PEMBAHASAN
PERAMALAN
.Pengertian Peramalan
Peramalan adalah penggunaan data
masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi
nilainya di masa yang akan datang. Asumsi dasar dalam penerapan teknik-teknik
peramalan adalah:“If we can predict what the future will be like we can modify
our behaviour now to be in a better position, than we otherwise would have
been, when the future arrives.” Artinya, jika kita dapat memprediksi apa yang
terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi
lebih baik dan akan jauh lebih berbeda di masa yang akan datang. Hal ini
disebabkan kinerja di masa lalu akan terus berulang setidaknya dalam masa
mendatang yang relatif dekat.
Peramalan merupakan teknik yang digunakan
untuk memperkirakan suatu system dimasa yang akan datang.Peramalan diperlukan
oleh suatu perusahaan karena setiap keputusan yang diambil dapat memengaruhi
keadaan diamasa yang akan datang. Menurut Horison waktu,nya,peramalan dapat dibagi menjadi 3 yaitu:
1.Peramalan jangka pendek yang
memberikan hasil peramalan satu tahun mendatang.atau kurang
2. Peramalan jangka menengah
untuk meramalkan keadaan satu hingga 5 tahun kedepan.
3. Peramalan jangka panjang
digunakan untuk pengambilan keputusan mengenai perencanaan produk dan
perencanaan pasar,pengeluaran biaya perusahaan,studi kelayakan
pabrik,anggaran,purchase order,perencanaan tenaga kerja dan perencanaan
kapasitas kerja
A.
Metode kuanlitatif
Metode kuanlitatif yaitu menggunakan
perhitungan matematik dan statistic.
Metode kuanlitatif dapat
digolongkan menjadi 2 yaitu:
1.Teknik Deret Berkala (Time
Series)yang memerlukan sistem seperti kotak hitamdan tidak ada usaha memerlukan
faktor yang berpengaruh pada system tersebut.
2. Teknik Exponential(causal) yang
mengasumsikan adanya hubungan sebab akibat anatara output dan input dari suatu
sistem.
1. Metode kualitatif.
Metode ini digunakan dimana tidak ada model
matematik, biasanya dikarenakan data yang ada tidak cukup representatif untuk
meramalkan masa yang akan datang (long term forecasting). Peramalan kualitatif
menggunakan pertimbangan pendapat-pendapat para pakar yang ahli atau experd di
bidangnya. Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan
sangat murah (tanpa data) dan cepat diperoleh. Sementara kekurangannya yaitu
bersifat subyektif sehingga seringkali dikatakan kurang ilmiah.
Langkah Langkah dalam melakukan
peramalan adalah sebagai berikut:
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
demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis
(X).
3. Memilih model peramalan yang tepat
Melihat dari
kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model
peramalan yang diperkirakan dapat mewakili pola tersebut.
4. Lakukan Peramalan
5. Hitung kesalahan ramalan (forecast error)
Keakuratan suatu
model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap
nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan
nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau deviasi
yang dinyatakan dalam:
et = Y(t) – Y’(t)
Dimana : Y(t) = Nilai data aktual pada periode t
Y’(t) = Nilai hasil peramalan pada
periode t
t = Periode peramalan
Maka diperoleh Jumlah Kuadrat
Kesalahan Peramalan yang disingkat SSE
(Sum of Squared Errors) dan Estimasi Standar Error (SEE – Standard Error
Estimated)
SSE = S e(t)2 = S[Y(t)-Y’(t)]2
Pilih Metode Peramalan dengan kesalahan
yang terkecil.
Apabila nilai kesalahan tersebut
tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik
F), maka pilihlah secara sembarang metode-metode tersebut.
Lakukan Verifikasi
Untuk mengevaluasi apakah pola
data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.
Metode Peramalan
Salah
satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah
mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu
data yang ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka
pendek (minggu ® bulan), menengah (bulan ® tahun), dan jangka panjang (tahun ®
dekade). Tabel berikut ini menunjukkan tipe-tipe keputusan berdasarkan jangka
waktu peramalannya.
Jenis- Jenis Metode Peramalan
Untuk
melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan
tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak
dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain :
1. Time Series atau Deret Waktu
Analisis time series
merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang
mempengaruhi-nya (independent variable), yang dikaitkan dengan waktu seperti
mingguan, bulan, triwulan, catur wulan, semester atau tahun.
Dalam analisis time series yang
menjadi variabel yang dicari adalah waktu.
Metode peramalan ini terdiri dari :
a. Metode Smoting, merupakan jenis peramalan
jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan
penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau
seperti musiman.
b. Metode Box Jenkins, merupakan deret waktu
dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
c. Metode proyeksi trend dengan regresi,
merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang.
Metode ini merupakan garis trend untuk persamaan matematis.
2. Causal Methods atau sebab akibat
Merupakan metode
peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan
variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis
metode peramalan ini terdiri dari :
a. Metode regresi dan kolerasi, merupakan
metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan
didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara
statis.
b. Model Input Output, merupakan metode yang
digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun
trend ekonomi jangka panjang.
c. Model ekonometri, merupakan peramalan
yang digunakan untuk jangka panjang dan jangka pendek.
Model Time Series Analysis
Berikut ini akan dijabarkan cara melakukan
peramalan dengan menggunakan model Time Series Analysis yang terdiri dari
beberapa model. Adapun asumsi dasar dalam menggunakan model deret waktu ini
adalah pola data ramalan akan sama dengan pola data sebelumnya. Model yang
termasuk kategori model deret waktu yaitu: (1) Model Konstan, (2) Model Siklis,
(3) Model Analisis Regresi, (4) Model Moving Average, (5) Model Exponential
Smoothing.
Model Regresi Linier (Linier
Forecasting)
Persamaan garis yang mendekati
bentuk data linier adalah:
Y’(t) = a + b(t)
Konstanta a dan b
ditentukan dari data mentah berdasarkan Kriteria Kuadrat Terkecil (least square
criterion). Perhitungannya sebagai berikut: Anggaplah data mentah diwakili
dengan (Yi,ti), dimana Yi adalah permintaan aktual di saat ti, dimana i = 1,2,
.....,n.
Definisikan:
Model
Rata-Rata Bergerak (Moving Average)
Metode rata-rata
bergerak banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan
menggunakan metode rata-rata bergerak ini, deret berkala dari data asli diubah
menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk
data yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman
atau seasonal. Model rata-rata bergerak mengestimasi permintaan periode
berikutnya sebagai rata-rata data permintaan aktual dari n periode terakhir.
Terdapat tiga macam model rata-rata bergerak, yaitu:
Simple
Moving Average
Simple
Moving Average (SMAt)=
Centered
Moving Average
Perbedaan utama
antara Simple Moving Average dan Centered Moving Average terletak pada
pemilihan observasi yang digunakan. Simple Moving Average menggunakan data yang
sedang diobservasi tambah data sebelum observasi. Misalnya, menggunakan 5
periode moving average, maka untuk SMA menggunakan data periode ke-5 dan 4 data
periode sebelumnya. Sebaliknya untuk CMA, “Center” berarti rataan antara data
sekarang dengan menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk
3 periode moving average, maka SMA menggunakan data periode 3 ditambah data
sebelumnya dan data sesudahnya. Didefinisikan sebagai berikut:
Dimana Yt adalah
nilai tengah dari interval L data observasi. (L-1)/2 observasi merupakan data
sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Yt = Y5 maka intervalnya dimulai dari Y3 sampai Y7
.Weighted
Moving Average
Formula untuk Weighted Moving
Average (WMAt):
dan
Pelicinan
Exponential (Exponential Smoothing)
Dalam model rata-rata
bergerak (Moving Average) dapat dilihat bahwa untuk semua data obesrvasi
memiliki bobot yang sama yang membentuk rata-ratanya. Padahal, data observasi
terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan data
observasi di masa yang lalu. Hal ini dipandang sebagai kelemahan model
peramalan Moving Average. Untuk itu, digunakanlah metode Exponential Smoothing
agar kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai berikut:
Metode exponential
smoothing mempertimbangkan bobot data-data sebelumnya dengan estimasi untuk
Y’(t+1) dengan periode (t+1) dihitung sebagai:
Dimana a disebut konstanta
pelicinan dalam interval 0 < a < 1. Rumus ini memperlihatkan bahwa data
yang lalu memiliki bobot lebih kecil dibandingkan dengan data yang terbaru.
Rumus tersebut dapat disederhanakan sebagai berikut:
Dengan nilai Y’(1) untuk inisial
ramalan didekati dengan nilai rata-ratanya
()
Atau
Perlu diperhatikan bahwa
penetapan nilai konstanta memiliki andil yang penting dalam menghasilkan hasil
ramalan yang “andal”. Model Exponential Smoothing digunakan untuk peramalan
jangka pendek.
Referensi : http://taufik-maulana.blogspot.com/2012/05/makalah-peramalan.html
