PERAMALAN

(FORECASTING)
 Apakah Peramalan itu?
• Peramalan (forecasting) adalah seni dan ilmu
untuk memperkirakan kejadian di masa
depan.
• Dapat dilakukan dengan melibatkan
pengambilan data historis dan
memproyeksikannya ke masa mendatang
dengan suatu bentuk model matematika.
 Meramalkan Horizon Waktu
• Peramalan berdasarkan horizon waktu masa
depan terbagi menjadi beberapa kategori:
1. Peramalan jangka pendek : jangka waktu
hingga 1 tahun, tetapi umumnya kurang dari
3 bulan. Peramalan ini digunakan untuk
merencanakan pembelian, penjadwalan
kerja, jumlah tenaga kerja, penugasan kerja,
dan itngkat produksi.
 Meramalkan horizon waktu
2. Peramalan jangka menengah : umumnya
mencakup hitungan bulan hingga 3 tahun.
Digunakan untuk meramalkan penjualan,
perencanaan dan anggaran produksi,
anggaran kas, serta menganalisis bermacam-
macam rencana operasi.
 Meramalkan horizon waktu
3. Peramalan jangka panjang : umumnya untuk
perencanaan masa 3 tahun atau lebih.
Digunakan untuk merencanakan produk baru,
pembelanjaan modal, lokasi atau
pengembangan fasilitas, serta penelitian dan
pengembangan (litbang).
 Pengaruh Siklus Hidup Produk
• Peramalan yang menggambarkan siklus hidup
produk berguna dalam memproyeksikan
tingkat penempatan pekerja yang berbeda-
beda, penentuan tingkat persediaan dan
kapasitas pabrik sepanjang produk melewati
tahapan awal hingga akhir.
 Jenis-jenis Peramalan
1. Peramalan ekonomi : menjelaskan siklus bisnis dengan
memprediksikan tingkat inflasi, ketersediaan uang, dana
yang dibutuhkan untuk membangun perumahan
2. Peramalan teknologi : memperhatikan tingkat kemajuan
teknologi yang dapat meluncurkan produk baru yang
menarik yang membutuhkan pabrik dan peralatan baru.
3. Peramalan permintaan : proyeksi permintaan untuk produk
atau layanan suatu perusahaan. Disebut juga peramalan
penjualan yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan
keuangan, pemasaran, dan sumber daya manusia.
 Kepentingan Strategis Peramalan
• Peramalan yang baik sangatlah penting dalam
semua aspek bisnis : peramalan merupakan
satu-satunya prediksi mengenai permintaan
hingga permintaan yang sebenarnya diketahui.
• Peramalan permintaan mengendalikan
keputusan di banyak bidang.
 Dampak peramalan produk pada sumber
daya manusia
• Mempekerjakan, melatih, dan
memberhentikan pekerja bergantung pada
permintaan. Jika departemen SDM harus
mempekerjakan pekerja tambahan tanpa
adanya persiapan, akibatnya kualitas pelatihan
menurun dan kualitas pekerja juga menurun.
Dampak peramalan produk pada kapasitas

• Saat kapasitas tidak mencukupi, kekurangan

yang diakibatkannya bisa berarti tidak
terjaminnya pengiriman, kehilangan
konsumen, dan kehilangan pangsa pasar.
Dampak peramalan produk pada manajemen
rantai pasokan
• Hubungan yang baik dengan pemasok, serta
harga barang dan komponen yang bersaing
bergantung pada peramalan yang akurat.
 Tujuh langkah Sistem Peramalan
1. Menetapkan tujuan peramalan
2. Memilih unsur yang akan diramalkan
3. Menentukan horizon waktu peramalan
4. Memilih jenis model peramalan
5. Mengumpulkan data yang diperlukan untuk
melakukan peramalan
6. Membuat peramalan
7. Memvalidasi dan menerapkan hasil peramalan
Berbagai pendekatan dalam peramalan
• Terdapat dua pendekatan umum untuk peramalan :
1. Peramalan kuantitatif : menggunakan model
matematis yang beragam dengan data masa lalu
dan variabel sebab-akibat untuk meramalkan
permintaan.
2. Peramalan subjektif / kualitatif : menggabungkan
faktor intuisi, emosi, pengalaman pribadi, dan
sistem nilai pengambil keputusan untuk meramal.
 Gambaran Umum Metode Kualitatif

1. Juri dari opini eksekutif : pendapat

sekumpulan kecil manajer umumnya
digabungkan dengan model statistik,
dikumpulkan untuk mendapatkan prediksi
permintaan kelompok.
2. Metode Delphi : ada tiga jenis partisipan
dalam metode Delphi, yaitu pengambil
keputusan, karyawan, dan responden.
Gambaran umum metode kualitatif
3. Komposit tenaga penjualan : dalam
pendekatan ini setiap tenaga penjualan
memperkirakan berapa penjualan yang dapat
ia capai dalam wilayahnya.
4. Survei pasar konsumen : metode ini meminta
input dari konsumen mengenai rencana
pembelian mereka di masa depan.
 Gambaran Umum Metode Kuantitatif

• Lima metode peramalan yang menggunakan

data historis:
1. Pendekatan naif (model deret-waktu)
2. Rata-rata bergerak (model deret-waktu)
3. Penghalusan eksponensial (model deret-
waktu)
4. Proyeksi tren (model asosiatif)
5. Regresi linier (model asosiatif)
• Model deret waktu (time series) membuat
prediksi dengan asumsi bahwa masa depan
merupakan fungsi dari masa lalu. Dengan kata
lain, teknik peramalan ini menggunakan
sejumlah data masa lalu untuk membuat
peramalan.
• Model asosiatif (hubungan sebab-akibat),
seperti regresi linier, menggabungkan banyak
variabel atau faktor yang mungkin
mempengaruhi kuantitas yang sedang
diramalkan.
 Peramalan Deret Waktu
• Deret waktu didasarkan pada urutan dari titik-
titik data yang berjarak sama dalam waktu
mingguan, bulanan, kuartalan, dan lain-lain.
• Meramalkan deret waktu berarti nilai masa
depan diperkirakan hanya dari nilai masa lalu
dan variabel lain diabaikan walaupun variabel
tersebut mungkin sangat bermanfaat.
 Dekomposisi Deret Waktu
• Deret waktu mempunyai empat komponen :
1. Tren : pergerakan data sedikit demi sedikit meningkat atau
menurun.
2. Musim : pola data yang berulang pada kurun waktu
tertentu, seperti hari, minggu, bulan, kuartal
3. Siklus : pola dalam data yang terjadi setiap beberapa tahun
4. Variasi acak : satu titik khusus dalam data yang disebabkan
oleh peluang dan situasi yang tidak lazim. Variasi pola acak
tidak mempunyai pola khusus sehingga tidak dapat
diprediksi.
 Pendekatan Naif
(Naive Approach)
• Pendekatan naif (naive approach) merupakan
teknik peramalan yang mengasumsikan
permintaan periode berikutnya sama dengan
permintaan pada periode terakhir.
• Contoh : jika penjualan sebuah produk,
katakanlah telepon genggam Samsung, adalah
sebanyak 100 unit pada bulan November, kita
dapat meramalkan penjualan pada bulan
Desember akan sama, yaitu 100 unit.
 Rata-rata Bergerak
(Moving Average)
• Peramalan rata-rata bergerak menggunakan
sejumlah data aktual masa lalu untuk
menghasilkan peramalan. Rata-rata bergerak
berguna jika kita dapat mengasumsikan bahwa
permintaan pasar akan stabil sepanjang masa
yang kita ramalkan.

• Rata-rata bergerak = Σ permintaan dalam periode n sebelumnya

n
Menentukan bagaimana menghitung Rata-
rata Bergerak
• Saat terdapat tren atau pola yang terdeteksi,
bobot dapat digunakan untuk menempatkan
penekanan yang lebih pada nilai terkini.
• Rata-rata bergerak dengan pembobotan dapat
digambarkan secara matematis sebagai
berikut :
Pembobotan rata-rata bergerak =
Σ(Bobot periode n)(Permintaan dalam periode n)
Σ Bobot
Pembobotan Rata-rata Bergerak
Hasil Peramalan Rata-rata berbobot
Soal 1
Soal 2