Peramalan merupakan tahap awal dari perencanaan dan pengendalian produksi. Peramalan
adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap suatu atau beberapa
produk pada periode yang akan datang. Pada hakikatnya, peramalan merupakan suatu perkiraan
terhadap keadaan yang akan terjadi di masa yang akan dating. Sofyan Assauri (1984: 1)
mendefinisikan peramalan sebagai perkiraan yang ilmiah (educated guess). Menurutnya, setiap
pengambilan keputusan yang menyangkut keadaan pada masa yang akan datang, pasti ada
peramalan yang melandasi pengambilan keputusan tersebut. Frechtling (2001: 8)
mendefinisikan peramalan sebagai proses menyusun informasi tentang kejadian masa lampau
yang berurutan untuk menduga kejadian pada masa depan. Berdasarkan dua definisi di atas,
pada hakikatnya peramalan merupakan bagian awal dari proses pengambilan keputusan.
Sebelum melakukan peramalan harus diketahui terlebih dahulu persoalan dalam pengambilan
keputusan.
Dalam bisnis, peramalan diperlukan untuk menetapkan patokan dalam membuat rencana.
Tanpa patokan (dasar), tidak mungkin rencana kegiatan bisa dibuat karena akan berkenaan
dengan berapa jumlah bahan yang diperlukan, peralatan apa yang digunakan, dimana
dilakukan, siapa yang mengerjakannya, hingga berapa besar biaya yang harus dikeluarkan.
Semuanya akan menjadi sulit kalau tidak ada patokan.
Karakteristik Peramalan:
1. Akurasi
Apabila hasil peramalan dikatakan bias, peramalan tersebut terlalu tinggi atau rendah
dibandingkan dengan kenyataan yang sebenarnya terjadi. Selanjutnya hasil peramalan
dikatakan konsisten, apabila kesalahan peramalan relatif kecil.
Kondisi peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan,
sehingga permintaan konsumen tidak dapat dipenuhi dengan segera. Hal itu akan
berdampak di perusahaan serta besar kemungkinan kehilangan pelanggan dan
keuntungan dari penjualan. Sebaliknya, apabila peramalan yang terlalu tinggi dapat
mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang
terserap dan terbuang. Keakuratan dari hasil peramalan akan berfungsi menyeimbang-
kan persediaan yang ideal.
2. Biaya
Biaya yang dbutuhkan dalam pembuatan peramalan bergantung pada jumlah item/jenis
yang diramalkan, jangka waktu peramalan, dan metode peramalan yang dipakai. Ketiga
faktor pemicu biaya tersebut akan memengaruhi terhadap data yang dibutuhkan. Selain
itu juga akan bergantung pada cara pengolahan data (manual atau komputerisasi), cara
penyimpanan data, dan tenaga ahli yang diperbantukan.
Buffa (1966) menjelaskan bahwa metode yang lebih canggih tidak menjamin
memperoleh hasil yang lebih akurat daripada metode yang lebih sederhana, lebih
mudah diterapkan, dan lebih murah. Pemilihan metode peramalan harus disesuaikan
dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item
yang penting akan diramalkan dengan metode yang sederhana dan murah.
3. Kemudahan
Penggunaan metode peramalan yang sederhana mudah dibuat dan mudah diaplikasikan
akan memberikan keuntungan bagi perusahaan. Apabila memakai metode yang
canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan
dana, sumber daya manusia, dan peralatan teknologi merupakan hal yang percuma.
B. Klasifikasi teknik peramalan
Berdasarkan sifat penyusunannya, peramalan meliputi :
➢ Peramalan subjektif
peramalan yang didasarkan atas perasaan atau intuisi dari orang yang
menyusunnya. Dalam hal ini pandangan orang yang menyusunnya sangat
menentukan baik tidaknya hasil ramalan tersebut.
➢ Peramalan objektif
peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan
menggunakan teknik dan metode dalam penganalisisannya.
➢ Peramalan kualitatif
peramalan yang didasarkan atas kualitatif pada masa lalu. Hasil peramalan yang
dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena
hasil peramalan ditentukan berdasarkan pemikiran yang bersifat intuisi,
judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
➢ Peramalan kuantitatif
peramalan yang didasarkan atas data kuntitatif pada masa lalu. Hasil peramalan
yang dibuat sangat bergantung pada metode yang dipergunakan dalam
peramalan tersebut.
C. Teknik peramalan
Gambar 1. Taksonomi Peramalan (Assauri,1984)
• Pola siklus, yakni pola yang tercipta apabila data dipengaruhi oleh fluktuasi
ekonomi berjangka panjang, seperti siklus bisnis. Berikut gambar dari pola
siklus:
• Pola trend, yakni pola yang tercipta akibat adanya kenaikan ataupun penurunan
sekuler berjangka panjang pada data. Berikut gambar dari pola trend:
2. Metode Kausal
Metode kausal mengasumsikan faktor yang diperkirakan menunjukkan adanya
hubungan sebab akibat dengan satu atau beberapa variabel bebas (independen). Contoh,
jumlah pendapatan berhubungan dengan faktor jumlah penjualan, harga jual, dan
tingkat promosi. Dalam pelaksanaanya, metode kausal perlu didukung pula oleh
beberapa metode lainnya, seperti metode regresi dan korelasi, metode ekonometri, dan
metode input dan output. Penjelasan mengenai keempat metode pendukung tersebut,
antara lain sebagai berikut:
➢ Metode regresi dan korelasi
Analisis regresi berkenaan dengan studi kebergantungan suatu variabel,
variabel tidak bebas, pada satu atau lebih variabel lain, variabel yang
menjelaskan (explanatory variables), 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).
Korelasi dan regresi mempunyai hubungan yang sangat erat. Setiap regresi pasti
ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi
yang tidak dilanjutkan dengan regresi adalah korelasi antara dua variabel yang
tidak mempunyai hubungan kausal/sebab-akibat atau hubungan fungsional.
Untuk menetapkan kedua variabel mempunyai hubungan kausal atau tidak,
harus dilandaskan pada teori atau konsep tentang dua variable tersebut
(Sugiyono, 2005).
➢ Metode ekonometrik
Model ekonometrika setidaknya terdiri atas dua golongan variabel, yaitu variabel
terikat (dependen) dan variabel bebas (independen). Jumlah variabel bebas tidak harus
satu, tetapi dapat berjumlah lebih dari satu variabel. Untuk model dengan satu variabel
bebas disebut dengan regresi tunggal (single regression), sedangkan untuk model yang
mempunyai lebih dari satu variabel bebas disebut regresi berganda (multiple
regression).