Rangkuman TPB Dinda Az Zarah Bellin 3EA09

1. Peramalan Bisnis
Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan, dan pola yang sistematis.
Dalam dunia bisnis hasil peramalan mampu memberi gambaran tentang masa depan perusahaan yang memungkinkan perusahaan
melakukan perencanaan, menciptakan peluang bisnis, mengatur peluang investasi, dan lain – lain.
Keterbatasan : Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan, dan pola yang
sistematis. Maka dari itu keterbatasan peramalan bisnis adalah disaat pola atau hubungan tersebut tidak dijumpai.

Jenis Peramalan:
1. Peramalan berdasarkan jangka waktu
a. Peramalan jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan untuk rencana pembelian, penjadwalan
kerja, jumlah TK, tingkat produksi),
b. Peramalan jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk perencanaan penjualan, perencanaan dan
penganggaran produksi dan menganalisis berbagai rencana operasi),
c. Peramalan jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi
fasilitas, atau ekspansi dan penelitian serta pengembangan)

2. Berdasarkan ruang lingkup

Berdasarkan ruang lingkupnya, peramalan dibedakan menjadi peramalan mikro dan makro, contohnya adalah peramalan kondisi
perekonomian dalam lima tahun yang akan datang (sebagai mikro) dan peramalan kondisi perusahaan dalam lima tahun yang akan
datang (sebagai makro). Perlu diketahui juga bahwa batasan mengenai mikro dan makro itu adalah relatif.

3.Peramalan berdasarkan metode

a. Metode Kuantitatif : peramalan yang berkaitan dengan hitungan matematis
b. Metode Kualitatif : peramalan yang menggunakan pendapat dan analisis yang deskriptif

Metode peramalan kuantitatif :

1. Model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk menganalisis serangkaian data yang
merupakan fungsi dari waktu
a. Rata-rata bergerak (moving averages) : Metode peramalan perataan nilai dengan mengambil sekelompok nilai pengamatan yang
kemudian dicari rata-ratanya
b. Penghalusan eksponensial (exponential smoothing) : Suatu tipe teknik peramalan rata-rata bergerak yang melakukan
penimbangan terhadap data masa lalu dengan cara eksponensial sehingga data paling akhir mempunyai bobot atau timbangan lebih
besar dalam rata-rata bergerak
c. Proyeksi trend (trend projection) : Metode peramalan serangkaian waktu yang sesuai dengan garis tren terhadap serangkaian
titik-titik data masa lalu, kemudian diproyeksikan ke dalam peramalan masa depan

2. Model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan
sebab akibat dengan satu atau beberapa variabel bebas (independent variable).
Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel lain yang
mempengaruhinya tetapi bukan waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari :
a. 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.
b. Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk
menyusun trend ekonomi jangka panjang.
c. Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.

Metode peramalan kualitatif

Peramalan kualitatif, yaitu peramalan yang didasarkan pada pengamatan kejadiankejadian dimasa lalu yang digabungkan dengan
intuisi atau ketajaman perasaan si peramal dalam menghadapi situasi informal yang diperkirakan terjadi di masa yang akan datang.
Contoh :
a. Metode Delphi, Sekelompok pakar mengisi kuesioner, Moderator menyimpulkan hasilnya dan memformulasikan menjadi suatu
kuesioner baru yang diisi kembali oleh kelompok tersebut, demikian seterusnya.
b. Dugaan Manajemen (Management testimate) atau Panel Consensus. Dimana peramalan semata-mata berdasarkan pertimbangan
manajemen, umumnya oleh manajemen senior
c. Riset Pasar (Market Share), merupakan metode peramalan berdasarkan hasil – hasil dari survei pasar yang dilakukan oleh tenaga-
tenaga pemasar produk atau yang mewakilinya
d. Metode kelompok terstruktur, seperti metode Delphi, dan lain lain
e. Analogi historis (Historical Analogy), merupakan teknik peramalan berdasarkan pola data masa lalu dari produk-produk yang
dapat disamakan secara Analogi.

Langkah peramalan bisnis :

1. Mengumpulkan data historis
2. Menyeleksi dan memilih data
3. Memilih model peramalan
4. Menggunakan model peramalan

Tahapan peramalan bisnis : Menurut Lerbing dan Aritonang (2009:1) pengunaan teknik peramalan diawal dengan pengeksplorasian
kondisi pada waktu – waktu yang lalu guna mengembangkan model yang sesuai dengan pola data. Selanjutnya model itu digunakan
untuk meramalkan kondisi waktu – waktu yang akan datang.

Pengendalian proses peramalan :

1. Penentuan tujuan
2. Pengembangan model
3. Pengujian model
4. Penerapan model
5. Revisi
6. Evaluasi

2. Peran Peramalan Dalam Perencanaan

Ramalan : Sebuah pernyataan tentang nilai di masa mendatang dari sebuah variabel yang ingin diketahui, seperti permintaan
(demand).
Peramalan digunakan untuk membuat keputusan bernilai jangka panjang dan jangka pendek
Ramalan mempengaruhi keputusan-keputusan dan aktivitas dalam sebuah organisasi seperti : Akuntansi, Keuangan, Sumber Daya
Manusia, Pemasaran, Sistem Informasi Manajemen (SIM), Operasional, Desain produk/jasa.

Penggunaan ramalan :
Akuntansi : Perkiraan biaya/keuntungan
Keuangan : Arus kas dan pendanaan
Sumber Daya Manusia : Penerimaan pegawai/training
Pemasaran : Penetapan harga, promosi, strategi
SIM : TI/SI sistem, layanan-layanan
Operasional : Jadwal, Material Requirements Planning, beban kerja
Desain produk/jasa : Produk baru dan jasa

Ciri ramalan :
• Beranggapan sistem kasual masa lalu ==> masa depan
• Ramalan jarang sempurna, oleh karena tingkat keacakan
• Ramalan lebih akurat untuk grup daripada individu
• Tingkat akurasi ramalan menurun sejalan dengan meningkatnya cakrawala waktu

Unsur ramalan yang baik : tepat waktu, handal, akurat, berarti, tertulis, mudah digunakan

Langkah proses peramalan (forecasting) :

1. Tetapkan maksud / tujuan dari ramalan
2. Tetapkan batas waktu
3. Pilih teknik ramalan
4. Analisa data
5. Lakukan peramalan
6. Monitor ramalan

Jenis ramalan :
• Pendapat – menggunakan masukan secara subjektif
• Serial waktu – menggunakan data historis dan mengasumsikan masa depan akan sama dengan masa lalu
• Model Asosiatif (Associative Model)– menggunakan variabel-variabel untuk meramalkan masa depan

Data adalah sesuatu yang diketahui atau dianggap.

Diketahui = Sesuatu yang sudah terjadi
Dianggap = Sesuatu pendapat, hipotesis, yang mungkin belum terjadi atau mungkin tidak benar

Kegunaan data :
• Untuk mengetahui atau memperoleh gambaran tentang suatu keadaan
• Untuk membuat keputusan atau memecahkan persoalan

Syarat data yang baik :

• Data harus obyektif
• Data harus dapat mewakili populasi (jika menggunakan sampel)
• Data harus memiliki kesalahan baku yang kecil/minimum
• Data harus tepat waktu
• Data harus ada hubungan dengan persoalan yang akan dipecahkan (relevan)
Data menurut sifatnya :
1. Data Kualitatif: data kualitatif adalah data yang tidak berbentuk angka, misalnya: kuesioner pertanyaan tentang suasana kerja,
kualitas pelayanan sebuah rumah sakit atau gaya kepemimpinan, dll.
2. Data Kuantitatif: data kuantitatif adalah data yang berbentuk angka, misalnya: harga saham, besarnya pendapatan, dll

Data menurut sumbernya :

1. Data Internal: data internal adalah data dari dalam suatu organisasi yang menggambarkan keadaan organisasi tersebut.
Contohnya: suatu perusahaan, jumlah karyawannya, jumlah modalnya, atau jumlah produksinya, dll.
2. Data Eksternal: data eksternal adalah data dari luar suatu organisasi yang dapat menggambarkan faktor-faktor yang mungkin
mempengaruhi hasil kerja suatu organisasi. Misalnya: daya beli masyarakat mempengaruhi hasil penjualan suatu perusahaan.

Data menurut cara memperolehnya :

1. Data Primer (primary data): data primer adalah data yang dikumpulkan sendiri oleh perorangan/suatu organisasi secara langsung
dari objek yang diteliti dan untuk kepentingan studi yang bersangkutan yang dapat berupa interview, observasi.
2. Data Sekunder (secondary data): data sekunder adalah data yang diperoleh/ dikumpulkan dan disatukan oleh studi-studi
sebelumnya atau yang diterbitkan oleh berbagai instansi lain. Biasanya sumber tidak langsung berupa data dokumentasi dan arsip-
arsip resmi.

Data menurut waktu pengumpulan :

1. Data cross section, yaitu data yang dikumpulkan pada suatu waktu tertentu (at a point of time) untuk menggambarkan keadaan
dan kegiatan pada waktu tersebut. Misalnya; data penelitian yang menggunakan kuesioner.
2. Data berkala (time series data), yaitu data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu
kejadian/kegiatan selama periode tersebut. Misalnya; perkembangan uang beredar, harga 9 macam bahan pokok penduduk

Skala pengukuran
Untuk mengukur suatu variabel dalam rumusan masalah penelitian, dibutuhkan skala pengukuran.
Macam-macam skala pengukuran : Skala nominal, Skala interval, Skala ratio, Skala ordinal

1. Skala nominal
Yaitu ukuran paling sederhana, dimana angka dalam objek mempunyai arti sebagai label dan tidak menunjukkan tingkatan
Yaitu suatu skala yang berfungsi untuk mengelompokan data, tetapi tidak memiliki arti.
Contoh : jenis kelamin diberi skala 1. Pria 2. Wanita
Angka 2 untuk wanita bukan berarti lebih baik / besar dari angka 1 bagi pria.

2. Skala ordinal
Yaitu skala yang memberi arti prioritas/peringkat/ranking. Contoh : Urutkan pilihan anda dengan memberi angka 1-3.
1 berarti dibutuhkan, 2 biasa, 3 tidak dibutuhkan.
Benda : ….kosmetik/asesoris
…..buku/artikel
…..ticket traveling
Setiap orang akan memiliki prioritas berbeda.

3. Skala interval
Yaitu skala pemberian angka pada klasifikasi atau kategori dari objek yang mempunyai sifat ukuran ordinal, ditambah satu sifat lain
yaitu jarak atau interval yang sama dan merupakan ciri dari objek yang diukur.
Yaitu skala yang memiliki nilai dengan jarak sama. Contoh : Suhu

4. Skala ratio
Yaitu skala yang dapat memberi arti perbandingan/perkalian.
Contoh : berat badan Karina 40 kg
berat badan Rony 60 kg
Ratio berat Rony 3/2 x berat Karina. Jadi nilai 3/2 memiliki arti

Instrumen pengukuran : Adalah alat yang digunakan untuk mengukur variabel.

1. Kuesioner ( untuk mengukur data kualitatif )
2. Alat ukur scientific ( termometer, meteran, neraca, stopwatch dll ) untuk mengukur data kuantitatif

Kuesioner merupakan instrumen yang banyak digunakan untuk mengukur data kualitatif, seperti : sikap, pendapat, moral dll.
Kuesioner dapat berupa pertanyaan atau pernyataan
Skala yang dipakai : nominal, interval dan ordinal.
Hal penting dalam menyusun kuesioner :
• Gunakan bahasa yang mudah dimengerti,sopan, singkat dan jelas.
• Susun format yang menarik ( huruf, warna, editing ).
• Jangan tendensius dan menyinggung responden.
• Buat pengantar bahwa anda membutuhkan jawaban responden .
Uji instrumen
a. Uji Reliabilitas
• Test-retest : dua waktu berbeda dan interval waktu pendek
• Split half : membagi jadi dua bagian
• Parallel form : mengubah susunan kata memiliki item setara
b. Uji Validitas
• Content Validity : mengumpulkan sekumpulan item yang mewakili
• Construct Validity : pola keterkaitan antar item pertanyaan

3. Variabel, Jenis Data, Skala Pengukuran Dan Analisa Korelasi

Variabel adalah besaran yang dapat berubah serta berpengaruh pada sebuah peristiwa atau hasil dari penelitian. Keberadaan
variabel sendiri nantinya bisa mempermudah untuk menganalisis atau mengidentifikasi permasalahan yang ada.
Jenis Variabel :
1. Variabel Dependen Variabel dependen merupakan variabel yang tidak bebas. Mereka terikat dan mempengaruhi setiap variabel
lainnya. Seperti variabel independen, yang memiliki perubahan kuat yang ditimbulkan oleh variabel independen.
2. Variabel Independen Untuk variabel independen, pada dasarnya variabel ini akan membawa perubahan yang membawa hasil dari
adanya data dalam suatu proses penelitian. Yang nantinya akan ada keterikatan antara variabel dependen.
3. Variabel Moderator Adanya keterkaitan suatu proses antara variabel bebas dengan variabel terikat. Yang mana hasil dari data
tersebut akan semakin kuat. Sehingga proses dari kinerja penelitian dapat dianggap sukses jika data yang dihasilkan tepat.
4. Variabel Intervening Variabel ini memiliki beberapa pengaruh pada hubungan antara variabel terikat dengan variabel bebas. Yang
mana mereka tidak bisa diamati ataupun diukur. Dan kedua variabel tersebut akan menghasilkan suatu informasi dengan cara logika
ataupun analisa lainnya.
5. Variabel Kontrol Variabel ini adalah variabel yang dikendalikan secara konstan sehingga hubungan variabel bebas pada variabel
terikat tidak berpengaruh pada faktor luar. Dari variabel ini bisa dikatakan bahwa nilai dan hasil variabel kontrol adalah nyata tidak
terkait oleh media manapun.

Data adalah kumpulan informasi yang diperoleh dari suatu pengamatan, dapat berupa angka, lambang atau sifat.
Data dapat memberikan gambaran tentang suatu keadaan atau persoalan. Data bisa juga didefinisikan sebagai sekumpulan
informasi atau nilai yang diperoleh dari pengamatan (obsevasi) suatu objek. Data yang baik adalah data yang bisa dipercaya
kebenarannya (reliable), tepat waktu dan mencakup ruang lingkup yang luas atau bisa memberikan gambaran tentang suatu
masalah secara menyeluruh merupakan data relevan.

Jenis data menurut sifatnya :

a. Data Kualitatif: data kualitatif adalah data yang tidak berbentuk angka, misalnya: Kuesioner Pertanyaan tentang suasana kerja,
kualitas pelayanan sebuah rumah sakit atau gaya kepemimpinan, dll.
b. Data Kuantitatif: data kuantitatif adalah data yang berbentuk angka, misalnya: harga saham, besarnya pendapatan, dll.

Jenis Data menurut sumbernya :

a. Data Internal: data internal adalah data dari dalam suatu organisasi yang menggambarkan keadaan organisasi tersebut.
Contohnya: suatu perusahaan, jumlah karyawannya, jumlah modalnya, atau jumlah produksinya, dll.
b. Data Eksternal: data eksternal adalah data dari luar suatu organisasi yang dapat menggambarkan faktor-faktor yang mungkin
mempengaruhi hasil kerja suatu organisasi. Misalnya: daya beli masyarakat mempengaruhi hasil penjualan suatu perusahaan.

Jenis data menurut cara memperolehnya :

a. Data Primer (primary data): data primer adalah data yang dikumpulkan sendiri oleh perorangan/suatu organisasi secara langsung
dari objek yang diteliti dan untuk kepentingan studi yang bersangkutan yang dapat berupa interview, observasi.
b. Data Sekunder (secondary data): data sekunder adalah data yang diperoleh/ dikumpulkan dan disatukan oleh studi-studi
sebelumnya atau yang diterbitkan oleh berbagai instansi lain. Biasanya sumber tidak langsung berupa data dokumentasi dan arsip-
arsip resmi.

Data menurut waktu pengumpulan :

a. Data cross section, yaitu data yang dikumpulkan pada suatu waktu tertentu (at a point of time) untuk menggambarkan keadaan
dan kegiatan pada waktu tersebut. Misalnya; data penelitian yang menggunakan kuesioner.
b. Data berkala (time series data), yaitu data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu
kejadian/kegiatan selama periode tersebut. Misalnya, perkembangan uang beredar, harga 9 macam bahan pokok penduduk.

Skala pengukuran : Menurut Sugiyono (2006, p.84), Skala Pengukuran adalah merupakan kesepakatan yang digunakan sebagai
acuan untuk menentukan panjang pendeknya interval yang ada dalam alat ukur, sehingga alat ukur tersebut bila digunakan dalam
pengukuran akan menghasilkan data kuantitatif.

Jenis skala pengukuran :

1. Skala Nominal merupakan skala yang paling lemah/rendah di antara skala pengukuran yang ada. Skala nominal hanya bisa
membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Skala pengukuran nominal
digunakan untuk mengklasifikasi obyek, individual atau kelompok dalam bentuk kategori.
2. Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga disebut dengan skala peringkat. Hal ini karena dalam skala
ordinal, lambang-lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan
obyek yang diukur menurut karakteristik tertentu.
3. Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dengan ditambah karakteristik lain,
yaitu berupa adanya interval yang tetap. Dengan demikian, skala interval sudah memiliki nilai intrinsik, sudah memiliki jarak, tetapi
jarak tersebut belum merupakan kelipatan. Pengertian “jarak belum merupakan kelipatan” ini kadang-kadang diartikan bahwa skala
interval tidak memiliki nilai nol mutlak.
4. Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio, terdapat semua karakteristik skala nominal, ordinal
dan skala interval ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya adalah nilai dasar yang
tidak bisa diubah meskipun menggunakan skala yang lain. Oleh karenanya, pada skala ratio, pengukuran sudah mempunyai nilai
perbandingan/rasio.

Korelasi merupakan istilah yang biasa digunakan untuk menggambarkan ada tidaknya hubungan suatu hal dengan hal lain. Analisis
korelasi adalah suatu cara atau metode untuk mengetahui ada atau tidaknya hubungan linear antar variabel. Apabila terdapat
hubungan maka perubahan-perubahan yang terjadi pada salah satu variabel X akan mengakibatkan terjadinya perubahan pada
variabel lainnya (Y) atau sebab akibat.

a. Korelasi Positif Korelasi positif atinya suatu hubungan antara variabel X dan Y yang ditunjukan dengan hubungan sebab akibat
dimana apabila terjadi penambahan nilai pada variabel X maka akan diikuti terjadinya penambahan nilai variabel Y.
b. Korelasi Negatif Jika pada korelasi positif peningkatan nilai X akan diikuti penambahan nilai Y, korelasi negatif berlaku sebaliknya.
Jika nilai variabel X meningkat nilai variabel Y justru mengalami penurunan.

Analisa korelasi – lemah dan sempurna :

1. Tidak ada Korelasi atau Korelasi sangat Lemah : Korelasi ini terjadi apabila kedua variabel (X dan Y) tidak menunjukkan adanya
hubungan linear
2. Korelasi Sempurna Korelasi sempurna biasanya terjadi apabila kenaikan / penurunan variabel X selalu sebanding dengan kenaikan
/penurunan variabel Y. Jika digambarkan dengan diagram titik atau diagram pencar, titik-titik berderet membentuk satu garis lurus,
dengan hampir tidak ada pencaran.

Cara mengetahui ada tidaknya korelasi :

1. Diagram Pencar (Scatter plot) Untuk menunjukkan ada tidaknya hubungan (korelasi) antara 2 variabel (X dan Y) kita dapat
menggunakan diagram pencar. Diagram pencar adalah sebaran nilai-nilai dari variabel – variabel pada sumbu x dan y.
2. Koefisien Korelasi Untuk mengetahui ada / tidaknya hubungan antara kedua variabel (X dan Y) dan seberapa erat hubungan
antara kedua variabel tersebut.dapat diketahui dengan menghitung koefisien korelasi dari kedua variabel. Jika koefisien korelasi
bertanda positif (+) maka dapat disimpulkan hubungan kedua variabel positif dan begitu juga halnya bila koefisien korelasi bertanda
negatif (-)

Koefisien Korelasi Pearson

Apabila antara dua variabel (X dan Y) yang masing-masing mempunyai skala pengukuran sekurang-kurangnya interval (ratio)dan
hubungannya merupakan hubungan linear, maka keeratan hubungan antara kedua variabel itu dapat dihitung denganmenggunakan
formula korelasi Pearson yang diberi symbol dengan ryx dan rxy untuk sample pyx dan pxyuntuk populasi.

Kegunaan data bagi manajemen :

Data bagi perusahaan : Perusahaan membutuhkan penyusunan data baik agar dapat membantu para pengusaha maupun
manajernya dalam mengambil sebuah keputusan. Data yang baik dapat disusun dalam sebuah database (basis data). Database
memiliki arti penting dalam perusahaan agar dapat mengumpulkan, mengorganisir dan menganalisa data bisnis perusahaan.

Fungsi database bagi manajemen :

1. Menentukan kualitas informasi yaitu cepat, akurat, dan relevan, sehingga infromasi yang disajikan tidak basi. Informasi dapat
dikatakan bernilai bila manfaatnya lebih efektif dibandingkan dengan biaya mendapatkanya.
2. Mengatasi kerangkapan data (redundancy data).
3. Menghindari terjadinya inkonsistensi data.
4. Mengatasi kesulitan dalam mengakses data.
5. Menyusun format yang standar dari sebuah data.

Sistem adalah sekumpulan elemen yang masing-masing memiliki fungsi masing-masing dan secara bersama-sama mencapai tujuan
sistem itu.

Sistem informasi manajemen : suatu sistem yang diciptakan untuk melaksanakan pengolahan data yang akan dimanfaatkan oleh
suatu organisasi.

4. Metode Peramalan
Ada banyak jenis model peramalan. Model peramalan memiliki perbedaan dalam: tingkat kompleksitasnya, jumlah data yang
mereka gunakan dan cara menghasilkan ramalan.
beberapa fitur umum berlaku pada semua model peramalan. Fitur-fitur tersebut meliputi:
1. Peramalan jarang sekali sempurna. Peramalan masa depan melibatkan ketidakpastian. Oleh karena itu, hampir tidak mungkin
membuat prediksi yang sempurna.
2.Peramalan untuk kelompok produk menjadi lebih akurat daripada peramalan item individual. Bila item dikelompokkan bersama,
nilai tinggi dan rendah masingmasing dapat saling membatalkan. Data untuk sekelompok item dapat stabil meskipun item individual
dalam grup sangat tidak stabil. Akibatnya, seseorang dapat memperoleh tingkat akurasi yang lebih tinggi saat meramalkan
sekelompok item daripada untuk barang individu.
3. Peramalan menjadi lebih akurat untuk waktu yang lebih singkat daripada waktu yang lebih lama. Semakin pendek cakrawala
waktu peramalan, semakin rendah tingkat ketidakpastian.

Metode peramalan dapat diklasifikasikan menjadi dua kelompok:

a. Metode Peramalan Kualitatif atau metode judgemental yang merupakan metode peramalan yang dilakukan oleh peramal secara
subyektif.
b. Metode Peramalan Kuantitatif merupakan metode peramalan berdasarkan pemodelan matematik

Model Runtut Waktu (Time Series) Analisis deret waktu mengasumsikan bahwa semua informasi yang dibutuhkan untuk
menghasilkan suatu peramalan terkandung dalam serangkaian data.

4 pola dasar dari penggambaran data dalam grafik:

1) Pola datar/rata/horisontal yakni pola data dimana nilai data berfluktuasi disekitar nilai rata rata data. Contoh penjualan suatu
produk yang tidak meningkat atau menurun sepanjang waktu 7
2) Pola tren (Trend) yakni pola data yang menunjukkan pola peningkatan atau penurunan sepanjang waktu
3) Pola musiman (Seasonality) yakni suatu pola yang berulang dengan sendirinya secara teratur dan dalam waktu yang konstan.
4) Pola siklus (Cycles) yakni pola data yang dihasilkan dari fluktuasi ekonomi seperti dalam siklus bisnis yang mencakup inflasi,
resesi, siklus produk, dsb.

Metode naif adalah model peramalan yang paling sederhana dimana perkiraan pada periode berikutnya sama dengan periode
sekarang yang aktual.

Metode rata-rata sederhana adalah metode dimana peramalan untuk periode berikutnya (periode t + 1) akan sama dengan rata-
rata semua permintaan masa lalu.

Metode rata rata bergerak sederhana adalah metode peramalan dengan merata ratakan n periode terakhir. Ketika data baru masuk,
maka data lama dikeluarkan.

Metode penghalusan eksponensial adalah metode peramalan dengan menggunakan prosedur rata rata tertimbang. Untuk
melakukan peramalan periode yang akan datang, peramal harus memiliki 3 informasi: a) Peramalan periode saat ini b) Nilai aktual
periode saat ini c) Nilai koefisien penghalusan yang bervariasi 0 dan 1

Kelebihan dan kekurangan metode eksponensial:

1. Merupakan metode proyeksi yang mudah dan sederhana namun lebih rumit disbanding metode rata-raata bergerak.
2. Telah dilakukan pembedaan bobot kepada setiap observasi dimana data observasi terakhir diberi bobot yang lebih besar
dibanding data sebelumnya.
3. Memerlukan data runtut waktu yang relative banyak.
4. Tidak adanya dasar yang kuat untuk menetapkan nilai , untuk menentukan α nilai yang paling tepat dilakukan α dengan cara
coba-coba.

5. Analisis Regresi Sederhana

Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap variabel tidak bebas. Dengan maksud
untuk meramalkan nilai variabel tidak bebas.
Contoh Penerapan Analisis Regresi
1. Analisis Regresi antara pendapatan terhadap konsumsi rumah tangga.
2. Analisis Regresi antara harga terhadap penjualan barang.
3. Analisis Regresi antara tingkat upah terhadap tingkat pengangguran.
4. Analisis Regresi antara tingkat suku bunga bank terhadap harga saham
5. Analisis regresi antara biaya periklanan terhadap volume penjualan perusahaan

Kegunaan Regresi Linier

• Regresi linier sering digunakan untuk melihat nilai prediksi atau perkiraan yang akan datang
• Apabila X dan Y mempunyai hubungan, maka nilai X yang sudah diketahui dapat digunakan memperkirakan Y
• Perkiraan mengenai terjadinya sesuatu kejadian (nilai variabel untuk waktu yang akan datang, seperti prediksi produksi 3 tahun
yang akan datang, prediksi harga bulan depan, ramalan jumlah penduduk 10 tahun mendatang, ramalan hasil penjualan tahun
depan).

Perbedaan mendasar antara korelasi dan regresi

Korelasi hanya menunjukkan sekedar hubungan.
Regresi menunjukkan hubungan pengaruh.
Dalam korelasi variabel tidak ada istilah tergantung dan variabel bebas.
Dalam regresi terdapat istilah tergantung dan variabel bebas.

Istilah dan notasi variabel dalam regresi

Y • Variabel tergantung (Dependent Variable) • Variabel yang dijelaskan (Explained Variable) • Variabel yang diramalkan
(Predictand) • Variabel yang diregresi (Regressand) • Variabel Tanggapan (Response)
X • Variabel bebas (Independent Variable) • Variabel yang menjelaskan (Explanatory Variable) • Variabel peramal (Predictor) •
Variabel yang meregresi (Regressor) • Variabel perangsang atau kendali (Stimulus orcontrol variable)

Analisis regresi digunakan untuk mengetahui bagaimana variabel dependen atau kriterium dapat diprediksikan melalui variabel
independen atau prediktor secara individu atau parsial maupun secara bersama-sama atau simultan.

Persamaan Regresi linier Sederhana:

Y = a + bX
Y = Nilai yang diramalkan, a = Konstansta, b = Koefesien regresi, X = Variabel bebas

6. Regresi Linier Berganda belajar aja, gabisa dirangkum wkwk

7. Dekomposisi
Metode dekomposisi sering disebut juga sebagai analisa deret waktu (time series).
- Prinsip dasar dari metode dekomposisi adalah sesuatu yang telah terjadi akan berulang kembali dengan pola yang sama.
- Peramalan dengan dekomposisi adalah peramalan dengan memecah suatu pola menjadi sub pola yang menunjukkan tiap-tiap
komponen deret berkala secara terpisah.
- Pemisahan tersebut sering kali membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret
data secara lebih baik.

Metode dekomposisi mengidentifikasi empat komponen pola dasar yang terdapat dalam suatu serial data, yaitu:
a) Tren, mewakili perilaku dalam jangka panjang, dapat berupa garis lurus yang menaik, menurun atau mendatar.
b) Musiman, berkaitan dengan fluktuasi berkala dengan panjang yang konstan dan kedalaman yang proporsional yang dapat
disebabkan oleh faktor cuaca, musim liburan, hari gajian, dan sebagainya.
c) Siklus, mewakili kemajuan atau kemunduran yang disebabkan oleh kondisi perekonomian atau kondisi industri tertentu, misalnya
resesi, normal, atau booming.
d) Acak, berkaitan dengan fluktuasi yang tak teratur yang disebabkan oleh faktor-faktor di luar dugaan, seperti wabah, gempa bumi,
dan sebagainya

Metode dekomposisi mengasumsikan bahwa suatu data terdiri atas pola dasar dan kesalahan, atau dalam bentuk matematikanya,
sebagai berikut :

di mana:
St = komponen musiman pada periode t
Tt = komponen tren pada periode t
Ct = komponen siklus pada periode t
Rt = komponen random (kesalahan) pada periode t

Analisis Trend
Tren atau sering disebut Secular Trend adalah rata-rata perubahan dalam jangka panjang.
Ada beberapa metode yang dapat digunakan untuk membuat tren, yaitu:
- Metode kuadrat terkecil (least squares),
- Metode parabolik, dan
- Metode eksponensial.
Metode yang digunakan dalam materi ini adalah metode kuadrat terkecil (least squares).

Metode kuadrat terkecil

Pada metode ini tahun dasar berada di tengah, persamaan tren metode kuadrat terkecil adalah:

Persamaan untuk mencari konstanta a dan koefisien b adalah

dimana:
a = konstanta a
b = koefisien b
n = jumlah data
X = periode waktu

Metode parabolik
Pada metode ini tahun dasar berada di tengah, persamaan tren metode parabolik adalah:

Persamaan untuk mencari konstanta a dan koefisien b :

di mana:
a dan c = konstanta a dan c
n = jumlah data
b = koefisien b
X = periode waktu

Metode Eksponensial
Pada metode ini tahun dasar berada di tengah, persamaan tren mode eksponensial :

Persamaan untuk mencari konstanta a dan koefisien b :

Dimana :
a = nilai konstanta a
b = koefisien b
n = jumlah data
X = periode waktu