BAB IV

PERAMALAN (FORECASTING)

• TUJUAN UMUM
• Diharapkan mahasiswa mampu
menjelaskan dan menganalisis
pendekatan-pendekatan dalam
peramalan (forcasting) dalam
kehidupan nyata
• Dapat menjadikan sebagai sarana
dalam pengambilan keputusan
operasional perusahaan.
• TUJUAN KHUSUS

• a. Mampu memahami
menjelaskan pendekatan-
pendekatan dalam peramalan
(forcasting)
• b. Menerapkan pendekatan-
pendekatan peramalan
(forcasting)
• c. Menganalisis dan
membandingkan pendekatan-
pendekatan dalam peramalan
A. PENDAHULUAN
• Peramalan merupakan alat bantu dalam
membuat perencanaan yang efektif dan
efisien. misalnya: penjadwalan produksi,
masalah transportasi, penanaman
modal, dan lain-lain.
• Situasi peramalan sangat ditentukan
oleh horizon waktu, tipe pola data
(Constant; Trend; Musiman & Kombinasi)
dan berbagai aspek lainnya.
• Peramalan (forcasting) dibutuhkan oleh
setiap perusahaan disebabkan karena:
• Sering terjadi senjang waktu (time
lag) antara kebutuhan mendatang
dengan peristiwa itu sendiri
merupakan alasan utama pentingnya
peramalan & perencanaan.
• Jangka Waktu Peramalan
• Pengaruh dari Product Life Cycle
 Peramalan (Forcasting ) adalah :
Proses menggambarkan
kondisi/peristiwa masa yang akan
datang berdasarkan perhitungan yang
obyektif dengan menggunakan data-
Forcasting dasar pengambilan
keputusan dalam bisnis, meliputi :
“ Produksi, Persediaan, Personil dan
fasilitas - fasilitas.

• Aplikasi metode peramalan dapat

dilakukan baik secara kualitatif
maupun kuantitatif.
• Apabila peramalan dilakukan tepat
guna, maka penjadwalan kerja akan
lebih stabil dan system pengawasan
dapat dikendalikan.
B. METODE- METODE PERAMALAN
(FORCASTING)
Secara umum ada dua metode yang
digunakan dalam membuat
peramalan (forcasting) dalam dunia
bisnis, lebih jelasnya dapat dilihat
pada gambar berikut:
Keterangan :
1. Metode Kualitatif adalah metode
yang menganalisis kondisi
obyektif dengan apa adanya.
Metode ini meliputi : metode
Delphi, Metode nominal grup,
Survey pasar & Analisis historikal
analogy and life cycle.
2. Metode Kuantitatif yang sering
disebut time series/runtun waktu
merupakan suatu analisis yang
mengambarkan pola
 pada runtun waktu yang telah
lewat untuk dapat memperoleh
besar kecilnya tingkat
perkembangan
penjualan/produksi tahunan.
Metode kuantitatif dapat
• Tersedia data & Informasi Masa
diterapkan apabila :
Lalu
• Data & Informasi tersebut dapat
dikuantitafkan dlm bentuk Numerik
• Diasumsikan beberapa aspek masa
lala akan terus berlanjt dimasa
• Metode peramalan kualitatif dan
kuantitatif dapat dilakukan
melalui tujuh langkah yaitu:
1. Tentukan Pemakai/Pengguna
2. Pemilihan Pernyataan
3. Penentuan Jangka Waktu
4. Pemilihan Model
5. Pengumpulan Data
6. Buat Peramalan
7. Validiti & Penerapan Hasil
Peramalan
4 metode peramalan dengan
pendekatan kuantitatif terdiri dari:
1. Naive Approach
Pendekatan naïve merupakan
metode peramalan yang
mengasumsikan permintaan
antara periode waktu sama. Mis:
Penjualan bulan Mei 48 unit, sama
dengan penjualan bulan Juli 48,
keuntungannya cost effective &
efficient
2. Moving Average Method
Moving Average adalah metode
peramalan rata-rata bergerak
sederhana yang dianggap mampu
menghilangkan pengaruh
fluktuatif random dalam
peramalan, dengan formulasi :

∑ Demand in Previous n
MA =
Periods N
Contoh : Jika anda sebagai manajer
dalam sebuah perusahaan diminta
oleh pemilik perusahaan untuk
meramalkan penjulan selama tahun
2007 dengan penentuan rata-rata
bergerak 3 periode. Data Penjualan
sebagai berikut:

TAHUN 2002 2003 2004 2005 2006

PENJUALAN 4.00 6.00 5.00 3.00 7.00
0 0 0 0 0
Moving Average Solution:
Moving Average Graph
3. Weighted Moving Average
Method (Metode Rata-Rata
Tertimbang)
• Weighted Moving Average Method
adalah metode perhitungan rata-
rata bergerak sederhana dengan
memberikan koefisien
penimbang dan digunakan
apabila terjadi trend pada pola
data masa lalu.
• Koefisien penimbangnya
Contoh: Berdasarkan data sebelumnya
diminta untuk menghitung
WMA dengan angka
penimbang/bobot masing-
masing berturut-turut: 0,2;
0,3; 0,2; 0,1 dan 0,2.
Kelemahan-Kelemahan Weighted
Moving Average Method:
1. Metode Weighted Moving Average
tidak dapat dengan mudah
berubah tanpa merubah masing-
masing angka penimbangnya.
2. Peningkatan n dalam pembuatan
ramalan kurang sesintif dengan
perubahan.
3. Tidak dapat melakukan trend
peramalan dengan baik
4. Perlakuan data berdasarkan
4. Exponential Smoothing Method
Metode Exponential Smoothing
Method merupakan metode rata-rata
bergerak yang memberikan bobot
yang lebih kuat pada data yang lebih
terakhir dari pada yang lebih awal.
Equations :
Contoh: Berikut ini data PT”XZ”
selama 8 Kuartal.
Berdasarkan pengalaman
manajer produksi nilai
koefisien “pemulus”
ditetapkan(α= 0,1) dan
peramalan untuk kuartal
pertama ditetapkan 175 unit.
Tentukan Ramalan untuk
Kuartal ke-9.
Kuartal 1 2 3 4 5 6 7 8 9

Actual 180 168 159 175 190 205 180 182 ?

Exponential Smoothing Solution
5. Linear Trend Projection
Metode Kausal (Least Square)
Adalah metode pendekatan untuk
menentukan atau menghasilkan garis
lurus yang paling tepat yang
meminimumkan jumlah kuadrat
perbedaan vertikal dari garis pada
setiap observasi aktual.
Kausal/ Metode Least Square (Kuadrat
Terkecil), Formulasinya :
Contoh : Saudara diminta
menentukan trend linear
untuk data deret waktu
dari tahun 2000-2006
mengenai permintaan
(demand) Meubel CV. Anu
Tahun berikut :Demand
2000 74
2001 79
2002 80
2003 90
2004 105
2005 142
2006 122
TABEL PERHITUNGAN

x y x² y² xy
1 74 1 5.476 74
2 79 4 6.241 158
3 80 9 6.400 240
4 90 16 81.000 360
5 105 25 11.025 525
6 142 36 20.164 852
7 122 49 14.884 854
28 692 140 145.190 3.063
JAWAB :
Kesimpulan

1. Time series/Data deret berkala

Adalah Sekumpulan data yang dicatat
Dalam Suatu Periode tertentu.
2. Manfaat Analisis Time series/Data deret
Berkala
adalah mengetahui Kondisi masa
mendatang atau meramalkan kondisi
mendatang.
3. Peramalan kondisi mendatang bermanfaat
untuk perencanaan produksi, pemasaran,
keuangan dan bidang lainnya.