peramalan adalah upaya untuk memprediksi kebutuhan – kebutuhan analisis

ketajaman organisasi yang mendasari perencanaan ke depan baik jangka pendek,

jangka menengah dan jangka panjang dengan tuntutan keahlian atau keterampilan

sesuai dengan jumlah, jenis, dan kualitas.

Permintaan sumber daya manusia organisasi di waktu yang akan datang adalah

‘’pusat’’ kegiatan. Hampir semua perusahaan membuat peramalan kebutuhan

karyawan merupakan kegiatan terpenting dan tersulit untuk dilaksanakan. Pertama,

 perlu diidentifikasikan berbagai tantangan yang mempengaruhi permintaan. Baik

faktor-faktor pengaruh langsung seperti persediaan personalia atau aspek-aspek

organisasi lainnya, maupun faktor-faktor tidak langsung atau perubahan lingkungan

(ekstern). Kedua, organisasi melakukan forcast kebutuhan karyawan dalam suatu

periode perencanaan jangka pendek, jangka menengah, dan jangka panjang.

Forcasting kebutuhan karyawan dibuat dengan mempertimbangkan keakuratan

teknik peramalan yang digunakan.

C. Marketing environment dan pengambilan keputusan

1. Pengertian Lingkungan Perusahaan (marketing environment)

Perusahaan merupakan sebuah unit kegiatan produksi yang mengolah sumber-

sumber ekonomi untuk menyediakan barang dan jasa bagi masyarakat dengan
tujuan untuk memperoleh keuntungan dan agar dapat memuaskan kebutuhan
masyarakat. (Murti Sumarni-John Soeprihanto, 2010, Pengantar Bisnis, hal:5).

Lingkungan perusahaan dapat diartikan sebagai keseluruhan dari faktor-faktor

ekstern yang mempengaruhi perusahaan baik organisasi maupun kegiatannya.
Sedangkan arti lingkungan secara luas mencakup semua faktor eksternyang
mempengaruhi individu, perusahaan, dan masyarakat. (Basu Swasth & Ibnu
Sukotjo, 2002, Pengantar Bisnis Modern, hal:27).

a. Perusahaan dalam masyarakat yang pluralistik

Perusahaan sangat bergantung pada masyarakat untuk membeli barang dan jasa
yang ditawarkan, dan sikap masyarakat terhadap perusahaan sangat
berpengaruh pada cara kegiatan serta pelayanan perusahaan tersebut. Oleh
karena itu perusahaan harus menjaga hubungan baik dengan kelompok atau
pihak-pihak yang berkepentingan.Masyarakat pluralistik adalah kombinasi dari
 berbagai kelompok yang mempengaruhi lingkungan perusahaan. Dalam
masyarakat pluralistik terdapat banyak pusat kekuatan, masing-masing
mempunyai sifat mandiri. Berbagai kelompok tersebut dapat menyebarkan
luaskan kekuatan dan mencegah terjadinya pemusatan kekuatan pada suatu
segmen masyarakat saja. Hubungan-hubungan yang baik dapat terjadi dengan
saling memberi melalui kompromi atau kerjasama. Dalam hal ini, pluralisme
mancerminkan usaha manusia untuk mempertemukan kebutuhan dan
kepentingan dari berbagai organisasi.

b. Faktor-faktor yang mempengaruhi lingkungan perusahaan

1. Lingkungan Fisik, Energi, dan Konservasi

Dari masalah ekonomi dan sosial, salah satu masalah yang sulit diatasi dan
memerlukan biaya yang besar adalah yang berkaitan dengan masalah
lingkungan fisik. Seperti di Indonesia, kota Jakarta merupakan salah satu contoh
pusat kegiatan perekonomian masyarakat Indonesia yang dari tahun ke tahun
mengalami peningkatan polusi udara dan air. Begitu juga dengan beberapa kota
di Yogyakarta yang telah mengalami pencemaran air tanah dikarenakan kondisi
pemukiman warga yang tidak teratur dalam penempatannya serta pembuangan
limbah yang selalu dekat dengan sumber air.

2. Pengambilan keputusan

Pengambilan keputusan dapat dianggap sebagai suatu hasil atau keluaran dari
proses mental atau kognitif yang membawa pada pemilihan suatu jalur tindakan
di antara beberapa alternatif yang tersedia. Setiap proses pengambilan
keputusan selalu menghasilkan satu pilihan final. Keputusan dibuat untuk
mencapai tujuan melalui pelaksanaan atau tindakan.
 Contoh diagram alur yang menunjukkan proses keputusan untuk menambahkan
artikel baru ke Wikipedia.

Pilihan merupakan salah satu bentuk perbandingan untuk menghasilkan

keputusan yang final

D. Memahami hukum permintaan dan penawaran

Dalam transaksi jual beli terdapat istilah hukum permintaan dan penawaran. Sebagai
seorang pebisnis tentu saja harus mengetahui hukum-hukum dalam transaksi jual beli
karena dalam bidang ekonomi pasti ada yang namanya permintaan (demand) dan
penawaran (supply). Dimana harga dan kuantitas suatu barang atau jasa akan
mempengaruhi satu sama lain.
 Secara pengertian, penawaran adalah sejumlah unit barang yang ada di pasar. Yang
mana, barang atau produk bisa dijual dengan harga dan waktu tertentu, istilahnya
barang-barang inilah yang sudah tersedia dan siap untuk diperjualbelikan. Sedangkan,
permintaan adalah sejumlah barang yang dibeli dengan harga tertentu. Permintaan juga
bisa diartikan sebagai kebutuhan manusia yang harus dipenuhi.

Penawaran dan permintaan digunakan untuk menentukan harga dan kuantitas yang
terjual di pasar dan memiliki peran penting dalam dunia ekonomi karena dapat digunakan
untuk menganalisis ekonomi mikro dan sebagai titik tolak bagi berbagai model dan teori
ilmu ekonomi lainnya.

E. Analisis dengan menggunakan metode moving average

1. Pengertian moving average

Moving Average adalah indikator yang menghitung harga rata-rata suatu aset dalam
periode waktu tertentu, kemudian menghubungkannya dalam bentuk garis. Nilai rata-
rata bisa berasal dari harga pembukaan (open), penutupan (close), tertinggi (high),
terendah (low), ataupun pertengahan (median).

Moving Average adalah bagian dari indikator lagging. Artinya, metode ini berlandaskan
peristiwa sebelumnya dan menerangkan informasi mengenai data riwayat pasar.
Kegunaannya bukan sebagai alat prediksi, melainkan memberi konfirmasi.

Sementara itu, pilihan kerangka waktu bisa disesuaikan dengan kebutuhan trader.
Misalnya, periode 5 (1 minggu), 20 (1 bulan), 60 (3 bulan), ataupun 120 (6 bulan). Makin
panjang periode yang dipakai, makin lambat pula pergerakan garis (lagging) dibandingkan
harga.

Adapun Moving Average terbagi menjadi:

a. Simple Moving Average

b. Weighted Moving Average

c. Exponential Moving Average

Di antara ketiganya, Simple Moving Average (SMA) memiliki pola penghitungan yang
paling sederhana dan kerap digunakan oleh para trader. Biasanya, SMA dimanfaatkan
untuk trading jangka panjang.

2. Contoh perhitungan simple moving average

 Simple Moving Average dihitung dengan cara menambahkan deretan harga terkini pada
suatu rentang waktu, lalu membaginya sejumlah periode tersebut. Maka, nilai rata-rata
pun bisa didapat.

Inilah rumus Moving Average paling dasar.

Anda tidak harus terlalu terpaku pada simbol-simbol yang ada di rumus. Contoh soal di
bawah ini bisa membantu Anda lebih cepat memahaminya.

Anggaplah SMA berperiode 5, sedangkan penghitungan dimulai dari harga penutupan

pada timeframe daily, maka:

Harga penutupan harian: 12, 13, 14, 15, 16, 17, 18

SMA-5 day I : (12+13+14+15+16) / 5 = 14

SMA-5 day II : (13+14+15+16+17) / 5 = 15

SMA-5 day III : (14+15+16+17+18) / 5 = 16

Anda juga bisa langsung menyusun nilai rata-rata ke dalam tabel berikut ini:

Hari Closing SMA-5

112 –

213 –

314 –

415 –

516 14

617 15

718 16

3. Fungsi Moving Average

Metode Moving Average memiliki sejumlah fungsi, antara lain:

a. Mengidentifikasi tren nilai saham

Grafik harga beserta garis Moving Average dapat membantu trader mengenali tren nilai
saham yang sedang berlaku. Jika harga saat ini menempati area di bawah garis Moving
Average, berarti harga cenderung turun atau bearish. Sebaliknya, harga yang berada di
atas Moving Average menandakan tren bullish atau cenderung naik.

b. Mengetahui kapan pembalikan tren terjadi

Kapan tren bearish berbalik arah menjadi bullish? Garis Moving Average dapat
menjawabnya. Polanya bisa dilihat dari perpotongan MA20 dan MA50.

c. Menentukan posisi Support dan Resistence

Support dan Resistence adalah titik ketika harga dipantulkan kembali dan meneruskan
tren, baik bearish maupun bullish. Peran Moving Average yakni menentukan letak kedua
titik tersebut. Caranya ialah dengan menggabungkan dua macam Moving Average,
umumnya MA20 dan MA50.

d. Sekilas Tentang WMA dan EMA

Pada dasarnya, Weight Moving Average (WMA) agak mirip dengan SMA. Harga
penutupan yang terdahulu dibuang, tetapi kemudian ditambahkan harga terbaru.
Perbedaannya terletak pada bobot data terbaru, yang diperoleh dari mengalikan faktor.

Rumus WMA:

Sementara itu, Exponential Moving Average (EMA) tidak membuang data-data terdahulu,
melainkan hanya mengurangi bobotnya secara eksponensial. Sebagaimana WMA, EMA
juga lebih sensitif dengan pergerakan nilai saham.

Rumus EMA:

EMA jamak diterapkan bersama indikator lain untuk mengonfirmasi pergerakan pasar
secara signifikan serta mengukur validitasnya.

Kesimpulannya, penguasaan terhadap metode Moving Average selayaknya menjadi bekal

dasar sebelum berkecimpung di dunia trading. Mulailah dengan penghitungan sederhana,
lalu berlanjut ke penghitungan yang lebih rumit.
F. Pendekatan kuantitatif dalam analisis forecasting

1.Forecasting

Terdapat berbagai macam metode kuantitatif dalam peramalan. Menurut Heizer

dan Rander (2011:140-152) yang dikutip dari bukunya yang berjudul “Operations
Management”, metode-metode tersebut adalah sebagai berikut:

2. Naive Approach

Metode peramalan sederhana yang berasumsi bahwa permintaan para

pelanggan di periode selanjutnya sama dengan periode terakhir. Metode ini
dianggap metode yang efektif dan efisien dalam meramalkan biaya
pengeluaran, yang memberikan titik awal dari metode lainnya.

3. Rata-Rata Bergerak (Moving Averages)

Metode ini merupakan metode peramalan yang menggunakan jumlah rata-rata

periode (n) dari data periode terakhir untuk dilakukan peramalan di periode
berikutnya. Metode ini berguna apabila kita dapat mengansumsikan bahwa
permintaan pasar tetap stabil dalam jangka waktu tertentu. Berikut ini
merupakan rumus dari rata-rata bergerak:

Dimana:

n: jumlah periode moving average

4. Rata-Rata Bergerak Tertimbang (Weighted Moving Average)

Apabila trend atau pola diketahui, maka bobot (weights) dapat digunakan untuk
menambah nilai baru, serta membuat teknik peramalan menjadi lebih responsif
untuk berubah karena periode terbaru mungkin mendapatkan bobot yang lebih
besar. Pemilihan bobot bersifat tidak pasti, karena tidak memiliki rumus yang
dapat menentukan bobot, sehingga dibutuhkan pengalaman yang baik untuk
melakukan pemilihan bobot. Berikut ini merupakan rumus rata-rata bergerak
tertimbang:

5. Penghalusan Eksponensial (Exponential Smoothing)

Metode ini merupakan teknik peramalan rata-rata bergerak tertimbang yang

poin datanya diberi bobot dengan fungsi eksponensial. Metode ini juga
merupakan metode pembobotan yang canggih dan mudah untuk digunakan.
Berikut ini adalah rumus perhitungan penghalusan eksponensial:

Yang mana merupakan bobot penghalusan konstanta (Smoothing Constant),

yang dapat dipilih oleh peramal antara nilai 0 dan 1. Berikut adalah
perumusannya:

Dimana,

Ft = Peramalan baru

Ft-1 = Peramalan sebelumnya

Α = Konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1)

At-1 = Permintaan aktual periode sebelumnya

6. Penghalusan Eksponensial dengan Penyesuaian Trend (Exponential Smoothing

Trends Adjusted)

Metode ini merupakan pengembangan metode penghalusan eksponensial yang

digunakan untuk memperhitungkan rata-rata penghalusan eksponensial data
dan menyesuaikan trend. Formulasi sebagai berikut:

Keterangan:

FITt = Peramalan dengan trend

Ft = Peramalan penghalusan eksponensial

Tt = Trend penghalusan eksponensial

Dengan penyesuaian trend penghalusan eksponensial, estimasi untuk kedua

rata-rata dan trend menjadi rapi. Prosedur ini membutuhkan dua penghalusan
konstanta, yakni untuk rata-rata, dan untuk trend. Berikut adalah rumus untuk
menghitung rata-rata dan trend tiap periode:

Dimana,

Ft = Peramalan dengan eksponensial yang dihaluskan dari data berseri pada

periode t

Tt = Tren dengan eksponensial yang dihaluskan pada periode t

At = Permintaan aktual periode t

α = Konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1)

β = Konstanta penghalusan untuk rata-rata (0 ≤ β ≤ 1)

7. Proyeksi Trend (Trend Projections)

Metode ini merupakan sebuah metode peramalan deret waktu yang

mencocokan garis trend dengan deretan data terdahulu yang kemudian
diproyeksikan kedalam peramalan masa depan.

ŷ = a + bx

Dimana,

ŷ = Nilai terhitung dari variabel yang akan diprediksi

a = Persilangan sumbu y
b = Kemiringan garis regresi (atau tingkat perubahan pada y untuk
perubahan yang terjadi di x

x = Variable bebas (dalam kasus ini adalah waktu).

Sedangkan untuk mengetahui nilai a dan b, maka dapat menggunakan rumus

berikut:

a = y – bx

Dimana,

b = Kemiringan garis regresi

∑ = Tanda penjumlahan total

X = Nilai variabel bebas yang diketahui

y = Nilai variabel terkait yang diketahui.