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. 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.
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.
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
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
Kegunaan data :
• Untuk mengetahui atau memperoleh gambaran tentang suatu keadaan
• Untuk membuat keputusan atau memecahkan persoalan
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
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
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.
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.
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.
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.
Model Runtut Waktu (Time Series) Analisis deret waktu mengasumsikan bahwa semua informasi yang dibutuhkan untuk
menghasilkan suatu peramalan terkandung dalam serangkaian data.
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
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.
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).
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:
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 :
Dimana :
a = nilai konstanta a
b = koefisien b
n = jumlah data
X = periode waktu