PERAMALAN

BY : YUSUF TANJUNG
 PENGERTIAN PERAMALAN
Ramalan (forecast) :
Merupakan pernyataan mengenai nilai yang akan datang dari variabel seperti
permintaan. Bisa dikatakan bahwa ramalan adalah prediksi mengenai masa depan.

Peramalan bisa dikelompokkan berdasarkan waktu masa depan yang mendasarinya, yaitu
:
1. Peramalan Jangka Pendek : 1 hari, 1 minggu, 1 bulan, hingga 1 tahun.
Contoh : Pembelian, penjadwalan kerja, jumlah tenaga kerja, dll.
2. Peramalan Jangka Menengah : Beberapa bulan, sampai 3 tahun.
Contoh : Perencanaan penjualan, perencanaan dan anggaran produksi, dll.
3. Peramalan Jangka Panjang : 3 tahun atau lebih.
Contoh : Perencanaan produk baru, modal, lokasi, dll.
KEGUNAAN RAMALAN

Organisasi Manajer
1. Akuntansi : Estimasi biaya produk atau  Membantu manajer merencanakan
proses baru, proyeksi laba, dll. sistem. Biasanya melibatkan rencana
2. Keuangan : Kebutuhan mesin/peralatan, jangka panjang mengenai produk/jasa
kebutuhan pinjaman, dll. yang ditawarkan, fasilitas dan
3. SDM : Rekrutmen, Pengurangan
peralatan yang ada, lokasi, dll.
karyawan, dll.
4. Pemasaran : Harga, Promosi, dll.
5. MIS : Sistem informasi baru, internet.
 Membantu manajer merencanakan
6. Operasi : Perencanaan kapasitas, penggunaan sistem. Berdasarkan
persediaan, dll. perencanaan jangka pendek dan
7. Desain produk atau jasa : Desain produk menengah, seperti persediaan, tenaga
atau jasa baru, Perbaikan fitur, dll. kerja, pembelian, dll.
PERSYARATAN PERAMALAN YANG BAIK

 Tepat waktu : waktu respon informasi dalam ramalan.

 Akurat dan tingkat keakuratannya harus dinyatakan : memungkinkan pengguna
merencanakan kesalahan yang dapat terjadi dan menjadi dasar membandingkan
alternatif ramalan.
 Dapat diandalkan dan harus berfungsi terus-menerus : agar pengguna tidak
merasa gelisah setiap ramalan baru dimunculkan.
 Dinyatakan dalam unit yang bermakna : perencana produksi perlu mengetahui
berapa banyak unit yang dibutuhkan.
 Dilakukan secara tertulis : Untuk evaluasi ramalan.
 Sederhana agar mudah dipahami dan digunakan : pengguna lebih nyaman bekerja
dengan teknik ini.
 Memiliki biaya yang efektif : manfaat harus lebih banyak dari biayanya.
TAHAPAN DALAM PROSES PERAMALAN
1. Menentukan tujuan ramalan : Bagaimana ramalan akan digunakan dan kapan akan
dibutuhkan ramalan.

2. Menetapkan rentang waktu : mengingat keakuratan menurun ketika rentang waktu

meningkat.

3. Memilih teknik peramalan.

4. Memperoleh, membersihkan, serta melakukan analisa data yang tepat : data perlu di
“bersihkan” agar menghilangkan data yang jelas tidak benar sebelum analisis.

5. Membuat ramalan.

6. Memantau ramalan : apakah sesuai dengan harapan. Bila tidak, perlu dilakukan revisi lagi.
PENDEKATAN PERAMALAN
KUALITATIF : input subjektif
 Opini Eksekutif : perencanaan jangka
panjang & produk baru.
 Opini Penjualan : berhubungan
dengan konsumen langsung.
 Survei konsumen
 Metode Delphi : berdasarkan
penilaian ahli/memiliki pengetahuan
memadai dalam prediksi.
KUANTITATIF : data historis/model
asosiatif
 Deret Berkala : Proyeksi pengalaman
masa lalu ke masa depan.
 Metode naif.
 Rata-rata bergerak (moving average).
 Pemulusan eksponensial (exponential
smoothing).
 Trend; Musiman; Siklus.
 Model Asosiatif : persamaan yang terdiri
atas satu atau lebih variabel penjelas
untuk prediksi permintaan.
 Regresi Linier.
Kuantitatif
 Metode naif : Ramalan untuk setiap periode yang sama dengan nilai aktual
dari periode sebelumnya.

 Moving average : Teknik yang merata-ratakan sejumlah nilai aktual terbaru

dan memperbaruinya ketika tersedia nilai baru.

 Exponential Smoothing : Metode untuk menghitung rata-rata tertimbang

didasarkan pada ramalan sebelumya ditambah dengan persentase
kesalahan ramalan.

 Regresi Linier : Teknik untuk menyesuaikan garis dengan serangkaian titik.

DERET BERKALA
Dalam analisis data deret berkala, ada beberapa macam pola yang dapat
muncul, diantaranya :
1. Trend : Pergerakan data jangka panjang ke atas atau ke bawah.
2. Musiman : Variasi teratur jangka pendek yang berkaitan dengan kalender
atau waktu dalam hari.
3. Siklus : Variasi berbentuk gelombang yang berlangsung lebih dari satu
tahun.
4. Variasi tidak beraturan : Disebabkan oleh kondisi-kondisi tidak biasa, tidak
mencerminkan perilaku khas ( ex : kondisi cuaca parah, perubahan utama
produk atau jasa).
5. Variasi acak : Sisa variasi setelah semua perilaku lainnya diperhitungkan.
KEAKURATAN RAMALAN
Keakuratan ramalan merupakan faktor yang penting dalam memutuskan dari
berbagai macam peramalan yang ada. Keakuratan mengacu pada hasil
kesalahan masa lalu/historis dari ramalan.
Ada 3 ukuran yang digunakan untuk merangkum kesalahan historis, yaitu :
1. Mean Absolute Deviation (MAD) : Rata-rata kesalahan ramalan absolut.
2. Mean Squared Error (MSE) : Rata-rata kesalahan kuadrat ramalan.
3. Mean Absolute Percent Error (MAPE) : Rata-rata persentase kesalahan
absolut.
MENGENDALIKAN RAMALAN
Dalam memantau kesalahan ramalan diperlukan alat visual, yaitu BAGAN
KENDALI. Supaya kesalahan ramalan “dalam kendali”, diperlukan 2 hal :
1. Semua kesalahan dalam batas kendali.
2. Tidak ada pola (trend, siklus, data tidak terpusat).
PEMILIHAN TEKNIK PERAMALAN
Metode Jumlah Data Historis Pola Data Waktu Waktu Latar Belakang
Peramalan Ramalan Penyusunan Karyawan
Rata-rata 2 sampai 30 observasi Data harus Pendek Pendek Sedikit
bergerak seimbang mengesankan
Pemulusan 5 sampai 10 observasi Data harus Pendek Pendek Sedikit
Eksponensial seimbang mengesankan
Pemulusan 10 sampai 15 observasi Trend Pendek ke Pendek Cukup
Eksponensial Menengah mengesankan
dengan trend
Trend 10 sampai 20, musiman Trend Pendek ke Pendek Cukup
setidaknya 5 observasi Menengah mengesankan
per musim
Musiman Cukup melihat 2 Menangani Pendek ke Pendek ke Sedikit
puncak dan 2 lembah pola siklus dan Menengah Menengah mengesankan
musiman
Regresi Kausal 10 observasi per Dapat Pendek, Waktu Sangat
variabel bebas menangani Menengah pengembangan Mengesankan
pola yang dan Panjang panjang, Waktu
rumit implementasi
pendek
PERANAN KOMPUTER DALAM PERAMALAN
Pemakaian komputer sangat membantu manajer dalam mengembangkan dan
merevisi ramalan dengan cepat dan tidak perlu bersusah payah melakukan
perhitungan manual.

Ada berbagai paket perangkat untuk menangani peramalan. Kemasan

mainframe yang populer adalah mencakup Peramalan seri waktu general
Electric, dan IMPAC IBM. Kemasan populer untuk Komputer PC adalah SAS,
SPSS, BIOMED, SYSTAB, POM for windows, dan Minitab. Excel dari program
Spreadsheet juga sering digunakan dalam peramalan, dengan dukungan
fungsi-fungsi yang sudah ada dalam excel.
TREND LINIER
 Trend Linier memiliki bentuk sbb : Ft = a + bt
Keterangan :
Ft = Ramalan untuk periode t
a = Nilai Ft pada t = 0
b = Kemiringan garis
€
t = Jumlah periode waktu yang ditentukan dari t = 0
Dimana :
n∑ ty - ∑ t ∑ y
a=
∑ y - b∑ t
b=
n∑ t −(∑ t)
2 2 n
Keterangan :
n = Jumlah periode
y = Nilai deret berkala
€
€
CONTOH :
 Penjualan telepon seluler perusahaan di Shanghai selama 10 minggu
terakhir ditunjukkan pada tabel di bawah ini. Gambarkan Data asli &
Tentukan persamaan garis trend dan prediksi penjualan untuk minggu 11
dan 12 ! Minggu Penjualan dalam Unit
1 700
2 724
3 720
4 728
5 740
6 742
7 758
8 750
9 770
10 775
CONTOH : Gambar Garis Trend Linier

Y-Value 1
800
780
760
740 Y-Value 1
720
700
680
660
0 2 4 6 8 10 12
CONTOH : 1
Minggu (t)

700
y

700
ty

2 724 1448

3 720 2160

4 728 2912

5 740 3700

6 742 4452

7 758 5306

8 750 6000

9 770 6930

10 775 7750
CONTOH :
 Dari tabel sebelumnya untuk n= 10, Σt = 55 dan Σt2 = 385. Dengan
menngunakan persamaan mencari a dan b dapat dihitung sbb :
10(41358) - 55(7407) 6195
b= = = 7,51
10(385) - 55(55) 825
7407 - 7,51(55)
a= = 699,40
10
 Garis Trend-nya adalah : Ft = 699,40 + 7,51t, dimana t = 0 untuk periode 0
CONTOH :
 Prediksi penjualan untuk minggu 11 dan 12 : ( t = 11 dan t = 12)
F11= 699,40 + 7,51(11) = 782,01

F12= 699,40 + 7,51(12) = 789,52

Untuk membuat garis trend perlu dihitung terlebih dahulu :

t=0
F0= 699,40 + 7,51(0) = 699,40

F10= 699,40 + 7,51(10) = 774,50

KEAKURATAN RAMALAN
 Untuk mencari keakuratan ramalan bisa melalui rumus sbb :

MAD =
∑ Aktual −Ramalan
t t

MSE =
∑ (Aktualt − Ramalant )2
n −1
Aktualt − Ramalan t
∑ Aktualt
x100
MAPE =
n
 CONTOH 2 :
Hitunglah MAD MSE, dan MAPE untuk data berikut ini yang
menunjukkan jumlah aktual dan prediksi nasabah yang
dilayani!
Periode Aktual Ramalan Kesalahan |Kesalahan| Kesalahan2 [|Kesalahan|/Aktual]x100
(A – F)
1 217 215 2 2 4 0,92%
2 213 216 -3 3 9 1,41
3 216 215 1 1 1 0,46
4 210 214 -4 4 16 1,90
5 213 211 2 2 4 0,94
6 219 214 5 5 25 2,28
7 216 217 -1 1 1 0,46
8 212 216 -4 4 16 1,89
Total -2 22 76 10,26%
CONTOH 2 :
 Dengan menggunakan angka yang ada di tabel sebelumnya :

MAD =
∑ e 22
= = 2,75
n 8

MSE =
∑ (e) 2
=
76
= 10,86
n −1 8 −1
⎡ e ⎤
∑⎢⎣Aktual x100⎥⎦ 10,26
MAPE = = = 1,28%
n 8
CONTOH 2 :
 Dari sudut pandang perhitungan, perbedaan dari ukuran-ukuran ini adalah
bahwa bobot MAD merata pada semua kesalahan, bobot kesalahan MSE
sesuai dengan nilai kuadrat, serta bobot MAPE sesuai dengan kesalahan
relatif.
 LATIHAN :
 Berikut ini adalah data penjualan PT. Amanah selama 6 bulan (dlm Ribu unit) :

Bulan Penjualan (Y)

1 2
2 4
3 3
4 6
5 5
6 10
LATIHAN :
 Pertanyaan :

1. Buat Gambar grafiknya berdasarkan data yang ada !

2. Buatlah persamaan garis trend !

3. Buat ramalan penjualan untuk periode ke 7 dan 8 !