metode ramalan

PERAMALAN

(FORECASTING)

II.1 Pengertian

Forecasting diartikan sebagai kegiatan analisis untuk memperkirakan magnitude dan direction perubahan suatu variable ekonomi bisnis (permintaan barang dan jasa) dimasa datang berdasarkan past data dan present data.

Beberapa sumber data yang dapat digunakan untuk melakukan peramalan adalah :

1.      Pendapat konsumen

2.      Pendapat langganan / customer

3.      Catatan / pendapat distribusi

4.      Catatan penjual dari perusahaan yang bersangkutan

II.2 Kegunaan dan Peranan

Kegunaan dan peranan peramalan dalam ekonomi bisnis adalah :

1.      Untuk mengkaji kebijakan perusahaan yang berlaku saat ini dan dimasa lalu serta melihat sejauh mana pengaruh dimasa yang akan datang.

2.      Peramalan diperlukan karena adanya time-lag atau delay antara saat suatu kebijakan perusahaan ditetapkan dengan saat implementasi.

3.      Dengan adanya peramalan maka dapat dipersiapkan program dan tindakan perusahan untuk mengantisipasi keadaan di masa datang, sehingga resiko kegagalan dapat diminimumkan.

4.      Peramalan merupakan dasar penyusunan bisnis pada suatu perusahaan sehingga dapat meningkatkan efektifitas suatu rencana bisnis.

5.      Peramalan juga digunakan dalam decision making karena hasil peramalan merupakan informasi yang mendasari keputusan para manajer perusahaan dalam berbagai tingkatan manajemen perusahaan.

II.3 Metode Peramalan

Metode peramalan ada tiga yaitu :

a. Metode Qualitative atau metode judgemental, yaitu peramalan yang menggunakan pusat data kualitatif, hasilnya bergantung pada orang yang menyusunnya, seperti peramalan dengan metode Delphi dan metode s-curve past.

b. Metode Quantitative time series atau metode ekstrapolative, digunakan jika datanya time series.

c. Metode Quantitative causal atau metode eksplanatory, digunakan jika datanya cross-sectional. Metode causalitas ini menggunakan model regresi.

Metode peramalan data time series terdiri dari metode :

1.            Naive forecasting

2.            Rata-rata kumulatif

3.            Single Moving Average (SMA)

4.            Double Moving Average (DMA)

5.            Single Exponential Smoothing (SES)

      Metode yang akan kita bahas adalah Moving Average (MA), Single Exponential Smoothing (SES) dan Weight Moving Average (WMA).

II.3.1. MOVING AVERAGE (RATA-RATA BERGERAK / MA)

Adalah suatu metode peramalan dengan mengkombinasikan data dari beberapa periode terbaru/terakhir. Metode ini pada dasarnya bertujuan membuat data yang berfluktuatif menjadi data yang relatif stabil (kurang berfluktuatif) sehingga fluktuasi dari pola data menjadi halus dan relatif merata.

Kelebihan metode ini adalah dapat diterapkan pada data jenis apapun juga baik yang sesuai dengan kurva matematik ataupun tidak. Namun kekurangannya adalah tidak mempunyai persamaan untuk peramalan dan sebagai gantinya digunakan nilai rata-rata bergerak berakhir sebagai nilai ramalan untuk periode yang akan datang.

S penjualan nyata pada n periode terakhir MA  =    ---------------------------------------------------------------                  S periode (n) yg digunakan dalam moving average

 

 Langkah-langkah peramalan dengan menggunakan metode Moving Average :

1.  Menentukan banyaknya periode untuk mendapatkan harga rata-rata

2.  Membuat tabel perhitungan

3.  Menemukan nilai total bergerak

4.  Menemukan nilai peramalan

II.3.2. WEIGHT MOVING AVERAGE (RATA-RATA BERGERAK TERTIMBANG)

WMA adalah suatu metode peramalan yang cara perhitungannya hampir sama dengan MA, hanya berbeda pada adanya penambahan bobot pada tiap data. Data terakhir yang termasuk dalam periode perhitungan rata-rata diberi bobot yang lebih besar.

	WMA = ( Wt *Xt ) + (Wt - 1*Xt -1 ) + (Wt - 2 *Xt -2 ) + …..

 

Dimana :

W_t                  = bobot terbesar

W_t-1                = bobot terbesar kedua

W_t-2                 = bobot terbesar ketiga

Xt                   = data periode terakhir

Xt-₁                 = data satu periode sebelum periode terakhir

Xt-₂                 = data dua periode sebelum periode terakhir

II.3.3 EXPONENTIAL SMOOTHING (ES)

Adalah suatu metode ramalan rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara exponential. Pada metode ini peramalan dilakukan dengan cara hasil ramalan periode terakhir ditambah porsi perbedaan atau tingkat kesalahan (a) antara permintaan nyata periode terakhir dan peramalan periode terakhir.

	Ft = { Ft – 1 + a (At – 1 – Ft – 1 )}

 

Dimana :

Ft                          = ramalan untuk periode sekarang (1)

Ft – 1                    = ramalan untuk periode sebelumnya (t – 1)

a                           = smoothing konstan (porsi perbedaan)

At-1                      = permintaan nyata periode sebelumnya

II.4 Kesalahan Peramalan

         Kesalahan peramalan mempunyai 2 unsur yang harus diperhatikan :

1.      Perbedaan antara permintaan nyata dengan peramalan (error)

2.      Arah kesalahan, yaitu apakah permintaan nyata berada diatas atau dibawah ramalan

Ada suatu ukuran kesalahan yang umum digunakan yaitu Mean Absolute Deviasion (MAD), dimana ukuran ini mencari selisih antara permintaan nyata dan ramalan dengan tingkat rata-rata kesalahan selama meramalkan adalah :

	S kesalahan  MAD  =  ------------------                        N - n

 

Dimana :   N    = jumlah data penjualan

                  n    = jumlah periode

sumber : http://ma-menengah.lab.gunadarma.ac.id/