TUGAS MATA KULIAH

TEKNIK PROYEKSI BISNIS

Dosen Pembimbing :

NOVI YANTI,SE,MM
Disusun Oleh :

YOLLANDA PUTRI
NPM : 1910003530142
Jurusan :Manajemen
Kelas : 5M3

UNIVERSITAS EKA SAKTI PADANG

2021
TUGAS 1
1. Jelaskan arti peramalan atau proyeksi, berkaitan dengan dunia usaha atau bisnis!
Jawaban
Dunia bisnis dan usaha merupakan sati bidang yang banyak menerapkan peramalan
( forecasting ) atau proyeksi. Berdasarkan teori yang ada, proyeksi ( forecasting )
merupakan estimasi munculnya suatu kejadian di masa depan, berdasarkan data yanga
ada dimasa lalu.

2. Jelaskan manfaat dari peramalan atau proyeksi bisnis dan berikan contoh!
Jawaban
a. Membuat perusahaan untuk mampu meningkatkan pengawasan terhadap seluruh
kegiatan di perusahaan.
b. Mempererat suatu kerjasama tim yang baik.
c. Adanya pembuatan berbagai rencana rencana bisnis yang bisa menjadi pedoman
bagi perusahaan untuk dapat menghasilkan output yang lebih baik.
Contoh:

3. Jelaskan jenis peramalan dilihat dari berbagai sudut!

Jawaban:

Jenis-jenis Peramalan (Forecasting)

a. Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi
tiga jenis, yaitu (Herjanto, 2008:78):
Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 18
bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.
Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18 bulan.
Misalnya, peramalan untuk perencanaan penjualan, perencanaan produksi dan
perencanaan tenaga kerja tidak tetap.
Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3 bulan.
Misalnya, peramalan dalam hubungannya dengan perencanaan pembelian
material, penjadwalan kerja dan penugasan karyawan.

b. Berdasarkan fungsi dan perencanaan operasi di masa depan, peramalan atau

forecasting dibagi menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):
Peramalan ekonomi (economic forecast), peramalan ini menjelaskan siklus
bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang
dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya.
 Peramalan teknologi (technological forecast), peramalan ini memperhatikan
tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralatan yang baru.

Peramalan permintaan (demand forecast), adalah proyeksi permintaan untuk

produk atau layanan perusahaan. Proyeksi permintaan untuk produk atau
layanan suatu perusahaan. Peramalan ini juga disebut peramalan penjualan yang
mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input
bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.

c. Berdasarkan jenis data ramalan yang disusun, peramalan dibagi menjadi dua
jenis, yaitu (Saputro dan Asri, 2000:148):
Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil ramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, pendapat, dan pengetahuan serta
pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif ini
didasarkan atas hasil penyelidikan, seperti pendapat salesman, pendapat sales
manajer pendapat para ahli dan survey konsumen.
Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data penjualan
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. Penggunaan metode yang
berbeda akan diperoleh hasil yang berbeda pula.

d. Berdasarkan sifat penyusunannya, peramalan dibagi menjadi dua jenis, yaitu

(Ginting, 2007)
Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi
dari orang yang menyusunnya.
Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan
pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam
penganalisaan data tersebut.

4. Jelaskan 6 karakteristik metode permalan yang mencerminkan kemampuan dan

penyesuaian dalam peramalan!
Jawaban :
Makridakis dan Wheelwright dalam bukunya Forecasting Methods for
Management menjelaskan terdapat 6 macam situasi yang memiliki peranan penting
yang harus diperhatikan agar peramalan dapat efektif :
1.Time Horizon
Periode waktu dimana hasil ramalan tersebut akan menimbulkan pengaruh
merupakan faktor penentu terhadap pemilihan metode peramalan. Periode waktu
(rentang waktu) pada umumnya dikelompokkan menjadi 4, yaitu :
-Jangka sangat pendek (kurang dari 1 bulan)
-Jangka pendek (1 sampai dengan 3 bulan)
-Jangka menengah (3 bulan sampai dengan 2 tahun)
-Jangka panjang (2 tahun atau lebih)

Penentuan rentang waktu dalam membuat ramalan tidaklah harus seperti itu.
Namun demikian perlu dipahami bahwa penggunaan rentang waktu peramalan
yang keliru akan menghasilkan ramalan yang tidak valid. Misalnya peramalan
menggunakan data penjualan selama 3 bulan terakhir untuk membuat ramalan
penjualan 10 tahun yang akan datang. Retang waktu yang digunakan dalam
peramalan ini tentu saja akan menghasilkan ramalan yang tidak appropriate.

2. Level of Aggregate Detail

Ramalan yang lingkupnya luas biasanya dibuat dengan membagi kegiatan
peramalan menjadi beberapa subramalan.Tujuannya adalah untuk mempermudah
dalam melakukan peramalan dan kegiatan peramalan dapat menjadi lebih
sederhana.Misalnya pemerintah ingin meramal pertumbuhan ekonomi Indonesia.
Peramalan tentang pertumbuhan ekonomi akan menjadi komplek, karena banyak
sektor (kegiatan produksi) yang membentuknya. Agar peramalan tentang
pertumbuhan ekonomi Indonesia lebih mudah dan lebih baik, maka kegiatan
peramalan dilakukan terhadap pertumbuhan setiap sektor ekonomi yang terdapat
dalam produksi nasional tersebut.

3.Number of Items
Situasi dimana peramalan dilakukan untuk variabel yang jumlahnya banyak
memerlukan prosedur untuk mempersiapkan kegiatan peramalan menjadi lebih
komplek dibandingkan dengan peramalan dilakukan hanya untuk satu variabel saja.
Jelasnya, seorang manajer pengendalian persediaan dengan 10.000 macam produk
tidak akan menggunakan metode yang sama untuk memperoleh ramalan yang
dibutuhkan dibandingkan dengan staff yang akan membuat ramalan tentang kondisi
perekonomian makro.

4.Control versus Planning

Dalam permasalahan pengendalian (contor), management by exception
merupakan prosedur yang umum. Pengendalian dilakukan dengan menggunakan
beberapa cara untuk menentukan sedini mungkin proses yang terjadi diluar kendali
 (out of control). Dalam situasi tertentu metode peramalan harus mampu mengenali
perubahan pada pola dasar atau hubungan pada tahap awal. Pada sisi perencanaan
(planning) umumnya berasumsi bahwa Pola yang telah ada akan berlanjut pada
masa yang akan datang, sehingga peramalan ditekankan pada usaha
mengidentifikasi pola yang sudah ada untuk membuat ramalan pada masa yang
akan datang.

5.Constancy
Membuat ramalan pada situasi yang tidak mengalami perubahan dari waktu ke
waktu sangat berbeda dengan membuat ramalan pada situasi yang terus menerus
mengalami perubahan. Dalam situasi yang stabil, metode peramalan kuantitatif
dapat digunakan dan dilakukan pencermatan secara berkala untuk mengetahui
tingkat keakuratan ramalan.Dalam hal terjadinya perubahan situasi, haruslah
metode yang diperlukan adalah metode yang mampu beradaptasi secara terus
menerus agar ramalan yang diperolah dapat mencerminkan hasilterbaik saat ini dan
memberikan informasi terkini.

6. Existing Planning Procedure.

Setiap menggunakan metode peramalan umumnya melibatkan perubahan pada
prosedur perencanaan dan pengambilan keputusan.Hal ini tidaklah mudah
diterapkan dalam organisasi bisnis, karena biasanya terdapat faktor resistensi
(penolakan).Oleh karena itu, perubahan sebaiknya dimulai dari hal-hal yang tidak
jauh berbeda dengan prosedur yang sudah ada, kemudian perbaikkan dilakukan
secara bertahap.

5. Jelaskan 6 karakteristik metode peramalan yang mencerminkan kemampuan dan

penyesuaian dalam peramalan!
Jawaban :
Terdapat 6 faktor penting dalam menggambarkan berbagai metode
peramalan.Faktor-faktor tersebut mencerminkan kemampuan dan penyesuaian
untuk membuat ramalan. Keenam faktor tersebut adalah sebagai berikut:

1. Time horizon.
Time horizon memiliki keterkaitan dengan metode peramalan individual, yaitu
metode peramalan yang berbeda akan menghasilkan kesesuaian peramalan yang
berbeda untuk rentang waktu berbeda. Misalnya, metode peramalan kualitatif lebih
banyak digunakan untuk membuat ramalan yang berjangka waktu penjang
dibandingkan dengan metode peramalan kuantitatif yang biasanya digunakan untuk
membuat ramalan berjangka menengah atau pendek.Time horizon (rentang waktu)
juga memilike keterkaitan dengan banyaknya periode ramalan waktu yang
diinginkan. Beberapa teknik peramalan ada yang hanya cocok digunakan untuk
meramal dalam rentang waktu 1 atau 2 periode kedepan saja, namun ada juga
teknik peramalan yang cocok meramal lebih dari dua periode kedepan.

2. Pattern of Data
Sebagian besar metode peramalan bersasumsi bahwa pada data yang digunakan
dalam membuat ramalan terdapat pola tertentu, seperti pola musiman, pola trend,
pola rata-rata sederhana, pola siklikal (variasi siklis) atau bahkan pola todak
beraturan. Karena kemampuan metode peramalan berbeda untuk pola data yang
berbeda, maka perlua adanya penyelaras antara metode yang digunakan dengan
bentuk pola data yang akan digunakan untuk membuat ramalan.

3. Cost
Biaya yang diperlakukan untuk membuat peramalan umumnya berupa biaya
pengembangan metode peramalan, biaya mempersiapkan data, dan biaya
melakukan peramalan. Kadangkala diperlukan biaya lain agar supaya metode
tersebut dapat diterapkan. Perbedaan biaya antara menggunakan metode satu
dengan metode yang lainnya tentu saja akan berpengaruh terhadap ketertarikan
dalam menggunakan suatu metode peramalan tertentu dan pada situasi tertentu.

4. Accuracy
Data atau informasi yang diperlukan dalam peramalan sangat erat kaitannya
dengan tingkat ketepatan ramalan yang dibutuhkan.Misalnya dalam suatu
keputusan, toleransi ketepatan ramalan berkisar plus minus 10 % dirasa cukup.
Namun pada kasus-kasus tertentu, ramalan yang memiliki variasi sebesar 5 % akan
mampu mendatangkan prahara.

5. Intuitive appeal, simplicity dan easy to application.

Prinsip umum dalam penerapan dalam metode ilmiah adalah hanya metode
yang dimengerti oleh perencana atau pengambil keputusan. Peramalan tidak
didasarkan pada sesuatu yang tidak dipahami atau tidak diyakini. Disamping itu,
masalah situasi yang diperlukan dan teknik peramalan harus disesuaikan dengan
pihak yyang akan menggunakan ramalan tersebut.

6. Availability of computer software

Peramalan menggunakan metode kuantitatif tertentu sering digunakan jika
tersedia program computer yang sesuai dengan yang dibutuhkan.Program
computer untuk membuat ramalan harus mudah digunakan, terdokumentasi
dengan baik, dan bebas dari virus, sehingga pembuat ramalan dapat
menggunakannya, dapat memahaminya dan dapat menginterpretasikannya.
6. Jelaskan Kriteria Data Yang Bermanfaat Dan Jenis Data Peramalan
Jawaban :
Empat kriteria data yang bermanfaat meliputi:
1. Data hendaknya dapat diandalkan (realiable) dan akurat.
Penanganan yang sesuai harus dilakukan pada data yang dikumpulkan dari
sumber-andal dengan memperhatikan keakuratannya.
2. Data hendaknya relevan.
Data harus mewakili keadaan dimana mereka digunakan.
3. Data hendaknya konsisten.
Ketika data yang berkaitan dengan definisi itu berubah, penyesuaian perlu
dilakukan untuk mempertahankan konsistensi pola historis. Hal ini bisa menjadi
masalah,misalnya,ketika pejabat pemerintah merubah komposisi bauran atau
(“market basket”) yang dipakai dalam menghitung indeks biaya hidup. Tiga puluh
tahun lalu computer PC bukan bagian dari bauran produk yang dibeli oleh
konsumen.
4. Data hendaknya tepat waktu.
Data dikumpulkan,dirangkum,dan dipublikasikan bedasarkan ketepatan waktu
akan memberikan nilai tertinggi bagi forecaster. Bisa saja data terlalu sedikit (tidak
cukup data historis yang dipakai sebagai basis kejadian masa depan) atau terlalu
banyak (data dari periode historis yang tidak relevan).

7. Jelaskan perbedaan data time series dan cross sectional, berikan contoh masing
masing dalam bisnis atau ekonomi.
Jawaban :
1. Data time series, yaitu data yang ditampilkan berdasarkan waktu, seperti data
bulanan, data harian, data mingguan, atau jenis waktu yang lain.
Contoh data time series:
- data penjualan bulanan sepeda motor di daerah A dari tahun 2005 – 2010.
- data produksi harian bahan baku X pada bulan September 2010.
- data agregat penjualan dari PT. ABC untuk periode tahun 2005 – 2010.
Ciri dari data time series adalah adanya rentang waktu tertentu, dan bukannya
data pada satu waktu tertentu.

2. Data cross sectional, yaitu data yang tidak berdasar waktu tertentu, namun data
pada satu (titik) waktu tertentu.
Contoh data cross sectional:
- data biaya promosi di sepuluh area pemasaran produk X selama bulan Januari
2010.
8. Jelaskan tahapan peramalan atau proyeksi !
Jawaban:
Prosedur peramalan formal menggunakan pengalaman pada masa lalu untuk
menentukan kejadian dimasa yang akan datang. Asumsi yang digunakan adalah bahwa
apa yang pernah terjadi dimasa lalu akan terjadi lagi di masa yang akan datang, dengan
pola yang sama atau mirip. Untuk memperoleh gambaran kondisi pada masa lalu dan
kemudian menggunakannya untuk mengetahui (meramal) kondisi pada masa yang akan
datang, diperlukan 5 langkah.

1. Mengumpulkan data
Langkah awal dari proses peramalan adalah mengumpulkan data yang lengkap
yang diperlukan. Tahap ini relatif sulit, karena data yang dikumpulkan harus akurat
dan dalam jumlah yang cukup untuk membuat ramalan. Data yag terlalu sedikit
akan menyulitkan kita untuk memperoleh pola perubahannya.

2. Mereduksi data
Data yang terkumpul dapat dilakukan penyaringan untuk memperoleh data yang
relevan.Seringkali pada data yang terkumpul terdapat data yang tidak relevan
dengan permasalahan yang dihadapi.Misalnya kita ingin membuat ramalan tentang
penjualan. Data penjualan pada periode terjadinya bencana alam tidak perlu
dimasukkan (harus direduksi/tidak dipakai), karena data penjualan tersebut hanya
mencerminkan penjualan pada kondisi adanya bencana alam dan tidak
mencerminkan penjualan pada kondisi normal.

3. Membangun dan Mengevaluasi model

Data yang telah terkumpul harus disesuaikan dengan model ramalan yang
digunakan, agar kesalahan dalam peramalan dapat diminimalisir. Model yang lebih
sederhana dan akan memberikan hasil peramalan yang lebih baik lebih disukai oleh
pengguna ramalan (perencana dan pengambil keputusan).

4. Melakukan peramalan/ proyeksi

Model peramalan yang dipilih setelah dicocokan dengan data yang terkumpul
dan telah dilakukan pengurangan (jika perlu), akan dilanjutkan dengan membuat
ramalan menggunakan model peramalan tersebut. Kadangkala diperlukan data
historis untuk mengetahui besarnya kesalahan ramalan menggunakan model
tersebut, yakni dengan cara memasukkan nilai data historis pada suatu periode
kedalam model ramalan untuk memperoleh nilai ramalan pada periode tersebut.
Tujuannya adalah untuk mengetahui keakuratan ramalan.
 5. Mengevaluasi ramalan
Setelah selesai membuat model peramalan, berikutnya dalah membuat ramalan
nilai data pada beberapa periode kedepan dan kemudian membandingkannya
dengan data pada periode sebelumnya.Selisih antara nilai data ramalan dengan nilai
data yang sebenarnya (actual) merupakan kesalahan (error) ramalan.Semakin kecil
kesalahan ramalan, semakin baik model peramalan yang dihasilkan.Besarnya
kesalahan peramalan dapat dinyatakan dalam beberapa satuan, misalnya
menggunakan kesalahan ramalan rata-rata (average forecast error) atau
menggunakan jumlah kuadrat kesalahan (sum of square error).

9. Jelaskan Sumber Kesalahan Peramalan !

Jawaban :
Dalam Ilmu Fisika, Identifikasi Dan Verifikasi Terhadap Pola Atau Hubungan
adalah nyata dan objektif.Dengan demikian, presisi intrumen dapat menurunkan
kesalahan pengukuran sampai pada tingkat nol. Hal ini sangat berbeda dengan ilmu
ekonomi yang sering terjadi kesalahan pengukuran.Faktor penyebabnya adalah
situasi ekonomi yang sangat komplek, perilaku manusia yang tidak konsisten,
terdapat tenggang waktu antara tindakan dan hasilnya, dan masih banyak faktor
yang lain, sehingga kesalahan peramalan dalam ilmu fisika merupakan fakta yang
tidak bias dipungkiri. Besar kecilnya kesalahan pengukuran tergantung dari hal-hal
berikut ini:

1. Kekeliruan dalam mengidentifikasi pola dan hubungan.

Pola atau hubungan yang bersifat ilusi dapat diidentifikasi jika memang benar-
benar tidak ada.Hal ini dapat terjadi, baik pada metode peramalan kualitatif
(judgement forecasting) maupun pada peramalan kuantitatif (quantitative
forecasting).Dalam model statistik, korelasi semu dapat terjadi pada penggunaan
data observasi yang sedikit. Demikian juga dengan korelasi antara dua variable akan
menjadi palsu (spirous), jika korelasi antara dua variable tersebut terjadi karena
adanya variable lain yang dapat mengubah dua variable tersebut dengan arah yang
sama. Pola atau hubungan yang ada akan menjadi tidak akurat dapat disebabkan
oleh (a) informasi yang tersedia tidak cukup, (b) kondisi yang sebenarnya sangat
kompek untuk dipahami, dan (c) model analisis menggunakan banyaknya variable
yang terbatas. Identifikasi yang semu atau tidak tepat akan menghasilkan kesalahan
ramalan yang serius, jika pola atau hubungan pada masa yang akan datang berbeda
dengan pola dan hubungan masa lalu.
2. Adanya pola yang tidak jelas atau hubungan tidak akurat.
Dalam ilmu sosial, sering ditemukan pola perubahan dari waktu ke waktu yang
tidak nyata atau hubungan antar variable yang tidak tepat.Walaupun secara rata-
rata pola atau hubungan dapat diidentifikasi, namun selalu ada fluktuasi disekitar
rata-rata tersebut pada hamper semua kasus.Tujuan dari panggunaan model
statistik adalah untuk mengidentifikasi pola atau hubungan agar data masa lalu
memiliki fluktuasi terhadap rata-rratanya sekecil mungkin. Ini pun bukan jaminan
bahwa besaran kesalahan ramalan pada masa yang akan datang akan sama dengan
masa lalu.

3. Terjadinya perubahan pola atau perubahan hubungan.

Dalam ilmu-ilmu sosial, pola atau hubungan secara terus menerus mengalami
perubahan yang sulit untuk diperkirakan sebelumnya.Perubahan pada pola atau
hubungan dapat mempengaruhi besarnya kesalahan yang terjadi dengan besaran
yang tidak dapat dikenali sebelumnya.Besarnya kesalahan bergantung pada besaran
dan lamanya perubahan tersebut.