Metode Peramalan ( Forecasting Method )

Definisi Peramalan 

• Peramalan (forecasting) : adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.
• Peramalan adalah seni dan ilmu untuk memprediksi masa depan.
• Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada perencanaan produksi.
• Proses peramalan dilakukan pada level agregat (part family); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebih dahulu.
• Metode        :  Kualitatif dan kuantitatif.
• Terminologi : perioda, horison, lead time, fitting error, forecast error, data dan hasil ramalan.

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.

Peramalan Eksplanatoris dan Deret Berkala

nKedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan yg berbeda.

nPendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara input dengan output dari suatu sistem.

lPeramalan Deret Berkala memperlakukan sistem    sebagai kotak hitam.

Persyaratan Penggunaan Metode Kuantitatif:

1. Tersedia informasi tentang masa lalu.

2. Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik.

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus

    berlanjut di masa mendatang.

Langkah-langkah Peramalan

nDefinisikan tujuan peramalan.

nPlot data (part family) masa lalu.

nPilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data.

nHitung parameter fungsi peramalan untuk masing-masing metode.

nHitung fitting error untuk semua metode yang dicoba.

nPilih metode yang terbaik, yaitu metode yang memberikan error paling kecil.

nRamalkan permintaan untuk periode mendatang

nLakukan verifikasi peramalan.

Pola data metode deret berkala :

1. Pola horisontal (H) terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar (1.1).

2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat (Gambar 1.2).

3. Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3.

4. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4.

Metode peramalan:

Peramalan berdasarkan metode terbagi menjadi 2 yaitu:

1. Metode Kuantitatif

Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :

1. Model seri waktu / metode deret berkala (time series)  metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu,

2. Model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).

1. Model Seri Waktu / Metode deret berkala, terbagi menjadi :

1. Rata-rata bergerak (moving averages),

2. Penghalusan eksponensial (exponential smoothing),

3. Proyeksi trend (trend projection)

Penjelasan:

1. Rata-rata bergerak (moving averages),

(1) Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil  :

(2) Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru :

2. Penghalusan eksponensial (exponential smoothing),

Penghalusan Eksponensial : metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.

3. Proyeksi trend (trend projection)

Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.

2. Model / metode kausal (causal/explanatory model)

Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari :

Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.

Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.

Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.

Peramalan menggunakan metode regresi:

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan.

Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :

Adanya informasi masa lalu

Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)

Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.

Adapun data- data yang ada dilapangan adalah :

Musiman (Seasonal)

Horizontal (Stationary)

Siklus (Cylikal)

Trend

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu

Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu :

Analisis deret waktu untuk regresi sederhana linier

Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:

1. Adanya informasi masa lalu
2. Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)
3. Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.

Adapun data- data yang ada dilapangan adalah :

1. Musiman (Seasonal)
2. Horizontal (Stationary)
3. Siklus (Cylikal)
4. Trend

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

1. Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu
2. Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu :

1. Analisis deret waktu untuk regresi sederhana linier
2. Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:

Y = F (x)

Dimana :

Y = Dependent variable (variabel yang dicari)

X = Independent variable (variabel yang mempengaruhinya)

Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

Y = a + b x

Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus : 

kemudian nilai b dapat dicari dengan rumus :

2. Metode Kualitatif

Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan teknik/metode peramalan, yaitu :

1. Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik.
2. Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
3. Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
4. Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.

Memantau Ramalan

• Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan.
• Salah satu cara untuk memantau peramalan  guna menjamin keefektifannya adalah menggunakan isyarat arah.
• Isyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik
• Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD)

Link Video :

https://youtu.be/ldW5IH85NtM