Disusun Guna Memenuhi Tugas Mata Kuliah Ekonomi Manajerial Kelas C-3
1
A. Teori Peramalan (Forecasting)
Untuk menyelesaikan masalah di masa datang yang tidak dapat
dipastikan, orang senantiasa berupaya menyelesaikannya dengan model
pendekatan-pendekatan yang sesuai dengan perilaku aktual data, begitu juga
dalam melakukan peramalan.
Peramalan (forecasting) permintaan akan produk dan jasa di waktu
mendatang dan bagian-bagiannya adalah sangat penting dalam perencanaan
dan pengawasan produksi. Suatu peramalan banyak mempunyai arti, maka
peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan
diperlukan suatu periode waktu paling sedikit dalam periode waktu yang
dibutuhkan untuk membuat suatu kebijaksanaan dan menetapkan beberapa
hal yang mempengaruhi kebijaksanaan tersebut.
Peramalan diperlukan disamping untuk memperkirakan apa yang akan
terjadi dimasa yang akan datang juga para pengambil keputusan perlu untuk
membuat planning.
2
Menurut Buffa:“Peramalan atau forecasting diartikan sebagai
penggunaan teknik-teknik statistik dalam bentuk gambaran masa depan
berdasarkan pengolahan angka-angka historis”. (Buffa S. Elwood, 1996).
Menurut Makridakis:“Peramalan merupakan bagian integral dari
kegiatan pengambilan keputusan manajemen”. (Makridakis, 1988)
Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga
faktor- faktor lingkungan, lalu memilih tindakan yang diharapkan akan
menghasilkan pencapaian sasaran dan tujuan tersebut. Kebutuhan akan
peramalan meningkat sejalan dengan usaha manajemen untuk mengurangi
ketergantungannya pada hal-hal yang belum pasti. Peramalan menjadi lebih
ilmiah sifatnya dalam menghadapi lingkungan. manajemen. Karena setiap
organisasi berkaitan satu sama lain, baik buruknya ramalan dapat
mempengaruhi seluruh bagian organisasi. (Makridakis, 1988).
3
aplikasi serangkaian metode peramalan, prosedur pemilihan metode yang
tepat untuk situasi tertentu dan dukungan organisasi untuk menerapkan dan
menggunakan metode peramalan secara formal.
Tiga kegunaan peramalan antara lain adalah:
1. Menentukan apa yang dibutuhkan untuk perluasan pabrik.
2. Menentukan perencanaan lanjutan bagi produk-produk yang
ada untuk dikerjakan dengan fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek produk-produk yang
ada untuk dikerjakan berdasarkan peralatan yang ada.
3. Jenis-jenis Peramalan
Situasi peramalan sangat beragam dalam horizon waktu peramalan,
faktor yang menentukan hasil sebenarnya, tipe pola dan berbagai aspek
lainnya.Untuk menghadapi penggunaan yang luas seperti itu, beberapa teknik
telah dikembangkan. Peramalan pada umumya dapat dibedakan dari
berbagai segi tergantung dalam cara melihatnya.
Dilihat dari jangka waktu ramalan yang disusun, peramalan dapat
dibedakan atas dua macam, yaitu:
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan
untuk penyusunan hasil ramalan yang jangka waktunya lebih
dari satu setengah tahun atau tiga semester. Lebih tegasnya
peramalan jangka panjang ini berorientasi pada dasar atau
perencanaan.
b. Peramalan jangka pendek, yaitu peramalan yang dilakukan
untuk penyusunan hasil ramalan yang dilakukan kurang dari
satu setengah tahun atau tiga semester.
a. Ketelitian/ Keakuratan
Tujuan utama peramalan adalah menghasilkan prediksi yang
akurat.Peramalan yang terlalu rendah mengakibatkan kekurangan
persediaan (inventory). Peramalan yang terlalu tinggi akan
menyebabkan inventory yang berlebihan dan biaya operasi tambahan.
b. Biaya
Biaya untuk mengembangkan model peramalan dan melakukan
peramalan akan menjadi signifikan jika jumlah produk dan data lainnya
semakin besar. Mengusahakan melakukan peramalan jangan sampai
menimbulkan ongkos yang terlalu besar ataupun terlalu
kecil.Keakuratan peramalan dapat ditingkatkan dengan
4
mengembangkan model lebih komplek dengankonsekuensi biaya
menjadi lebih mahal.Jadi ada nilai tukar antara biaya dan keakuratan.
c. Responsif
Ramalan harus stabil dan tidak terpengaruhi oleh fluktuasi demand.
d. Sederhana
Keuntungan utama menggunakan peramalan yang sederhana yaitu
kemudahan untuk melakukan peramalan.Jika kesulitan terjadi pada
metode sederhana, diagnosa dilakukan lebih mudah. Secara umum,
lebih baik menggunakan metode paling sederhana yang sesuai
dengan kebutuhan peramalan.
5. Teknik Peramalan
Mengingat bahwa hasil dari peramalan tergantung pada data yang
digunakan dalam peramalan tersebut, maka dibutuhkan teknik-teknik tertentu
yang dapat meningkatkan akurasi data sehingga hasil peramalan dapat
dipercaya.
Model peramalan dibedakan menjadi dua, yaitu model terstruktur
(structural models) dan model tidak terstruktur (nonstructural models). Model
terstruktur mengidentifikasi bagaimana suatu variabel pengamatan tergantung
pada variabel ekonomi yang lain. Persamaan permintaan yang dibahas pada
bab 6 di bagian analisis regresi merupakan contoh dari model terstruktur.
Model terstruktur yang mencakup banyak persamaan dan variabel biasanya
disebut sebagai model ekonometrika.
Model tidak terstruktur digunakan untuk mengidentifikasi pola
pergerakan dari variabel-variabel ekonomi dari waktu ke waktu. Metode yang
paling dikenal dari model tidak terstruktur adalah analisis deret waktu (time
series analysis) dan analisis barometrik (barometric analysis).
a. Analisis deret waktu
Analisis deret waktu merupakan model peramalan yang
paling sering digunakan. Analisis ini dimaksudkan untuk
menggambarkan pola pergerakan dari suatu variabel secara
eksplisit. Model deret waktu mencoba memperkirakan hasil di masa
datang dengan cara mengacu pada pola perilaku di masa lalu.
Dengan kata lain, analisis deret waktu bertujuan untuk
memperkirakan nilai masa datang data deret waktu dengan melihat
observasi data masa lalu. Data deret waktu (time series data)
adalah nilai dari variabel yang disusun secara kronologis menurut
hari, minggu, bulan, kuartal, atau tahun.
Analisis deret waktu dilakukan dengan berdasar pada
asumsi bahwa pola di masa lalu akan tidak berubah atau sangat
mirip di masa datang. Oleh karena itu, analisis deret waktu
dikatakan sebagai peramalan yang naif (naïve forecasting). Analisis
5
diawali dengan plot nilai historis dari variabel yang diamati pada
diagram untuk mengetahui pola pergerakan sepanjang waktu.
Pola deret waktu dapat dibedakan menjadi empat:
1) trend,
2) siklus bisnis (business cycle),
3) variasi musim (seasonal variation), dan
4) fluktuasi acak (random fluctuations). Pola ini
mengindikasikan bahwa data deret waktu berfluktuasi
dari waktu ke waktu
b. Proyeksi Trend
Proyeksi trend merupakan bentuk paling sederhana dari analisis
deret waktu. Proyeksi
trend adalah cara memproyeksikan trend masa lalu dengan
menempatkan garis lurus pada data baik secara visual maupun
melalui analisis regresi. Ada dua macam model proyeksi trend,
yaitu model linier dan non linier.
Model linier
Model linier menggambarkan perubahan yang
konstan ke masa depan. Misal, apabila penjualan meningkat
sebesar 30% per tahun (b) berarti penjualan pada tahun
mendatang (t+1) akan 30% lebih besar daripada penjualan
tahun sekarang (t) dan penjualan tahun (t+2) akan 30% lebih
besar daripada penjualan pada tahun (t+1), dan seterusnya.
Secara matematis, model linier ini dapat dituliskan sebagai
St =So +bt
St = 10 + 0,3t
6
waktu untuk kuartal 1 tahun 2016 adalah t = 0. Bila akan
meramalkan besarnya penjualan untuk kuartal 2, 3, dan 4
tahun 2017 maka perlu ditentukan nilai t untuk masing-
masing kuartal.
Bila kuartal 1 tahun 2016, t = 0 maka
Kuartal 2 tahun 2017, t = 5 sehingga S5 = 10 + 0,3(5) = 11,5
Kuartal 3 tahun 2017 t = 6 sehingga S6 = 10 + 0,3(6) = 11,8
Kuartal 4 tahun 2017 t = 7 sehingga S7 = 10 + 0,3(7) = 12,1
St = S0 (1+g)t
St = 12,18(1,03)t
7
Untuk meramalkan penjualan pada berbagai periode
waktu dilakukan atas dasar persamaan ini 7.6. Dengan
menggunakan periode dasar kuartal 1 tahun 201yang sama
dengan pada contoh model linier, maka nilai penjualan pada
kuartal 2, 3, dan 4 tahun 2017 adalah sebagai berikut
S5 = 12,18 (1,03)5 = 14,12
S6 = 12,18 (1,03)6 = 14,54
S7 = 12,18 (1,03)7 = 14,98
St = 11,90 + 0,394t
8
Hal yang sama untuk peramalan penjualan pada kuartal 2 tahun
2018 (t=18)
S18 = (11,90 + 0,394(18)) (1,159) = 22,01
d. Variabel dummy
Proyeksi trend dengan menggunakan variabel dummy
mempunyai fungsi yang sama dengan rasio terhadap trend, yaitu
memperhitungkan variasi musim di dalam peramalan. Apabila
metode rasio terhadap trend menggunakan rasio rata-rata tiap
musim, maka metode ini dilakukan dengan menambahkan variabel
dummy pada persamaan dimana nilai variabel dummy akan
mencerminkan musim tertentu.
Variabel dummy atau variabel boneka adalah suatu variabel
yang nilainya hanya 1 (ada) atau 0 (tidak ada). Jumlah variabel
dummy yang dibutuhkan dalam suatu persamaan sebanyak (n-1)
dimana n adalah jumlah kategori. Misal, bila variabel musim dibagi
menjadi 4 kuartal dalam satu tahun berarti dibutuhkan variabel
dummy sebanyak (4-1) atau 3 variabel, yaitu D1, D2, dan D3. Bila
D1 dimaksudkan untuk menunjukkan kuartal 1, maka nilai D1 = 1
bila kuartal 1 dan D1 = 0 bila selain kuartal 1 (kuartal 2, 3, atau 4).
Selanjutnya bila D2 dan D3 masing-masing menjukkan kuartal 2
dan kuartal 3, maka nilai variabel dummy secara lengkap adalah
sebagai berikut
D1 = 1 kuartal 1 pada setiap tahun
D1 = 0 kuartal selain kuartal 1
D2 = 1 kuartal 2 pada setiap tahun
D2 = 0 kuartal selain kuartal 2
D3 = 1 kuartal .pada setiap tahun
D3 = 0 kuartal selain kuartal 3:
9
St = 12.75 – 2,375D1t + 1,750D2t – 2,125D3t + 0,375t
e. Teknik Penghalusan
Teknik penghalusan digunakan apabila data deret waktu
berubah secara acak atau tidak reguler (random/irreguler variation).
Bila data deret waktu bervariasi secara acak, maka kondisi di masa
datang tidak dapat diproyeksikan dengan tepat. Dengan teknik
penghalusan, variasi yang ada dihaluskan dan nilai di masa datang
diperkirakan atas dasar nilai rata-rata dari beberapa observasi di
masa lalu. Teknik penghalusan yang dibahas di sini adalah rata
rata bergerak dan eksponensial.
10
untuk rata-rata bergerak penjualan kuartal 5 merupakan rata-
rata penjualan kuartal 2, 3, dan 4, yaitu (33+36+34)/3 atau
34,33 unit. Nilai ini sama dengan nilai aktual penjualan
kuartal 5 yang besarnya adalah 27. Demikian seterusnya
untuk kuartal-kuartal berikutnya. Kolom rata-rata bergerak 3
periode pada tabel 7.2 menunjukkan besarnya rata-rata
bergerak tiap-tiap kuartal.
Penjualan kuartal 13 dapat diramalkan sebesar
sebesar 30,67 unit, yang besarnya merupakan rata-rata dari
penjualan kuartal 10, 11, dan 12. Peramalan untuk kuartal-
kuartal selanjutnya dapat dilakukan dengan cara yang sama.
11
digunakan pada rata-rata bergerak. Sedangkan bobot untuk
At yang akan digunakan adalah 0,3 dan 0,5.
12
Namun di waktu yang sama terlihat pembangunan pabrik yang
meningkat secara konstan. Dari sini menjadi sulit untuk
meramalkan kondisi di masa datang akan membaik atau
memburuk.
Ada dua cara yang dapat digunakan untuk mengatasi
kesulitan dalam peramalan barometrik. Yang pertama adalah
dengan indeks komposit (composite indexes), yaitu mencari rata-
rata tertimbang (weighted average) dari beberapa indikator kunci
menjadi satu indeks standar.
Cara kedua adalah dengan indeks difusi (diffusion indexes)
dimana indeks ditentukan berdasar persentase terhadap
keseluruhan indikator kunci yang muncul dalam suatu kurun waktu.
Misal, dari 12 indikator kunci yang digunakan, ternyata hanya ada 6
indikator yang meningkat pada suatu kurun waktu. Besarnya indeks
difusi adalah 6/12 atau 50%. Adapun interpretasi dari indeks difusi
ini adalah bila indeks >50 berarti ada kenaikan, dan bila indeks <50
maka terjadi penurunan.
Q=a0 +a1P+a2Y+a3N+e
13
Dengan menggunakan analisis regresi maka konstanta a0
dan nilai koefisien-koefisien a1, a2, dan a3 serta nilai residu e dapat
dicari. Tentang bagaimana analisis regresi ini dilakukan dapat
mengacu pada pembahasan tentang analisis regresi pada bab
sebelumnya dan tidak dibahas kembali di sini. Di sini hanya
ditekankan tentang fungsi model ekonometrik yang dapat
digunakan untuk peramalan.
Model persamaan ganda menggunakan lebih dari satu
persamaan untuk meramalkan suatu variabel. Hal ini terjadi bila
satu variabel yang menentukan variabel yang akan diramalkan
dipengaruhi oleh variabel-variabel lain. Kita ambil contoh variabel
tingkat produksi nasional (GNP) yang besarnya dipengaruhi oleh
konsumsi masyarakat (C), tingakt investasi (I), dan pengeluaran
pemerintah (G).
Namun demikian, variabel C sendiri dipengaruhi oleh tingkat
pendapatan masyarakat (GNP). Sedangkan tingkat investasi I pada
suatu periode ditentukan oleh besarnya laba yang diperoleh pada
periode sebelumnya.
h. Peramalan Kualitatif
Teknik-teknik peramalan yang dibahas sebelumnya
merupakan teknik peramalan kuantitatif yang mendasarkan
peramalan pada data berbentuk angka, seperti besar penjualan
dalam suatu periode waktu tertentu. Apabila data kuantitatif tidak
dapat diperoleh, peramalan dapat dilakukan dengan teknik
peramalan kualitatif.
Teknik peramalan kualitatif yang dapat digunakan untuk
maksud tersebut adalah teknik survei dan jajak pendapat. Dengan
teknik survey, dapat dicari data mengenai berbagai kecenderungan
ekonomi yang terjadi dari berbagai sumber, seperti para pedagang
atau konsumen. Mereka diminta memberikan pandangan mereka
atas kondisi yang akan diramalkan dan pengaruhnya terhadap
penjualan. Sebagai contoh, bagaimana tindakan pembelian dari
konsumen bila terjadi inflasi, yaitu apakah mereka akan tetap
membeli produk dalam jumlah yang sama banyak atau membeli
lebih sedikit. Berdasar pandangan konsumen ini, berbagai
keputusan ekonomi dapat dibuat sebelum misalkan perusahaan
benar-benar melakukan pengeluaran untuk menghasilkan produk
yang dimaksud.
Dalam jajak pendapat, perusahaan dapat meramalkan
penjualan berdasar pendapat para pakar di dalam maupun di luar
perusahaan. Berdasarkan pengetahuan dan keahliannya, para
pakar memberikan penilaian atau opini atas kondisi ekonomi dan
memberikan perkiraannya atas penjualan perusahaan. Apabila
14
misalkan para pakar berpendapat bahwa penjualan akan
mengalami penurunan karena kondisi-kondisi tertentu yang terjadi
dalam perekonomian, maka perusahaan dapat mengambil
keputusan untuk menunda produksi atau melakukan upaya lain
untuk mempertahankan penjualannya.
15
Prosedur proyeksi perlu dibangun oleh perusahaan dengan sistematis
agar proyeksi yang dapat diterapkan dengan cepat dan dimodifikasi sesuai
kebutuhan. Prosedur ini tidak dapat dilakukan tanpa dasar yang jelas
sehingga upaya ilmiah perlu ditempuh oleh perusahaan. Metode ilmiah
memberikan perusahaan dasar yang jelas dan objektif sehinga proses
peramalan dapat dilakukan oleh suatu perusahaan dengan hasil yang sama
ketika diulang. Untuk karena itu, perlu ditunjukan langkah-langkah sistematis
dalam proses peramalan yang mampu memberikan hasil bagi perusahaan
khususnya manajemen dalam mengambil keputusan yang tepat. Jadi
penentuan langkah-langkah peramalan menjadi hal yang penting bagi
perusahaan dalam pengambilan keputusan. Adapun proses peramalan dalam
perusahaan dapat mengikuti tahapan berikut:
2. Pengumpulan Data
Pertanyaan manajemen sebagai permasalahan perusahaan
harus diperjelas. Kejelasan permasalahan memberikan
gambaran yang jelas pula sehingga pertanyaan mengenai
mengapa ramalan dibutuhkan, dan bagaimana hasil akan
digunakan menjadi jelas. Misalnya peramalan anggaran modal
bersifat jangka panjang dibandingkan dengan poramalan
produksi yang mingguan atau bulanan membutuhkan data yang
berbeda. Jadi pengumpulan data akan dilakukan setelah
mendapatkan kejelasan permasalan yang dihadapi perusahaan.
3. Formulasi Model
Setelah keputusan dibuat untuk mengembangkan ramalan,
model teoritis harus dikembangkan untuk menanggapi
pertanyaan manajemen. Formulasi model akan membantu
16
mengurai pertanyaan manajamen menjadi lebih sederhana dan
ringkas. Misalnya, jika manajemen tertarik dengan perkiraan
tren jangka panjang, kami dapat memilih, misalnya, tren atau
model regresi untuk tugas ini. Di sisi lain, jika manajemen
tertarik pada perkiraan jangka pendek, yaitu, proyeksi mingguan
atau bulanankita dapat memilih, misalnya, rata-rata bergerak,
perataan eksponensial, atau model Box-Jenkins dalam analisis.
6. Validasi
Setiap hasil peramalan perlu dilakukan validasi. Validasi
bertujuan memastikan tidak ada yang bias dari hasil
peramalanApakah hasil peramalan sudah akurat atau belum.
Tentu saja akan ada error, karena hal ini sesuatu yang normal.
Kita tidak dapat memastikan akurasi menjadi 100 persen. Untuk
itu harus ditetapkan batas error yang ditolerasi. Jika hasil
validasi menunjukan hasil ramalan memiliki hasil error melebih
batas yang ditoleransi maka perlu kembali dilakukan
pengecekan ulang dari pengumpulan data hingga analisis dan
interpretasi.
7. Hasil Akhir
Tahap akhir dalam proses peramalan adalah menyajikan
hasilnya kepada manajemen. Namun, ada beberapa hal yang
harus dipahami oleh manajemen dari hasil ramalan yang
dibuatPertama, hasil permalan tidak statis tapi dinamais, artinya
17
bias saja hasil peramalan tidak tepat 100 persen namun batas
error yang ditoleransi juga tidak terlalu jauh. Kedua, perlu
evaluasi peramalan secara berkelanjutan.
18