PERAMALAN

Oleh :
KELOMPOK 3

STIE 66 KENDARI
ANGGOTA KELOMPOK 3
Nyoman Devi Puspita Yulianti Nurrahayu
1 206601303 5 196601243

Ayu Sukawati Arnida Setiawati

2 206601310 6 206601098

Muhammad Dahnial Ananda Virlayani Baharudidin

3 196601237 7 206601374

Debby Kavita Loanardi Ante

4 206601389
PERAMALAN
Apakah Peramalan Itu ???
 PERAMALAN

Peramalan (forecasting) adalah suatu seni dan

ilmu pengetahuan dalam memprediksi pada masa
mendatang. Peramalan akan melibatkan
mengambil data (histroris) seperti penjualan
tahun lalu dan mempproyeksikan mereka ke masa
yang akan datang dengan model matematika.
 PERAMALAN HORISON WAKTU
Peramalan Jangka Pendek
Peramalan ini memiliki rentang waktu sampai dengan 1 tahun,
tetapi umumnya kurang dari 3 bulan. Digunakan untuk
perencanaan pembelian penjadwalan, pekerjaan level angkatan
kerja, penugasan pekerjaan dan level produksi

Peramalan Jangka Menengah

Kisaran menengah atau intermediate, peramalan umumnya
rentang waktu dari 3 bulan hingga 3 tahun berguna dalam
PERAMALAN HORISON WAKTU perencanaan penjualan perencanaan produksi dan penganggaran,
Terbagi menjadi 3 : penganggaran uang kas dan analisis variasi rencana operasional

Peramalan Kisaran Panjang

Umumnya 3 tahun atau lebih dalam rentang waktunya, peramalan
jangka panjang digunakan dalam perencanaan untuk produk baru,
pengeluaran modal, lokasi tempat fasilitas atau perluasan dan
penelitian serta pengembangan
Jenis Peramalan
Organisasi menggunakan 3 jenis peramalan utama
dalam merencanakan operasional untuk masa
mendatang

Peramalan Ekonomi Peramalan Teknologi Peramalan Permintaan

Menangani siklus bisnis Berkaitan dengan tingkat Adalah proyeksi atau
dengan memprediksikan perkembangan teknologi di permintaan untuk produk
tingkat inflasi, uang yang mana dapat menghasilkan atau jasa dari perusahaan
beredar, mulai pembangunan terciptanya produk baru yang
perumahan, dan indikator lebih menarik, yang
perencanaan lainnya memerlukan pabrik dan
perlengkapan yang baru
Pentingnya Strategi Terhadap Pemasaran

Ramalan yang baik adalah sangat penting dalam seluruh aspek bisnis : peramalan hanya
merupakan estimasi atas permintaan hingga permintaan aktual menjadi diketahui.
peramalan permintaan oleh karenanya akan mendorong keputusan dalam banyak area.
Mari kita melihat dampak dari peramalan permintaan produk pada 3 aktivitas : (1)
manajemen rantai pasokan (2) sumber daya manusia (3) kapasitas
 Pendekatan Dalam Peramalan
Tinjauan Metode Kualitatif
Pada bagian ini,kita mempertimbangkan empat teknik peramalan kuantitatif yang berbeda

1. Keputusan dari pendapat juri eksekutif (jury of execitive opinion), Dalam metode ini,pendapat
sekumpulan kecil manager atau pakar tingkat tinggi,sering di kombinasikan dengan metode
statistik,dikumpulkan untuk mendapatkan prediksi permintaan kelompok.
2. Metode Delphi (Delphi Method), Ada tiga peserta dalam metode Delphi: pengambilan
keputusan, karyawan, dan responden.
3. Gabungan dari tenaga penjualan (sales force composite) dalam pendekatan ini, setiap tenaga
penjualan memperkirakan tenaga penjualan yang bisa ia lakukan dalam wilayahnya.
4. Survei pasar konsumen (consumer market survey), metode ini meminta input dari konsumen
mengenai rencana pembelian mereka di masa depan.
 Pendekatan Dalam Peramalan
Tinjauan Metode Kuantitatif
Lima metode peramalan yang menggunakan data masa lalu. Mereka dibagi kedalam dua kategori

1. Pendekatan Naif
2. Rata – rata bergerak
Model Time Series
3. Penghalusan ekspnensial
4. Proyeksi tren

5. Regresi linear Model Assiatif

7 Langkah Dalam Sistem Peramalan
1. Menetapkan tujuan peramalan

2. Memilih unsur apa yang akan diramal

3. Menentukan horizon waktu peramalan

4. Memilih tipe modal peramalan

5. Mengumpulkan data yang diperlukan untuk

melakukan peramalan

6. Membuat peramalan

7. Memvalidasi dan menerapkan hasil peramalan

Pengawasan & Pengendalian Ramalan

Ketika peramalan telah diselesaikan tidak akan dilupakan titik tidak ada manajer yang ingin
diingatkan bahwa peramalannya sangat tidak akurat, tetapi perusahaan ingin menentukan
mengapa permintaan aktual (variabel apapun yang sedang diteliti) berbeda secara signifikan
dari yang diproyeksikan. jika peramal akurat, bahwa individu biasanya mematikan bahwa
semua orang waspada terhadap keahliannya. Sangat jarang yang membaca salah satu
artikel dalam Fortune atau The Wall Street Journal, namun, mengenai manajer keuangan
yang secara konsisten kehilangan 25% dalam peramalan pasar modalnya
Peramalan Runtun Waktu
Runtun waktu didasarkan pada urutan poin data yang ditempatkan secara merata (mingguan bulanan, kuartalan, dan lainnya)

Penguraian dari Runtun Waktu

• Kecenderungan adalah pergerakan data secara vertikal ke atas atau ke bawah selama bertahun-tahun. perubahan dalam pendapatan,
distribusi umur atau pandangan budaya yang mempertanggungjawabkan gerakan dalam kecenderungan.
• Musiman adalah pola data yang menghilang dengan sendirinya setelah 1 hari Minggu bulan atau kuartalan. Terdapat 6 pola musiman
secara umum

Lamanya Periode Lamanya “Musim” Jumlah Pola Dalam “Musim”

Minggu Hari 7
Bulan Minggu 4-4 ½
Bulan Hari 28-31
Tahun Kuartalan 4
Tahun Bulan 12

Tahun Minggu 52
Pendekatan Awam
Pendekatan awam adalah model peramalan paling efektif dalam biaya dan tujuan efisien. Sedikitnya dia menyediakan poin
permulaan Dimana merupakan model yang lebih canggih yang kemudian dapat dibandingkan

• Cara paling sederhana untuk mengasumsikan bahwa permintaan dalam

periode selanjutnya akan setara dengan permintaan dalam periode yang
paling baru. Dengan kata lain, jika penjualan sebuah produk katakanlah
ponsel Nokia adalah 68 unit pada Januari kita dapat meramalkan bahwa
penjualan pada Februari juga akan 68
Pergerakan Rata-rata
Peramalan pergerakan rata-rata menggunakan sejumlah nilai data aktual historis untuk menghasilkan peramalan

• Pergerakan rata-rata bermanfaat jika kita dapat asumsikan bahwa

permintaan pasar akan tetap kokoh secara wajar selama bertahun-tahun titik
pergerakan rata-rata 4 bulanan ditemukan dengan menjumlahkan
permintaan selama 4 bulan yang lalu dan membaginya dengan 4 dengan
tiap-tiap bulan yang terlewati data bulan yang paling baru akan ditambahkan
pada jumlah data 3 bulan sebelumnya, dan bulan yang paling awal
diturunkan titik praktik ini cenderung untuk melancarkan penyimpangan
dalam serangkaian data
 Variasi Musiman dalam Data
Langkah-langkah yang akan kita ikuti untuk perusahaan yang memiliki musim 1 bulan sebagai berikut :
Variasi musiman dalam data adalah
pergerakan secara teratur dalam rangkaian
Menemukan rata-rata permintaan historis tiap-tiap musim (atau bulan dalam
data atau data series yang terkait dengan
kejadian yang berulang, misalnya cuaca atau
1 kasus ini) dengan menjumlahkan permintaan untuk bulan tersebut dalam
masing-masing tahun dan membaginya dengan jumlah tahun dari data yang
hari libur titik permintaan atas batubara dan tersedia.
bahan bakar minyak, misalnya mencapai
puncaknya selama bulan musim dingin titik Menghitung rata-rata permintaan selama sepanjang bulan dengan membagi
permintaan atas klub golf atau tabir surya 2 total rata-rata permintaan tahunan dengan jumlah musim.
menjadi sangat tinggi dalam musim panas
Menghitung indeks musiman untuk tiap musim dengan membagi rata-
3 rata permintaan historis bulan tersebut dengan rata-rata permintaan
selama sepanjang bulan.

4 Estimasi total permintaan tahunan untuk tahun berikutnya

Membagi estimasi total permintaan tahunan ini dengan jumlah musim

5 kemudian dikalikan dengan indeks musiman untuk tiap bulan hal ini
akan memberikan peramalan musiman
Penghalusan Adaptif

Peramalan adaptif mengacu pada komputer yang

memonitor sinyal penelusuran dan menyesuaikan
sendiri jika sinyal melewati yang telah diterapkan.
Misalnya, ketika diterapkan pada penghalusan
eksponensial, koefisienan Alfa (α) dan Beta (β) yang
pertama dipilih pada nilai basis yang meminimalkan
kesalahan peramalan dan kemudian disesuaikan
menurut kapanpun komputer mencatat sinyal
penelusuran menyimpang titik proses Inilah yang
disebut dengan penghalusan adaptif
 Fokus didasarkan pada dua prinsip
Peramalan berikut :

Fokus • Model peramalan yang

canggih yang tidak terlalu
Daripada mengadaptasi dengan
memilih penghalusan konstan baik daripada yang sederhana.
komputer akan memungkinkan
• Tidak terdapat teknik tunggal
kita untuk mencoba model
ramalan yang bermacam-macam yang akan digunakan untuk
pendekatan seperti ini dinamakan
seluruh produk atau jasa
peramalan fokus.
Peramalan dalam Sektor Jasa
• Contoh Lain (Toko Ritel Khusus) :
Peramalan dalam sektor jasa menyajikan beberapa
Tempat fasilitas ritel khusus, misalnya toko bunga, mungkin memiliki pola permintaan
tantangan yang tidak biasa. Teknik utama dalam
yang tidak biasa lainnya, dan pola tersebut akan berbeda bergantung pada hari libur.
sektor ritel adalah menelusuri permintaan dengan
Ketika hari valentine jatuh pada hari Minggu, misalnya, bunga tidak akan dikirimkan ke
mempertahankan laporan catatan dalam jangka
kantor-kantor dan keromantisan cenderung dimungkinkan untuk merayakan dengan
pendek yang baik. Misalnya ahli potong rambut
cara tamansya dari pada bunga. Jika hari libur jatuh pada hari Senin, beberapa
menawarkan katering kepada para pria dan harapkan
perayaan akan diadakan pada hari Minggu mengurangi penjualan bunga. Namun,
lonjakan akan mengalir pada Jumat dan sabtu tentu
ketika hari valentine jatuh pada tengah Minggu jadwal Tengah Minggu yang padat
saja sebagian besar ahli potong rambut akan tutup
seringkali membuat bunga menjadi cara yang optimal untuk merayakannya. Karena
pada minggu dan Senin serta banyak panggilan untuk
bunga untuk hari Ibu akan dikirimkan pada Sabtu atau Minggu, peramalan hari libur ini
meminta bantuan pada Jumat dan Sabtu. Restoran di
variasinya lebih sedikit. sehubungan dengan pola permintaan khusus banyak
pusat kota di sisi lainnya, membutuhkan untuk
perusahaan jasa mempertahankan laporan catatan penjualan memperhatikan bukan
menelusuri konvensi penting dan hari libur untuk
hanya hari dalam minggu tapi juga peristiwa yang tidak biasa yang meliputi cuaca
peramalan dalam jangka pendek yang efektif
sehingga pola dan korelasi tersebut yang mempengaruhi permintaan dapat di
dikembangkan
Thank you