METODE-METODE
PERAMALAN (FORECAST)
Dosen Pengampu:
Weita Chairunesia, SE,M.Ak
Disusun oleh:
Alhamd Zahra Putra
Jery
Rania Alyasin
Fakultas Ekonomi
Bisnis
Universitas Mercu
Buana
Jakarta
2019
v Pengertian
Peramalan (Forecasting)
Pengertian, Fungsi dan
Jenis-Jenis Peramalan (Forecasting)
Peramalan atau Forecasting :
Peramalan (Bahasa
Inggris = Forecasting) adalah suatu teknik analisa perhitungan yang dilakukan
dengan pendekatan kualitatif maupun kuantitatif untuk memperkirakan kejadian
dimasa depan dengan menggunakan referensi data-data di masa lalu. Peramalan
bertujuan untuk memperkirakan prospek ekonomi dan kegiatan usaha serta pengaruh
lingkungan terhadap prospek tersebut.
Peramalan atau
Forecasting merupakan bagian terpenting bagi setiap perusahaan ataupun
organisasi bisnis dalam setiap pengambilan keputusan manajemen. Peramalan itu
sendiri bisa menjadi dasar bagi perencanaan jangka pendek, menengah maupun
jangka panjang suatu perusahaan. Di dalam sebuah peramalan (forecasting)
dibutuhkan sedikit mungkin kesalahan (error) di dalamnya. Agar dapat
meminimalisir tingkat kesalahan tersebut, maka akan lebih baik jika peramalan
tersebut dilakukan dalam satuan angka atau kuantitatif.
Berikut ini beberapa pengertian atau definisi
peramalan atau forecasting dari beberapa sumber buku:
a. Menurut Nasution dan Prasetyawan (2008:29),
peramalan adalah proses untuk memperkirakan beberapa kebutuhan di masa datang
yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.
b. Menurut Sumayang (2003:24), peramalan adalah
perhitungan yang objektif dan dengan menggunakan data-data masa lalu, untuk
menentukan sesuatu di masa yang akan datang.
c. Menurut Supranto (2000), ramalan merupakan
dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di
waktu yang akan datang. Ramalan bisa bersifat kualitatif, artinya tidak
berbentuk angka dan bisa bersifat kuantitatif, artinya berbentuk angka,
dinyatakan dalam bilangan.
Tujuan dan Fungsi Peramalan (Forecasting)
Fungsi peramalan
atau forecasting terlihat pada saat pengambilan keputusan. Keputusan yang baik
adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada
waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun,
maka masalah peramalan juga merupakan masalah yang selalu kita hadapi (Ginting,
2007).Menurut Heizer dan Render (2009:47), peramalan atau forecasting memiliki
tujuan sebagai berikut:
1. Untuk mengkaji kebijakan perusahaan yang
berlaku saat ini dan dan di masa lalu serta melihat sejauh mana pengaruh di
masa datang.
2. Peramalan diperlukan karena adanya time lag
atau delay antara saat suatu kebijakan perusahaan ditetapkan dengan saat implementasi.
3. Peramalan merupakan dasar penyusutan bisnis
pada suatu perusahaan sehingga dapat meningkatkan efektivitas suatu rencana
bisnis.
Jenis-jenis Peramalan (Forecasting)
Berdasarkan horizon
waktu, peramalan atau forecasting dapat dibagi menjadi tiga jenis, yaitu
(Herjanto, 2008:78):
1. Peramalan jangka panjang, yaitu yang mencakup
waktu lebih besar dari 18 bulan. Misalnya, peramalan yang diperlukan dalam
kaitannya dengan penanaman modal, perencanaan fasilitas dan perencanaan untuk
kegiatan litbang.
2. Peramalan jangka menengah, yaitu mencakup
waktu antara 3 sampai 18 bulan. Misalnya, peramalan untuk perencanaan
penjualan, perencanaan produksi dan perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu mencakup jangka
waktu kurang dari 3 bulan. Misalnya, peramalan dalam hubungannya dengan
perencanaan pembelian material, penjadwalan kerja dan penugasan karyawan.
Berdasarkan fungsi
dan perencanaan operasi di masa depan, peramalan atau forecasting dibagi
menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):
1. Peramalan ekonomi (economic forecast),
peramalan ini menjelaskan siklus bisnis dengan memprediksi tingkat inflasi,
ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indikator
perencanaan lainnya.
2. Peramalan teknologi (technological forecast),
peramalan ini memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan
produk baru yang menarik, yang membutuhkan pabrik dan peralatan yang baru.
3. Peramalan permintaan (demand forecast), adalah
proyeksi permintaan untuk produk atau layanan perusahaan. Proyeksi permintaan
untuk produk atau layanan suatu perusahaan. Peramalan ini juga disebut
peramalan penjualan yang mengendalikan produksi, kapasitas, serta sistem
penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber
daya manusia.
Berdasarkan jenis
data ramalan yang disusun, peramalan dibagi menjadi dua jenis, yaitu (Saputro
dan Asri, 2000:148):
1. Peramalan kualitatif, yaitu peramalan yang
didasarkan atas data kualitatif pada masa lalu. Hasil ramalan yang dibuat sangat
tergantung pada orang yang menyusunnya. Hal ini penting karena peramalan
tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan
pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara
kualitatif ini didasarkan atas hasil penyelidikan, seperti pendapat salesman,
pendapat sales manajer pendapat para ahli dan survey konsumen.
2. Peramalan kuantitatif, yaitu peramalan yang
didasarkan atas data penjualan pada masa lalu. Hasil peramalan yang dibuat
sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.
Penggunaan metode yang berbeda akan diperoleh hasil yang berbeda pula.
Berdasarkan sifat
penyusunannya, peramalan dibagi menjadi dua jenis, yaitu (Ginting, 2007)
1. Peramalan subjektif, yaitu peramalan yang
didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.
2. Peramalan objektif, yaitu peramalan yang
didasarkan atas data yang relevan pada masa lalu, dengan menggunakan
teknik-teknik dan metode-metode dalam penganalisaan data tersebut.
v Metode-Metode Yang
Digunakan
Menurut
Nafarin metode-meode peramalan/forecast
dikelompokan menjadi :
1. Forecast
berdasarkan pendapatan (judgment method)
Biasanya digunakan untuk menyusun forecast penjualan
maupun forecast kondisi bisnis pada umumnya.
Pendapat-pendapat yang dipakai sebagai dasar
dilakukan peramalan adalah :
a. Pendapatan
salesman
Para
salesman diminta untuk mengukur apakah ada kemajuan atau kemunduran segala hal
yang berhubungan dengan tingkat penjualan pada daerah mereka masing-masing .
Kemudian mereka diminta pula untuk mengestimasi tentang tingkat penjualan
didaerah masing-masing diwaktu mendatang. Perkiraan para salesman itu perlu
diawasi karena mungkin ada unsure kesengajaan untuk membuat perkiraan yang
lebih rendah, dengan harapan apabila ia menjual diatas perkiraannya ia akan
menapatkan hadiah.
b. Pendapatan
sales manager
Perkiraan yang dikemukaan oleh para salesmen perlu diperbandingkan
dengan perkiraan yang dibuat oleh kepala bagian penjualan. Seorang kepala
bagian penjualan tentu mempunyai pertimbangan dan pandangan yang lebih luas
meliputi seluruh daerah penjualan. Pada umumnya perkiraan kepala bagian
penjualan dapat lebih obektif karena mempertimbangkan banyak factor. Hal ini
mungkin juga disebabkan pendidikannya yang relative tinggi (mungkin) dan
pengalamannya yang lebih luas dibidang penjualan.
c. Pendapat
para ahli
Kadang-kadang perkiraan
yang dibuat oleh salesman dan kepala bagian penjualan sangat bertentangan satu
sama lain, sehingga perusahaan menganggap perlu untuk meminta pertimbangan
kepada orang yang dianggap ahli. Mereka ini dianggap konsultan.
d. Survey
konsumen
Apabila ketiga pendapat
diatas masih dirasa kurang dapat dipertanggung jawabkan maka biasanya lalu
diadakan penelitian langsung terhadap konsumen.
2. Forecast
berdasarkan perhitungan-perhitungan statistik
Pada metode statistic
ini unsur subjektifitas ditekan sedikit mungkin. Perhitungan lebih didasarkan
pada data objektif baik yang bersifat
mikro maupun makro.
a. Analisis
Tren
Tren merupakan gerakan
lamban yang berjangka panjang dan cenderung menuju kesatu arah, menaik atau
menurun.
b. Standar
Kesalahan Forecasting (SKF)
Dalam analisis tren ada
dua metode yang dapat dipergunakan dalam peramalan penjualan, yaitu tren garis
lurus dan garis lengkung. Metode momen dan metode least square merupakan metode
tren garis lurus. Metode tren garis lengkung berupa metode kuadrat. Untuk
menentukan metode mana yang sesuai dari kedua metode tersebut,maka
dipergunakanlah standar kesalahan forecasting. Nilai SKF yang terkcil akan
menunjukan bahwa fore casting yang disusun tersebut mendekati kesesuaian.
Menurut
Render dan Heizer (2004):
Dalam melakukan
peramalan diperlukan perhitungan yang akurat sehingga diperlukan peramalan yang
tepat. Pada dasarnya terdapat 2 pendekatan umum untuk mengatasi semua model
keputusan untuk meramal :
a. Peramalan
Kualitatif
Yaitu peramalan yang
menggabungkan fakor-faktor seperti intuisi pengambilan keputusan, emosi,
pengalaman pribadi, dan system nilai. Dalam peramalan kuantitatif terdapat 4
teknik peramalan yang berbeda.
b. Keputusan
dari pendapat juri eksekutif
Dalam metode ini
pendapat sekumpulan kecil manager atau pangkat tingkat tinggi, sering
dikombinasikan dengan model statistic, dikumpulkan untuk mendapatkan prediksi
permintaan kelompok.
c. Metode
Delphi
Merupakan teknik
peramalan yang menggunakan proses kelompok dimana para pakar melakukan
peramalan.
1. Gabungan
dari Tenaga Penjualan
Metode ini mengoptimasi
jumlah penjualan diwilayahnya , peramalan ini kemudian dikaji untuk memastikan
apakah peramalan cukup relistis namun dikombinasikan pada ingkat wilayah dan
nasional untuk mendapatkan peramalan secara keseluruhan.
2. Survey
Pasar Konsumen
Metode permalan yang
meminta input dari konsumen mengenai perencana pembelian mereka dimasa depan .
d. Peramalan
Kuantitatif
Yaitu peramalan yang menggunakan
satu atau lebih model matematis dengan data masa lalu dan variable sebab akibat
untuk meramalkan permintaan. Ada lima metoede pendekatan naïf, metode rata-rata
bergerak, metode penghalusan eksponential, penghalusan tren, dan regresi
linear.
Pada dasarnya metode peramalan kuantitatif ini
dibedakan menjadi dua:
1) Metode
peramalan berdasarkan seri waktu (time series)
Model ini melihat pada apa yang
terjadi selama periode waktu menggunakan seri data masa lalu untuk membuat
ramalan.
2) Metode
kausal ( causal metods) atau metode korelasi
Metode kausal, bergabung menjadi
variable atau hubungan yang bisa mempengaruhi jumlah yang sedang diramal.
Metode peramalan time series terdiri dari :
1) Pendekatan
Naif
Pendekatan ini adalah teknik
mperamalan yang mengasumsikan permintaan di periode mendatang sama dengan
permintaan terkini. Metode ini merupakan model peramalan objektif yang paling
efektif dan efisien dari segi biaya, pendekatan ini memberikan titik awal untuk
perbandingan dengan model lain yang lebih canggih.
2) Rata-rata
bergerak (moving average)
Bermanfaat jika mengasumsikan bahwa
permintaan pasar teta stail sepanjang waktu.
Metode rata-rata bergerak dibagi
menjadi dua metode yaitu:
a. Rata-rata
bergerak sederhana (single moving average)
Metode
ini digunakan untuk melakukan peramalan hal-hal yang bersifat random, artinya
tidak ada gejala trend naik maupun turun, musiman dan sebagainya, melainkan
sulit diketahui polanya. Metode ini mempunyai dua sifat khusu yaitu untuk
membuat peramalan memerlukan data histories selama jangka waktu tertentu,
semakin panjang waktu moving average akan menghasilkan moving average yang
semakin halus. Secara matematis moving average dimana n adalah julan dalam
rata-rata bergerak, misalnya tiga, empat, atau lima bulan secara berurutan.
Kelemahan metode moving average antara lain perlu data histories, semua data
diberi weight sama, tidak bisa mengikuti perubahan yang terjadi.
b. Rata-rata
bergerak tertimbang (weight moving average)
Apabila
ada tren atau pola terdeteksi, bobot dapat digunakan untuk menempatkan
penekanan yang lebih pada nilai terkini. Praktik ini membuat teknik peramalan
lebih tanggap terhadap perubahan karena periode yang lebih dkeat mendapatkan
bobot yang lebih berat. Rata-rata bergerak dengan pembobotan dapat digambarkan
secara matematis sebagai: pemilihan bobot merupakan hal yang tidak pasti karena
tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot yang
mana yang digunakan, membutuhkan pengalaman.
c. Penghalusan
eksponential (exponetila smoothing)
Penghalusan
eksponential adalah teknik peramalan rata-rata bergerak dengan pembobotan
dimana data diberi bobot oleh sebuah fungsi eskponential. Penghalusan
eksponential merupakan metode peramalan rata-rata bergerak dengan pembobotan
yang canggih, namun masih mudah
digunakan. Metode ini menggunakan sangat sedikit pencatatan data masa lalu.
Rumus penghalusan eksponential dapat ditunjukkan sebagai berikut: pendekatan
penghalusan eksponential mudah digunakan, dan telah berhasil diterapkan pada hamper
setiap jenis bisnis. Walaupun demikian, nilai yang tepat untukkosntanta
pengahalus, dapat membuat diferensiasi antara peramalan yang akurat dan yang
tidak akurat. Nilai yang tinggi dipilih saat rata-rata cenderung berubah. Nilai
yang rendah digunakan saat rata-rata cenderung stabil. Tujuan pemilihan suatu
nilai untuk konstanta penghalus adalah untuk mendapatkan peramalan yang paling
akurat.
d. Proyeksi
tren (trend projection)
Adalah
metode peramalan time-series yang menyesuaikan sebuah garis tren pada sekumpulan
data masa lalu dan kemudia diproyeksikan dalam garis untuk meramalkan masa
depan untuk peramalan jangka pendek atau jangka panjang. Kalau hal yang
diteliti menunjukkan gejala kenaikan maka tren yang kita miliki menunjukkan
rata-rata pertumbuhan, sering disebut trend positif, tetapi hal yang kita
teliti menunjukkan gejala yang semakin berkurang maka tren yang kita miliki
menunjukkan rata-rata penurunan atau diebut juga tren negative.
v Pemilihan Metode Peramalan Yang
Tepat
Menurut
Adisaputro (2014:57) untuk memilih Forecasting penjualan perlu dipertimbangkan berbagai
factor seperti berikut:
1. Sifat
produk yang dijual, apakah produk untuk keperluan konsumsi atau diolah lagi.
2. Metode
distribusi yang digunakan, apakah langsung atau tidak langsung atau menggunakan
internet.
3. Posisi
pasar perusahaan disbanding pesaingnya, apakah dominan, penantang, pengikut atau
pemain ceruk.
4. Sifat
persaingan yang dihadapi apakah monopoli, oligopoly, monopolistik, atau persaingan
sempurna.
5. Data
historis yang dimiliki apakah lengkap atau tidak, meliputi jangka waktu panjang
atau pendek, memiliki data base atau tidak.
6. Sifat
permintaan atas produk apakah stabil atau musiman, sensitive terhadap harga atau
kuantitas, bersifat elastis atau in elastis.
v Langkah – Langkah Peramalan
Menurut
Gasperz (2005) terdapat 9 langkah yang harus diperhatikan untuk menjamin efektivitas
dan efesiensi dari system peramalan, yaitu:
a. Menentukan
tujuan dari peramalan.
b. Memilih
item independent demand yang akan diramalkan
c. Menentukan
horizon waktu dari peramalan (jangka pendek, menengah, panjang)
d. Memilih
model-model peramalan.
e. Memperoleh
data yang dibutuhkan untuk melakukan peramalan.
f. Validasi
model peramalan
g. Membuat
peramalan.
h. Implementasi
hasil-hasil peramalan.
i. Memantau
keandalan hasil peramalan.
Tidak ada komentar:
Posting Komentar