PERAMALAN
PERMINTAAN
Distribusi dan Logistik Febriana W & Masmira K
Bab ini membahas materi yang bersifat pemahaman mengenai bagaimana perusahaan
manufaktur dan jasa melakukan pengelolaan terhadap tingkat permintaan produk atau
jasa yang dihasilkan. Untuk melakukan estimasi terhadap permintaan konsumen terhadap
produk atau jasa maka perusahaan harus mampu membedakan permintaan yang bersifat
independen yaitu jumlah permintaan yang tidak dipengaruhi oleh permintaan komponen
atau barang yang lain dan permintaan yang bersifat dependen yaitu jumlah permintaan
yang dipengaruhi oleh komponen atau barang yang lain. Setelah menentukan sifat
permintaan yang dihadapi, perusahaan harus melakukan estimasi terhadap jumlah
permintaan konsumen terhadap produk atau jasa yang dihasilkan oleh perusahaan.
Teknik peramalan dapat dibedakan menjadi dua golongan besar yaitu teknik peramalan
kuantitatif dan kualitatif. Teknik peramalan kualitatif dapat dilakukan dengan metode-
metode yang beragam, seperti riset pasar, model Delphi, grass root, konsensus panel dan
lain-lain. Sedangkan teknik peramalan kuantitatif dapat dilakukan dengan tiga cara, yaitu
time series analysis, hubungan kausal dan simulasi. Teknik-teknik tersebut tentu
mempunyai kelebihan tersendiri sehingga perusahaan dapat memilih yang terbaik dan
disesuaikan dengan kondisi dan situasi yang dihadapi oleh perusahaan terkait dengan
sifat produk atau jasa dan permintaan konsumen.
86
Distribusi dan Logistik Febriana W & Masmira K
Tidak banyak yang bisa dilakukan oleh perusahaan terhadap permintaan yang
bersifat dependen. Yang terpenting disini adalah bagaimana menyelaraskan jumlah yang
diminta dengan jumlah persediaan barang tersebut yang ada di gudang. Akan tetapi,
banyak hal yang bisa dilakukan perusahaan terhadap permintaan yang bersifat
independen. Perusahaan dapat melakukan dua peran, yaitu berperan aktif dan pasif
dalam mempengaruhi permintaan. Perusahaan melakukan peran aktif dalam
mempengaruhi permintaan dengan cara menekan tim pemasarnya, menawarkan
tambahan insentif baik kepada konsumen maupun tim pemasarnya, promosi gencar dan
memberikan potongan harga. Tindakan-tindakan tersebut nantinya akan mampu
meningkatkan permintaan. Sebaliknya, permintaan dapat menurun bila harga produk
menjadi lebih mahal dan usaha-usaha promosi atau pemasarannya tidak gencar.
Sedangkan peran dan respon pasif perusahaan dalam rangka mempengaruhi permintaan
terjadi karena beberapa alasan yaitu kemungkinan perusahaan tidak melakukan
perubahan permintaan tetapi hanya menerima apa yang terjadi, kapasitas produksi yang
dilakukan sepenuhnya hanya untuk memenuhi permintaan yang ada di pasar,
87
Distribusi dan Logistik Febriana W & Masmira K
Gambar 10.1.1.
Untuk mengelola permintaan yang bersifat dependen, independen, pasif dan aktif,
maka dibutuhkan suatu upaya yang besar dalam hal koordinasi. Koordinasi antar bagian
atau unit kerja dalam perusahaan merupakan kunci kesuksesan perusahaan dalam upaya
peningkatan permintaan karena pada dasarnya permintaan baik secara internal dan
eksternal membutuhkan koordinasi dengan bagian pemasaran yang menjual produk baru.
Selain itu, koordinasi dengan bagian pelayanan produk yang memperbaiki produk yang
sebelumnnya telah terjual, bagian gudang pabrik yang menyimpan kembali produk-produk
tersebut dan bagian produksi yang menyediakan komponen-komponen pembentuk
produk. Pembahasan bab ini akan membahas peramalan untuk permintaan produk atau
komponen yang independen.
88
Distribusi dan Logistik Febriana W & Masmira K
Pada umumnya, permintaan pada produk atau jasa dapat dijabarkan dalam enam
komponen, yaitu :
• Permintaaan rata-rata untuk suatu periode waktu tertentu
• Tren
• Musiman
• Siklus
• Variasi random
• Otokorelasi
89
Distribusi dan Logistik Febriana W & Masmira K
Gambar 10.2.1.
Komponen Permintaan
Otokorelasi menjelaskan tentang kejadian yang terus menerus. Hal ini berarti nilai
yang diharapkan pada suatu waktu adalah sangat terkait dengan nilai sebelumnya.
Misalnya dalam teori antrian. Panjang antrian adalah bersifat tingkat otokorelasinya tinggi
dimana jika panjang antrian relatif panjang pada suatu waktu kemudian pendek setelah
itu maka kita meramalkan bahwa panjang antrian akan selalu panjang.
oleh iklan, kualitas dan pesaing. Yang termasuk dalam teknik peramalan ini adalah teknik
regresi linier, model ekonometri, input/output dan leading indicator.
Sedangkan teknik peramalan yang terakhir adalah model simulasi. Model ini
membiarkan orang yang melakukan prediksi (ramalan) mengolah data-data dengan
batasan dan kondisi yang disesuaikan dengan keadaan yang terjadi. Model ini bisa
dikatakan model yang dinamis dan biasanya digunakan dengan bantuan teknologi terkini,
misal komputer. Hal ini bisa membuat pihak peramal/pemrediksi membuat asumsi-asumsi
tersendiri mengenai variabel-variabel internal dan lingkungan eksternal yang akan
digunakan pada model tersebut. Mengacu pada variabel-variabel model tersebut, pihak
yang melakukan prediksi atau ramalan mungkin dapat mengembangkan pertanyaan
mengenai apa yang akan terjadi terhadap hasil prediksi nantinya apabila harga produk
dinaikkan 10% ? atau efek-efek apa sajakah yang akan terjadi pada hasil peramalan
jikalau terjadi resesi ekonomi pada suatu negara ?.
Gambar 10.4.1.
Tipe Teknik Peramalan Kualitatif
91
Distribusi dan Logistik Febriana W & Masmira K
92
Distribusi dan Logistik Febriana W & Masmira K
93
Distribusi dan Logistik Febriana W & Masmira K
yang mungkin terjadi. Terminologi jangka panjang mengacu pada jangka waktu di atas
dua tahun dimana teknik ini digunakan untuk mendeteksi tren yang umum dan khususnya
berguna untuk mengidentifikasi titik perpindahan utama (misal selera pasar).
Untuk memilih model peramalan yang harus digunakan, maka perusahaan harus
mendasarkan pada horison (jangka) waktu untuk memprediksi, ketersediaan data, tingkat
keakuratan yang dibutuhkan, besarnya anggaran peramalan dan ketersediaan personalia
yang berkualitas (kompeten).
Selain itu, faktor lain yang dapat dijadikan dasar pemilihan model atau teknik
peramalan yaitu tingkat fleksibitas perusahaan. Semakin besar kemampuan perusahaan
memberikan reaksi terhadap perubahan dengan cepat maka akan semakin akurat
peramalan yang dihasilkan. Faktor lain yang juga dapat dijadikan pertimbangan dalam
menentukan pilihan model peramalan adalah konsekuensi keputusan yang tidak baik.
Apabila keputusan investasi modal yang cukup besar dilakukan berdasarkan pada suatu
hasil peramalan, maka dapat dikatakan bahwa tentu peramalan itu dikategorikan
peramalan yang baik.
Pada bab ini, hanya tiga model peramalan dengan menggunakan time series
analysis yang akan dibahas dengan rinci, yaitu simple moving average, weighted moving
average dan exponential smoothing.
A t -1 + A t -2 + A t -3 + ... + A t -n
Ft =
n
94
Distribusi dan Logistik Febriana W & Masmira K
dimana
Ft = Nilai ramalan untuk periode mendatang
n = Jumlah periode yang dirata-ratakan
A t-1 = Kejadian aktual periode lalu sampai periode ke-n
Week Demand
1 650
2 678
3 720
4 785
5 859
6 920
7 850
8 758
9 892
10 920
11 789
12 844
A t -1 + A t -2 + A t -3 + ... + A t -n
Ft =
n
95
Distribusi dan Logistik Febriana W & Masmira K
Oleh karena yang diminta adalah meramalkan permintaan tiga mingguan maka
perhitungan permintaan aktual yang diramalkan dimulai pada minggu keempat. Hal ini
terjadi karena data permintaan tiga minggu sebelumnya dijadikan dasar untuk menghitung
permintaan aktual yang mungkin terjadi di minggu keempat, demikian hal ini berulang
untuk minggu-minggu berikutnya. Perhitungan peramalan permintaan untuk enam
mingguan juga dilakukan dengan cara yang sama seperti menghitung permintaan tiga
mingguan. Perhitungan dapat dilakukan mulai pada minggu ketujuah dan seterusnya.
Grafik berikut ini menunjukkan garis peramalan permintaan untuk tiga mingguan
dan enam mingguan. Terlihat pada grafik tersebut bahwa garis permintaan tiga mingguan
(yang dimulai dari titik 4) lebih landai (halus) daripada garis yang menunjukkan
permintaan mingguan. Sedangkan garis permintaan enam mingguan (dimulai dari titik 7)
terlihat semakin lebih landai (halus) lagi dari pada garis permintaan tiga mingguan apalagi
kalau dibandingkan dengan garis permintaan mingguan.
950
900
850
800
750
Demand
D
700 e
650
600
550
500
Sumber : Aquilano, 2006
1 2 3 4 5 6 7 8 9 10 11 12
Week
96
Distribusi dan Logistik Febriana W & Masmira K
Misalnya diketahui informasi data permintaan yang berhasil dikumpulkan adalah sebagai
berikut :
Catatan : nilai bobot yang ditempatkan pada tabel bobot (weights) menunjukkan
penekanan untuk data yang lebih terkini diperoleh, misal periode t-1 lebih terkini daripada
t-2 dan periode t-2 lebih terkini daripada t-3.
Pertanyaan : Hitunglah peramalan untuk permintaan periode keempat (minggu keempat)
dengan pembebanan bobot yang berlaku.
Solusi :
c. Exponential Smoothing
Pada model peramalan sebelumnya, kekurangan yang utama adalah kebutuhan
untuk mendapatkan data historis dalam jumlah yang banyak secara kontinyu digunakan
untuk menghasilkan peramalan. Pada model ini, kekurangan yang ada itu coba untuk
dihilangkan dengan mengkondisikan bahwa hasil observasi atau pengamatan yang
terbaru atau terkini akan diberikan nilai prediktif yang paling tinggi (besar). Nilai prediktif
97
Distribusi dan Logistik Febriana W & Masmira K
ini bersifat konstan (disebut angka eksponen atau alfa). Oleh karena itu, nilai bobot
diberikan lebih besar atau lebih banyak pada data periode waktu terkini ketika dilakukan
peramalan. Nilai prediktif yang digunakan dalam perhitungan model ini akan membuat
grafiknya melandai (halus).
Dimana :
Ft = Nilai permintaan yang diestimasi untuk periode waktu mendatang
Ft-1 = Nilai permintaan yang diestimasi untuk satu periode sebelumnya
At-t = Nilai permintaan yang benar-benar terjadi pada periode sebelumnya
α = Nilai konstanta (tingkat respon yang diinginkan atau smoothing
constant)
Misalnya diketahui informasi data permintaan yang berhasil dikumpulkan adalah sebagai
berikut :
Week Demand
1 820
2 775
3 680
4 655
5 750
6 802
7 798
8 689
9 775
10
98
Distribusi dan Logistik Febriana W & Masmira K
Jawaban :
Pada grafik berikut ini dapat diketahui bahwa semakin kecil nilai alfa yang digunakan
dalam melakukan peramalan maka semakin landai atau halus (smooth) grafik garis yang
dihasilkan.
850
800
Demand
Demand
750
700 0,1
650
600 0,6
550
500
1 2 3 4 5 6 7 8 9 10
Week
Sumber : Aquilano, 2006
99
Distribusi dan Logistik Febriana W & Masmira K
2. Data permintaan barang yang diproduksi oleh perusahaan NAKAMARI dan berhasil
dikumpulkan selama empat minggu terakhir sebagai berikut :
Week Demand
1 820
2 775
3 680
4 655
5
Daftar Acuan :
Chase, Richard B., F. Robert Jacobs dan Nicholas J. Aquilano, 2006, Operations
Management for Competitive Advantage, Eleventh Edition.
100