A. PENGERTIAN dan RUANG LINGKUP

Peramalan (Forecasting) adalah upaya untuk memprediksi kejadian dimasa akan datang. Beberapa pendapat ada yang membedakan antara Forecasting (Pengolahan data masa lalu dengan metoda matematika untuk memperkirakan/memprediksi keadaan dimasa depan) dengan Prediction (Pengolahan data masa lalu dengan menggunakan pengetahuan subjektif atau pengalaman untuk memperkirakan/ memprediksi keadaan dimasa depan).

Pada umumnya ada 3 jenis peramalan, yaitu :

  1. Peramalan Ekonomi, berkaitan dengan siklus bisnis dengan memprediksi tingkat inflasi, suplai uang dan indikator ekonomi dan keuangan lainnya
  2. Peramalan Teknologi, berkaitan dengan tingkat kemajuan teknologi yang akan melahirkan peralatan atau produk baru
  3. Peramalan Permintaan berkaitan dengan permintaan produk.

Peramalan permintaan dapat diklasifikasi berdasarkan jangka waktu dengan penggunaan dan metoda yang berbeda (tabel II-1)

Jenis Peramalan Periode Penggunaan Metoda
Jangka Panjang 5 tahun atau lebih Perencaaan Bisnis

- Perenc. Produk

- Perenc. Modal

- Penetapan Lokasi

- Teknologi

- Ekonomi

- Demografi

- Studi Pasar

- Judgment

Jangka Menengah 1 – 2 tahun /musim Perencanaan Agregat

- Modal dan Dana tunai

- Penjualan

- Produksi

- Persediaan

- Opini kelompok

- Time Series

-  Regresi

- Korelasi Index Ekonomi

Jangka Pendek < 1 musim, harian sampai dengan 1 tahun Pengendalian

- Penyesuaian tingkat

Produksi, TK

- Pembelian

- Penugasan

-   Trend Extrapolasi

-  Grafis

-  Penghalusan

Exponential

-   Rata-rata bergerak

B. PENDEKATAN dan METODA PERAMALAN PERMINTAAN

1.    Pendekatan Kuantitatif

Penggunaan data masa lalu untuk memperkirakan permintaan dimasa yang akan datang (model seri waktu)

a.    Rata-rata Bergerak (moving average) digunakan apabila pola permintaan masa lalu diasumsikan relatif stabil sepanjang waktu

b.    Penghalusan Eksponential (Exponential smoothing) digunakan apabila data masa lalu sangat sedikit. Metoda ini sangat efisien digunakan dengan menggunakan alat bantu komputer.

c.    Proyeksi trend (Trend projection) digunakan apabila pola permintaan masa yang akan datang dipengaruhi oleh pertumbuhan (Trend), musim Seasonal), siklus (Cyclical) dan komponen lain (Irreguler component)

Penggunaan hubungan tingkat kebutuhan dengan variabel/faktor dominan yang mempengaruhi kebutuhan (model Kausal).

a.    Regresi

b.    Korelasi

2.    Pendekatan Kualitatif

Penggunaan pengetahuan subjektif atau pengalaman dari berbagai pihak yang memiliki kepentingan terhadap permintaan

a.    Opini Eksekutif dan/atau Armada Penjualan

b.    Metoda Delphi, menggunakan pendapat dari pengambil keputusan (umumnya terdiri dari 5-10 tenaga ahli), staf dan responden

c.    Survei Pasar

d.    Pendekatan Naif, mengasumsikan perkiraan permintaan masa yang akan datang sama dengan permintaan periode sebelumnya.

C. RATA-RATA BERGERAK

1.    Rata-Rata bergerak Sederhana

Keterangan :

: Rata-rata bergerak sederhana pada akhir periode t untuk memprediksi kebutuhan t+1

: Permintaan nyata pada perioda i

N             : Jumlah perioda untuk perhitungan rata-rata bergerak

Bulan Perkiraan Kebutuhan Kebutuhan Nyata
Januari 10
Februari 12
Maret 13
April (10+12+13) /3 = 11 2/3 16
Mei (12+13+16) /3 = 13 2/3 19

2.    Rata-Rata bergerak Tertimbang

Keterangan :

: Rata-rata bergerak sederhana pada akhir periode t untuk memprediksi kebutuhan t+1

: Permintaan nyata pada perioda i

:  Bobot permintaan nyata perioda i

W            : Jumlah bobot

Apabila contoh lalu, bobot permintaan nyata 3 bulan lalu adalah 3, bobot permintaan nyata 2 bulan lalu adalah 2 dan bobot permintaan nyata 1 bulan lalu adalah 1, maka perkiraan kebutuhan adalah sebagai berikut :

Bulan Perkiraan Kebutuhan Kebutuhan Nyata
Januari 10
Februari 12
Maret 13
April (10.3+12.2+13.1) /6 = 12 1/6 16
Mei (12.3+13.2+16.1) /6 = 14 1/3 19

D. PENGHALUSAN EKSPONENSIAL

Keterangan :

:     Estimasi permintaan periode t

:     Estimasi permintaan periode t-1

:     Konstanta Penghalusan

:     Permintaan nyata periode t-1

Bulan Perkiraan Kebutuhan Kebutuhan Nyata
Januari 175 175 180
Februari 175+0.1(180-175) = 175.5 dibulatkan 176 175+0.5(180-175) = 177.5 dibulatkan 178 168
Maret 175.5+0.1(168-175.5)= 174.75 dibulatkan 175 177.5+0.5(168-177.5)= 172.75 dibulatkan 173

E. TREND

Estimamsi permintaan dipengaruhi oleh faktor pertumbuhan (T), musim (S), sikulus bisnis (C) serta faktor lain yang tidak terdeteksi (I). Keempat pengaruh tersebut dapat berinteraksi dalam bentuk penjumlahan atau perkalian seperti dtunjukkan dalam rumus berikut

Apabila t adalah periode dan Y (t) adalah permintaan nyata pada periode t, maka permintaan tersebut dapat dirumuskan sebagai

(trend linier)

Tahun t Y (t) t Y (t) t2
1992 0 3.179 0 0
1993 1 9.311 9.311 1
1994 2 14.809 29.618 4
1995 3 12.257 36.771 9
1996 4 10.238 40.952 16
1997 5 11.143 55.715 25
1998 6 23.732 142.392 36
1999 7 23.986 167.902 49
2000 8 18.164 145.312 64
2001 9 26.770 240.030 81
2002 10 28.464 284.640 100
2003 11 37.061 407.671 121
66 219.014 1.560.314 506

Sehingga Estimasi permintaan dapat dirumuskan menjadi

Apabila Trend dipengaruhi oleh Musim, maka Trend harus dihitung dengan mengeliminir pengaruh musim tersebut dengan cara mencari permintaan pada setiap musim.

Bulan 2002 2003 2004 Rata-rata t t Y(t) t2
Januari 8.716 13.290 12.888 11.631.33 -11 -127.944.63 121
Februari 9.125 13.176 12.472 11.519.00 -9 -104.319.00 81
Maret 9.081 11.788 12.055 10.974.67 -7 -76.822.69 49
April 8.293 9.947 10.996 9.745.33 -5 -48.726.65 25
Mei 7.804 10.191 11.967 9.987.33 -3 -29.961.99 9
Juni 8.529 10.670 12.407 10.535.33 -1 -10.535.33 1
Juli 9.380 11.100 12.878 11.119.33 1 11.119.33 1
Agustus 9.735 12.108 12.990 11.611.00 3 34.833.00 9
September 10.212 12.489 12.780 11.827.00 5 59.135.00 25
Oktober 10.591 12.682 13.210 12.161.00 7 85.127.00 49
November 12.191 12.858 14.833 13.294.00 9 119.646.00 81
Desember 12.755 12.819 15.761 13.778.43 11 151.561.63 121
Jumlah 0 63.111.67 0

Dengan menggunakan hasil perhitungan b tersebut, maka dapat dihitung trend (asumsikan Januari sebagai basis) tanpa dipengaruhi oleh musim, variasi musim dan Indeks musim sebagai berikut :

Bulan Rata-rata T Trend Vm Indeks musim
Januari 11.631.33 -11 0 11.631.33 1.128421
Februari 11.519.00 -9 220,6702 11.370.33 1.103100
Maret 10.974.67 -7 441,3404 10.533.33 1.021897
April 9.745.33 -5 662,0106 9.083.32 0.881224
Mei 9.987.33 -3 882,6808 9.104.65 0.883293
Juni 10.535.33 -1 1.103,3510 9.431.98 0.915049
Juli 11.119.33 1 1.324,0212 9.795.31 0.950298
Agustus 11.611.00 3 1.544,6914 10.066.31 0.976598
September 11.827.00 5 1.765,3616 10.061.64 0.976136
Oktober 12.161.00 7 1.968,0318 10.174.97 0.987131
November 13.294.00 9 2.206,7020 11.087.30 1.075641
Desember 13.778.43 11 2.424,3722 11.350.96 1.101220
Jumlah 0 123.691.43
Indeks Musim rata-rata 10.307,619

F. REGRESI

Apabila Yi adalah permintaan pada periode i yang dipengaruhi oleh Variabel berpengaruh Xi sehingga terdapat hubungan Yi = a + b Xi maka dapat dicari pola hubungan tersebut dengan menetapkan parameter a dan b dengan rumus sebagai berikut :

Tahun Jumlah Penerimaan (Y) dalam Milyar rupaih Penumpang yang tidak punya kendaraan (X) dalam ribuan X2 XY
2001 5.5 77 5.929 423.5
2001 5.1 75 5.625 382.5
2002 4.7 72 5.184 338.4
2003 4.8 73 5.329 350.4
2004 4.6 71 5.041 326.6
27.108 1.821.4

Sehingga persamaan regresi menjadi

Y = -6.10 + 0.15 X

G. REFERENSI

1.     Adam E Everett., Ebert Ronald., Production and Operations Management., Prentice Hall.,1989

2.     Dervitsiotis N Kostas., Operation Management.,Mc Graw Hill., 1981

3.     Dilworth., James., Production and Operation Management., Random house., edisi ketiga.,1986

4.     Render Barry., Heizer Jay., Prinsip Prinsip Manajemen Operasi., Salemba empat., 2001

Schrode William., Voich dan JR., Organization and Management- Basic System concepts., Irwin Books

About these ads