2 TYPE
3 PURPOSE
4 METHOD
DEFINITION
(Herjanto, 2008)
LONG-TERM MEDIUM-TERM SHORT-TERM
FORECAST FORECAST FORECAST
Waktu lebih dari 18 Bulan. Waktu antara 3-18 Bulan. Waktu kurang dari 3 Bulan.
Ex: perkiraan penanaman Ex: perkiraan perencanaan Ex: perkiraan pembelian
modal, perencanaan penjualan, produksi, tenaga material, penjadwalan kerja,
fasilitas. kerja tidak tetap. penugasan karyawan.
2. Berdasarkan Fungsi
ECONOMIC FORECAST
Menjelaskan siklus bisnis dengan memprediksi
tingkat inflasi, ketersediaan uang, dana yang
dibutuhkan
TECHNOLOGICAL FORECAST
Memperhatikan tingkat kemajuan teknologi yang
dapat meluncurkan produk baru yang menarik.
DEMAND FORECAST
Proyeksi permintaan untuk produk atau layanan
suatu perusahaan perkiraan penjualan.
(Heizer dan Render, 2009)
3. Berdasarkan Jenis Data Yang Disusun
Hasil prediksi yang dibuat sangat Hasil perkiraan yang dibuat sangat
tergantung pada orang yang tergantung pada metode yang
menyusunnya. digunakan.
SUBJECTIVE FORECAST
OBJECTIVE FORECAST
Didasarkan atas perasaan
atau intuisi dari orang Didasarkan atas data yang
yang menyusunnya. relevan pada masa lalu, dengan
menggunakan teknik-teknik dan
metode-metode dalam
penganalisaan data tersebut.
(Ginting, 2007)
PURPOSE
Forecasting memiliki tujuan sebagai berikut
(Heizer dan Render):
KUANTITATIF KUALITATIF
DELPHI
Metode Forecasting Kuantitatif
2. Opini eksekutif
Caranya dengan meminta opini atau pendapat dari kelompok kecil yang terdiri
atas manajer pemasaran, manajer produksi, manajer teknik, manajer keuanga
n dan manajer logistik hasilnya kemudian digabungkan dengan model statis
tik.
Metode Forecasting Kualitatif
3. Gabungan tenaga penjualan
Metode ini menggabungkan setiap penjual kemudian mereka meramalkan ting
kat penjualan di daerah masing-masing yang pada akhirnya digabungkan di tin
gkat provinsi dan nasional.
4. Delphi
Metode delphi sebenarnya mirip dengan metode kuisioner.
Untuk melakukan metode ini perlu menyebar kuesioner tetapi jawaban yang
terkumpul disederhanakan terlebih dahulu sebelum diberikan kepada ahli untuk
peramalannya.
(+) Hasilnya yang akurat dan profesional.
(-) Membutuhkan waktu yang cukup banyak.
Pendekatan Naive
Teknik peramalan
Ex : jika penjualan produk A
yang mengasumsikan bulan Januari adalah 78 unit,
permintaan periode be Kita meramalkan penjualan
rikutnya sama dengan pada bulan februari akan sa
permintaan pada peri ma yaitu sebanyak 78 unit.
ode terakhir.
Suatu tipe teknik peramalan rata-rata bergerak
yang melakukan penimbangan terhadap data
masa lalu dengan cara eksponensial sehingga
Exponential data paling akhir mempunyai bobot atau timba
ngan lebih besar dalam rata-rata bergerak.
smoothing (Handoko, 2011).
α= 2 / (n + 1)
Dimana :
α = nilai Konstanta
n = jumlah periode waktu
Suatu perusahaan ingin meramalkan permintaan produk
nya di pasar. Perusahaan menggunakan α = 0,1.
Perkiraan permintaan (demand) untuk bulan Januari
adalah 100 unit. Namun pada kenyataannya, perminta
an aktual pada bulan Januari tersebut hanya sebanyak
Ex: 90 unit. Berapakah prakiraan untuk bulan Februari?
Ft = Ft – 1 + α (Dt-1 – Ft-1)
Ft = 100 + 0,1 (90 – 100)
Ft = 100 + 0,1 (-10)
Ft = 100 + (-1)
Ft = 99
Moving average (rata-rata bergerak)