Forecasting (Peramalan) diartikan sebagai sutu seni dan ilmu pengetahuan dalam memprediksi

keadaan/nilai suatu variabel pada masa mendatang. (Misal : Memprediksi penjualan suatu perusahaan
pada periode mendatang.)
Secara kuantitatif, data yang digunakan untuk peramalan adalah data time series (data berkala).
Adapun data kualitatifnya bisa diambil dari salesman atau konsumen mengenai penjualan dan kualitas
barang sehingga dapat memprediksi penjualan di masa mendatang.
Untuk perusahaan yang baru didirikan, data berkala yang dapat diambil untuk memprediksi
contohnya adalah data permintaan hasil survey (data yang didapat sendiri), atau data sekunder seperti
Data BPS, dan Data Perindustrian. Sedangkan untuk perusahaan yang sudah berjalan, data berkala yang
dapat diambil untuk memprediksi contohnya adalah Catatan Penjualan untuk beberapa periode
permintaan kebelakang. Disini, Penjualan dinyatakan equal atau Penjualan = Permintaan, karena
Penjualan Merepresentasikan minat konsumen terhadap produk kita.

Menurut Heizer dan Render (2009:47), perkiraan atau forecasting memiliki tujuan sebagai
berikut: a. Mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa lalu, serta melihat sejauh
mana pengaruh di masa datang, b. Perkiraan diperlukan karena adanya time lag atau delay antara saat
suatu kebijakan perusahaan ditetapkan dengan saat implementasi, c. Perkiraan merupakan dasar
penyusunan bisnis pada suatu perusahaan sehingga dapat meningkatkan efektivitas suatu rencana bisnis.

Kegunaan Forecasting (Peramalan) pada Manajemen Produksi dan Operasi adalah untuk
perencanaan kapasitas produksi/operasi di masa mendatang, baik yang produksinya berupa barang
maupun jasa (Untuk perusahaan jasa, kuantitas atau volume operasi, misalnya: Perusahaan Jasa di bidang
pendidikan akan memprediksi/meramal jumlah kelas yang dibutuhkan untuk tahun ajaran baru. Serta
perusahaan jasa lain yaitu Kesehatan, perusahaan akan memprediksi/meramal berapa jumlah tenaga
medis, ruang rawat inap yang harus disediakan).
Data perencanaan kapasitas produksi tersebut (yang dihasilkan dari penggunaan metode
forecasting) dapat digunakan untuk pengambilan keputusan di masa sekarang. Perusahaan akan memiliki
gambaran tindakan apa yang harus dilakukan agar perusahaan lebih siap dan mampu untuk masa sekarang
dan mendatang. Contohnya : dengan penambahan alat produksi, penambahan modal, perluasan area
produksi, penambahan variasi produk, dsb).
Forecasting (peramalan) berdasarkan Horizon Waktu dibagi menjadi; Peramalan Jangka Pendek,
Peramalan Jangka Menengah, dan Peramalan Jangka Panjang.
a. Peramalan Jangka Pendek, peramalan untuk periode dalam Bulanan, maksimal sampai 12
bulan. Contohnya, digunakan untuk perencanaan pembelian, penjadwalan pekerjaan, dsb.
b. Peramalan Jangka Menengah, peramalan untuk periode 1-3 tahun, contohnya, digunakan untuk
perencanaan produksi dan penganggaran serta rencana operasional.
c. Peramalan Jangka Panjang, peramalan untuk periode lebih dari 3 tahun, contohnya, digunakan
untuk Perluasa are baru, dan Research and Development.
Berdasarkan fungsi dan perencanaan operasi di masa depan, perkiraan atau forecasting dibagi menjadi
tiga jenis, yaitu (Heizer dan Render, 2009:47).
a. Peramalan ekonomi (economic forecast), menjelaskan siklus bisnis dengan memprediksi
tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan
indikator perencanaan lainnya.

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 b. Peramalan teknologi (technological forecast), memperhatikan tingkat kemajuan teknologi yang
dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan yang
baru.
c. Peramalan permintaan (demand forecast), proyeksi permintaan untuk produk atau layanan
suatu perusahaan. Perkiraan ini juga disebut perkiraan penjualan yang mengendalikan produksi,
kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran,
serta sumber daya manusia.
Berdasarkan jenis data perkiraan yang disusun, perkiraan dibagi menjadi dua jenis, yaitu (Saputro dan
Asri, 2000:148).
a. Peramalan kualitatif, yang didasarkan atas data kualitatif pada masa lalu. Hasil prediksi yang
dibuat sangat tergantung pada orang yang menyusunnya. Biasanya perkiraan ini didasarkan atas
hasil penyelidikan, seperti pendapat salesman, pendapat sales manajer pendapat para ahli, dan
survey konsumen.
b. Peramalan kuantitatif, yaitu perkiraan yang didasarkan atas data penjualan pada masa lalu.
Hasil perkiraan yang dibuat sangat tergantung pada metode yang digunakan dalam perkiraan
tersebut. Penggunaan metode yang berbeda akan diperoleh hasil yang berbeda pula.
Berdasarkan sifat penyusunannya, perkiraan dibagi menjadi dua jenis, yaitu (Ginting, 2007)
a. Peramalan subjektif, yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.
b. Peramalan objektif, didasarkan atas data yang relevan pada masa lalu, dengan menggunakan
teknik-teknik dan metode-metode dalam penganalisaan data tersebut.
Langkah-langkah Peramalan (Forecasting)
1. Menentukan Tujuan Peramalan
Perlu diingat bahwa, Forecasting diperlukan untuk merencanakan masa depan, oleh karena itu kita harus
mempertimbangkan dan memutuskan peramalan apa yang sebenarnya dibutuhkan oleh kita. Mungkin
kedengarannya sederhana, namun kesalahan memutuskan tujuan atau apa yang kita inginkan akan
menghasilkan hasil yang berbeda sehingga keakuratan peramalan akan diragukan. Dalam tahap ini, kita
juga perlu menentukan setiap detail dari peramalan tersebut, contoh jenis produk, unit yang diperlukan
(berapa kotak atau unit) dan jangka waktu (misalnya mingguan, bulanan atau tahunan).
2. Mengevaluasi dan Menganalisis data yang sesuai
Langkah ini melibatkan identifikasi data apa yang diperlukan dan data apa saja yang tersedia.
Pengidentifikasian data ini akan berdampak pada pemilihan metode peramalan nanti. Misalnya, jika kita
ingin meramalkan jumlah penjualan pada suatu produk baru, mungkin kita tidak memiliki data historis
penjualan sehingga membatasi kita untuk menggunakan metode peramalan yang bersifat kuantitatif.
3. Memilih dan Menguji Metode Peramalan
Setelah data dievaluasi, langkah selanjutnya adalah memilih dan menentukan model atau metode
peramalan yang tepat. Umumnya, Metode Peramalan yang dipilih adalah metode yang telah
mempertimbangkan faktor-faktor seperti biaya dan kemudahan penggunaannya. Selain itu, satu faktor
yang terpenting adalah faktor keakuratan peramalan. Cara yang paling umum adalah dengan mencari dua
atau tiga metode yang terbaik kemudian mengujinya pada data historis untuk melihat metode atau model
forecasting mana yang paling akurat.

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 4. Menghasilkan Peramalan
Setelah menentukan metode atau model forecast/peramalan mana yang akan kita gunakan, selanjutnya
adalah menghasilkan ramalan yang kita butuhkan.
5. Memantau Keakurasian Peramalan
Forecasting atau Peramalan merupakan proses yang berkelanjutan. Setelah membuat ramalan, kita harus
mencatat apa yang sebenarnya terjadi (aktual) dan kemudian menggunakan informasi tersebut untuk
memantau keakurasian peramalan kita. Perlu diketahui bahwa metode peramalan yang terbaik pada masa
lalu belum tentu bisa memberikan hasil yang terbaik untuk masa depan. Oleh karena itu, kita harus selalu
bersiap-siap untuk merevisi metode peramalan kita seiring dengan perubahan data kita.
Metode Peramalan memiliki beberapa jenis metode, yaitu Kualitatif, dan Kuantitatif.
Metode Kualitatif adalah metode yang tidak bisa diukur dengan angka.
1. Opini/Pendapat seseorang (Biasanya pari ahli dan dewan eksekutif) untuk pengambilan
keputusan.
2. Metode Delphi adalah metode kualitatif yang melibatkan tiga partisipan berbeda, yaitu:
pengambil keputusan, para responden, staf personalia. Kemudian dari ketiga partisipan tersebut
diambil keputusan bersama.
3. Gabungan Sales Force (Tenaga Penjualan), tenaga penjual adalah orang yang terjun langsung
untuk menjual produk ke daerah-daerah. Hal ini dapat memberikan informasi kepada perusahaan
mengenai kondisi konsumen di daerah-daerah tentang produk mereka sehingga perusahaan bisa
mempertimbangkan keputusan apa yang dapat diambil untuk penjualan di masa mendatang.
4. Survei Pasar, turun langsung ke lapangan dan meminta pendapat konsumen potensial mengenai
rencana pembelian di masa mendatang. Dari informasi tersebut dapat kita tarik kesimpulan
mengenai apa saja yang harus ditingkatkan agar pembelian konsumen meningkat (bisa dengan
wawancara langsung atau Questioner).
Metode-metode Peramalan yang dapat digunakan:
Metode Kuantitatif, yaitu metode yang dapat diukur dan dinyatakan dalam bentuk angka, menggunakan
berbagai model matematis atau metode statistik dan data historis dan atau variabel-variabel kausal untuk
meramalkan permintaan.
Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :
A. Model Seri Waktu / Metode deret berkala
Model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk menganalisis
serangkaian data yang merupakan fungsi dari waktu, terbagi menjadi :
- Simple Moving Average Method (Metode Rata-rata Bergerak Sederhana), misalnya rata-rata
penjualan yang akan dipakai untuk peramalan adalah rata-rata penjualan di 3 periode terakhir
atau 5 periode terakhir. Rata-rata bergerak (moving averages), Rata-rata bergerak sederhana
bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil :
- Weight Moving Average Method (Metode Rata-Rata Bergerak Tertimbang), apabila ada pola
atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak
tekanan pada nilai baru :

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode
yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai
berikut.

- Exponential Smoothing Method (MetodePenghalusan Eksponensial), metode peramalan

dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor
kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan
(faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.
Peramalan menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut:

- Trend Projection Method (Method Proyeksi Trend), adalah metode proyeksi trend dengan
regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang.
Metode ini merupakan garis trend untuk persamaan matematis.
B. Model / metode kausal (causal/explanatory model)
Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan
dengan variabel lain yang mempengaruhinya tetapi bukan waktu melainkan sebab akibat. Dalam
prakteknya jenis metode peramalan ini terdiri dari :
Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun
jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.
Peramalan menggunakan metode regresi:
Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil
peramalan. Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah
mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :
 Adanya informasi masa lalu
 Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)
Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan
datang.

Adapun data- data yang ada dilapangan adalah :

· Musiman (Seasonal)

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 · Horizontal (Stationary)

· Siklus (Cylikal)

· Trend

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

a. Analisis deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan
variabel waktu.

b. Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel
yang dicari dengan variabel bebas atau yang mempengaruhi.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu
dengan metode regresi sederhana yaitu :

a. Analisis deret waktu untuk regresi sederhana linier

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 b. Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:
Y = F (x)
Dimana :
Y = Dependent variable (variabel yang dicari)
X = Independent variable (variabel yang mempengaruhinya)
Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut
:
Y=a+bx
Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan
dengan menggunakan rumus :

kemudian nilai b dapat dicari dengan rumus :

 Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang
biasa digunakan untuk menyusun trend ekonomi jangka panjang.
 Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka
pendek.

Memantau Ramalan
Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer
yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan
mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan.

Salah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah menggunakan
isyarat arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual
dengan baik isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the
forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD)
Prosedur Ramalan

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode
kuantitatif. Tahapan tersebut adalah:
a. Mendefinisikan Tujuan Peramalan, misalnya peramalan dapat digunakan selama masa pra-
produksi untuk mengukur tingkat dari suatu permintaan.
b. Membuat diagram pencar (Plot Data)
Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis
(X).
c. Memilih model peramalan yang tepat
Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan
yang diperkirakan dapat mewakili pola tersebut.
Melakukan Peramalan
a. Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai
data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai
“kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)
Dimana : Y(t) = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada periode t
t = Periode peramalan
Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) dan
Estimasi Standar Error (SEE – Standard Error Estimated)
SSE = S e(t)2 = S[Y(t)-Y’(t)]2
b. Memilih Metode Peramalan dengan kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji
statistik F), maka pilihlah secara sembarang metode-metode tersebut.
c. Melakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data
sebenarnya.
Keuntungan dan Kekurangan Forecasting (Peramalan)
Meskipun Forecasting atau Peramalan sangat dibutuhkan pada Manajemen Operasi dan Produksi, namun
Peramalan juga memiliki kekurangan. Berikut ini adalah keuntungan dan kekurangan pada Peramalan
atau Forecasting.
A. Advantages of Forecasting (Keuntungan Peramalan)
Suatu Organisasi menggunakan berbagai metode atau teknik peramalan untuk menilai hasil yang
“mungkin” akan didapatkan oleh organisasi atau perusahaannya. Metode yang digunakan tergantung pada

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
 data yang tersedia dan jenis industri yang dioperasikan oleh perusahaan tersebut. Keuntungan utama dari
peramalan atau forecasting ini adalah menyediakan informasi berharga yang dapat digunakan oleh
perusahaan untuk mengambil keputusan tentang masa depan perusahaan yang bersangkutan.

B. Disadvantages of Forecasting (Kekurangan Peramalan)

Dapat dikatakan bahwa hampir tidak mungkin untuk meramalkan masa depan secara akurat 100%, hal ini
dikarenakan sifat alamiah dari peramalan itu sendiri. Skenario atau kondisi bisnis dapat berubah dan
berbeda tergantung pada interpretasi data yang didapatkannya dan juga perubahan-perubahan dan faktor-
faktor tidak terduga lainnya di lingkungan bisnis. Oleh karena itu, suatu organisasi atau perusahaan tidak
dapat 100% bergantung pada metode peramalan tertentu. Namun organisasi dapat secara efektif
menggunakan peramalan dengan bantuan alat analisis lainnya untuk mendapatkan informasi terbaik yang
“mungkin” akan terjadi di masa depan. Membuat keputusan yang pada hasil peramalan yang tingkat
keakurasiannya rendah akan mengakibatkan kehancuran pada keuangan perusahaan. Dengan kata lain,
perusahaan dianjurkan untuk memadukan peramalan dengan alat analisis bisnis lainnya.

This study source was downloaded by 100000865139385 from CourseHero.com on 04-09-2023 08:10:37 GMT -05:00

https://www.coursehero.com/file/72917843/rangkuman-materi-forecastingdocx/
Powered by TCPDF (www.tcpdf.org)