KEBUTUHAN DAN KEGUNAAN PERAMALAN
ADANYA WAKTU TENGGANG (LEAD TIME) MERUPAKAN
ALASAN UTAMA BAGI PERENCANAAN DAN PERAMALAN.
JIKA WAKTU TENGGANG INI NOL ATAU SANGAT KECIL,
MAKA PERENCANAAN TIDAK DIPERLUKAN.
JIKA WAKTU TENGGANG INI PANJANG DAN HASIL
PERISTIWA AKHIR BERGANTUNG PADA FAKTOR-FAKTOR
YANG DAPAT DIKETAHUI, MAKA PERENCANAAN DAPAT
MEMEGANG PERANAN PENTING.
KEBUTUHAN AKAN PERAMALAN MENINGKAT SEJALAN
DENGAN USAHA MANAJEMEN UNTUK MENGURANGI
KETERGANTUNGANNYA PADA HAL-HAL YANG BELUM PASTI.
DALAM SITUASI SEPERTI INI, PERAMALAN DIPERLUKAN
UNTUK MENETAPKAN KAPAN SUATU PERISTIWA AKAN
TERJADI ATAU TIMBUL, SEHINGGA TINDAKAN YANG TEPAT
DAPAT DILAKUKAN.
PERAMALAN BANYAK DIGUNAKAN UNTUK TUJUAN
PEMASARAN, MELIPUTI PERENCANAAN PENJUALAN,
PENGENALAN PRODUK BARU, DESAIN PROGRAM
PEMASARAN, KEPUTUSAN PENETAPAN HARGA,
PERENCANAAN IKLAN DAN DISTRIBUSI.
TIME HORIZON PERAMALAN DAN
POLA DATA DEMAND
PERAMALAN UMUMNYA DIKELOMPOKKAN DENGAN
RENTANG WAKTU MASA DATANG (THE FUTURE TIME
HORIZON) YAITU :
1. PERAMALAN JANGKA PENDEK (SHORT-RANGE
FORECAST).
KATEGORI INI MEMERLUKAN RENTANG WAKTU SAMPAI
SATU TAHUN. KATEGORI INI DIGUNAKAN UNTUK
PERENCANAAN PURCHASING, JOB SCHEDULING, JOB
ASSIGNMENT DAN PRODUCTION LEVEL.
2. PERAMALAN JANGKA MENENGAH (MEDIUM-RANGE
FORECAST).
UMUMNYA MEMERLUKAN RENTANG WAKTU DARI TIGA
BULAN SAMPAI TIGA TAHUN. KATEGORI INI DIGUNAKAN
DALAM SALES PLANNING, PRODUCTION PLANNING AND
BUDGETING, CASH BUDGETING, DAN ANALISA
PERENCANAAN OPERASI LAINNYA.
3. PERAMALAN JANGKA PANJANG (LONG-RANGE
FORECAST).
UMUMNYA MEMERLUKAN RENTANG WAKTU TIGA TAHUN
ATAU LEBIH, DIMANA PERAMALAN JANGKA PANJANG INI
DIGUNAKAN DALAM PERENCANAAN UNTUK PRODUK
BARU, CAPITAL EXPENDITURES, FACILITY LOCATION OR
EXPANSION, DAN RESEARCH AND DEVELOPMENT.
PERAMALAN JANGKA MENENGAH DAN JANGKA PANJANG
BERHUBUNGAN DENGAN ISU YANG LEBIH KOMPETENTIF
DAN MENDUKUNG KEPUTUSAN MANAJEMEN YANG
BERKAITAN DENGAN PERENCANAAN PRODUK, PABRIK DAN
PROSES.
PERAMALAN JANGKA PENDEK BIASANYA MENGGUNAKAN
METODOLOGI YANG BERBEDA DARI PADA PERAMALAN
YANG LEBIH PANJANG WAKTUNYA.
TEKNIK-TEKNIK MATEMATIS SEPERTI RATA-RATA
BERGERAK (MOVING AVERAGE), PENGHALUSAN
EKSPONENSIAL (EXPONENTIAL/SMOOTHING), DAN
EKSPOLARITASI TREND BIASA DIGUNAKAN UNTUK
PROYEKSI JANGKA PENDEK.
LANGKAH - LANGKAH PERAMALAN
DERET WAKTU
1. AMBIL DATA DERET WAKTU YANG TERSEDIA
2. PLOT DATA YANG TELAH DIPEROLEH TERSEBUT
3. PILIH METODE DERET WAKTU YANG SESUAI DENGAN
PLOT DATA DAN KONDISI YANG ADA
4. HITUNG HASIL PERAMALAN
5. HITUNG KESALAHAN PERAMALAN
POLA DATA DAPAT DIBEDAKAN MENJADI EMPAT JENIS
1. POLA HORIZONTAL : TERJADI BILAMANA NILAI DATA
BERFLUKTUASI DI SEKITAR NILAI RATA-RATA YANG
KONSTAN.
2. POLA MUSIMAN : TERJADI BILAMANA DATANYA
DIPENGARUHI OLEH FAkTOR MUSIMAN.
3. POLA SIKLUS : TERJADI BILAMANA DATANYA
DIPENGARUHI FLUKTUASI EKONOMI JANGKA PANJANG
SEPERTI SIKLUS BISNIS.
4. POLA TREND : TERJADI BILAMANA TERDAPAT KENAIKAN
ATAU PENURUNAN SEKULER JANGKA PANJANG DALAM
DATA.
MODEL-MODEL
PERAMALAN
METODE PERAMALAN SECARA UMUM DIBAGI DUA
YAITU METODE KUALITATIF DAN METODE
KUANTITATIF.
METODE KUANTITATIF TERBAGI DALAM DUA
KATEGORI YAITU DERET WAKTU (TIME SERIES)
DAN KAUSAL.
UNTUK KATEGORI DERET WAKTU, METODE
PERAMALAN YANG DAPAT DIGUNAKAN YAITU
AVERAGE, EXPONENTIAL SMOOTHING,
DECOMPOTITION, DAN BOX-JENKINS.
UNTUK KATEGORI KAUSAL, METODE PERAMALAN
YANG DIGUNAKAN YAITU REGRESSION (SIMPLE &
MULTIPLE), DAN ECONOMETRIC.
METODE KUALITATIF TERBAGI DALAM TIGA KATEGORI
YAITU SUBJECTIVE ASSESMENT, NORMATIVE, DAN
EXPLORATORY.
AVERAGE
Mean
Single Moving Average
Double Moving Average
EXPONENTIAL
SMOOTHING
Single Exponential Smoothing
TIME
SERIES Double Exponential Smoothing - Brown
Double Exponential Smoothing - Holt
Triple Exponential Smoothing - 1 atau 2 parameter
DECOMPOTITION
BOX-JENKINS
QUANTITATIVE
REGRESSION
Single Regression
CAUSAL
Multiple Regression
FORECASTING
ECONOMETRIC
SUBJECTIVE
ASSESMENT
Individual Subjective
Executive Opinion
QUALITATIVE
Sales Force
Market Research
NORMATIVE
Relevance Trees
Sytem Dinamic
EXPLORATORY
Scenario Writing
Delphi
Cross Impact
Analogy
Morphology
Gambar 4. Taxonomi Metoda Peramalan
METODE TIME SERIES DIGUNAKAN UNTUK MEMBUAT
ANALISIS DETAIL DARI POLA DEMAND MASA LALU DAN
MEMPROYEKSIKAN POLA TERSEBUT UNTUK MASA YANG
AKAN DATANG.
SIMPLE AVERAGE
METODE INI MERUPAKAN MODEL YANG MENGGUNAKAN
DATA HISTORIS UNTUK MENGHITUNG RATA-RATA
DEMAND YANG LALU, DI MANA RATA-RATA INI
DIGUNAKAN SEBAGAI PERAMALAN.
SIMPLE AVERAGE MERUPAKAN RASIO ANTARA JUMLAH
DEMAND DARI SELURUH PERIODE DENGAN JUMLAH
PERIODE.
n
D
i 1
i
SA =
n
n = JUMLAH PERIODE
Di = DEMAND PADA PERIODE KE- i.
MOVING AVERAGE
METODE INI DIGUNAKAN JIKA KITA MENGASUMSIKAN
BAHWA DEMAND-NYA AKAN TETAP STABIL PADA PERIODE
WAKTU TERTENTU.
METODE MOVING AVARAGE HANYA COCOK DIGUNAKAN
UNTUK JANGKA PENDEK.
APABILA TERDAPAT SUATU TREND ATAU POLA (PATTERN),
MAKA DIGUNAKAN WEIGHTED MOVING AVERAGE (WMA).
WEIGHTED MOVING AVERAGE (WMA), MERUPAKAN RASIO
ANTARA JUMLAH DARI BOBOT UNTUK N PERIODE
TERHADAP DEMAND DALAM N PERIODE, DENGAN JUMLAH
BOBOTNYA.
SECARA MATEMATIS
WMA = C D
t 1
t t
n
WMA = C D
t 1
t t
Ct = BOBOT PADA PERIODE n , DIMANA 0 CT 1
Dt = DEMAND PADA PERIODE Ke- t.
EXPONENTIAL SMOOTHING
METODE INI MERUPAKAN METODE AVERAGE DI MANA
PROSES PEMBOBOTAN TERHADAP DATA MASA LALU
MENURUN SECARA EKSPONENSIAL TERHADAP PERIODE
YANG LALU.
SINGLE EXPONENTIAL SMOOTHING
MERUPAKAN SUATU METODE UNTUK MENGHASILKAN
PERAMALAN BARU ATAU MEMPERBAHARUI PERAMALAN
DENGAN MENGGUNAKAN DUA INFORMASI, YAITU ACTUAL
DEMAND, DAN DEMAND FORECAST UNTUK PERIODE
YANG TERBARU.
FORECAST UNTUK DEMAND AKAN DATANG =
ActualDemand DemandForecast
untukPerioda (1 )
untukPerioda
terbaru terbaru
= KOEFISIEN SMOOTHING , YAITU 0 1 ; DAN T
ADALAH PERIODE WAKTU.
• KOEFISIEN SMOOTHING YANG BESAR ( = 0.7 ; 0.8 ; 0.9 )
AKAN LEBIH COCOK UNTUK PRODUK BARU DI MANA
DEMAND-NYA BERSIFAT DINAMIS ATAU TIDAK STABIL
(UNSTABLE).
• KOEFISIEN SMOOTHING YANG KECIL ( = 0.1 ; 0.2 ; 0.3 )
AKAN LEBIH COCOK UNTUK PRODUK DENGAN DEMAND
YANG KONDISINYA STABIL (STABLE CONDITIONS).
• UNTUK DEMAND YANG SEDIKIT TIDAK STABIL, MAKA
KOEFISIEN SMOOTHING ( = 0.1 ; 0.2 ; 0.3 ) LEBIH COCOK
DAN AKURAT DALAM MERAMALKANNYA.
DOUBLE EXPONENTIAL SMOOTHING
MERUPAKAN METODE YANG MELAKUKAN PEMULUSAN
(SMOOTHING) TERHADAP PERAMALAN FIRST ORDER
EXPONENTIAL SMOOTHING UNTUK PERIODE MASA AKAN
DATANG, DAN PERAMALAN DOUBLE EXPONENTIAL
SMOOTHING UNTUK PERIODE TERBARU.
FORECAST UNTUK DEMAND AKAN DATANG =
Ft = Ft + ( 1- ) FD t-1
DIMANA = KOEFISIEN SMOOTHING, YAITU 0 1 ;
DAN t ADALAH PERIODE WAKTU.
METODE REGRESI
SIMPLE LINIER REGRESSION
MERUPAKAN SUATU MODEL SEBAB-AKIBAT ANTARA
SATU VARIABLE TERIKAT (Y) DENGAN SATU VARIABLE
BEBAS (X).
VARIABEL Y MERUPAKAN VARIABEL YANG AKAN KITA
RAMALKAN YANG DIDASARKAN PADA HUBUNGAN
VARIABEL X.
SECARA MATEMATIS :
Y = a + bx
DIMANA
Y = NILAI DARI VARIABEL TERIKAT
a = INTERCEPT DENGAN SUMBU Y (SEBAGAI
KONSTANTA)
b = KEMIRINGAN GARIS REGRESI (SLOPE)
X = VARIABEL BEBAS