BAB I

PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
C. Tujuan Penulisan

BAB II
PEMBAHASAN
Untuk menyelesaikan masalah di masa mendatang yang tidak dapat dipastikan, orang
senantiasa berupaya menyelesaikannya dengan model pendekatan-pendekatan yang sesuai
dengan perilaku aktual data, begitu juga dalam melakukan peramalan. Peramalan
diperlukan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang juga
untuk para pengambil keputusan untuk membuat planning.
A. Definisi Peramalan (Forecasting)
Menurut Gaspersz, aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha
memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat
dibuat dalam dalam kuantitas yang tepat.
Menurut Taylor, peramalan yaitu sebuah prediksi mengenai apa yang akan terjadi di
masa depan.
Menurut Makridakis, peramalan merupakan bagian integral dari kegiatan
pengambilan keputusan manajemen.
Peramalan pada dasarnya merupakan suatu taksiran, tetapi dengan menggunakan
cara-cara tertentu peramalan dapat lebih daripada hanya satu taksiran. Dapat dikatakan
bahwa peramalan adalah suatu taksiran yang ilmiah meskipun akan terdapat sedikit
kesalahan yang disebabkan oleh adanya keterbatasan kemampuan manusia.
Dalam peramalan tidak jarang terjadi kesalahan misalnya saja penjualan sering tidak
sama dengan nilai eksak yang diperkirakan. Ada tiga cara untuk mengakomodasi
perkiraan, pertama mencoba mengurangi kesalahan melakukan pemerkiraan yang lebih
baik. Kedua, membuat fleksibilitas pada operasi dan yang terakhir adalah mengurangi
waktu tunggu yang dibutuhkan dalam prakiraan.
Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-faktor
lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian
sasaran dan tujuan tersebut. Kebutuhan akan peramalan mengingkat sejalan dengan
usaha manajemen untuk mengurangi ketergantungannya pada hal-hal yang belum pasti.
 Peramalan menjadi leni ilmiah sifatnya dalam menghadapi lingkungan manajemen.
Karena setiap organisasi berkaitan satu sama lain, nbaik buruknya ramalan dapat
mempengaruhi seluruh bagian organisasi.

B. Peranan dan Manfaat Peramalan

Metode peramalan biasanya digunakan oleh bagian penjualan dalam melakukan
perencanaan (sales planning) berdasarkan hasil ramalan penjualan, sehingga informasi
peramalan dapat bermanfaat bagi Production Planning and Inventory Control (PPIC).
1. Peranan Peramalan
a. Penjadwalan sumber daya yang tersedia
Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi,
transportasi, kas, personalia dan sebagainya.
b. Penyediaan sumber daya tambahan
Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja
baru, atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai
beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya
di masa mendatang.
c. Penentuan sumber daya yang diinginkan
Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam
jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar,
faktor-faktor lingkungan dan pengembangan internal dari sumber daya finansial,
manusia, produk dan teknologi. Semua penentuan ini memerlukan ramalan yang
baik dan manajer dapat menafsirkan perkiraan serta membuat keputusan yang
tepat.
2. Manfaat Peramalan
Ada beberapa manfaat yang bisa di dapatkan dalam penerapan forecasting, dalam
perusahaan di antaranya
a. Memprediksi masa depan bisnis
Secara tidak langsung, forecasting dapat memperlihatkan gambaran umum
bagi manajemen terkait arah bisnis. Dari situ perusahaan dapat menentukan target
pasar serta meraih keuntungan sebanyak banyaknya.
b. Memenuhi kepuasan pelanggan
 Dengan adanya forecasting, perusahaan bisa memprediksi gambaran terkait
permintaan barang. Dengan itu, perusahaan dapat memenuhi permintaan barang
serta mencapai kepuasaan pelanggan.
c. Menjaga kondisi keuangan
Ketika perusahaan dapat memprediksi permintaan produk di masa depan,
berarti mereka bisa mengatur pengeluaran biaya dengan semaksimal mungkin.
Jadi, dana yang dikeluarkan nantinya tidak akan percuma.
d. Mengikuti tren terkini
Dalam suatu perusahaan penting untuk memprediksi tren untuk
keberlangsungan bisnisnya. Ini dikarenakan agar perusahaan bisa mengantisipasi
pasar dengan tren yang berubah ubah.
C. Tujuan Peramalan
1. Jangka Pendek (Short Term)
Menentukan kuantitas dan waktu dari item dijadikan produksi, biasanya bersifat
harian ataupun mingguan dan ditentukan oleh Low Management. Peramalan ini
biasanya digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur,
penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek.
2. Jangka Menengah (Medium Term)
Menentukan kuantitas dan waktu dari kapasitas produksi, biasanya bersifat
bulanan ataupun kuartal dan ditentukan oleh Middle Management. Umumnya
peramalan dilakukan untuk meramalkan 1 sampai 24 bulan yang akan datang.
Peramalan ini lebih khusus dibangdingkan peramalan jangka panjang, biasanya
digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan
anggaran.
3. Jangka Panjang (Long Term)
Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat
tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management.
Umumnya peramalan dilakukan untuk meramalkan 2 sampai 10 tahun yang akan
datang. Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumber
daya.
D. Jenis-Jenis Peramalan
Jenis peramalan dapat dibedakan menjadi beberapa tipe. Dilihat dari perencanaan operasi
di masa depan, maka peramalan dibagi menjadi 3 macam yaitu:
1. Peramalan ekonomi
 2. Peramalan teknologi
3. Peramalan permintaan
E. Langkah-Langkah Peramalan
Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-
langkah atau prosedur penyusunan yang baik. Terdapat 9 langkah yang harus diperhatikan
untuk menjamin efektivitas dan efisiensi dari sistem peramalan, yaitu:
1. Menentukan tujuan dari peramalan
2. Memilih item independent demand yang akan diramalkan
3. Menentukan horizon waktu dari peramalan (jangka pendek, menengahm atau panjang)
4. Memilih model-model peramalan
5. Memperoleh data yang dibutuhkan untuk melakukan peramalan
6. Validasi model peramalan
7. Membuat peramalan
8. Implementasi hasil-hasil peramalan
9. Memantau keandalah hasil peramalan
F. Teknik-Teknik Peramalan

Teknik peramalan secara garis dikelompokkan menjadi 2 yaitu:

A. Metode Time Series (Deret Waktu)
Secara garis besar metode time series dapat dikelompokkan menjadi:
1. Metode Averaging
Dipakai untuk kondisi dimana setiap data pada waktu yang berbeda mempunyai bobot yang
sama sehingga fluktasi random data dapat direndam dengan rata- ratanya, biasanya dipakai
untuk peramalan jangka pendek.
Adapun metode-metode yang termasuk didalamnya, antara lain:
a. Simple Average
Rumus yang digunakan:

dimana:
X=F =Hasilramalan
T = Periode
Xi = Demand pada periode t

b. Single Moving Average

Apabila diperoleh data yang stasioner, metode ini cukup baik untuk meramalkan keadaan.
Rumus yang digunakan:
dimana:
X=F =Hasilramalan
T = Periode
Xi = Demand pada periode t

c. Double Moving Average

Jika data tidak stasioner serta mengandung pole trend, maka dilakukanmoving average terhadap
hasil single moving average. Rumus yang digunakan:

2. Metode Smoothing (Pemulusan)

Dipakai pada kondisi dimana bobot data pada periode
yang satu berbeda dengan data pada periode sebelumnya dan membentuk fungsi Exponential
yang biasa disebut Exponential smoothing.
Adapun metode-metode yang termasuk didalamnya, antara lain:
a. Single Exponential Smoothing
Metode ini banyak mengurangi masalah penyimpangan data karena tidak perlu lagi menyimpan
data historis.Pengaruh besar kecilnya α berlawanan arah dengan pengaruh memasukan jumlah
pengamatan.Metode ini selalu mengikuti setiap trend dalam data sebenarnya karena yang dapat
dilakukannya tidak lebih dari mengatur ramalan mendatang dengan suatu persentase dari
kesalahan terakhir.Untuk menentukan α mendekati optimal memerlukan beberapa kali
percobaan.
Rumus yang digunakan:

Dimana:
Ft+1 = Hasil peramalan untuk periode t + 1 α = Konstanta pemulusan
Xt = Data demand pada periode t
Ft = Periode sebelumnya

b. Double Exponential Smoothing satu parameter dari Browns Dasar pemikiran dari pemulusan
eksponensial linier dari Browns adalah serupa dengan rata-rata bergerak linier, karena kedua nilai
pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur
trend. Persamaan yang dipakai dari metode ini adalah sebagai berikut:
dimana:
Xt = Data demand pada periode t
S’t = Nilai pemulusan I periode t
S”t = Nilai pemulusan II periode t
S’t-1 = Nilai pemulusan pertama sebelumnya (t-1) S”t-1 = Nilai pemulusan kedua sebelumnya (t-
1)
α = Konstanta pemulusan
at = Intersepsi pada periode t
bt = Nilai trend periode t
Ft+1 = Hasil peramalan untuk periode t+1
m = Jumlah periode waktu kedepan yang diramalkan

c. Double Exponential Smoothing Dua Parameter dari Holt Metode pemulusan eksponensial
linier dari Holt pada prinsipnya serupa dengan Browns kecuali bahwa Holt tidak menggunakan
rumus pemulusan berganda secara langsung. Sebagai gantinya, Holt memutuskan nilai trend
dengan parameter yang berbeda dari dua parameter yang digunakan pada deret yang asli.
Ramalan dari pemulusan eksponensial linier Holt didapat dengan menggunakan dua konstanta
pemulusan dan tiga persamaan, yaitu:

d. Regresi Linier
Regresi linier digunakan untuk peramalan apabila set data yang ada linier, artinya hubungan
antara variabel waktu dan permintaan berbentuk garis (linier). Metode regresi linier didasarkan
atas perhitungan least square error, yaitu dengan memperhitungkan jarak terkecil kesuatu titik
pada data untuk ditarik garis. Adapun untuk persamaan peramalan regresi linier dipakai tiga
konstanta, yaitu a, b dan Y. Dengan masing-masing formulasinya adalah sebagai berikut:

Dimana:
 y = Variabel yang diprediksi
a,b = Parameter peramalan
t = Variabel independen

G.

BAB III
PENUTUP
A. Kesimpulan
B. Saran