KATA PENGANTAR
Assalamu’alaikum warahmatullahi
wabarokatuh ...
Puji syukur penyusun panjatkan ke hadirat Allah Subhanahu wata΄ala, karena
berkat rahmat-Nya Kami bisa menyelesaikan tugas Makalah mata kuliah Pendidikan
Pancasila yang berjudul Peramalan.Makalah
ini diajukan guna memenuhi tugas mata kuliah Manajemen
Operasional.
Kami mengucapkan terima kasih kepada semua pihak yang telah membantu sehingga
makalah ini dapat diselesaikan tepat pada waktunya.Makalah ini masih jauh dari
sempurna, oleh karena itu Kami mengharapkan kritik dan saran yang bersifat
membangun demi kesempurnaan makalah ini.
Semoga
makalah ini memberikan informasi bagi pembaca, mahasiswa dan bermanfaat untuk
pengembangan wawasan dan peningkatan ilmu pengetahuan bagi kita semua.
Wassalamu’alaikum
warahmatullahi wabarokatuh ...
Penyusun
5 November 2016
DAFTAR
ISI
Kata Pengantar...............................................................................................................................
Daftar Isi........................................................................................................................................
BAB I............................................................................................................................................ 3
Pendahuluan.................................................................................................................................. 3
BAB II........................................................................................................................................... 4
Pembahasan................................................................................................................................... 4
I.
Pengertian Ramalan.............................................................................................................. 4
II.
Manfaat Ramalan Permintaan............................................................................................... 4
III.
Peramalan
Berdasarkan Urusan Waktu............................................................................... 4
IV.
Pengaruh
Daur Hidup Produk............................................................................................. 5
V.
Jenis-Jenis Peramalan........................................................................................................... 5
VI.
Pendekatan Dalam Peramalan............................................................................................. 5
VII.
Peramalan Berdasarkan Metode.......................................................................................... 6
VIII.
Ramalan Serial Waktu.......................................................................................................... 7
IX.
Metode Rata – Rata Bergerak............................................................................................. 9
X.
Proyeksi Tren....................................................................................................................... 10
Kesimpulan................................................................................................................................... 11
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Peramalan
(forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan.
Hal ini dapatdilakukan dengan melibatkan pengambilan data historisdan
memproyeksikannya ke masa mendatang dengan suatu bentuk model matematis. Hal
ini bisa juga merupakan prediksi intuisi yang bersifatsubjektif. Hal inipun
dapat dilakukan dengan menggunakan kombinasi model matematis yang disesuaikan
dengan pertimbangan yang baik dari seorang manajer.
Sesuatu yang
berjalan dengan baik di suatu perusahaan pada suatu set kondisi tertentu
mungkin bisa menjadi bencana bagi organisasi lain, bahkan pada departemenyang
berbeda di perusahaan yang sama. Selain itu, anda akan melihat keterbatasan
dari apa yang dapat anda harapkan dari suatu peramalan. Peramalan sangat jarang
memberikan hasil yang sempurna. Peramalan juga menghabiskan banyak biaya dan waktu dan waktu untuk
dipersiapkan dan diawasi.
Hanya
sedikit bisnis yang dapat menghindari proses peramalan dan hanya menunggu apa
yang terjadi untuk kemudian mengambil kesempatan. Perencanaan yang efektif baik
untuk jangka panjang maupun pendek bergantung pada peramalan permintaan untuk
produk perusahaan tersebut.
1.2 Tujuan
Pembahasan ini
bertujuan untuk menguraikan , membahas serta menjelaskan tentang hal- hal yang
berhubungan dengan Peramalan Demanad (Forecast Demand), sehingga dapat
dijadikan sebagai salah satu sumber untuk menambah ilmu pengetahuan, dan dapat
dijadikan sebagai sebuah keahlian. Disamping tujuan utama tersebut,
pembahasan ini juga bertujuan untuk memenuhi tuntutan tugas terstruktur yang
diemban kepada pemakalah.
BAB II
PEMBAHASAN
I.
Pengertian
Peramalan
Pengertian peramalan
(forecasting) : adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan
terjadi dengan menggunakan data historis dan memproyeksikannya ke masa depan
dengan beberapa bentuk model matematis.
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.
II.
Manfaat Ramalan Permintaan
Ada
tiga manfaat dari peramalan, yaitu:
1) Menentukan
apa yang dibutuhkan untuk ekspansi pabrik (ramalan jangka panjang).
2)
Menentukan perencanaan lanjutan bagi
produk-produk yang ada untuk dikerjakan dengan fasilitas-fasilitas yang ada
(ramalan fasilitas)
3)
Menentukan penjadwalan jangka pendek
produk-produk yang ada untuk dikerjakan berdasarkan peralatan yang ada (ramalan perencanaan produksi)
III.
Peramalan Berdasarkan Urusan Waktu
1. Peramalan
jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan
untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi),
2. Peramalan
jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk
perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis
berbagai rencana operasi),
3. Peramalan
jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan
produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi
dan penelitian serta pengembangan).
IV.
Pengaruh Daur Hidup Produk
Daur hidup produk adalah perjalanan penjualan dari
suatu produk dalam masa hidupnya. Siklus hidup produk merupakan suatu konsep
penting yang memberikan pemahaman tentang dinamika kompetitif suatu produk.Daur
kehidupan produk dapat dibagi ke dalam empat tahap utama, yaitu :
1.
Pengenalan
2.
Pertumbuhan
3.
Kedewasaaan
4.
Tahap Penurunan
Kombinasi bauran pemasaran biasanya juga akan berubah
sejalan dengan pergeseran tahapan dalam siklus kehidupan produknya. Beberapa
alasan yang mendasari tentang hal ini adalah bahwa sikap dan kebutuhan konsumen
akan mengalami perubahan selama siklus berjalan. Kebijakan produk mungkin saja
diarahkan para target pasar yang berbeda karena perbedaan tahap yang dilalui
juga berbeda, ini berakibat bentuk persaingan juga akan mulai bergeser dari
yang bersifat monopoli menuju pada situasi pasar yang mengarah pada oligopoly.
Dalam kaitannya dengan penjualan produk, perbedaan
dalam siklus juga berarti ada perbedaan dalam orientasi pencapaian target
penjualan produk perusahaan. Pada umumnya target penjualan rendah pada tahap
perkenalan, kemudian meningkat pada tahap kedewasaan dan pada akhirnya menurun.
V.
Jenis-Jenis Peramalan
Pada umumnya ,berbagai organisasi
menggunakan tiga jenis peramalan yang utama dalam perencanaan operasi dimasa
depan.
1. Peramalan ekonomi :
membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan
lainnya,
2. Peramalan
teknologi : berkaitan dengan tingkat kemajuan teknologi dan produk
baru,
3. Peramalan
permintaan : berkaitan dengan proyeksi permintaan terhadap produk
perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan
produksi, kapasitas dan siatem penjadualan perusahaan.
VI.
Pendekatan Dalam Peramalan
Terdapat dua pendekatan umum
untuk peramlan sebagaimanaada dua cara mengatasi semua model keputusan.
Pendekatan yang satu adalah analisis kuantitatif dan pendekatan lain adalah
analisis kualitiatatif. Peramalan kuantitatif (quantitative forecast)
menggunakan model matematis yang beragam dengan data masa lalu dan variabel
sebab akibat untuk meramalkan permintaan. Peramalan subjektif kulitatif
(qualitative forecast) menggabungkan faktor seperti,intuisi,emosi,pengalaman
pribadi,dan sistem nilai pengambil keputusan untuk meramal. Beberapa perusahaan
menggunakan satu pendekatan dan perusahaan lain menggunakan pendekatan yang
lain. Pada kenyataannya,kombinasi dari keduanya merupakan kombinasi yang paling
efektif.
VII.
Peramalan Berdasarkan Metode dibagi menjadi 2 yaitu;
A.
Metode Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu
hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat
menggunakan teknik/metodeperamalan,yaitu
:
1.
Juri dari Opini Eksekutif : metode ini mengambil opini
atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran,
produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan
model-model statistik.
2.
Gabungan Tenaga Penjualan : setiap tenaga penjual
meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat
provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
3.
Metode Delphi
: dalam metode ini serangkaian kuesioner disebarkan kepada responden,
jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya.
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 dan lebih
profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
4.
Survai Pasar (market survey) : Masukan diperoleh dari
konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang
diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.
B.
Metode Kuantitatif
Berikut ini
akan menguraikan lima metode peramlan yang menggunakan data historis. Kelima
metode ini dibagi kedalam dua kategori.
1.
Pendekatan naif
Pendekatan naif
2.
Rata-rata bergerak
3.
Penghalusan eksponensial
4.
Proyeksi tren
5.
Regresi linier
kombinasi pola selalu berulang sepanjang waktu, dan pola dasar dapat diidentifikasi semata-mata atas dasar data historis dari serial itu. Tujuan analisis ini untuk menemukan pola deret variabel yang bersangkutan berdasarkan nilai-nilai variabel pada masa sebelumnya, dan mengekstrapolasikan pola itu untuk membuat peramalan nilai variabel tersebut pada masa datang.
Metode kausal (causal/explanatory
model) mengasumsikan bahwa faktor yang diprakirakan menunjukkan adanya
hubungan sebab akibat dengan satu atau beberapa variabel bebas
(independen).Misalnya, permintaan printer berhubungan dengan jumlah
penjualan komputer, atau jumlah pendapatan berhubungan dengan faktor-faktor,
seperti jumlah penjualan, harga jual, dan tingkat promosi.Kegunaan metode
kausal untuk menemukan bentuk hubungan antara variabel-variabel dan menggunakannya
untuk meramalkan nilai dari variabel tidak bebas (dependen).
VIII.
Ramalan
Serial Waktu
Analisis
serial waktu dimulai dengan memplot data pada suatu skala waktu, mempelajari
plot tersebut, dan akhirnya mencari suatu bentuk atau pola yang konsisten atas
data. Pola dari serangkaian data dalam serial waktu dapat dikelompokkan dalam
pola dasar sebagai berikut
1.
Konstan, yaitu apabila data
berfluktuasi di sekitar rata-rata secara stabil. Polanya berupa garis lurus
horizontal.Pola seperti ini terdapat dalam jangka pendek atau menengah, jarang
sekali suatu variabel memiliki pola konstan dalam jangka panjang.
2. Kecenderungan (trend), yaitu apabila data dalam
jangka panjang mempunyai kecenderungan, baik yang arahnya meningkat dari waktu
ke waktu maupun menurun. Pola ini disebabkan antara lain oleh bertambahnya
populasi, perubahan pendapatan, dan pengaruh budaya.
3. Musiman (seasonal), yaitu apabila polanya merupakan
gerakan yang berulang-ulang secara teratur dalam setiap periode tertentu,
misalnya tahunan, semesteran, kuartalan, bulanan atau mingguan. Pola ini
berhubungan dengan faktor iklim/cuaca atau faktor yang dibuat oleh manusia,
seperti liburan dan hari besar.
4. Siklus (cyclical), yaitu apabila data dipengaruhi
oleh fluktuasi ekonomi jangka panjang, seperti daur hidup bisnis. Perbedaan
utama antara pola musiman dan siklus adalah pola musiman mempunyai panjang
gelombang yang tetap dan terjadi pada jarak waktu yang tetap, sedangkan pola
siklus memiliki durasi yang lebih panjang dan bervariasi dari satu siklus ke
siklus yang lain.
5. Residu atau variasi acak, yaitu merupakan satu
titik khusus dalam data yang disebabkan oleh pekuang dan situasi tidak
lazim,dan data tidak mempunyai pola khusus sehingga tidak dapat diprediksi.
IX.
Metode Rata –
Rata Bergerak
1. Metode Rata-Rata Bergerak Sederhana
(Simple Moving Average)
Metode rata-rata bergerak adalah Teknik yang
merata-ratakan sejumlah nilai aktual terbaru dan memperbaruinya ketika tersedia
nilai baru.
Prakiraan didasarkan pada proyeksi
serial data yang dimuluskan dengan rata-rata bergerak. Satu set data (N periode
terakhir) dicari rata-ratanya, selanjutnya dipakai sebagai prakiraan untuk
periode berikutnya. Istilah rata-rata bergerak digunakan karena setiap diperoleh observasi (data aktual) baru maka
rata-rata yang baru dapat
dihitung dengan mengeluarkan/meninggalkan data periode yang terlama dan
memasukkan data periode yang terbaru/terakhir. Rata-rata yang baru ini kemudian
dipakai sebagai prakiraan untuk periode yang akan datang, dan seterusnya.
Serial data yang digunakan jumlahnya selalu tetap termasuk data periode
terakhir.
Semakin panjang/banyak serial waktu
yang digunakan, grafik prakiraannya akan semakin halus (pengisolasian faktor
random makin halus) tetapi semakin kurang responsif terhadap data aktualnya
.Serial waktu yang digunakan dipilih secara trial and error sampai diperoleh
kesalahan prakiraan yang terkecil. Pengukuran ketelitian prakiraan diterangkan
pada bagian akhir bab ini.
2.
Metode
Rata-Rata Bergerak Tertimbang
Metode rata-rata bergerak sederhana
menggunakan bobot yang sama pada setiap periode. Hal ini menunjukkan bentuk prakiraannya
linier. Dalam banyak hal, periode yang diramalkan (periode t + 1) banyak
memiliki keadaan yang sama dengan periode t dibandingkan periode yang lain,
misalnya t-1 atau t-2. Oleh karena itu, periode terakhir seyogianya mendapat
bobot yang lebih besar dibandingkan dengan periode sebelumnya (di sini
menyiratkan adanya bentuk prakiraan yang non linier).Metode rata-rata
tertimbang dikembangkan untuk dapat memenuhi keinginan itu.
Metode rata-rata bergerak tertimbang
(weighted moving average) juga menggunakan data N periode terakhir
sebagai data historis untuk melakukan prakiraan, tetapi setiap periode mendapat
bobot yang berbeda.
Kelebihan
dari rata-rata tertimbang dibandingkan rata-rata bergerak sederhana adalah
bahwa rata-rata tertimbang lebih reflektif terhadap peristiwa baru. Namun,
pilihan bobot biasanya agak sembarangan dan melibatkan penggunaan uji coba
untuk menemukan skema pembobotan yang sesuai.
Pemulusan Eksponensial (Exponential smoothing) adalah
metode untuk menghitung rata-rata tertimbang yang canggih serta masih relatif
mudah digunakan dan dipahami. Setiap ramalan baru didasarkan pada ramalan
sebelumnya ditambah dengan presentase selisih antara ramalan dengan nilai
aktual dari deret pada titik tersebut. Artinya :
Ramalan berikutnya = Ramalan sebelumnya
+ α (Aktual – Ramalan sebelumnya)
(Aktual –
Ramalan sebelumnya) mewakili kesalahan ramalan dan α adalah presentase dari
kesalahan. Lebih ringkasnya :
Ft = Ft-1 + α
(At-1 – Ft-1)
Keterangan :
Ft = Ramalan untuk periode t
Ft-1 = Ramalan untuk periode sebelumnya (misalnya, periode t – 1)
α =
Konstan pemulusan
At-1 = Permintaan aktual atau penjualan untuk
periode sebelumnya
Konstanta
pemulusan α mewakili presentase kesalahan ramalan.Setiap ramalan baru sama
dengan ramalan sebelumnyaditambah presentase kesalahan sebelumnya. Contohnya,
ramalan sebelumnya adalahan 42 unit, permintaan aktual adalah 40 unit, dan α =
0,10. Ramalan baru akan dihitung sebagai berikut.
Ft = 42 + 0,10 (40-42) =
41,8
Kemudian,
apabila permintaan aktual berubah menjadi 43, ramalan berikutnya akan menjadi :
Ft = 41,8 + 0,10 (43 +
41,8) = 41,92
Bentuk
alternatif rumus 3-2a menyatakan pembobotan dari ramalan sebelumnya dan
permintaan aktual terbaru :
Ft = (1 – α)Ft-1 +
αAt-1
Contohnya, jika
α = 0,10, rumusnya akan menjadi :
Ft = 0,90Ft-1
+ 0,10At-1
Kecepatan penyesuaian ramalan
terhadap kesalahan ditentukan dengan konstanta pemulusan α. Semakin dekat
dengan nilai α dengan nol, semakin lambat ramalan akan menyesuaikan diri dengan
kesalahan ramalan (misalnya, pemulusan lebih besar). Sebaliknya, semakin dekat
nilai α dengan 1,00, semakin besar kemampuan untuk merespon dan pemulusan lebih
kecil.
Pada dasarnya, memilih konstanta
pemulusan adalah masalah penilaian uji coba, yaitu menggunakan kesalahan
ramalan untuk mengarahkan keputusan. Sasarannya adalah memilih konstanta
pemulusan yang menyeimbangkan keuntungan dari pemulusan variasi acak dengan
keuntungan dari respons terhadap perubahan riil apabila hal itu terjadi.
X.
Proyeksi
Tren
Analisis trend mencakup mengembangkan persamaan
yang akan menguraikan trend secara
pantas (mengasumsikan bahwa ternd ada
di dalam data). Komponen trend
mungkin linier ataupun tidak.
Ada dua
teknik penting yang dapat digunakan untuk mengembangkan ramalan ketika ada trend. Salah satu teknik melibatkan
pengunaan persamaan trend, sedangkan
teknik lainnya adalah perluasan dari pemulusan eksponensial.
Persamaan Trend. Persamaan trend linier (linier trend
equation) digunakan untuk mengembangkan ramlan ketika terdapat trend. memiliki bentuk sebagai berikut.
Ft = α + bt
Contohnya,
perhatikan persamaan trend Ft =
45 + 5t. Nilai Ft ketika
t = 0 adalah 45 dan kemiringan garisnya adalah , yang berarti bahwa rata-rata
nilai Ft akan meningkat lima unit untuk setiap periode waktu.
Apabila t = 10, ramalannya, F1, adalah 45 + 5(10) = 95 unit.
Peramalan adalah bagian
terpenting dari fungsi manajer operasi. Peramalan permintaan mengarahkan
produksi,kapasitas,dan sistem pendjadwalan perusahaan,serta memengaruhi fungsi
keuangan,pemasaran,dan perencanaan karyawan. Ada beberapa teknik peramalan
kualitatif dan kuantitatif. Pendekatan kualitatif menggunakan
penilaian,pengamalan,perasaan,dan faktor lian yang sulit diukur. Peramalan
kuantitatif menggunakan data masa lalu,sebab-akibat,atau asosiatif untuk
diproyeksikan pada permintaan masa datang. Perhitungan peramalan jarang
dilaksanakan secara manual. Hampir semua manajer operasi menggunakan paket
piranti lunak,seperti Forecast,PRO,SAP,txMetrix,AFS,SAS,SPSS,atau Exel.
DAFTAR
PUSTAKA
Wiliam J.Stevenson.Sum chee Chuong-manajemen operasi perspektif asia edisi
9 buku 1,penerbit salemba empat.
