FORECASTING

YATTY DESTANI SANDY, S.ST., M.Gizi

yattysandy@unimed.ac.id
UNIVERSITAS NEGERI MEDAN
 CONTENT
1 DEFINITION

2 TYPE

3 PURPOSE

4 METHOD
 DEFINITION

Kegiatan yang bertujuan untuk meramalkan atau

memprediksi segala hal yang terkait dengan
produksi, penawaran, permintaan ,dan penggunaan
teknologi dalam sebuah industri atau usaha.
 Forecasting merupakan salah satu metode untuk melakukan
perencanaan serta pengendalian produksi.

 Forecasting  Alat bantu untuk melakukan perencanaan yang

efektif dan efisien.

 Ex: meramalkan tingkat permintaan suatu produk atau peramal

an terhadap harga daging sapi di masa lebaran,dll.

 Peramalan juga bisa menjadi dasar dalam rencana jangka pen

dek menengah atau jangka panjang.
Peramalan  digunakan oleh perusahaan maupun
pihak manajemen operasional untuk membuat pe
rencanaan terkait kegiatan usaha dalam beberapa
periode tertentu.

Untuk menjamin tingkat perkiraan yang akurat dan

bisa digunakan sebagai dasar perhitungan sebuah
proses bisnis  butuh sebuah alat ukur yang
akurat dan teruji.
 TYPE
1. Berdasarkan Waktu

(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

KUALITATIF FORECAST KUANTITATIF FORECAST

(Saputro dan Asri, 2000)

KUALITATIF FORECAST KUANTITATIF FORECAST

 Didasarkan atas data kualitatif  Perkiraan yang didasarkan atas

pada masa lalu. data penjualan pada masa lalu.

 Hasil prediksi yang dibuat sangat  Hasil perkiraan yang dibuat sangat
tergantung pada orang yang tergantung pada metode yang
menyusunnya. digunakan.

 Perkiraan ini didasarkan atas

hasil penyelidikan  pendapat
salesman, sales manajer, para
ahli, dan survey konsumen.
Peramalan Kuantitatif dapat diterapkan
bila terdapat kondisi berikut :

 Tersedia informasi ( data )

tentang masa lalu.

 Informasi ( data ) tersebut dapat

dikuantitatifkan dalam bentuk
data numerik.

 Dapat diasumsikan bahwa

beberapa aspek pola masa lalu
akan terus berlanjut pasa masa
yang akan datang.
 4. Berdasarkan Sifat Penyusunan

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):

• Sebagai pengkaji perusahaan yang saat ini berlaku, juga

di masa lalu. Dan melihat sejauh mana pengaruhnya di
masa yang akan datang.

• Perkiraan diperlukan karena adanya time lag atau delay

antara saat suatu kebijakan perusahaan ditetapkan
dengan saat implementasi.

• Perkiraan merupakan dasar penyusunan bisnis pada

suatu perusahaan sehingga dapat meningkatkan
efektivitas suatu rencana bisnis.
FUNCTION
Pada umumnya kegunaan forecasting/peramalan
adalah:

1. Sebagai alat bantu dalam perencanaan

yang efektif dan efisien.

2. Untuk menentukan kebutuhan sumber

daya di masa mendatang.

3. Untuk membuat keputusan yang tepat.

 METHOD
Metode Forecasting/peramalan
adalah suatu cara memperkirakan
atau mengestimasi secara
kuantitatif maupun kualitatif apa
yang terjadi pada masa depan
berdasarkan data yang
relevan pada masa lalu.
 Metode Forecasting

KUANTITATIF KUALITATIF

 TIME SERIES  SURVEY PASAR

 KAUSAL (SEBAB  OPINI EKSEKUTIF

AKIBAT)
 GABUNGAN TENAGA
PENJUAL

 DELPHI
Metode Forecasting Kuantitatif

TIME SERIES KAUSAL

(DERET WAKTU) (SEBAB AKIBAT)

 Menghubungkan keterkaitan  Didasarkan pada

antara variabel dependen keterkaitan antara
(yang dicari) dengan variabel yang diperkirakan
variabel independen/ dengan variabel lain yang
mempengaruhi. mempengaruhinya.

 Variabel yang dicari berupa  Variabel nya bukan dalam

waktu. bentuk waktu.
 Metode Forecasting Kuantitatif

Untuk menggunakan metode Untuk menggunakan metode

Time Series, dapat dihitung Kausal, dapat dihitung
menggunakan metode: menggunakan metode:

 Exponential smoothing  Trend projection

 Pendekatan naive  Linear regresion
 Moving average
 Weighted moving average
 Metode Forecasting Kualitatif
1. Survei pasar
 Metode ini dilakukan dengan cara mencari masukan atau pendapat dari konsu
men yang berpengaruh terhadap rencana pembelian pada saat periode penga
matan.
 Survei dapat dilakukan dengan menyebar kuesioner, wawancara langsung
atau telepon.

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).

 Untuk meramalkan permintaan barang (demand)

yang perubahannya sangat cepat.

 Memasukan prakiraan permintaan sekarang de

ngan data permintaan nyata atau data perminta
an aktual ke dalam rumus.
Rumus
Penentuan Nilai Konstanta pada Metode Peramalan
Exponential Smoothing

 Nilai konstanta dapat ditentukan dengan cara trial dan

error (coba-coba). Namun dapat juga menggunakan
rumus berikut:

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)

 Metode peramalan yang menghitung rata-rata

suatu nilai runtut waktu dan kemudian diguna
kan untuk memperkirakan nilai pada periode se
lanjutnya.
 Digunakan untuk menghitung data yang bersi
fat stabil atau data yang tidak berfluktuasi deng
an tajam.
 Diperoleh melalui penjumlahan dan pencarian
nilai rata- rata dari sejumlah periode tertentu.
Rumus
 Ex:
PT. X menjual minuman herbal, dengan rincian penjualan sbb:

Bulan Penjualan Perkiraan

(X) (3 bulan MA)
Jan 100 -
Feb 90 -
Maret 110 -
April ? ?
Mei ? ?
Juni ? ?
 Ex:
PT. X menjual minuman herbal, dengan rincian penjualan sbb:

Bulan Penjualan Perkiraan

(3 bulan MA)
Jan 100 -
Feb 90 -
Maret 110 -
April 115 100
Mei 140 105
Juni 125 121,6
 Forecast Error

Untuk mengukur kesalahan meramal

digunakan salah satu dari Mean Abso
lute Error (MAE) atau Mean Squared
Error (MSE).
 MENGHITUNG MAE & MSE 3 BULAN MA

Bulan Penjualan Perkiraan MAE MSE

(Xt) (St)
Jan 100 -
Feb 90 -
Maret 110 -
April 115 100 15 225
Mei 140 105 35 1225
Juni 125 121,6 3,4 11,56
Jumlah 53,4 1461,56
Mean 17,8 487,18
 LATIHAN SOAL:
Berikut rincian penjualan keripik ubi kemasan
di PT. M selama 6 bulan terakhir (jan-jun):
200,100, 300, 500, 600, dan 800.
Tentukan :
1. Forecast bulan juli dan agustus.
2. Hitung menggunakan 3 MA dan 5 MA.
3. Hitung MAE dan MSE.
THANK YOU