Karakteristik Peramalan yang Baik

TINJAUAN PUSTAKA

3.11. Konsep Dasar Peramalan

3.11.2. Karakteristik Peramalan yang Baik

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut:

1. Akurasi

Akurasi dari suatu peramalan diukur dengan hasil kebiasaan dan konsistensi peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau telalu rendah dibanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten jika besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya perusahaan kemungkinan kehilangan pelanggan dan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan barang / persediaan, sehingga banyak modal tersia- siakan. Keakuratan hasil peramalan berperan dalam menyeimbangkan persediaan ideal.

2. Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan. Pemilihan metode peramalan harus sesuai dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto (Analisa ABC).

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

3.11.3.Beberapa Sifat Hasil Peramalan

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu:

a. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.

b. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.

c. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor- faktor yang mempengaruhi permintaan relatif masih konstan sedangkan masih panjang periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.

3.11.4.Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan

Peramalan sebenarnya upaya untuk memperkecil risiko yang timbul akibat pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Namun upaya memperkecil resiko tersebut dibatasi biaya yang diperlukan akibat mengupayakan hal tersebut. Faktor-faktor yang harus dipertimbangkan dalam peramalan:

a. Horizon Peramalan

Ada dua aspek dari horison waktu yang berhubungan dengan masing-masing metode peramalan yaitu:

1) Cakupan waktu di masa yang akan dating dimana perbedaan dari metode peramalan yang digunakan sebaiknya disesuaikan.

2) Jumlah periode dimana ramalan diinginkan. Beberapa teknik dan metode hanya dapat disesuaikan untuk peramalan satu atau dua periode di muka, sedangkan teknik dan metode lain dapat dipergunakan untuk peramalan beberapa periode di masa mendatang.

b. Tingkat ketelitian

Tingkat ketelitian yang dibutuhkan sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Dalam suatu pengambilan keputusan diharapkan variasi atau penyimpangan atas ramalan antara 10% - 15% sedangkan pengambilan keputusan yang lain variasi 5% sudah berbahaya.

c. Ketersediaan data

Metode yang digunakan sangat besar manfaatnya. Apabila dari data yang lalu diketahui adanya pola musiman, maka untuk untuk peramalan satu tahun ke depan sebaiknya digunakan metode variasi musiman. Sedangkan apabila diketahui hubungan antar variabel saling mempengaruhi, maka perlu digunakan metode sebab akibat atau korelasi.

d. Bentuk pola data

Dasar utama metode peramalan adalah anggapan bahwa pola data yang diramalkan akan berkelanjutan. Sebagai contoh, beberapa deret yang menunjukan pola musiman, atau trend. Metode peramalan yang lain mungkin lebih sederhana, terdiri dari satu nilai rata-rata, dengan fluktuasi yang acakan atau random yang terkandung. Karena perbedaan kemampuan metode peramalan untuk mengidentifikasi pola-pola data, maka perlu adanya usaha penyesuaian pola data.

e. Biaya

Umumnya ada empat jenis biaya dalam proses peramalan yaitu: biaya pengembangan, biaya penyimpanan, biaya operasi, dan biaya kesempatan

penggunaan teknik peramalan. Adanya perbedaan nyata berpengaruh atas menarik tidaknya penggunaan metode tertentu untuk suatu keadaan yang dihadapi.

f. Jenis dari model

Sebagai tambahan perlu diperhatikan anggapan beberapa dasar yang penting dalam nyata.Banyak metode peramalan telah menganggap adanya beberapa model dari keadaan yang diramalkan. Model-model ini merupakan suatu derat dimana waktu digambarkan sebagai unsur penting untuk menentukan perubahan-perubahan dalam pola, yang mungkin secara sistematik dapat dijelaskan dengan analisis regresi atau korelasi.

g. Mudah tidaknya penggunaan dan aplikasinya.

Satu prinsip umum dalam penggunaan metode ilmiah dari peramalan untuk manajemen dan analisis adalah metode-metode yang dapat dimengerti dan mudah diaplikasikan yang akan dipergunakan dalam pengambilan keputusan dan analisa.

3.11.5.Prinsip-prinsip Peramalan

Ada lima prinsip peramalan yang sangat perlu diperhatika untuk mendapatkan hasil peramalan yang baik yaitu:

Prinsip 1: Ramalan pasti mengandung error. Hampir tidak pernah ditemui bahwa hasil peramalan persis seperti kenyataan di lapangan. Peramalan mengurangi faktor ketidakpastian tetapi tidak peran mampu untuk menghilangkannya. Artinya

peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.

Prinsip 2 : Peramalan seharusnya mencakup ukuran dari error. Karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi. Besarnya kesalahan dapat dijelaskan dalam bentuk kisaran hasil peramalan baik dalam unit atau persentase dan probablitias tentang permintaan sesungguhnya akan berada dalam kisaran tersebut.

Prinsip 3: Peramalan item yang dikelompokkan dalam famili selalu lebih akurat dibandingkan dengan peramalan dalam item per item. Jika famili produk sebagai sebuah kesatuan diramalkan maka persentasse I akan semakin kecil, tetapi apabila diramalkan masing-masing sebagai indivudual product maka persentase erorr akan semakin tinggi.

Prinsip 4: Peramalan jangka pendek lebih akurat dibanding dengan peramalan jangka panjang. Hal ini desebabkan karena pada peramalan jangka pendek faktor- faktor yang mempengaruhi permintaan relatif masih konstan sedangkan peramalan jangka panjang kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan besar.

Prinsip 5: Apabila dimungkinkan, perkiraan besarnya permintaan lebih disukai berdasasrkan perhitungan dari pada hasil peramalan. Misalnya, dalam perencanaan produksi dalam lingkungan make to stock, apabila besarnya permintaan terhadap produk akhir telah diperkirakan berdasarkan hasil peramalan maka besarnya jumlah part, komponen, sub assembly, dan bahan baku untuk

produk tersebut lebih baik dihitung berdasarkan principle of dependent demand dari pada masing-masing ditetapkan berdasarkan hasil peramalan.

3.11.6.Metode Peramalan Kualitatif (Judgement Method)

Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan, dan pengalaman seseorang. Oleh karena itu, hasil peramalan dari satu orang dengan orang yang lain dapat berbeda. Meskipun demikian, peramalan dengan metode kualitatif tidak berarti hanya menggunakan intuisi, tetapi juga bisa mengikutsertakan model-model statistik sebagai bahan masukan dalam melakukan judgement (keputusan), dan dapat dilakukan secara perseorangan maupun kelompok. Beberapa metode peramalan yang digolongkan sebagai model kualitatif adalah sebagai berikut:

1. Metode Delphi, sekelompok pakar mengisi kuisioner, moderator menyimpulkan hasilnya dan memformulasikan menjadi suatu kuesioner baru yang diisi kembali oleh kelompok tersebut, demikian seterusnya. Hal ini merupakan proses pembelajaran dari kelompok tanpa adanya tekanan atau intimidasi individu. Metode ini dikembangkan pertama kali oleh Rand Corporation pada tahun 1950-an. Adapun tahapan yang dilakukan adalah:

a. Tentukan beberapa pakar mengisi sebagai partisipan. Sebaiknya bervariasi dengan latar belakang disiplin ilmu yang berbeda.

b. Melalui kuisioner (e-mail), diperoleh peramalan dari seluruh partisipan, c. Simpulkan hasilnya, kemudian distribusikan kembali kepada seluruh

d. Simpulakan kembali revisi peramalan dan kondisi, kemudian dikembangkan dengan pertanyaan yang baru.

e. Apabila diperlukan ulangi tahap 4. Seluruh hasil akhir akhir didistribusikan kepada seluruh partisipan.

2. Dugaan manajemen (management estimate) atau Panel Consensus dimana peramalan semata-mata berdasarkan pertimbangan manajemen, umumnya oleh manajer senior. Metode ini akan cocok dalam situasi yang sangat sensitif terhadap intuisi dari suatu atua sekelompok kecil orang yang karena pengalamannya mampu memberikan opini yang kritis dan relevan. Teknik akan dipergunakan dalam situasi dimana tidak ada situasi dimana tidak ada alternatif lain dari model peramalan yang dapat diterapkan. Bagaimanapun metode ini mempunyai banyak keterbatasan, sehingga perlu dikombinasikan dengan metode peramalan yang lain.

3. Riset Pasar (market research), merupakan metode peramalan berdasarkan hasil-hasil dari survei pasar yang dilakukan oleh tenaga-tenaga pemasar produk atau yang mewakilinya. Metode ini akan menjaring informasi dari pelanggan atau pelanggan potensial (konsumen) berkaitan dengan rencana pembelian mereka dimana mendatang. Riset pasar tidak hanya akan membantu peramalan, tetapi juga untuk meningkatkan desain produk dan perencanaan untuk produk-produk baru.

4. Metode kelompok terstruktur (structured group methods), seperti metode Delphi, dan lain-lain. Metode Delphi merupakan teknik peramalan berdasarkan pada proses konvergensi dari opini beberapa orang atau ahli

secara interaktif tanpa menyebutkan identitasnya. Grup ini tidak bertemu secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta pendapatnya secara terpisah dan tidak boleh secara berunding. Hal ini dilakukan untuk menghindari pendapat yang bisa karena pengaruh kelompok. Pendapat yang berbeda secara signifikan dari ahli yang lain dalam grup tersebut akan dinyatakan lagi kepada yang bersangkutan, sehingga akhirnya diperoleh angka estimasi pada interval tertentu yang dapat diterima. Metode Delphi ini dipakai dalam peramalan teknologi yang sudah digunakan dalam pengoperasian jangka panjang selain itu, metode ini juga bermanfaat dalam pengembangan produk baru, pengembangan kapasitas produksi, penerobosan ke segmen pasar baru, dan strategi keputusan bisnis lainnya.

5. Analogi historis (historical analogy), merupakan teknik peramalan berdasarkan pola data masa lalu dari produk-produk yang dapat disamakan secara analogi. Misalnya peramalan untuk pengembangan pasar televisi multi sistem menggunakan model permintaan televisi hitam putih atau televisi bewarna biasa. Analogi historis cenderung akan menjadi terbaik untuk penggantian produk di pasar dan apabila terdapat hubungan substitusi lansung dari produk dalam pasar ini.

3.11.7.Metode Peramalan Kuantitatif (Statistical Method)

Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua bagian, yaitu:

1. Metode Time Series6

Metode Time Series adalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengamsumsikan beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu. Dengan analisis deret waktu dapat ditunjukkan bagaimana permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan permintaan dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang akan datang. Ada empat komponen utama yang mempengaruhi analisa ini, yaitu:

a. Pola Siklis (Cycle)

Penjualan produk dapat memiliki siklus yang berulang secara periodik. Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki kecenderungan periodik. Komponen siklis ini sangat berguna dalam peramalan jangka menengah. Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus-menerus. Pola data dalam bentuk trend.

Gambar 3.1. Pola Siklis

6

b. Pola Musiman (Seasonal)

Perkataan musim menggambarkan pola penjualan yang berulang setiap periode. Komponen musim dapat dijabarkan ke dalam faktor cuaca, libur, atau kecenderungan perdagangan. Pola musiman berguna dalam meramalkan penjualan dalam jangka pendek. Pola data ini terjadi bila nilai data sangat dipengaruhi oleh musim, misalnya permintaan bahan baku jagung untuk makanan ternak ayam pada pabrik pakan ternak selama satu tahun. Selama musim panen harga jagung akan menjadi turun karena jumlah jagung yang dibutuhkan tersedia dalam jumlah besar. Pola data musiman dapat dilihat pada Gambar 3.2.

Gambar 3.2. Pola Musiman

c. Pola horizontal, pola data ini terjadi apabila nilai data berfluktuasi di sekitar nilai rata-rata. Pola data horizontal dapat dilihat pada Gambar 3.3.

Gambar 3.3. Pola Horizontal

d. Pola Trend

Pola ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus menerus. Pola data dalam bentuk trend ini dapat dilihat pada Gambar 3.4.

Gambar 3.4. Pola Trend

3.11.8.Metode Proyeksi Kecenderungan dengan Regresi7

Metode kecenderungan dengan regresi merupakan dasar kecenderungan untuk suatu persamaan, sehingga dengan dengan dasar persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datamg. Untuk

7

peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh.

Bentuk fungsi dari metode ini dapat berupa: a) Konstan, dengan fungsi peramalan (Yt):

Yt = a, dimana

N Y

a=

∑

1

Dimana: Yt = nilai tambah N = jumlah periode b) Linear, dengan fungsi peramalan:

Yt = a + bt Dimana : n bt Y a= −

( ) ( )

( )

∑

∑

∑ ∑ ∑

− − − = ₂ 2 t t n y t ty n b

c) Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct2 Dimana : n t c t b Y a =

∑

−

∑ ∑

− 2 ∂ − =θ bα c ₂ α β θα δ − ∂ − ∂ = b

( )_∑

−

_∑

= ∂ 2 2 4 t n t

∑ ∑

−

∑

= t Y n tY δ

∑ ∑

−

∑

= t2 Y n t2Y θ

∑ ∑

−

∑

= 2 2 3 t n t t α

( )_∑

−

_∑

= _t 2 _{n t}2

β

d) Eksponensial, dengan fungsi peramalan : Yt = aebt Dimana : n t b Y a=

∑

ln −

∑

ln

( )

2 2 ln ln

∑

∑

∑

∑

∑

− − = t t n Y t Y t n b

e) Siklis, dengan fungsi peramalan :

n t c n t b a Yˆ_t = + sin2π + cos2π Dimana : n t c n t b na Y sin2π

∑

cos2π

∑

= + + n t n t c n t b n t a n t

Ysin2π

∑

sin2π sin2 2π

∑

sin2π cos2π

∑

= + + n t n t b n t c n t a n t

Ycos2π

∑

cos2π

∑

cos2 2π

∑

sin2π cos2π

BAB IV