Manajemen Industri Metode Peramalan (Forecasting)
Oleh: Yudha Pratama 11/313064/TK/37777
Jurusan Teknik Elektro dan Teknologi Informasi Fakultas Teknik Universitas Gadjah Mada 2013
Definisi Forecasting (Peramalan) Forecasting atau dalam bahasa Indonesia disebut peramalan adalah sebuah analisa untuk memperkirakan masa depan dengan metode-metode tertentu dan mempertimbangkan segala aspek aspek yang mungkin akan berpengaruh pada hal yang akan diperkirakan. Forecasting ini adalah sebuah peramalan dengan memperhatikan kejadian kejadian masa lalu. Pada forecasting bersifat menyeluruh dan berkaitan dengan apa yang terjadi dengan masa depan. Tetapi tentunya dengan metode ini masa depan bukan berarti dapat sesuai dengan kemauan. Karena masa depan ini tidak dipengaruhi oleh siapapun. Dengan metode ini kita hanya dapat meramalkannya saja. Metode forecasting yang ada di era sekarang sudah dapat memprediksikan hal yang paling mungkin di masa mendatang. Bahkan metode peramalan sudah digunakan di bidang ekonimi, bisnis, ilmu pengatahuan dan penelitian penelitian. Misalnya saja bagi seorang yang bergerak di bidang bisnis kertas. Tentunya akan dapat meramalkan bahwa mungkin 10 tahun kedepan eranya sudah bukan pada era dimana kertas digunakan setiap harinya. 10 tahun mendatang bisa saja penggunaan kertas menurun drastis dengan datangnya era digital. Dimana informasi dapat diperoleh dengan satu sentuhan saja, dimana koran sudah dapat diperoleh sejara online dan dimana kampus kampus sudah menerapkan penggunaan kertas seminimal mungkin. Tentunya dengan metode forecasting ini pebisnis akan mencari bagaimana cara lain agar tetap berproduksi dan berkembang. Dalam bidang penelitian metode ini dapat juga digunakan. Seorang peneliti dalam mengambil keputusan tentunya akan mencari data dari masa lalu kemudian digunakan untuk meramal/memprediksikan apa yang akan dibuat dan yang akan terjadi di masa depan. Dari metode inilah kemungkinan kesalahan yang akan datang dapat diminimalkan/dikurangi. Pada peramalan yang baik dan sesuai prosedur tentunya akan melibatkan hal hal seperti keakuratan, biaya dan sederhana. Keakuratan disini sangat penting dikarenakan apabila keakuratan terlalu rendah nantinya akan nada kekurangan persediaan, back order, kehilangan penjualan, atau kehilangan pelanggan. Biaya sangat penting untuk pengembangan peramalan. Semakin besar biaya maka peramalan akan semakin akurat. Sedangkan untuk sederhana maksudnya jika metode peramalan adalah metode yang sederhana maka dalam melakukan analisis akan lebih mudah jika dibandingkan dengan metode yang rumit. Prinsip yang dipertimbangkan dalam peramalan adalah peramalan dalam jangka pendek harus lebih akurat daripada jangka panjang dan juga peramalan menggunakan tolak ukur kesalahan pada masa lalu Dua hal yang perlu diperhatikan agar peramalan menjadi lebih bermanfaat dan akurat adalah sebagai berikut
Pengumpulan data berupa informasi yang benar dan tepat sehingga dapat menghasilkan peramalan yang akurat.
Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.
Terdapat dua pendekatan untuk melakukan metode forecasting yaitu dengan metode kualitatif dan metode kuantitatif. Metode peramalan kualitatif digunakan ketika data masa lalu tidak tersedia. Metode peramalan kualitatif adalah metode subyektif (intuitif). Sedangkan metode kuantitatif ini didasarkan pada informasi yang ada pada masa lalu. Dengan informasi yang tersedia dari data kuantitatif tentunya akan menambah keakuratan dari hasil peramalan.
Metode Forecasting 1. Metode Kualitatif Metode ini digunakan pada saat tidak adanya pemodelan matematika, hal ini terjadi karena tidak ada data masa lalu yang bersifat matematis. Peramalan ini biasanya jangka panjang. Lalu model dari peramalan ini adalah dengan pendapat pendapat orang yang sudah ahli pada bidangnya. Sehingga peramalan ini sangat subjektif, bergantung dengan orang yang berpendapat. Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat murah (tanpa data) dan cepat diperoleh. Sedangkan untuk kekurangannya adalah bersifat subyektif dan dalam pelaksanaannya dapat terjadi perbedaan pendapat. Adapun metode yang termasuk ke dalam peramalan kualitatif adalah sebagai berikut
Juri dari Opini Eksekutif Pada metode ini peramalan dilakukan dengan mengambil pendapat pendapat dari manager manager yang ada pada perusahaan (manager pemasaran, produksi, teknik, logistic dan keuangan). Dari pendapat inilah dapat diramalkan kebutuhan masa depannya.
Gabungan Tenaga Penjualan Metode peramalan ini didasarkan atas penjualan pada daerahnya. Kemudian digabung ke peramalan yang mempuanyai cakupan besar misalnya kabupaten. Dari peramalan kabupaten digabung menjadi peramalan provinsi. Kemudian peramalan provinsi digabung ke nasional. Hasilnya adalah peramalan dengan level nasional.
Metode Delphi Dalam metode ini kuesioner disebarkan kepada responden, dari jawaban yang ada inilah dapat dilakukan peramalan. 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 sehingga hasil peramalan diharapkan mendekati kenyataannya.
Survai Pasar (market survey) Masukan diperoleh dari konsumen terhadap rencana pembelian pada periode yang diamati. Survey dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung. Perbedaannya dengan metode Delphi adalah kuesioner yang diberikan adalah kepada konsumen langsung. Bukan secara acak.
2. Metode Kuantitatif Metode kuantitatif adalah salah satu metode peramalan dengan melihat data data yang ada pada masa lalu. Semakin akurat data masa lalu tentunya akan berpengaruh dengan hasil peramalan. Metode kuantitatif terbagi dalam beberapa model, seperti metode deret berkala (time series) dan dan metode kausal. Pemilihan sub metode kuantitatif juga akan mempengaruhi hasil peramalan. Oleh karenanya dalam pemilihan metode harus dilakukan secara cermat dan mungkin membandingkan hasil antar metode untuk melihat hasil secara keseluruhan peramalan. Selanjutnya akan dibahas pola dari metode deret berkala. Ada 4 pola dalam metode deret berkala, yaitu 1. Pola Horizontal Pola ini terjadi bila data berfluktuasi di sekitar rata-ratanya. Produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu. Produk ini hanya akan naik turun tidak konstan selama beberapa periodenya. Struktur datanya dapat digambarkan sebagai berikut ini.
2. Pola Musiman
Pola musiman terjadi bila nilai data dipengaruhi oleh faktor musiman. Pola ini akan berulang selama satu periode. Satu periode bias satu bulan 6 bulan atau beberapa tahun. Struktur datanya dapat digambarkan sebagai berikut ini.
Pola data seperti ini memiliki ciri-ciri: Data sampel dipengaruhi oleh musim atau waktu berkala Berulang secara periodis dengan jangka waktu yang hampir sama tiap tahunnya Paling bagus untuk digunakan dalam peramalan untuk waktu jangka pendek Contohnya saja pada penjualan buah durian. Pada saat masa masa panen tentunya penjualan akan melonjak tinggi. Sedangkan pada saat hari hari biasa maka tidak akan seramai pada saat musim panen. 3. 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.
Ciri ciri dari pola siklis ini adalah
Sampel berulang secara periodis Pola terjadi pada data yang cenderung naik, atau cenderung turun Bagus untuk peramalan jangka menengah
Contoh: Penjualan Komputer Komputer di Indonesia merupakan barang mewah dan banyak peminantnya. Akan tetapi harga computer ini dipengaruhi fluktuasi nilai dolar yang ada pada masyarakat. Saat nilai dolar menurun mala tentunya penjualan komputer menurun dan akan naik kembali saat nilai dolar menguat. Seperti pada saat era Indonesia mengalami krisis dimana nilai dolar rendah maka tentunya akan menurun. Kemudian setelah beberapa tahun kemudian dolar mengalami penguatan maka aka nada penaikan penjualan computer. 4. Pola Trend Pola Trend terjadi bila ada kenaikan atau penurunan sekuler jangka panjang dalam data Apabila rata-rata data menunjukkan peningkatan, maka disebut trend positf. Sebaliknya, bila rata-rata menunjukkan penurunan, maka disebut trend negatif. Ciricirinya: Memiliki kecenderungan untuk naik terus, atau turun terus Bagus untuk peramalan jangka panjang Struktur datanya dapat digambarkan sebagai berikut.
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). Adapun untuk ketiga metode ini akan kita bahas satu persatu. 1. Weight Moving Averages (WMA)
Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata bergerak terdapat dua jenis, ratarata bergerak tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Metode rata rata bobot bergerak ini tidak cocok digunakan pada pola musiman, karena tidak stabil. Rumus rata-rata bobot bergerak yaitu sebagai berikut. t N 1
ΣXi
Ft+1 =
i t
N
Xt Xt 1 ... Xt N 1 N
Dimana : Xt = data pengamatan periode t N = jumlah deret waktu yang digunakan Ft+1 = nilai prakiraan periode t + 1 Tabel 6.1 memberikan contoh perhitungan peramalan menggunakan metode rata-rata bergerak sederhana dengan deret waktu (N) 3 periode dan 5 periode. Prakiraan dengan Metode Rata-Rata Bergerak Sederhana Periode Nilai pengamatan Nilai peramalan (F) (t) (Xt) (N = 3) (N = 5) 1 41 2 40 3 42 4 43 41,0 5 41 41,7 6 42 42,0 41,4 7 41 42,0 41,6 8 40 41,3 41,8 9 43 41,0 41,4 10 42 41,3 41,4 11 41,7 41,6
Untuk N = 3 N=5
F11 = (40 + 43 + 42) / 3 = 41,7 F11 = (42 + 41 + 40 + 43 + 42) / 5 = 41,6
2. Single Exponential Smoothing (SES)
Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya menggunakan model pemulusan eksponensial (Exponential Smoothing Models). MetodeSingle Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut.
Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat. Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1. Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1. Pola historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu ke waktu, α yang dipilih adalah yang nilainya mendekati nol. 3. Regresi Linier Model analisis Regresi Linier adalah suatu metode populer untuk berbagai macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus perhitungan Regresi Linier yaitu sebagai berikut.
Keterangan: Y = hasil peramalan n = periode a = perpotongan dengan sumbu tegak b = menyatakan slope atau kemiringan garis regresi contohnya Jumlah Uang beredar di Indonesia dan Harga Eceran di Pasar Bebas Jakarta,
Periode 1981 – 1990 Tahun 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 Jumlah
x 6,5 7,1 7,6 8,6 10,1 11,7 12,7 14,4 20,1 23,8 122,6
y 169 181 211 230 228 258 288 387 404 430 2.786
XY 1.098,5 1.285,1 1.603,6 1.978,0 2.302,8 3.018,6 3.657,6 5.572,8 8.120,4 10.234,0 38.871,4
X2 42,25 50,41 57,76 73,96 102,01 136,89 161,29 207,36 404,01 566,44 1.802,38
Y2 28.561 32.761 44.521 52.900 51.984 66.564 82.944 149.769 163.216 184.900 858.120
Keterangan : X = Jumlah uang beredar di Indonesia (triliun rupiah) Y = Harga eceran beras di pasar bebas Jakarta (rupiah/liter) Nilai a dan b dapat dicari sebagai berikut. (10 ) (38 .871,3) (122 ,6) (2.786 ) 15,75 b= (10 ) (1.802 ,38 ) (122 ,6) 2
a=
2.786 (15,57) (122,6) 85,50 10
Hasil persamaan regresinya: Ŷ = 85,50 + 15,75 X Dari model yang diperoleh, dapat diprakirakan secara kasar perubahan harga eceran beras apabila terjadi perubahan jumlah uang beredar, misalnya jika: X = 25,0 maka Ŷ = 85,50 + 15,75 (25) = 479,25 X = 26,0 maka Ŷ = 85,50 + 15,75 (26) = 495,0
Prosedur Peramalan Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah: 1. Definisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. 2. Buatlah diagram pencar (Plot Data) Misalnya memplot permintaan dengan waktu, dimana permintaan sebagai ordinat (Y) dan waktu sebagai axis (X).
3. Memilih model peramalan yang tepat Pemilihan model peramalan didasarkan pada data yang ada,dari data tersebut dapat dipilih model peramalan yang diperkirakan dapat mewakili data tersebut. Ada baiknya untuk memilih beberpaa model untuk perbandingan peramalan, agar hasil peramalan akurat. 4. Lakukan Peramalan Melakukan peramalan dengan metode yang sudah dipilih. 5. Hitung kesalahan ramalan (forecast error) Keakuratan hasil peramalan merupakan perbandingan hasil peramalan dengan apa yang terjadi sesungguhnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan dinamakan “kesalahan ramalan (forecast error)” atau dapat dinyatakan dalam : et = N(t) – N’(t) Dimana : N(t) = Nilai data aktual pada periode t N’(t) = Nilai hasil peramalan pada periode t t
= Periode peramalan
Maka diperoleh Jumlah Kuadrat Kesalahan yang disingkat SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated) SSE = e(t)2 = [N(t)-N’(t)]2 ∑ √
( )
( )
6. Pilih Metode Peramalan dengan kesalahan yang terkecil. Jika dari beberapa metode sudah dilakukan. Hasil dari error diilih dengan error terkecil. Jika saja semua metode yang digunakan memiliki eror yang kecil maka dapat dipilih sembarang metode yang digunakan. 7. Lakukan Verifikasi Verifikasi ini digunakan untuk meneliti kembali apakah peramalan sudah menggunakan data yang ada. Dan sesuai dengan pola yang digunakan.
Daftar Pustaka
Anonim. 2011.[online]. Peramalan permintaan barang manajemen. Tersedia http://go-phelz.blogspot.com/2011/01/peramalan-permintaan-barang-manajemen.html (7 Oktober 2013) Anonim. 2012.[online]. Forecasting peramalan. tersedia http://fariedpradhana.wordpress.com/2012/06/28/forecasting-peramalan/ (7 Oktober 2013) Muasmochtar. 2011.[online]. Bab VI Peramalan. Tersedia http://lecturer.poliupg.ac.id/muasmuchtar/Materi/ (7 Oktober 2013)
