Peramalan (forecasting) adalah seni dan ilmu
untuk memperikirakan kejadian di masa depan dengan dilakukan dengan melibatkan
pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan
suatu bentuk model yang matematis, dan bisa juga dalam bentuk prediksi intuisi
yang bersifat subjektif. Ataupun bisa juga dengan menggunakan kombinasi model
matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer.
Peramalan biasanya dapat diklasifikasikan berdasarkan horizon waktu masa depan
yang dicakupnya. Terbagi atas beberapa kategori antara lain :
1.
Peramalan jangka pendek
Peramalan ini mancakup jangka waktu hingga 1 tahun tetapi umumnya kurang dari 3
bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja,
penjualan, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.
2.
Peramalan jangka menengah
Peramalan ini umumnya mencakup hitungan bulanan hingga waktu 3 tahun. Peramalan
ini untuk merencanakan penjualan, perencanaan dan anggaran produksi,
anggaran kas, dan menganalisis bermacam-macam rencana operasi.
3.
Peramalan jangka panjang.
Umumnya untuk
waktu perencanaan masa 3 tahun atau lebih. Permalan jangka panjang digunakan
untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan
fasilitas, serta penelitian dan pengembangan (litbang).
Selain
berdasarkan horizon waktu, peramalan juga dapat diklasifikasi berdasarkan aspek
strategis dalam perencanaan operasi di masa depan. Tipe ramalan tersebut antara
lain :
1.
Peramalan ekonomi (economic forecast)
Peramalan
ekonomi mengenai siklus bisnis dengan memprediksikan tingkat inflasi,
ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan
indicator perencanaan lainnya.
2.
Peramalan teknologi (technological forecast)
Peramalan ekonomi memperhatikan tingkat kemajuan teknologi yang dapat
meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan
baru.
3.
Peramalan permintaan (demand forecast)
Proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini
disebut juga Peramalan Penjualan yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan
sumber daya manusia.
B. Kepentingan Strategis Peramalan
Peramalan
yang baik sangat penting dalam semua aspek bisnis, karena permalan merupakan
satu-satunya prediksi atas permintaan hingga permintaan yang sebenarnya
diketahui. Peramalan permintaan mengendalikan keputusan di banyak bidang atau
aktivitas, antara lain :
1.
Sumber Daya Manusia.
Memperkerjakan, melatih, dan
memberhentikan pekerja, semuanya bergantung pada permintaan. Jika departemen
sumber daya manusia harus memperkerjakan pekerja tambahan tanpa adanya
persiapan, akibatnya kualitas pelatihan menurun dan kualitas pekerja juga ikut
mengalami penurunan.
2. Kapasitas.
Saat kapassitas
tidak mencukupi, kekurangan yang diakibatkannya bisa berarti tidak terjaminnya
pengiriman, kehilangan konsumen, dan kehilangan pangsa pasar.
3.
Manajemen Rantai Pasokan.
Hubungan yang
baik dengan pemasok, dan harga barang serta komponen yang bersaing, salah
satunya dipengaruhi oleh keakuratan peramalan (forecasting) yang dilakukan oleh
pihak manajemen.
Esensi dari
peramalan adalah perkiraan peristiwa-peristiwa di waktu yang akan datang atas
dasar pola-pola di waktu yang lalu dan penggunaan kebijakan terhadap
proyeksi-proyeksi dengan pola-pola yang terdapat pada waktu yang lalu.
Peramalan memerlukan kebijakan, sedangkan proyeksi-proyeksi merupakan bagian
dari fungsi-fungsi mekanikal.
Proses
peramalan terdiri dari beberapa langkah, antara lain :
a.
Menetapkan tujuan peramalan.
b.
Memilih unsur apa yang akan diramal.
c.
Menentukan horizon waktu peramalan.
d.
Memilih tipe model peramalan.
e.
Mengumpulkan data yang diperlukan untuk melakukan peramalan.
f.
Membuat peramalan.
g.
Memvalidasi dan menerapkan hasil peramalan.
Terlepas
dari suatu sistem permalan yang digunkan, setiap perusahaan atau entitas usaha
menghadapi beberapa kenyataan, antara lain :
•
Peramalan yang dilakukan tidak ada yang 100% akurat, dan terdapat standar
deviasi pada masing-masing teknik dan atau pendekatan yang dilakukan.
•
Hampir semua peramalan mengasumsikan bahwa sistem akan tetap stabil.
•
Baik peramalan kelompok produk mapun peramalan secara keseluruhan lebih akurat
daripada peramalan produk individu.
D. Pendekatan Dalam Teknik Peramalan
Terdapat
dua pendekatan umum peramalan, sebagaimana ada dua acara mengatasi semua model
keputusan, yaitu :
a)
Peramalan kualitatif (Qualitative Forecast), adalah pendekatan menggunkan model
matematis yang beragam dengan data masa lalu dan variable sebab-akibat untuk
meramalkan permintaan atau penjualan. Beberapa teknik yang biasa digunakan
antara lain adalah :
•
Metode Delphi, dimana pengambil keputusan terdiri dari 10 orang pakar yang akan
melakukan peramalan, dengan menggunakan responden yang berbeda dimana penilaian
dilakukan, dan kelompok ini juga memberikan input pada pengambilan keputusan
sebelum peramlan dibuat.
•
Keputusan dari pendapat juri eksekutif, dalam metode ini pendapat sekumpulan
kecil manajer atau pakar tingkat tinggi, sering dikombinasikan dengan model
statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok.
•
Gabungan dari tenaga penjualan, dalam pendekatan ini setiap tenaga penjualan
memperkirakan berapa penjualan yang bisa dilakukan dalam wilayahnya.
•
Survei pasar konsumen, metode ini meminta input dari konsumen mengenai rencana
pembelian mereka di masa yang akan datang.
b)
Peramalan kuantitatif (Quantitative Forecast), adalah pendekatan yang
menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem
nilai pengambil keputusan untuk meramal. Lima metode yang dapat digunakan
antara lain adalah :
i.
Time series model :
•
Rata-rata Bergerak (Moving Average), menggunakan sejumlah data aktual masa lalu
untuk menghasilkan peramalan.
•
Penghalusan Eksponensial, merupakan metode peramalan rata-rata bergerak dengan
pembobotan yang telah dikembangkan lebih lanjut, namun masih bisa digunakan.
•
Pendekatan Naif, adalah teknik peramalan yang mengasumsikan permintaan di
periode mendatang sama dengan permintaan terkini.
•
Proyeksi Tren, adalah metode peramalan time-series yang menyesuaikan sebuah
garis tren pada sekumpulan data masa lalu, dan kemudian diproyeksikan untuk
meramalkan masa depan, dan dapat menggunakan tren matematis (seperti
eksponensial dan atau kuadratis).
ii.
Associative model :
•
Kuadrat Terkecil (Least Square Method), pendekatan ini menghasilkan sebuah
garis lurus yang meminimalkan jumlah kuadrat dari deviasi vertikal garis pada
setiap hasil pengamatan aktual.
E Menghitung Kesalahan Peramalan
Terdapat
beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan
(forecast error) total. Perhitungan ini dapat digunkan untuk membandingkan
model peramalan yang berbeda, juga untuk mengawasi peramalan, dan untuk
memastikan peramalan berjalan dengan baik. Tiga dari perhitungan tersebut
antara lain adalah :
a)
Mean Absolute Deviation (MAD), dimana nilai kesalahan dihitung dengan mengambil
jumlah nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah periode
data.
b)
Mean Squared Error (MSE), dimana nilai kesalahan dihitung dengan menggunakan
rata-rata selisih kuadrat antara nilai yang diramalkan dan diamati.
c)
Mean Absolute Percent Error (MAPE), dimana kesalahan dihitung dengan
menggunakan rata-rata diferensiasi absolut antara nilai yang diramal dengan
nilai aktual, dan dinyatakan sebagai persentase nilai aktual.
CONTOH SOAL
Rencana Penjualan = 59900 unit
Rencana Persediaan akhir =6500 unit
Rencana persediaan awal = 6000 unit
Rencana produksi =59900+6500-6000 =
60400
Rencana Produksi Konstan =
60400/6= 1066.6667
|
 |
yohana
Silvia
K.2012.1.31942
