Pengertian Peramalan, Macam-Macam Metode Peramalan, Materi Peramalan

Menurut (Indriastiningsih dan Darmawan, 2019) peramalan merupakan suatu aktivitas untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Dengan menggunakan data permintaan pada periode sebelumnya yang akan menjadi dasar peramalan yang diperlukan oleh setiap perusahaan untuk merencanakan jumlah produksi yang akan datang, peramalan juga mempunyai peranan langsung terhadap pengambilan keputusan. Menurut (Mamat et al., 2019) peramalan merupakan alat penting dalam proses perencanaan untuk efektivitas dan efisiensi untuk mengetahui situasi di masa depan.

Adapun menurut (Sarvanan, 2019) faktor-faktor yang mempengaruhi peramalan untuk suku cadang diantaranya adalah :

  1. Ragam produk – Jika variasi produk tinggi maka pengelompokan permintaan bisa dilakukan.
  2. Tingkat persaingan – Permintaan pasar yang kompetitif membuat peramalan akan sulit untuk diperkirakan.
  3. Harga jual produk – Harga dan penjualan produk harus dipertimbangkan dalam peramalan.
  4. Kemajuan teknologi – Peramalan produk baru akan lebih sulit daripada produk yang sudah ada.
  5. Lead time pemasok – Waktu yang dibutuhkan oleh pemasok untuk mengirim produk.
  6. Waktu transportasi – Waktu yang dibutuhkan oleh divisi suku cadang menuju ke pelanggan.
  7. Populasi mesin – Penjualan suku cadang secara langsung sebanding dengan volume penjualan.
  8. Rentang ramalan – Keakuratan peramalan tergantung pada periode rentang waktu.

Jenis – Jenis dan Kegunaan Peramalan

Menurut (Heizer dan Render, 2011) menyatakan bahwa peramalan dapat diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon waktu tersebut yaitu:

  1. Peramalan Jangka Pendek (Short-range Forecast) : dimana jangka waktu peramalan ini hingga satu tahun, tetapi umumnya kurang dari tiga bulan, yang digunakan untuk merencanakan pembelian, jumlah tenaga kerja, penugasan kerja, penjadwalan kerja dan tingkat produksi.
  2. Peramalan Jangka Menengah (Medium-range Forecast) : dimana jangka waktu peramalan ini mencakup hitungan bulan hingga tiga tahun,  yang digunakan untuk merencanakan penjualan, anggaran kas, perencanaan dan anggaran produksi serta menganalisis bermacam macam rencana operasional.
  3. Peramalan Jangka Panjang (Long-range Forecast) : dimana jangka waktu peramalan ini umumnya untuk perencanaan tiga tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, lokasi, pembelanjaan modal, serta penelitian dan pengembangan.

Sedangkan jenis peramalan secara umum terdapat dua menurut (Heizer dan Render, 2011) yaitu:

  1. Peramalan Kualitatif : dimana peramalan ini menggabungkan faktor seperti emosi, pengalaman pribadi dan sistem nilai pengambil keputusan untuk meramal.
  2. Peramalan Kuantitatif : dimana peramalan ini menggunakan model matematis yang beragam dengan menggunakan data masa lalu dan variabel sebab akibat untuk meramalkan pemintaan.

Tipe dalam Peramalan

Menurut (Heizer dan Render, 2011) terdapat tiga tipe yang digunakan dalam kegiatan peramalan untuk merencanakan proses operasi di masa depan, yaitu:

  1. Peramalan Ekonomi (Economic Forecasts), yaitu peramalan yang digunakan untuk memprediksi tingkat inflasi (inflation rates), persediaan uang (money supplies), housing starts (indikator yang mencatat jumlah proyek pembangunan baru), dan perencanaan indikator lainya.
  2. Peramalan Teknologi (Technological Forecast), yaitu peramalan yang berkaitan dengan tingkat kemajuan teknologi, produk baru, kebutuhan fasilitas dan peralatan baru.
  3. Peramalan Permintaan (Demand Forecast), yaitu peramalan yang digunakan untuk memprediksi permintaan perusahaan baik produk maupun jasa. Berkaitan perencanaan penjualan, perencanaan keuangan, perencanaan pemasaran dan perencanaan karyawan.

Karakteristik Peramalan

Menurut (Sinulingga, 2009) terdapat empat elemen yang disebut sebagai karakteristik peramalan yang baik, yaitu:

1.    Ketelitian

Sasaran pertama dalam peramalan adalah mendapatkan hasil peramalan dengan tingkat akurasi yang tinggi. Terdapat dua ukuran yang digunakan yaitu penyimpangan (bias) dan konsistensi (consistency). Penyimpangan terjadi apabila hasil peramalan memperlihatkan secara terus menerus angka yang tinggi atau rendah. Konsistensi berkaitan dengan ukuran atau besarnya error.

2.    Biaya

Semakin banyak item yang akan diramalkan dan semakin tinggi tingkat ketelitian yang diinginkan makin besar pula biaya yang dibutuhkan. Oleh karena itu perlu dilakukan trade-off antara tingkat akurasi yang dibutuhkan dengan besarnya biaya yang dikeluarkan.

3.    Respon

Sistem peramalan haruslah stabil dalam arti, apabila tingkat permintaan menunjukkan berubah maka hasil peramalan juga harus menunjukan perubahan. Hasil peramalan akan sangat buruk apabila dalam situasi nyata memiliki kenaikan permintaan akan tetapi hasil dari peramalan tidak menunjukan kenaikan permintaan.

4.    Kesederhanaan

Metode peramalan yang lebih sederhana selalu lebih diinginkan dibandingkan dengan metode peramalan yang rumit karena mudah dipahami, dirancang dan digunakan. Namun pilihan yang terbaik ialah harus sesuai dengan sasaran penggunanya.

Metode dalam Peramalan

Menurut (Rusdiana, 2014) adapun yang perlu diperhatikan dari penggunaan metode peramalan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Menurut sifatnya, peramalan dibagi menjadi dua metode yaitu kualitatif dan kuantitatif. Metode kualitatif didasari pada pengamatan kejadian pada masa lampau dan digabung dengan pemikiran penyusunnya. Sedangkan metode kuantitatif didasari oleh pengamatan nilai-nilai sebelumnya. Secara umumnya metode dalam peramalan dapat dilihat pada Gambar 2.1

Gambar 2.1 Taksonomi Peramalan

Adapun penjelasan dari keseluruhan metode peramalan diatas, yaitu:

1.    Metode Kualitatif

Peramalan kualitatif umumnya memiliki sifat subjektif yang dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu, hasil peramalan antara saorang dengan yang lain akan berbeda. Berikut ini merupakan metode yang digolongkan sebagai model peramalan kualitatif (Rusdiana, 2014) terdapat 5 metode kualitatif diantaranya adalah:

a.    Metode Delphi

Metode ini pertama kali dikembangkan oleh Rand Corporation pada tahun 1950-an. Adapun tahap-tahap yang harus dilakukan yaitu sebagai berikut:

  1. Menentukan pakar sebagai partisipan. Dalam menentukan pakar, sebaiknya bervariasi dari latar belakang disiplin ilmu yang berbeda.
  2. Melalui kuisioner (atau email), diperoleh dari peramalan seluruh partisipan.
  3. Menyimpulkan hasil, kemudian mendistribusikan kembali pada seluruh partisipan dengan pertanyaan yang baru.
  4. Menyimpulkan kembali hasil revisi peramalan dan kondisinya, kemudian dikembangkan dengan pertanyaan yang baru.

b.    Metode Dugaan Manajemen (Management Estimate)

Metode ini cocok digunakan dalam situasi yang sangat sensitif terhadap intuisi dari sekelompok kecil orang yang mampu memberikan opini kritis dan relevan. Teknik ini akan dipergunakan dalam situasi ketika tidak ada alternatif lain dari model peramalan yang diterapkan.

c.    Metode Riset Pasar (Market Research)

Riset pasar merupakan metode peramalan berdasarkan hasil survei pasar. Metode ini menjaring informasi berkaitan dengan rencana pembelian konsumen pada masa yang akan datang.

d.   Metode Kelompok Terstruktur (Structured Group Methods)

Metode kelompok terstruktur (structured group methods) sama seperti metode Delphi dan metode lainnya. Perbedaannya terletak pada, metode kelompok terstruktur opini dari orang ahli diminta secara terpisah dan tidak boleh secara berunding. Hal ini dilakukan untuk menghindari pendapat yang bias dari pengaruh kelompok.

e.    Metode Analogi Historis (Historical Analogy)

Metode analogi historis merupakan teknik peramalan berdasarkan pola data masa lalu dari produk-produk yang disamakan dengan analogi. Misalnya, peramalan pengembangan pasar televisi yang menggunakan model televisi hitam putih atau televisi berwarna biasa. Dengan demikian apabila terdapat hubungan yang dapat menggantikan produk tersebut dari pasar, metode ini akan sangat baik untuk digunakan.

2.    Metode Kuantitatif

Pada umumnya, metode peramalan kuantitatif adalah peramalan formal yang menggunakan model matematis dan data masa lalu untuk memproyeksikan kebutuhan di masa yang akan datang (Sinulingga, 2009). Menurut (Rusdiana, 2014) metode kuantitatif dibedakan menjadi dua bagian, yaitu:

a. Metode Peramalan Time Series adalah metode dalam peramalan yang menggunakan analisis pola hubungan antara variabel yang diperkirakan dengan variabel waktu. Terdapat empat komponen utama yang mempengaruhi analisis metode time series, yaitu:

1)      Pola Trend

Trend ini merupakan sifat dari permintaan yang cenderung untuk naik atau turun terus-menerus. Pola data trend ini dapat diilustrasikan pada Gambar 2.2

Gambar 2.2 Pola Data Trend

2)      Pola Siklus

Trend ini merupakan sifat permintaan yang berulang secara periodik. Komponen siklis ini sangat berguna dalam peramalan jangka menengah. Pola data siklis ini dapat diilustrasikan pada Gambar 2.3

Gambar 2.3 Pola Data Siklus

3)      Pola Musiman

Trend ini merupakan fluktuasi permintaan suatu produk yang dapat naik maupun turun disekitar garis trend dan biasanya berulang setiap tahun. Pola naik dan turun ini biasanya disebabkan oleh beberapa faktor diantaranya adalah faktor cuaca, musim libur, hari raya. Pola musiman dapat diilustrasikan pada Gambar 2.4

Gambar 2.4 Pola Data Musiman

4)      Pola Horizontal

Pola data horizontal akan terjadi apabila nilai data berada di sekitar nilai rata-rata. Pola data horizontal dapat diilustrasikan pada Gambar 2.5

Gambar 2.5 Pola Data Horizontal

b. Metode Peramalan Kausal adalah peramalan yang mengasumsikan faktor yang diperkirakan menunjukan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent). Bagian dari metode peramalan kausal diantaranya adalah :

1)      Metode Regresi dan Korelasi

Menurut (Rusdiana, 2014) menyatakan bahwa Regresi adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan istilah variabel variabel bebas atau variabel independent (variabel X). Variabel kedua adalah variabel yang terikat atau variabel dependent (variabel Y). Sedangkan korelasi adalah mengukur suatu tingkat kekuatan hubungan kedua variabel tersebut.

Contoh persamaan regresi pada persamaan 1:

Y = variabel terikat (dependent)

X = variabel bebas (independent)

Angka 2 pada persamaan (1) adalah intersep.

2)      Metode Ekonometrik

Metode ekonometrik adalah metode peramalan yang menggunakan gabungan dari teori eknomi, matematika dan statistika. Model ekonometrik terdiri dari dua golongan variabel yaitu variabel bebas dan variabel terikat, akan tetapi jumlah variabel bebas tidak hanya satu, tetapi boleh lebih dari satu variabel.

Langkah – Langkah Peramalan

Pada dasarnya ada beberapa langkah penting dalam peramalan menurut (Mehaninda, 2018) yaitu: 

  1.  Menganalisa data masa lalu untuk mengetahui pola data pada masa lalu. 
  2. Menentukan data yang dipergunakan.
  3. Menentukan metode peramalan. 
  4. Data masa lalu diproyeksikan dengan mempertimbangkan faktor-faktor yang mempengaruhi menggunakan metode yang dipergunakan.

Ukuran Peramalan

Menurut (Karmaker, 2017) akurasi hasil peramalan dapat diukur dengan tingkat kasalahan (error) peramalan. Terdapat 3 ukuran peramalan, yaitu:

1.    Rata-rata Deviasi Mutlak (Mean Absolute Deviation)

MAD (Mean Absolute Deviation) merupakan kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau kecil dibandingkan kenyataanya.

2.    Rata-rata Kuadrat Kesalahan (Mean Square Error)

MSE (Mean Square Error) merupakan kesalahan dimana perhitungannya adalah dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan.

3.    Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error)

MAPE (Mean Absolute Percentage Error) adalah ukuran yang menggambarkan presentase kesalahan hasil dari peramalan periode tertentu. Presentase ini dapat menyatakan terlalu tinggi atau rendahnya hasil dari peramalan.


Daftar Pustaka

  1. Heizer dan Render (2011) Operation Management. Tenth Edit. Amsterdam: Pearson Education.
  2. Indriastiningsih, E. and Darmawan, S. (2019) ‘Analisa Pengendalian Persediaan Sparepart Motor Honda Beat Fi dengan Metode EOQ Menggunakan Peramalan Penjualan Di Graha Karyaahass XY’, Dinamika Teknik, 12(2), pp. 24–43.
  3. Karmaker, C. L., Halder, P. K. and Sarker, E. (2017) ‘A Study of Time Series Model for Forecasting of Jute Yarn Case Study’, Journal of Industrial Engineering, 2017, pp. 1–8.
  4. Mamat, A. R. et al. (2019) ‘Least square method technique for predicting the acquisition of raw materials and sales of crisp for small and medium enterprises’, International Journal of Recent Technology and Engineering, 7(5), pp. 612–616.
  5. Mehaninda, D. R., Cholissodin, I. and Sutrisno (2018) ‘Peramalan Persediaan Spare Part Sepeda Motor Menggunakan Algoritme Backpropagation’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(12), pp. 6018–6025.
  6. Rusdiana (2014) Manajemen Operasi. Bandung: CV Pustaka Setia.
  7. Saravanan, A. M. et al. (2019) ‘Forecasting techniques for sales of spare parts’, International Journal of Recent Technology and Engineering, 8(3), pp. 27–30.
  8. Sinulingga, S. (2009) Perencanaan dan Pengendalian Produksi. Yogyakarta: Graha Ilmu.