Dosen Pembimbing :
NOVI YANTI,SE,MM
Disusun Oleh :
YOLLANDA PUTRI
NPM : 1910003530142
Jurusan :Manajemen
Kelas : 5M3
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:
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.
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.
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.
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.
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.
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.