MATERI 3

“PERAMALAN (FORECASTING)”

NAMA : ONE TWELVI OGESTA

NIM : 210903501081

KELAS : MANAJEMEN E

FAKULTAS EKONOMI DAN BISNIS

PROGRAM STUDI MANAJEMEN

UNIVERSITAS NEGERI MAKASSAR

2023
 PENDAHULUAN

Peramalan (forecasting) merupakan seni dan ilmu memprediksi kejadian di masa

depan. Hal ini dapat dilakukan dengan memproyeksikan data historis ke masa depan
dalam bentuk model matematis (kuantitatif), atau dapat juga berupa ramalan intuitif
(kualitatif) subjektif. Peramalan dapat dikelompokkan berdasarkan sifat kuantitatif atau
kualitatifnya. Sebaliknya, teknik kualitatif murni tidak memerlukan manipulasi data,
peramal hanya menggunakan pendapat pribadi. Di sisi lain, teknik kuantitatif murni tidak
memerlukan pendapat pribadi, melainkan tindakan mekanis yang menghasilkan hasil
kuantitatif. Metode peramalan adalah cara untuk menilai atau memperkirakan secara
kuantitatif atau kualitatif apa yang akan terjadi di masa depan berdasarkan informasi
yang relevan dari masa lalu. Peramalan merupakan aktivitas fungsi bisnis yang
memperkirakan penjualan dan penggunaan produk sehingga jumlah produk yang benar
dan tepat dapat diproduksi. Peramalan merupakan perkiraan permintaan masa depan
berdasarkan beberapa variabel perkiraan, yang seringkali berdasarkan data deret waktu
historis. Peramalan menggunakan teknik peramalan bersifat formal dan informal
(Gaspersz, 1998).
 RINCIAN PEMBAHASAN

1. Definisi Peramalan

Peramalan (forecasting) merupakan seni dan ilmu memprediksi kejadian di masa

depan. Hal ini dapat dilakukan dengan memproyeksikan data historis ke masa depan
dalam bentuk model matematis (kuantitatif), atau dapat juga berupa ramalan intuitif
(kualitatif) subjektif. Peramalan juga merupakan perkiraan permintaan yang diharapkan
untuk suatu produk atau produk selama periode waktu tertentu. Definisi lain dari
peramalan ialah teknik analisis perhitungan yang dilakukan dengan menggunakan
pendekatan kualitatif atau kuantitatif untuk memprediksi kejadian di masa depan
dengan menggunakan referensi data dari masa lalu.

Tujuan peramalan adalah untuk mengantisipasi prospek ekonomi dan bisnis serta
dampak lingkungan terhadap prospek tersebut. Peramalan adalah bagian terpenting
untuk setiap bisnis atau organisasi dalam hal keputusan manajemen. Peramalan itu
sendiri dapat menjadi dasar perencanaan jangka menengah atau jangka panjang suatu
perusahaan. Dalam hal prakiraan (prediksi), diperlukan meminimalisir kesalahan (error)
di dalamnya. Untuk meminimalkan error tersebut, akan lebih baik jika peramalan dibuat
dalam satuan numerik (angka) atau kuantitatif.

Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan

penggunaan produk sehingga jumlah produk yang benar dan tepat dapat diproduksi.
Peramalan merupakan perkiraan permintaan masa depan berdasarkan beberapa
variabel perkiraan, yang seringkali berdasarkan data deret waktu historis. Peramalan
menggunakan teknik peramalan bersifat formal dan informal (Gaspersz, 1998).

Peramalan yang baik memiliki beberapa kriteria penting, antara lain sebagai berikut:

a. Akurasi.

Akurasi hasil peramalan diukur dari kebiasaan dan konsistensi peramalan

itu. Hasil peramalan dikatakan bias apabila ramalan tersebut terlalu tinggi atau
terlalu rendah dibandingkan dengan yang sebenarnya terjadi. Hasil peramalan
dikatakan konsisten bila ukuran kesalahan peramalan relatif kecil. Peramalan
yang terlalu rendah menyebabkan kekurangan persediaan yang tidak dapat
segera memenuhi permintaan konsumen, dan mengakibatkan perusahaan
dapat kehilangan pelanggan dan keuntungan penjualan. Peramalan yang terlalu
tinggi menyebabkan peningkatan persediaan, yang mengakibatkannya
menyerap sebagian besar modal yang tidak perlu. Keakuratan hasil peramalan
memegang peranan penting dalam menyeimbangkan persediaan ideal yaitu
minimisasi akumulasi persediaan dan maksimalisasi tingkat layanan.

b. Biaya.

Biaya yang diperlukan untuk menghasilkan suatu peramalan tergantung

pada jumlah target yang akan diramalkan, lamanya periode peramalan, dan
metode peramalan yang digunakan. Ketiga pemicu biaya ini mempengaruhi
 berapa banyak data yang dibutuhkan, bagaimana data diproses, yaitu akan
secara manual atau komputerisasi, bagaimana data disimpan dan siapa ahlinya.
Pemilihan metode peramalan harus disesuaikan dengan sumber daya yang
tersedia dan tingkat ketelitian yang diinginkan, misalnya hal-hal penting dapat
diprediksi dengan metode yang canggih dan mahal, sedangkan hal-hal yang
kurang penting dapat diprediksi dengan metode yang sederhana dan murah.
Prinsip ini merupakan adopsi dari hukum Pareto (Analisis ABC).

c. Kemudahan.

Penggunaan metode peramalan yang sederhana, mudah dibuat dan saat

digunakan akan membawa keuntungan bagi perusahaan. Penggunaan metode
canggih tidak berguna, bila tidak dapat diterapkan pada sistem perusahaan
karena keterbatasan sumber daya keuangan, manusia dan teknis.

Peramalan dapat dibagi menjadi prakiraan jangka panjang dan jangka pendek.
Pandangan jauh ke depan diperlukan untuk menetapkan tujuan jangka panjang
organisasi secara keseluruhan, jadi ini adalah fokus khusus dari manajemen puncak.
Prakiraan jangka pendek digunakan untuk merencanakan strategi segera dan
menyesuaikan dengan kebutuhan manajemen lini menengah dan lini depan dalam
waktu dekat.

Suatu peramalan juga dapat dikelompokkan menurut posisinya dalam satuan

makro-mikro, yaitu sejauh mana ia memuat nilai-nilai detail yang kecil dibandingkan
dengan nilai total yang besar.

Peramalan juga dapat dikelompokkan berdasarkan sifat kuantitatif atau

kualitatifnya. Sebaliknya, teknik kualitatif murni tidak memerlukan manipulasi data,
peramal hanya menggunakan pendapat pribadi. Di sisi lain, teknik kuantitatif murni tidak
memerlukan pendapat pribadi, melainkan tindakan mekanis yang menghasilkan hasil
kuantitatif.

2. Pentingnya Peramalan Dalam Manajemen Produksi Dan Operasi

• Sebagai pengkaji terhadap kebijakan perusahaan saat ini dan di masa lalu serta
melihat sejauh mana dampaknya di masa mendatang.
• Peramalan diperlukan karena ada jeda waktu antara penetapan kebijakan
perusahaan dan pelaksanaannya.
• Peramalan menjadi dasar penyusutan bisnis untuk meningkatkan efektivitas
rencana bisnis.
• Membantu dalam pengambilan keputusan. Dengan bantuan forecast atau
peramalan ini, pihak manajemen seperti halnya pengambil keputusan dapat
mengidentifikasi kemungkinan situasi dan risiko yang mungkin muncul pada
periode berikutnya, sehingga mempengaruhi hasil akhir dari keputusan yang
diambil.
 • Manajemen produksi dan operasi menggunakan hasil peramalan saat membuat
keputusan tentang pemilihan proses, perencanaan kapasitas, perencanaan
fasilitas, dll.
• Akurasi ramalan mendukung rencana yang dibuat.

3. Metode Peramalan

Metode peramalan adalah cara untuk menilai atau memperkirakan secara

kuantitatif atau kualitatif apa yang akan terjadi di masa depan berdasarkan informasi
yang relevan dari masa lalu. Metode peramalan ini digunakan untuk peramalan
sistematis dan pragmatis berdasarkan informasi relevan sebelumnya. Oleh karena itu,
metode peramalan dapat memberikan objektivitas yang lebih.

Metode peramalan dibagi menjadi dua, yaitu top down dan bottom down.

A. Top-Down Forecasting

Metode peramalan ini dimulai dengan gambaran besar, atau

perusahaan secara keseluruhan, dan kemudian memecahnya menjadi beberapa
bagian seperti departemen, produk, dan layanan. Dengan kata lain, metode ini
dimulai dari yang umum ke yang khusus. Semakin banyak informasi yang dimiliki
untuk membuat prediksi, semakin baik. Peramalan top-down bekerja dengan
baik ketika kekuatan pasar item produk dan area pasar sama. Peramalan
merupakan hal penting dalam sebuah perusahaan. Namun, saat membuat
perkiraan berdasarkan penjualan atau pendapatan kotor, perusahaan akan
kehilangan informasi berharga yang dapat digunakan untuk memaksimalkan
keuntungan dan merencanakan strategi jangka panjang.

B. Bottom-up Forecasting

Metode peramalan ini dimulai dari yang khusus ke yang umum. Setiap
departemen membuat prediksi atau peramalan tentang masa depan dan
kemudian merangkumnya dengan departemen lain menjadi satu dan
keseluruhan. Keuntungan dari pendekatan bottom-up adalah berfokus pada
asumsi di balik penjualan spesifik, biaya, dan margin keuntungan dari setiap
produk dan layanan. Peramalan bottom-up sangat berguna saat menetapkan
tujuan penjualan, produksi, dan promosi untuk mengalokasikan sumber daya ke
target spesifik berdasarkan tujuan. Selain itu, peramalan biasanya lebih akurat
untuk perusahaan yang bersifat musiman atau mengalami perubahan besar
dalam penjualan dan pendapatan. Salah satu kelemahan peramalan top-down
adalah kesalahan di tingkat mikro disebarkan ke tingkat makro. Apalagi jika
mereka memperluas bisnis mereka. Maka asumsi itu harus selalu
dipertimbangkan dan ditingkatkan jika perlu. Sistem top-down dan bottom-up
memiliki kekuatan dan kelemahannya masing-masing.
 Ada enam faktor penting yang menjelaskan berbagai metode peramalan. Faktor-
faktor ini mencerminkan kemampuan dan kemampuan beradaptasi untuk membuat
peramalan. Keenam faktor tersebut adalah sebagai berikut:

1) Time horizon

Time horizon mengacu pada metode peramalan individu, yaitu metode

peramalan yang berbeda menghasilkan kesesuaian peramalan yang berbeda untuk
jangka waktu yang berbeda. Misalnya, metode peramalan kualitatif lebih sering
digunakan untuk peramalan jangka panjang daripada metode peramalan kuantitatif
yang biasanya digunakan untuk peramalan jangka menengah atau pendek. Time
horizon (rentang waktu) juga mengacu pada jumlah periode peramalan yang
diinginkan. Beberapa teknik peramalan hanya cocok untuk peramalan 1 atau 2
periode, tetapi ada juga teknik peramalan yang cocok untuk peramalan lebih dari 2
periode di masa yang akan datang.

2) Pattern of Data

Sebagian besar teknik peramalan berasumsi bahwa data yang digunakan

untuk membuat peramalan akan menunjukkan pola-pola tertentu, seperti pola
musiman, pola tren, pola rata-rata sederhana, pola siklus (variasi siklus) atau bahkan
pola tidak beraturan. Karena kemampuan metode peramalan berbeda untuk model
data yang berbeda, maka perlu dilakukan penyesuaian metode yang digunakan
dengan bentuk model data yang digunakan untuk membuat peramalan.

3) Cost

Biaya yang dibutuhkan untuk menghasilkan peramalan biasanya adalah

biaya pengembangan metode peramalan, biaya penyiapan data, dan biaya
peramalan. Kadang-kadang diperlukan biaya lain untuk metode yang akan
diterapkan. Perbedaan biaya antara menggunakan satu metode dengan metode
lainnya jelas mempengaruhi minat untuk menggunakan metode peramalan tertentu
dan dalam situasi tertentu.

4) Accuracy

Informasi yang dibutuhkan untuk peramalan sangat erat kaitannya dengan

tingkat akurasi peramalan yang dibutuhkan, misalnya dalam suatu keputusan
toleransi ketepatan peramalan kurang lebih 10% dianggap cukup. Namun, dalam
kasus tertentu, prakiraan dengan penyimpangan 5% dapat menyebabkan masalah.

5) Intuitive appeal, simplicity dan easy to application

Prinsip umum penerapan metode ilmiah adalah perancang atau pengambil

keputusan hanya memahami metode. Prediksi tidak didasarkan pada apa pun yang
tidak dipahami atau diyakini. Selain itu, masalah situasional dan teknik peramalan
yang diperlukan harus disesuaikan dengan pengguna peramalan.

6) Availability of computer software

 Peramalan dengan menggunakan metode kuantitatif tertentu sering
digunakan jika tersedia program komputer yang sesuai. Program komputer
peramalan harus mudah digunakan, didokumentasikan sepenuhnya, dan bebas virus
sehingga peramal dapat menggunakan, memahami, dan menafsirkannya.

4. Proses Peramalan

Dua faktor utama yang harus diperhatikan dalam proses peramalan agar akurat dan
bermanfaat (Makridakis, 1999):

• Mengumpulkan data terkait berupa informasi yang dapat membuat ramalan

akurat.
• Memilih teknik peramalan yang tepat yang akan menggunakan sebanyak
mungkin informasi dari data .

Berikut urutan proses melakukan peramalan atau forecasting sebagai berikut:

a. Penetapan tujuan

Pada tahap ini, penentuan tujuan dari setiap peramalan harus didokumentasikan,
secara formal dan tidak ambigu. Sebelum membuat peramalan, pertama-tama hal yang
harus dilakukan ialah mempertimbangkan mengapa peramalan diperlukan dan
bagaimana menggunakan hasilnya. Peramalan dimasukkan sedemikian rupa sehingga
manajemen dapat membuat keputusan yang baik mengenai alokasi sumber daya yang
tersedia, dan oleh karena itu, peramal harus memahami penggunaan peramalan yang
dikelola.

b. Pilih teori yang tepat

Setelah tujuan peramalan ditentukan, langkah selanjutnya adalah mengidentifikasi

hubungan teoritis yang menentukan perubahan variabel yang sedang diramalkan. Teori
yang sesuai akan selalu membantu peramal untuk mengidentifikasi keterbatasan yang
ada yang perlu ditangani dan dimasukkan dalam proses peramalan.

c. Mencari data yang tepat

Langkah ini biasanya merupakan langkah yang agak rumit dan seringkali merupakan
langkah yang paling penting, karena langkah lebih lanjut yang mungkin dilakukan atau
tidak dilakukan itu tergantung pada relevansi data yang diperoleh.

d. Analisis data

Di tahap ini, pemilihan data sudah selesai karena dalam proses peramalan, seringkali
kita memiliki data yang terlalu sedikit atau terlalu banyak. Beberapa data mungkin tidak
relevan dengan masalah yang akan kita analisis, yang dapat mengurangi keakuratan
prediksi. Data lain mungkin berguna, tetapi hanya untuk waktu yang terbatas.

e. Estimasi model awal

 Di tahap ini adalah dimana tahap memeriksa relevansi (penyesuaian) data yang
telah di kumpulkan dalam model peramalan yang dalam arti meminimalkan kesalahan
peramalan. Semakin sederhana modelnya, maka semakin baik model tersebut secara
umum yang dalam arti mudah diterima oleh para manajer yang akan mengambil
keputusan bisnis.

f. Evaluasi dan revisi model

Sebelum melanjutkan ke implementasi aktual, sebuah model harus diuji terlebih

dahulu untuk menentukan akurasi, nilai, dan reliabilitas yang diharapkan. Jika berbagai
pengujian yang berbeda untuk reliabilitas dan akurasi telah diterapkan pada model,
mungkin perlu dimodifikasi dengan memasukkan faktor penyebab dalam model.

5. Teknik-Teknik Peramalan

Ada dua pendekatan peramalan, yaitu pendekatan kualitatif dan pendekatan

kuantitatif.

A. Metode peramalan kualitatif

Metode peramalan kualitatif digunakan ketika data historis tidak tersedia. Metode
peramalan kualitatif adalah metode subyektif (visual). Metode ini didasarkan pada
informasi kualitatif. Dasar dari informasi ini dapat memprediksi kejadian di masa depan.
Keakuratan metode ini sangat subyektif. Metode peramalan kuantitatif

Metode peramalan kuantitatif dibagi menjadi dua tipe, causal dan time series.

 CAUSAL

Metode peramalan kausal meliputi faktor-faktor yang berhubungan dengan

prediktor seperti analisis regresi. Sebelum itu, peramalan time series merupakan
metode kuantitatif untuk menganalisis data historis yang dikumpulkan secara teratur
dengan menggunakan teknik yang tepat. Hasilnya dapat digunakan sebagai acuan untuk
memprediksi nilai masa depan (Makridakis, 1999). Model time series dapat digunakan
dengan mudah untuk peramalan, sedangkan model kausal lebih efisien untuk
pengambilan keputusan dan kebijakan. Peramalan harus dianalisis berdasarkan model
data yang ada. Empat pola data yang biasa ditemui dalam peramalan.

1. Pola Horizontal

Pola ini terjadi bila data berfluktuasi di sekitar rataratanya. Produk yang
penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk
jenis ini.

2. Pola Musiman

Pola musiman terjadi bila nilai data dipengaruhi oleh faktor musiman
(misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu).
 3. Pola Siklis

Pola ini terjadi bila data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.

4. Pola Trend

Pola Trend terjadi bila ada kenaikan atau penurunan sekuler jangka
panjang dalam data.

 TIME SERIES

Model kuantitatif intrinsik sering disebut sebagai model-model deret waktu

(Time Series model). Model deret waktu yang populer dan umum diterapkan dalam
peramalan permintaan adalah rata-rata bergerak (Moving Averages), pemulusan
eksponensial (Exponential Smoothing), dan proyeksi kecenderungan (Trend Projection).
Model kuantitatif ekstrinsik sering disebut juga sebagai model kausal, dan yang umum
digunakan adalah model regresi (Regression Causal model) (Gaspersz, 1998).

1. Weight Moving Averages (WMA)

Model rata-rata bergerak menggunakan sejumlah data aktual

permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di
masa yang akan datang. metode rata-rata bergerak akan efektif diterapkan
apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang waktu.
Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot
(Unweight Moving Averages) dan rata-rata bobot bergerak (Weight Moving
Averages). Model rata-rata bobot bergerak lebih responsif terhadap perubahan
karena data dari periode yang baru biasanya diberi bobot lebih besar.

2. Single Exponential Smoothing (SES)

Pola data yang tidak stabil atau perubahannya besar dan bergejolak
umumnya menggunakan model pemulusan eksponensial (Exponential
Smoothing Models). Metode Single Exponential Smoothing lebih cocok
digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak
teratur). Peramalan menggunakan model pemulusan eksponensial.
Permasalahan umum yang dihadapi apabila menggunakan model pemulusan
eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat.
Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1.
Apabila pola historis dari data aktual permintaan sangat 483 bergejolak atau
tidak stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1.
Pola historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari
waktu ke waktu, α yang dipilih adalah yang nilainya mendekati nol (Gaspersz,
1998).

3. Regresi Linier
 Model analisis Regresi Linier adalah suatu metode populer untuk
berbagai macam permasalahan. Menurut Harding (1974) dua variabel yang
digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu sama lain
dan bersifat linier.
 RANGKUMAN MATERI

1. Peramalan (forecasting) merupakan seni dan ilmu memprediksi kejadian di masa

depan.
2. Tujuan peramalan adalah untuk mengantisipasi prospek ekonomi dan bisnis
serta dampak lingkungan terhadap prospek tersebut.
3. Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan
dan penggunaan produk sehingga jumlah produk yang benar dan tepat dapat
diproduksi.
4. Peramalan dapat dibagi menjadi prakiraan jangka panjang dan jangka pendek.
Pandangan jauh ke depan diperlukan untuk menetapkan tujuan jangka panjang
organisasi secara keseluruhan.
5. Metode peramalan adalah cara untuk menilai atau memperkirakan secara
kuantitatif atau kualitatif apa yang akan terjadi di masa depan berdasarkan
informasi yang relevan dari masa lalu.
6. Peramalan top-down bekerja dengan baik ketika kekuatan pasar item produk
dan area pasar sama.
7. Peramalan bottom-up sangat berguna saat menetapkan tujuan penjualan,
produksi, dan promosi untuk mengalokasikan sumber daya ke target spesifik
berdasarkan tujuan.
8. Model kuantitatif intrinsik sering disebut sebagai model-model deret waktu
(Time Series model).
9. Metode peramalan kausal meliputi faktor-faktor yang berhubungan dengan
prediktor seperti analisis regresi.
 DAFTAR PUSTAKA

Herjanto, Eddy. 2008. Manajemen Operasi, Edisi Ketiga. Jakarta: Grasindo.

Heizer, Jay dan Render, Barry. 2009. Manajemen Operasi, Buku 1 Edisi 9. Jakarta:
Salemba Empat.

Manajemen Operasional dan Implementasi dalam Industri. (n.d.). (n.p.): Penerbit

Pustaka Rumah C1nta.
https://www.google.co.id/books/edition/Manajemen_Operasional_dan_Implementasi_
d/HYgkEAAAQBAJ?hl=id&gbpv=1

Riadi, Muchlisin. (2017). Pengertian, Fungsi dan Jenis-Jenis Peramalan (Forecasting).

https://www.kajianpustaka.com/2017/11/pengertian-fungsi-dan-jenis-peramalan-
forecasting.html

Fitri Afriani.(2022). Metode Peramalan Top-Down dan Bottom-Down Forecasting Dalam

Bisnis. Jawa Barat. https://konsultangue.com/2022/03/25/metode-peramalan-top-
down-dan-bottom-down-forecasting-dalam-bisnis/

https://www.studocu.com/id/document/universitas-muhammadiyah-yogyakarta/
manajemen-operasi/uts-manajemen-operasi-mahasiswa-no-4/28472521

https://scholar.google.com/scholar?hl=id&as_sdt=0%2C5&q=definisi+peramalan&btnG=

file:///C:/Users/LENOVO/Downloads/1119-Article%20Text-5220-1-10-20210818.pdf