PERAMALAN

DEFINISI
 Peramalanadalah proses untuk memperkirakan
berapa kebutuhan dimasa datang yang meliputi
kebutuhan dalam ukuran kuantitas, kualitas,
waktu dan lokasi yang dibutuhkan dalam rangka
memenuhi permintaan barang ataupun jasa.
PERAMALAN DAN HORISON WAKTU
Klasifikasi peramalan yang berhubungan dengan horison
waktu peramalan, yaitu:
1. Peramalan Jangka Panjang (2-10 tahun) : digunakan untuk
perencanaan produk dan perencanaan sumber daya.
2. Peramalan Jangka Menengah (1-24 bulan) : peramalan ini
lebih khusus, biasanya digunakan untuk menentukan aliran
kas, perencanaan produksi dan penentuan anggaran.
3. Peramalan Janka Pendek (1-5 minggu) : digunakan untuk
mengambil keputusan dalam hal perlu tidaknya lembur,
penjadwalan kerja dll.
JENIS – JENIS PERAMALAN
1. Peramalan Permintaaan : tingkat permintaan
produk-produk yang diharapkan akan terealisir
untuk jangka waktu tertentu pada masa yang akan
datang. Peramalan permintaan digunakan untuk
meramalkan permintaan dari produk yang bersifat
bebas (tidak tergantung), seperti peramalan produk
jadi.
2. Peramalan Perkembangan Teknologi
3. Peramalan tentang Kondisi Ekonomi
FAKTOR – FAKTOR YANG MEMPENGARUHI
PERMINTAAN
1. Siklus Bisnis : Penjualan produk akan dipengaruhi oleh
permintaan akan produk tersebut, dan permintaan akan suatu
produk akan dipengaruhi oleh kondisi ekonomi yang
membentuk siklus bisnis dengan fase-fase inflasi, resesi,
depresi dan masa pemulihan.
2. Siklus Hidup Produk : biasanya mengikuti suatu pola yang biasa
disebut kurva S.
3. Reaksi balik dari pesaing
4. Perilaku konsumen yang berubah
5. Usaha-usaha yang dilakukan sendiri oleh perusahaan seperti
peningkatan kualitas, pelayanan, anggaran periklanan dan
kebijaksanaan pembayaran secara kredit
KARAKTERISTIK PERAMALAN YANG
BAIK
1. Akurasi : akurasi dari suatu hasil peramalan diukur dengan
kebiasaan dan kekonsistensian peramalan tersebut. Keakuratan
dari hasil peramalan ini berperan penting dalam
menyeimbangkan persediaan yang ideal (meminimasi
penumpukan persediaan dan memaksimasi tingkat pelayanan)
2. Biaya : biaya yang diperlukan dalam pembuatan suatu
peramalan adalah tergantung dari jumlah item yang diramalkan,
lamanya periode peramalan dan metode peramalan yang
dipakai.
3. Kemudahan : penggunaan metode peramalan yang sederhana,
mudah dibuat dan mudah diaplikasikan akan memberikan
keuntungan bagi perusahaan.
SIFAT HASIL PERAMALAN
1. Peramalan pasti mengandung kesalahan, artinya
peramalan hanya mengurangi ketidakpastian yang akan
terjadi, tetapi tidak dapat menghilangkan ketidakpastian
tersebut.
2. Peramalan seharusnya memberikan informasi tentang
berapa ukuran kesalahan
3. Peramalan jangka pendek lebih akurat dibandingkan
peramalan jangka panjang. Hal ini disebabkan karena paa
peramalan jangka pendek, faktor-faktor yang
mempengaruhi permintaan relatif konstan.
UKURAN AKURASI HASIL PERAMALAN
1. Rata – Rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

MAD =
Dimana : A = Permintaan aktual pada periode – t
Ft = Peramalan permintaan (forecast) pada periode-t
n = Jumlah periode peramalan yang terlibat
2. Rata – Rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE =
3. Rata – Rata Kesalahan Peramalan (Mean Forecast Error = MFE)

MFE =
4. Rata – Rata Persentase Kesalahan Absolut (MAPE)

MAPE =()
CONTOH
Suatu data permintaan aktual produk “X” dibandingkan hasil peramalannya diketahui
seperti yang tercantum pada tabel di bawah ini. Hitunglah MAD, MSE, MAPE dan MFE!
Permintaan Ramalan Deviasi Deviasi Kuadrat Persentase Persentase
Aktual F A-F Absolut Kesalahan Kesalahan Kesalahan
A |A-F| (A-F)2 (A-F/A)*100 |A-F/A*100|

120 125 (120-125) = -5 5 25 (-5/120)*100 = -4,17 4,17

130 125 5 5 25 3,85 3,85
110 125 -15 15 225 -13,64 13,64
140 125 15 15 225 10,71 10,71
110 125 -15 15 225 -13,64 13,64
130 125 5 5 25 3,85 3,85
Total -10 60 750 49,86

MAD = 60/6 = 10 MAPE = 49,86/6 = 8,31%

MSE = 750/6 = 125 MFE = -10/6 = -1,67
METODE – METODE DALAM PERAMALAN
1. Peramalan yang bersifat subyetif (lebih menekankan pada keputusan-
keputusan hasil diskusi, pendapat pribadi seseorang dan institusi)
a. Metode Delphi : Cara sistematis untuk mendapatkan keputusan bersama
dari suatu grup yang terdiri dari para ahli dan berasal dari disiplin yang
berbeda. Metode ini dipakai dalam peramalan teknologi yang sudah
digunakan pada pengoperasian jangka panjang, pengembangan produk
baru, pengembangan kapasitas produksi, penerobosan ke segmen pasar
baru dan strategi keputusan bisnis lainnya.
b. Metode penelitian pasar : Metode ini mengumpulkan dan menganalisa
fakta secara sistematis pada bidang yang berhubungan dengan
pemasaran. Salah satu tekniknya adalah survei konsumen. Contoh
penggunaan metode ini adalah merencanakan produk baru, sistem
periklanan dan promosi yang tepat.
METODE – METODE DALAM PERAMALAN (lanjutan)
2. Peramalan yang bersifat obyektif (prosedur peramalan yang
mengikuti aturan-aturan matematis dan statistik dalam
menunjukkan hubungan antara permintaan dengan satu/lebih
variabel yang mempengaruhinya.
a. Metode Intrinsik : berdasarkan pada proyeksi permintaan historis
tanpa mempertimbangkan faktor-faktor eksternal yang mungkin
mempengaruhi besarnya permintaan. Contohnya : Time Series
b. Metode Ekstrinsik : mempertimbangkan faktor-faktor eksternal
yang mungkin mempengaruhi permintaan di maasa yang akan
datang. Contohnya yaitu metode regresi
Lanjutan......
ANALISIS DERET WAKTU (TIME SERIES)
Permintaan dimasa lalu paa analisa deret waktu akan
dipengaruhi 4 komponen berikut:
1. TREND/Kecenderungan (T)
2. SIKLUS/Cycle (C)
3. POLA MUSIMAN/Season (S)
4. VARIASI ACAK/Random (R)
A. Moving Average (MA)
 MA diperoleh dengan merata-rata permintaan berdasarkan beberapa data
masa lalu yang terbaru.

MA =
Dimana : At = Permintaan aktual periode –t
N = Jumlah data permintaan yang dilibatkan dalam perhitungan MA
Karena data aktual yang dipakai untuk perhitungan MA berikutnya sellau
dihitung dengan mengeluarkan data yang paling terdahulu, maka:

MAt= MAt-1 +
CONTOH

MA 3 bulanan (N=3) pada bulan Maret = (450+440+46)/3 = 450

MA 3 bulanan (N=3) pada bulan April = MA bulan Maret +
450 + = 470
B. Weighted Moving Average (WMA)
CONTOH

Bila W1 = 0,25, W2=0,25 dan W3 = 0,50. Maka dengan MA Tiga Bulanan, WMA
pada bulan Maret akan dihitung sebagai berikut:
WMA = (0,25 x 450) + (0,25 x 440) + (0,50 x 460) = 452,5 dibulatkan 453
C. EXPONENTIAL SMOOTHING (ES)
Kelemahan teknik MA dalam
kebutuhan akan data-data masa
lalu yang cukup banyak dapat
diatasi dengan teknik ES. Dimana
bila data permintaan aktual yang
lama At-N tidak tersedia, maka
dapat digantikan dengan nilai
pendekatan yang berupa nilai
ramalan sebelumnya (Ft-1),
sehingga persamaan sebagai
berikut:
Ft= Ft-1 +
D. METODE WINTER
 Metode ini didasarkan atas 3 persamaan pemulusan yaitu satu persamaan
untuk unsur penyesuaian stationer, satu persamaan untuk unsur penyesuain
trend dan penyesuaian musiman. Salah satu masalah dalam penggunaan
metode ini adalah penentuan nilai-nilai yang akan meminimumkan MSE dan
MAPE.

1. Model Winter dengan TREND

Model Winter dimulai dengan perkiraan trend sebagai berikut:

Dalam memperbaruhi rata-rata eksponensial, maka peramalan baru akan melibatkan

rata-rata eksponensial ditambah trend, sehingga:
Persamaan

Peramalan yang dibuat pada akhir periode t untuk periode t + 1 akan menjadi:
Lanjutan
......
2. Metode Winter Dengan Faktor Musiman
Pola – pola permintaan musiman merupakan karakteristik dari beberapa
rangkaian permintaan, seperti peningkatan permintaan sirup dan kue pada
musim lebaran, peningkatan permintaan jas hujan pada musim hujan dll.
Proses umum dari permintaan musiman:

Dimana :
Contoh
Lanjutan.......
Lanjutan.....
3. Model Winter yang Lengkap
Contoh
Q1 (1992) : 149/94,43 = 1,55
Q2 (1993) : 96/103,81 = 0,92

Kemudian data-data tersebut dapat kita gunakan untuk meramalkan dengan menggunakan
metode winter
Lanjutan.....
E. METODE PERAMALAN KAUSAL
Metode ini mengembangkan suatu model sebab-akibat antara permintaan
yang diramalkan dengan variabel lain yang dianggap berpengaruh.
Contohnya yaitu permintaan baju baru mungkin berhubungan dengan
banyaknya populasi pendapatan masyarakat, jenis kelamin, budaya
daerah dan bulan-bulan khusus.
Model regresi sederhana:
Y = a + bx
Y = perkiraan permintaan
x = variabel bebas yang mempengaruhi y
a = nilai tetap y bila x=0
b = derajat kemiringan persamaan garis regresi
Contoh

b = 164,183
a = 9.956,03
Sehingga persamaan regresinya:
Y = 9.956,03 + 164.183 x
Bila x=12 juta, maka nilai y = 9.956,03 + 164.183 (12) = 11.926,226 juta (11,9 M)
Contoh 2
Data masa lalu untuk permintaan produk AC 3 PK bervariasi acak selama 12 bulan
terlihat pada tabel berikut. hitunglah berapa perkiraan permintaan untuk satu tahun
ini.
Lanjutan .......
Lanjutan....
Lanjutan......

Hasil peramalan
satu tahun
VERIFIKASI DAN PENGENDALIAN
PERAMALAN
1. PETA MOVING RANGE
Dirancang untuk membandingkan nilai permintaan aktual dengan
nilai peramalan. Peta ini digunakan untuk melakukan verifikasi
teknik dan parameter peramalan. Setelah metode peramalan
ditentukan, maka peta Moving range digunakan untuk menguji
kestabilan sistem sebab akibat yang mempengaruhi permintaan.
UJI KONDISI DILUAR KENDALI
Gambaran daerah-daerah
A, B, C dapat dilihat pada
gambar di bawah ini.
Kondisi apabila ketiga
kriteria di atas terpenuhi
diperlakukan sama dengan
kondisi titik berada di luar
batas kendali.
PENGGUNAAN MOVING RANGE UNTUK
VERIFIKASI PERAMALAN
Penggunaan peta moving
range untuk melakukan
verifikasi hasil peramalan
akan dicoba diterapkan
untuk peramalan model
kasual.
Contoh 2 dari metode
kasual sebelumnya
digunakan untuk
menggambarkan proses
verifikasi peramalan.
Lanjutan....
PENGENDALIAN MOVING RANGE UNTUK
PENGENDALIAN PERAMALAN
 Apabila terjadi kondisi di luar kendali, tindakan terhadap
peramalan harus dilakukan.
1. Merevisi peramalan dengan memasukkan data dan sistem
sebab akibat baru
2. Menunggu bukti lebih lengkap
Peta kendali dibawah ini seluruh data berada dalam batas kendali. Dengan ini
dapat disimpulkan bahwa peramalan baru dapat dinilai baik.