Peramalan
Peramalan
merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan
produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.
Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan
pada beberapa variabel peramal, sering berdasarkan data deret waktu historis.
Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun
informal (Gaspersz, 1998).
Kegiatan
peramalan merupakan bagian integral dari pengambilan keputusan manajemen.
Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif).
Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian.
Kesalahan dalam proyeksi penjualan akan mempengaruhi pada ramalan anggaran,
pengeluaran operasi, arus kas, persediaan, dan sebagainya. Dua hal pokok yang
harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat
(Makridakis, 1999):
- Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat.
- Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.
Terdapat dua
pendekatan untuk melakukan peramalan yaitu dengan pendekatan kualitatif dan
pendekatan kuantitatif. Metode peramalan kualitatif digunakan ketika data
historis tidak tersedia. Metode peramalan kualitatif adalah metode subyektif
(intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar informasi
ini dapat memprediksi kejadian-kejadian di masa yang akan datang. Keakuratan
dari metode ini sangat subjektif (Materi Statistika, UGM).
Metode
peramalan kuantitatif dapat dibagi menjadi dua tipe, causal dan time
series. Metode peramalan causal meliputi faktor-faktor yang
berhubungan dengan variabel yang diprediksi seperti analisis regresi. Peramalan
time series merupakan metode kuantitatif untuk menganalisis data masa
lampau yang telah dikumpulkan secara teratur menggunakan teknik yang tepat.
Hasilnya dapat dijadikan acuan untuk peramalan nilai di masa yang akan datang
(Makridakis, 1999).
Model deret
berkala dapat digunakan dengan mudah untuk meramal, sedang model kausal lebih
berhasil untuk pengambilan keputusan dan kebijakan. Peramalan harus mendasarkan
analisisnya pada pola data yang ada. Empat pola data yang lazim ditemui dalam
peramalan (Materi Statistika, UGM):
Pola Horizontal
Pola ini
terjadi bila data berfluktuasi di sekitar rata-ratanya. Produk yang
penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis
ini. Struktur datanya dapat digambarkan sebagai berikut ini:
Pola Musiman
Pola musiman terjadi bila nilai data dipengaruhi
oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari
pada minggu tertentu). Struktur datanya dapat digambarkan sebagai berikut ini:
Pola Siklis
Pola ini
terjadi bila data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti
yang berhubungan dengan siklus bisnis. Struktur datanya dapat digambarkan
sebagai berikut:
Pola Trend
Pola Trend
terjadi bila ada kenaikan atau penurunan sekuler jangka panjang dalam data.
Struktur datanya dapat digambarkan sebagai berikut:
Forecasting adalah peramalan atau perkiraan
mengenai sesuatu yang belum terjadi. Ramalan yang dilakukan pada umumnya akan
berdasarkan data yang terdapat di masa lampau yang dianalisis dengan mengunakan
metode-metode tertentu. Forecasting diupayakan dibuat dapat meminimumkan
pengaruh ketidakpastian tersebut, dengan kata lainbertujuan mendapatkan
ramalanyang bisa meminimumkan kesalahan meramal (forecast error) yang
biasanya diukur dengan Mean Absolute Deviation, Absolute Error,
dan sebagainya. Peramalan merupakan alat bantu yang sangat penting dalam
perencanaan yang efektif dan efisien (Subagyo, 1986).
Peramalan
permintaan memiliki karakteristik tertentu yang berlaku secara umum.
Karakteristik ini harus diperhatikan untuk menilai hasil suatu proses peramalan
permintaan dan metode peramalan yang digunakan. Karakteristik peramalan yaitu
faktor penyebab yang berlaku di masa lalu diasumsikan akan berlaku juga di masa
yang akan datang, dan peramalan tak pernah sempurna, permintaan aktual selalu
berbeda dengan permintaan yang diramalkan (Baroto, 2002).
Penggunaan
berbagai model peramalan akan memberikan nilai ramalan yang berbeda dan derajat
dari galat ramalan (forecast error) yang berbeda pula. Seni dalam
melakukan peramalan adalah memilih model peramalan terbaik yang mampu
mengidentifikasi dan menanggapi pola aktivitas historis dari data. Model-model
peramalan dapat dikelompokan ke dalam dua kelompok utama, yaitu metode
kualitatif dan metode kuantitatif. Metode kuantitatif dikelompokkan ke dalam
dua kelompok utama, yaitu intrinsik dan ekstrinsik. Metode
kualitatif ditujukan untuk peramalan terhadap produk baru, pasar baru, proses
baru, perubahan sosial dari masyarakat, perubahan teknologi, atau penyesuaian
terhadap ramalan-ramalan berdasarkan metode kuantitatif.
Metode
Peramalan
Model
kuantitatif intrinsik sering disebut sebagai model-model deret waktu (Time
Series model). Model deret waktu yang populer dan umum diterapkan dalam
peramalan permintaan adalah rata-rata bergerak (Moving Averages),
pemulusan eksponensial (Exponential Smoothing), dan proyeksi
kecenderungan (Trend Projection). Model kuantitatif ekstrinsik sering
disebut juga sebagai model kausal, dan yang umum digunakan adalah model regresi
(Regression Causal model) (Gaspersz, 1998).
0 komentar:
Posting Komentar