II. PERAMALAN

II. PERAMALAN

A. Peramalan Permintaan
Peramalan adalah perkiraan tingkat permintaan untuk suatu produk atau beberapa produk dalam periode waktu tertentu pada masa yang akan datang. Fungsi peramalan permintaan melayani banyak tujuan manajerial yang luas dalam organisasi-organisasi yang mencari keuntungan ataupun yang tidak mencari keuntungan. Supaya berguna untuk operasi-operasi perencanaan dan pengawasan, sangat penting tersedianya data-data atau bahan-bahan keterangan mengenai ramalan permintaan dalam suatu bentuk yang dapat diterjemahkan ke dalam permintaan akan bahan-bahan (material), waktu dalam penggolongan / klasifikasi alat-alat yang khas dan permintaan akan keterampilan tenaga kerja yang spesifik.
Jangka waktu peramalan yang diperlukan harus sesuai dengan keputusan yang diakibatkannya. Peramalan-peramalan dengan jangka waktu yang berbeda-beda sebagai dasar untuk perencanaan operasi, antara lain :
1. Rencana-rencana untuk operasi-operasi pada waktu sekarang ini dan pada waktu dekat.
2. Rencana-rencana jangka menengah untuk memenuhi segala sesuatu bagi kapasitas yang diperlukan dari personil, bahan dan peralatan untuk 1 sampai 12 bulan mendatang.
3. Rencana-rencana jangka panjang bagi kapasitas, lokasi-lokasi, penggantian produk dan variabel-variabel pelayanan serta pengusahaan dari produk-produk baru.
Ramalan tentang besar pasar, jumlah pembeli potensial, dan lain–lain merupakan masukan bagi pihak manajemen operasi untuk membuat perencanaan produksi, mengelola persediaan, mengelola bahan baku, mengelola peralatan, dan mengelola sumber daya manusia. Sasaran akhir dari keseluruhan aktivitas peramalan adalah perkiraan mengenai kebutuhan modal. Dengan mengetahui kebutuhan modal pada semua aktivitas produksi, maka kebijakan harga dan keuntungan akan lebih mudah dibuat (Gambar 9). Pada lantai produksi proses perkiraan kebutuhan modal memerlukan perkiraan mengenai rencana kapasitas, desain sistem operasi, dan penjadwalan operasi. Perkiraan ini tidak bisa dibuat sebelum dilakukan peramalan permintaan.



















































Gambar 9. Proses perkiraan kebutuhan modal dari peramalan



B. Faktor Yang Mempengaruhi Permintaan
Besarnya permintaan pasar akan produk atau jasa dipengaruhi oleh keadaan di masa yang akan datang. Keadaan itu berkaitan dengan faktor internal dan eksternal seperti ditunjukkan pada Gambar 10:


















C. Kegunaan Peramalan
1. Menentukan apa yang dibutuhkan untuk perluasan pabrik  Peramalan fasilitas
2. Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk dikerjakan dengan fasilitas-fasilitas yang ada  Peramalan produksi.
3. Menentukan penjadwalan jangka pendek produk-produk yang ada untuk dikerjakan berdasarkan peralatan yang ada  Peramalan produk.

D. Jenis – Jenis Peramalan
Pada dasarnya peramalan terbagi menjadi dua bagian besar, yaitu:
1. Peramalan kualitatif.
Peramalan yang melibatkan pendapat pribadi, pendapat ahli, metode Delphi, penelitian pasar, dan lain– lain.
2. Peramalan kuantitatif.
a. Model Time Series (deret waktu).
Pada model time series ini permintaan merupakan fungsi dari waktu. Pola permintaan pada masa yang akan datang (yang diramalkan) diperkirakan serupa / identik dengan pola data masa lalu.
b. Model Causal.
Permintaan merupakan fungsi dari penyebab – penyebab.
Metode peramalan yang akan ditekankan dalam pembahasan ini terbatas pada peramalan dengan metode time series. Peramalan dengan metode time series sendiri terbagi lagi menjadi beberapa bagian yaitu : regresi, perataan, pemulusan dan siklis. Dalam modul ini kita hanya akan membahas regresi linier dan kuadratis, double moving average (perataan), dan double exponential smoothing one-parameter dari Brown (pemulusan) dan siklis.

E. Metoda Peramalan Kuantitatif
Didasarkan atas prinsip – prinsip statistik yang memiliki tingkat ketepatan tinggi atau dapat meminimumkan kesalahan (error), lebih sistematis dan lebih populer penggunaannya.
Hal-hal yang perlu dilakukan dalam peramalan secara kuantitatif adalah:
1. Membuat suatu gambaran permintaan dan waktu (Permintaan sebagai ordinat dan waktu sebagai absis ).
2. Menentukan teknik statistik yang akan digunakan.
3. Menilai kesalahan yang diperkirakan.
4. Membuat suatu keputusan untuk menggunakan teknik tertentu berdasarkan pertimbangan yang ada atau mencoba mendapatkan sesuatu yang lebih baik lagi.

Untuk itu terdapat 3 kondisi yang harus dipenuhi supaya dapat menggunakan metoda kuantitatif, yaitu :
1. Tersedia informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
3. Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut.

Pola data dalam methoda Peramalan Kuantitatif (Time Series) dapat dibedakan menjadi :
1. Pola horizontal, terjadi bilamana nillai data berfluktuasi di sekitar nilai rata – rata yang konstan.
2. Pola musiman, terjadi bilamana suatu deret dipengaruhi oleh faktor musim.
3. Pola siklus, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti siklus bisnis.
4. Pola trend, terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.

Dalam metoda Kuantitatif (Time Series) yang akan dibahas dalam modul ini adalah:
1. Metode konstan
2. Regresi linier dan kuadratik
3. Perataan (Double moving average),
4. Pemulusan Duoble exponential smoothing one-parameter
5. Siklis


1. Peramalan Dengan Methoda Konstan
Kecenderungan data sebelumnya apabila diplotkan akan cenderung berbentuk garis lurus, tanpa perubahan permintaan yang mencolok. Sehingga besarnya permintaan di masa yang akan datang dianggap sama dengan jumlah permintaan di masa sebelumnya.
Rumus :


Dimana :
d’t = Jumlah perkiraan permintaan ke-i di masa mendatang
dt = Jumlah permintaan ke-i berdasarkan data permintaan
n = Perioda


Contoh 1:
Berapa perkiraan permintaan produk di masa datang dengan menggunakan metoda peramalan konstan?


Tabel 3. Contoh permintaan produk X tahun 2003



Jawab:




Dengan demikian perkiraan permintaan di masa datang (Januari, Februari, dan bulan-bulan berikutnya di tahun 2005) berdasarkan metoda peramalan konstan adalah 105 unit per bulan.


2. Peramalan dengan Metode Regresi Linier
Salah satu bentuk peramalan yang paling sederhana adalah regresi linier. Dalam aplikasi regresi linier diasumsikan bahwa terdapat hubungan antara variabel yang ingin diramalkan (variabel dependen) dengan variabel lain (variabel independen). Selanjutnya, peramalan ini didasarkan pada asumsi bahwa pola pertumbuhan dari data historis bersifat linier (walaupun pada kenyataannya tidak linier 100%). Pola pertumbuhan ini didekati dengan suatu model yang menggambarkan hubungan-hubungan yang terkait dalam suatu keadaan. Model tersebut dapat dijabarkan sebagai berikut :
d'(t) = a + bt

dimana :
d't = fungsi terhadap waktu.
a dan b = parameter yang akan ditentukan dalam perhitungan.
Rumus- rumus dalam menghitung variabel a dan b adalah sebagai berikut :





atau :





Sehingga :

a = d - bt

Rumus untuk menentukan t :





Contoh 2 :
Bila contoh 1 diselesaikan dengan metoda peramalan regresi linier:






Tabel 4. Perhitungan metoda peramalan regresi linier



Mencari nilai a:




Mencari nilai b:



Jadi berdasarkan perhitungan metoda regresi linier maka diperoleh nilai a = 105,5 dan b = -0,108 sehingga persamaan regresi liniernya adalah: d’t = 105,5 – 0,108t.
Dengan demikian perkiraan permintaan di masa datang berdasarkan metoda peramalan regresi linier (sebagai contoh) di bulan Januari dan Februari 2005 adalah:

a. Perkiraan permintaan di bulan Januari (t=13):
d’13 = 105,5 – (0,108x13)
d’13 = 104,096  105 unit

b. Perkiraan permintaan di bulan Februari (t=14):
d’14 = 105,5 – (0,108x14)
d’14 = 103,988  104 unit

3. Peramalan dengan Metode Siklis
Persamaan matematis yang digunakan untuk data dengan pola siklis ini adalah :

d’(t) = a + u.Cos + v.Sin

dimana a, b dan c adalah konstanta yang didapatkan dari persamaan sebagai berikut :







Tabel 5. Perhitungan metoda peramalan siklus



















Dengan demikian formula yang didapat adalah:

d’(t) = 118 + 7,7. Cos 72o.t - 9,612. Sin 72o.t

Misalkan untuk memperkirakan jumlah permintaan pada perioda ke 7 (d’7 ):
d’7 = 118 + [7,7 x Cos (72o. 7)] – [9,612 x Sin (72o. 7)]

d’7 = 118 + [7,7 x Cos 504o] – [9,612 x Sin 504o]

d’7 = 118 + [7,7 x -0,809] – [9,612 x 0,588]

d’7 = 118 + 6,2293 – 5,6519

d’7 = 118,58
d’7  119

Jadi perkiraan permintaan produk di perioda ke- 7 berdasarkan medtoda peramalan siklus adalah 119 unit.

E. Nilai Kesalahan Peramalan
Dalam melakukan peramalan, hasil peramalan yang kita peroleh tidak mungkin benar-benar tepat. Selisih yang terjadi antara nilai peramalan dengan nilai yang sesungguhnya dapat kita sebut sebagai error (kesalahan). Melalui nilai kesalahan ini dapat kita lakukan beberapa analisa sehingga kita dapat membandingkan metode peramalan mana yang paling sesuai dengan data yang kita miliki serta seberapa baik metode yang digunakan tersebut. Hal ini dapat diketahui dari perbandingan antara nilai-nilai kesalahan yang dihasilkan oleh masing-masing metode. Metode yang terbaik / paling sesuai dengan data kita akan memiliki nilai kesalahan peramalan yang paling kecil. Secara umum perhitungan kesalahan peramalan dapat dijabarkan sebagai berikut:

et = dt – d’t

dimana :
et = kesalahan pada periode ke-i
dt = nilai sesungguhnya pada periode ke-i
d’t = nilai hasil peramalan pada periode ke-i

Jumlah kesalahan peramalan bukan merupakan suatu ukuran yang tepat untuk menentukan seberapa efektif metode peramalan yang digunakan tetapi hanya merupakan ukuran bias atau selisih bias yang dihasilkan. Jumlah kesalahan yang dihasilkan akan mendekati nilai nol pada metode-metode peramalan regresi. Untuk menghindari masalah dimana nilai kesalahan peramalan positif menetralkan nilai kesalahan peramalan negatif maka beberapa alternatif metode kesalahan peramalan yang banyak digunakan adalah sebagai berikut :

1. Mean Absolute Deviation (MAD):


2. Mean Square Error (MSE):



3. Mean Absolute Percent Error (MAP):



4. Standard Error (SE):



f = 1  Metoda Konstan
f = 2  Metoda Linier
f = 3  Metoda Siklus


Tabel 6. Perhitungan kesalahan peramalan
(contoh perhitungan data peramalan siklus)







MAD = 91







MSE = 9.955,8







MAP = 74,8




Untuk peramalan siklus, maka diperoleh rumus :


Sehingga :


SE = 30,825