METODE-METODE PERAMALAN (FORECAST)

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.