MAKALAH

PERAMALAN DALAM MANAJEMEN OPERASIONAL

Dosen Pengampu

Disusun Oleh Kelompok 6 :

1. SHERLYNA EKA FEBRIANTI (21042059)

2. ARI RUSNIA WIDHYA (21042057)

PROGRAM STUDI S1 MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS ISLAM DARUL ULUM LAMONGAN
TAHUN 2024
 BAB I
PENDAHULUAN

A. Latar Belakang
Di era globalisasi saat ini, persaingan perusahaan semakin meningkat.
Dengan munculnya banyak produk baru, banyak produk lama yang kalah
bersaing dan kemudian dihilangkan. Banyak perusahaan yang puas dengan
pencapaiannya saat ini, padahal masa depan penuh ketidakpastian.
Perencanaan yang tepat mengenai langkah-langkah ke depan merupakan
kunci keberhasilan dalam persaingan perusahaan.
Operasi perusahaan sangat erat kaitannya dengan pengelolaan
persediaan bahan baku. Apabila terjadi ketidakpastian dalam penentuan
kapasitas produksi makan hal tersebut merupakan efisiensi dan tentunya
tidak baik bagi perusahaan.
Penentuan persediaan bahan baku didasarkan pada permintaan yang
akan datang, artinya pengelola harus mengantisipasi atau memperkirakan
tingkat kapasitas produksi permintaan dalam jangka waktu tertentu. Hal
ini sangat mungkin terjadi jika perusahaan memiliki data yang lengkap
dan akurat sebagai dasar perkiraannya.

B. Rumusan Masalah
1. Apa pengertian dari peramalan?
2. Apa saja jenis-jenis peramalan?
3. Bagaimana perbedaan peramalan dengan perencanaan?
4. Apa saja perbedaan peramalan dan prediksi?
5. Apa itu metode kuantitatif?
6. Peramalan menggunakan metode regresi?
7. Bagaimana pola data yang ada di lapangan?
8. Apa Rumus ukuran statistic standar?
 BAB II

PEMBAHASAN

A. Pengertian Peramalan
Peramalan adalah proses mengevaluasi sejumlah kebutuhan di masa
depan, didalamnya meliputi ukuran kuantitas, kualitas, waktu dan lokasi yang
akan dipilih sebelum menjalankan bisnis atau produksi (Nasution, 2008 : 29).
Sedangkan menurut Jay Heizer dan Bary Render (2009), peramalan
(forcasting) adalah suatu seni dan ilmu untuk memprediksi sesuatu yang akan
terjadi di masa mendatang. Peramalan dalam praktik manajemen produksi
dapat dilakukan dengan mengambil data historis kemudian
memproyeksikannya untuk masa depan dalam bentuk model matematis.
Menurut Maria Pampa dkk (2011:127), peramalan adalah suatu
prediksi mengenai apa yang akan terjadi pada masa yang akan datang, dalam
hal ini termasuk dalam fungsi perencanaan. Bisnis sangat membutuhkan
peramalan yang akurat untuk mengurangi waktu tunggu, inventaris, waktu
produksi, dan meningkatkan kapasitas fasilitas.
Seperti yang dikatakan Jay Heizer, Maria Pampa mengatakan bahwa
secara umum, berbagai metode peramalan yang digunakan dalam manajemen
operasi didasarkan pada model matematis berdasarkan catatan sejarah bisnis.
data dan informasi berdasarkan pengalaman manajemen mutu. Oleh karena
itu, peramalan juga bisa bersifat subjektif, mengandalkan prediksi intuitif.
Pengertian peramalan menurut Wilian J. Stevenson (2009:72) adalah
masukan utama dalam proses pengambilan keputusan manajemen administrasi
untuk menyalurkan informasi terkait permintaan di masa depan, terutama Jay
Heizer (2009) menyatakan bahwa hampir semua barang bagus. Perusahaan
menerapkan proses prediksi ini dan hanya sedikit yang dapat menghindarinya.
Efektivitas perencanaan mengacu pada perkiraan permintaan (demand)
terhadap produk perusahaan terdekat baik dalam jangka panjang maupun
jangka pendek.
 Metode peramalan bergantung pada beberapa faktor, antara lain jangka
waktu (periode), perilaku permintaan, pola yang mungkin terjadi, dan alasan
yang mempengaruhi keputusan perencanaan jangka panjang atau jangka
pendek.
Tetapi dalam perkiraan peramalan tidak terlalu diperlukan ketika
kondisi permintaan terhadap produk stabil karena hanya ada sedikit perubahan
dalam permintaan. Peramalan akan sangat diperlukan pada kondisi permintaan
produk bersifat dinamis dan kompleks. Dalam keadaan tersebut peramalan
akurat yang dibutuhkan dalam proses pengambilan keputusan manajemen.

B. Jenis-Jenis Peramalan
Secara umum, beberapa perusahaan yang sudah menggunakan proses
peramalan cenderung menggunakan tiga jenis peramalan utama dalam
rencana masa depannya, diantaranya sebagai berikut (Heyzer,2009:164):
1. Peramalan ekonomi
Peramalan jenis ini lebih fokus pada indikaror inflasi yang dapat
mempengaruhi siklus bisnis. Bukan hanya inflasi saja, tetapi juga
ketersediaan uang atau pembiayaan dan indikator ekonomi lainnya.
2. Peramalan teknologi
Dalam peramalan jenis ini, seseorang memperhatikan indikator tingkat
perkembangan teknologi, sehingga turut mempengaruhi pilihan
teknologi yang akan bersaing dengan perusahaan lain.
3. Peramalan permintaan
Jenis peramalan ini, lebih untuk mengetahui tingkat permintaan terhadap
produk yang dihasilkan oleh perusahaan. Peramalan ini sering disebut
dengan peramalan penjualan yang mempengaruhi proses produksi,
kapasitas, hingga sistem perencanaan.

C. Perbedaan Peramalan Dengan Perencanaan

  Peramalan mengacu pada analisis dan penjelasan kondisi bisnis di masa
depan. Ini adalah proses mempertimbangkan informasi dan fakta masa
lalu dan masa kini untuk memprediksi kejadian di masa depan.
Sederhananya, perkiraan berarti melihat ke depan dan mengidentifikasi
tren dan kejadian di masa depan serta dampaknya terhadap organisasi
bisnis.
 Perencanaan adalah proses mengumpulkan dan menganalisis informasi
dan fakta terkait untuk asumsi dan dasar masa depan. Berdasarkan
asumsi dan titik awal ini, rencana aksi disusun untuk mencapai tujuan
organisasi.
Singkatnya, perencanaan berarti melihat masa depan, memproyeksikan
peristiwa yang diharapkan dengan hati-hati. Proses ini membantu bisnis
menggabungkan sumber daya, sasaran, dan kemampuan mereka.
 Perbedaan antara keduanya adalah Proses memikirkan ke depan untuk
aktivitas masa depan bagi suatu bisnis dan juga untuk berbagai unitnya
disebut perencanaan. Hal ini berbeda dengan peramalan, yang berarti
memperkirakan kinerja perusahaan di masa depan berdasarkan hasil dan
fakta di masa lalu dan saat ini.

D. Perbedaan Peramalan Dan Prediksi

 Peramalan mengacu pada proses menganalisis dan menjelaskan kondisi
masa depan dari setiap tindakan yang diambil. Proses ini
mempertimbangkan data masa lalu dan masa kini untuk memprediksi
fakta kejadian di masa depan. Singkatnya, peramalan adalah proses
melihat masa depan dan menentukan tren masa depan serta dampaknya
terhadap organisasi.

 Prediksi adalah proses memperkirakan secara sistematis sesuatu yang

kemungkinan besar akan terjadi di masa depan, berdasarkan informasi
yang tersedia di masa lalu dan saat ini, sehingga kesalahan (perbedaan
 antara hasil aktual dan perkiraan) dapat diminimalkan. Prediksi tidak
harus memberikan jawaban yang pasti terhadap peristiwa yang terjadi,
melainkan berusaha mencari jawaban yang sedekat mungkin dengan apa
yang sedang terjadi (Herdianto, 2013: 8).

Arti Prediksi sama dengan arti ramalan atau perkiraan. Menurut Kamus
Besar Bahasa Indonesia, prediksi adalah hasil memprediksi atau
memperkirakan nilai-nilai di masa depan berdasarkan informasi masa
lalu. Prediksi menunjukkan apa yang akan terjadi dalam suatu situasi
tertentu dan menjadi masukan dalam proses perencanaan dan
pengambilan keputusan.

E. Metode Kuantitatif
Dalam buku, Heyzer & Render (2011:139) menyatakan bahwa metode
peramalan diterapkan dengan menggunakan berbagai model matematis untuk
meramalkan permintaan dengan data historis dan variabel sebab akibat yang
terkait dengan ramalan tersebut. Metode peramalan kuantitatif juga terbagi
menjadi dua jenis, yaitu metode peramalan time series (Time Series
Forecasting) dan metode peramalan asosiasi (Associative Firecasting method).
1. Model deret waktu (time series method)
Teknik peramalan yang menggunakan beberapa informasi sebelumnya
untuk membuat peramalan. Metode ini memprediksikan bahwa masa
depan merupakan fungsi dari kejadian masa lalu, analisis deret waktu
digunakan untuk meramalkan permintaan secara akurat dengan pola
permintaan masa lalu yang konsisten dan akurat dalam jangka waktu
yang lama. Metode yang digunakan untuk menganalisis data ini adalah
sebagai berikut :
a. Pendekatan Naif (Naive Method)
 Pendekatan naif merupakan suatu teknik peramalan yang
memunculkan asumsi bahwa forecast permintaan pada periode
berikutnya sama dengan permintaan pada periode sebelumnya.
b. Rata-rata bergerak (Moving Average)
Rata-rata bergerak adalah metode peramalan yang menggunakan
data historis aktual dari beberapa periode yang lalu untuk
memprediksi periode berikutnya..
c. Penghalusan eksponensial (Exponential Smoothing)
Penghalusan eksponensial adalah salah satu metode peramalan
moving average dengan pembobotan, dimana a adalah konstanta
pembobotan atau pemulusan antara 0 dan 1 yang dipilih oleh
peramal
2. Model Asosiatif (hubungan sebab-akibat)
Suatu Teknik peramalan yang menggabungkan lebih dari satu variabel
atau faktor yang dapat mungkin mempengaruhi besarnya perkiraan.
a. Proyeksi Tren
Sebuah metode yang digunakan untuk menyesuaikan
serangkaian garis tren di masa depan untuk perkiraan jangka
menengah-panjang.
b. Regresi Linear
Model ini memperhitungkan beberapa variabel yang terkait
dengan jumlah yang diproyeksikan..

F. Peramalan Menggunakan Metode Regresi

Meted regresi linear merupakan metode peramalan yang terdiri dari variabel
bebas (X) dan variabel terikat (Y). Setiap pasangan dapat dipresentasikan
sebagai sebuah titik dan berdasarkan perjanjian, nilai Y dinyatakan pada
sumbu vertikal (ordinat) sedangkan nilai X dinyatakan pada sumbu horizontal
(absis). Rumus yang digunakan untuk metode regresi linier dirumuskan
sebagai berikut :
 Y =a+b . x
b = n ∑ xy−¿ ¿ ¿

a=
∑ y –b∑x
N N

Contoh :

Seperti pada contoh, metode peramalan dengan metode regresi untuk meramal
kebutuhan pada periode 13 dan 14 adalah :

Tabel peramalan regresi

Bulan (x) Permintaan (y) X2 XY Peramalan

1 155 1 155 155.83
2 157 4 314 160.74
3 166 9 498 165.65
4 170 16 680 170.56
5 178 25 890 175.47
6 184 36 1104 180.38
7 189 49 1323 185.29
8 190 64 1520 190.20
9 192 81 1728 195.11
10 200 100 2000 200.02
11 205 121 2255 204.92
12 208 144 2496 209.83
13 214.74
14 219.65
78 2194 650 14963
12 ( 14963 )−(78)(2194)
b= = 4,9
12 ( 650 )−(78)¿¿
 ( 2194 ) 78
a= –(4,9) = 150,9
12 12

G. Pola Data Yang Ada Di Lapangan

Langkah penting dalam memilih metode deret waktu yang tepat adalah
mempertimbangkan jenis model data untuk menguji metode yng paling tepat
untuk model tersebut.
Pola data dapat dibedakan menjadi empat jenis, yaitu: (Makridakis, 1988)
1. Pola Horizontal (H) atau Horizontal Data Pattern
Pola data ini terjadi ketika data berfluktuasi di sekitar nilai rata-rata.
Jenis ini mencakup produk yang penjualannya tidak bertambah atau
berkurang dalam jangka waktu tertentu. Pola horizontal ditunjukkan
pada gambar 2.1

Gambar 2.1. Pola Data Horizontal

2. Pola Trend (T) atau Trend Data Pattern

Pola data ini terjadi ketika adanya peningkatan atau penurunan data
sekuler dalam jangka panjang. Contohnya penjualan perusahaan, produk
bruto nasional (GNP) dan masih banyak lagi indikator bisnis atau
 keuangan lainnya karena berubah seiring berjalannya waktu. Bentuk
pola tren ditunjukkan pada Gambar 2.2

Gambar 2.2. Pola Data Trend

3. Pola Musiman (S) atau Seasional Data Pattern

Pola data ini terjadi rangkaian data dipengaruhi oleh faktor musiman
(seperti kuartal tahun tertentu, bulan, atau hari tertentu dalam
seminggu). Penjualan dari produk seperti minuman ringan, es krim
dan bahan bakar pemanas ruang menunjukkan pola seperti ini. Bentuk
pola trend ditunjukkan pada gambar 2.3.
 Gambar 2.3. Pola Data Musiman

4. Pola data ini terjadi ketika data dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis.
Contohnya menjual produk seperti mobil, baja. Bentuk pola siklis
ditunjukkan pada gambar 2.4.

Gambar 2.4. Pola Data Siklis

H. Rumus Ukuran Statistic Standar
Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan
(atau nilai kecocokan/fitted value) untuk periode yang sama, maka kesalahan
didefinisikan sebagai :

Dimana:
Ei : kesalahan pada periode ke i
Xi : data aktual periode ke i
Fi : nilai peramalan periode ke i
Jika terdapat nilai observasi dan ramalan untuk n periode waktu, maka akan
terdapat n buah kesalahan. Ada 2 jenis ukuran kesalahan yaitu ukuran statistik
dan Ukuran relatif.
Ada empat cara untuk menentukan besarnya kesalahan secara statistik, yaitu:
1. Mean Error (ME)

2. Mean Absolute Deviation (MAD)

3. Mean Squared Error (MSE)

MSE memperkuat efek tingkat kesalahan yang besar, namun
mengurangi tingkat kesalahan kurang dari satu. Rumus yang digunakan
adalah:
4. Standard Deviation Error (SDE)

Sedangkan dalam menentukan kesalahan secara relatif ada 3 macam cara,

yaitu:

1. Percentage Error (PE)

2. Mean Percentage Error (MPE)

3. Mean Absolute Percentage error (MAPE)

 BAB III
PENUTUP

A. Kesimpulan
Perusahaan yang beroperasi erat kaitannya dengan pengelolaan bahan
baku. Jika terjadi ketidak tepatan dalam menentukan kapasitas produksi, maka
terjadilah inefisiensi. Dan tentunya hal tersebut tidak baik bagi perusahaan.
Untuk mewujudkan efisiensi produksi diperlukan metode peramalan
yang berbeda-beda, sudah banyak literatur mengenai peramalan ini. Namun,
diskusi yang terstruktur dan praktis sangat penting untuk memahami konsep
peramalan ini.

B. Saran
Demikianlah makalah yang kami buat buat, semoga bermanfaat dan
menambah pengetahuan para pembaca. Kami mohon maaf apabila ada
kesalahan dalam ejaan , penulisan kata serta kalimat yang kurang jelas. Kami
hanyalah manusia biasa yang tak luput dari kesalahan dan kami juga sangat
mengharapkan saran dan kritik dari para pembaca demi kesempurnaan
makalah ini.
DAFTAR PUSTAKA