Metode Forecasting

PROSES PRODUKSI

G. Penentuan Lokasi Produksi

3. Metode Forecasting

Dalam kontek Manajemen Operasi/Produksi forecasting didefinisikan sebagai proses meramalkan permintaan produk yang harus diproduksi di masa yang akan datang baik dalam hal kuantitas, kualitas, timing maupun lokasi untuk periode tertentu. Forecasting diperlukan untuk planning decision bagi top management dan semua fungsi dalam organisasi. Berikut ini disajikan tipe-tipe keputusan yang dipengaruhi oleh tipe-tipe forecast.

187

Pengantar Bisnis FUTURE PLANNING PERIOD ORGANIZATION DECISION INDIVIDUAL DECISION Long Term (2 - 10 tahun)

Jenis produk yang

ditawarkan

Jenis kegiatan

Luas pasar Memilih profesi

Penentuan proses, teknologi, lokasi Jenis pendidikan Pemilihan tempat tinggal Intermediate (1 - 24 bulan)

Jumlah tenaga kerja Mengikuti kursus

Jenis dan jumlah

persediaan

Rencana Liburan

Jenis sub-kontrak

Short Term (1 - 5 minggu)

Penugasan Pilihan untuk

bermalam minggu

Dispatching

Sistem forecasting terdiri dari enam komponen utama, yaitu: 1. Out put dari sistem peramalan

2. Input dari sistem peramalan 3. Kendala peramalan

4. Keputusan dalam sistem peramalan 5. Kriteria Kinerja peramalan

6. Metode Peramalan 7. Pengawasan Peramalan

Out-put Sistem Peramalan

Macam atau jenis output yang dihasilkan oleh sistem peramalan tergantung pada kebutuhan pengguna informasi peramalan. Bila kebutuhan yang dimaksud menyangkut kepentingan penyusunanStrategi Pemasaran maka output forecast perlu

188

Pengantar Bisnis

diterjemahkan ke dalam satuan unit moneter. Namun apabila kebutuhan tersebut menyangkut kepentingan produksi maka output forecast diterjemahkan ke dalam satuan unit barang, selanjutnya dijabarkan lagi ke dalam bentuk kebutuhan bahan, tenaga kerja dll. Bila menyangkut kepentingan pembelanjaan maka forecast diterjemahkan ke bentuk-bentuk seperti kebutuhan modal, dan dana-dana lain. Sedangkan yang berkaitan dengan horison waktu peramalan, ditentukan dengan mempertimbangkan lead time dan review time.

Input Sistem Peramalan

Input dari sistem peramalan dalam manajemen operasi/produksi adalah data yang dapat diperoleh dari sumber-sumber sebagai berikut:

1. Sumber Internal, misalnya data historis dalam bentuk time series mengenai penjualan, dan produksi, opini dari para ahli yang dimiliki oleh perusahaan, survey khusus di dalam perusahaan.

2. Sumber Eksternal, misalnya informasi kondisi sosial, ekonomi, politik, teknologi dan sumber-sumber lain seperti agen-agen pemerintah, perusahaan-perusahaan konsultan, majalah dan publikasi lain.

Kendala-Kendala dalam Sistem Peramalan

Pemilihan metode forecasting dan "nilai" dari hasil peramalan sangat bergantung pada kendala-kendala yang ada dalam sistem forecasting. Kendala-kendala tersebut antara lain:

1. Waktu yang diperlukan untuk melakukan persiapan melakukan peramalan. 2. Kurangnya data yang relevan, baik dari sumber internal maupun eksternal. 3. Kualitas data-data yang tersedia

4. Fasilitas pengolahan data dan tenaga ahli

Jenis kendala yang disebut pertama, kedua dan ketiga akan berpengaruh pada kualitas data, sedang kendala yang disebut terakhir lebih banyak bergantung pada kebijakan pengalokasian dana untuk kepentingan forecasting.

Keputusan dalam Sistem Peramalan

Berkaitan dengan peramalan, manajemen harus mengambil keputusan mengenai data dan metode yang akan digunakan untuk mengembangkan forecasting. Data yang diperlukan ada kemungkinan dalam bentuk aggregate sehingga masih harus disesuaikan. Sementara perihal pilihan metode tergantung pada (i) jumlah dan kualitas data yang tersedia, (ii) waktu yang diperlukan untuk persiapan dan processing, (iii)

189

Pengantar Bisnis

Kriteria Kinerja Sistem Peramalan

Efektivitas sistem peramalan dalam membantu organisasi dapat dievaluasi berdasarkan empat kriteria berikut:

1. Accuracy. Ini merupakan aspek terpenting dari forecast, karena perbedaan antara aktual dan forecast berarti biaya. Lebih jauh, forecast error dapat menjadi sumber terjadinya kesulitan-kesulitan yang serius, misalnya bila forecast lebih besar dari aktual maka akan terjadi kapasitas menganggur dan surplus persediaan, dan bila forecast lebih kecil dari aktual maka dapat terjadi stockout atau opportunity loss.

2. Stability vs Responsiveness. Artinya forecast harus mampu mengkover kompleksitas dan ketidakpastian lingkungan baik yang disebabkan oleh long term growth trend maupun seasonal influences

3. Objectivity. Kadang-kadang kondisi yang diramalkan tidak dapat atau tidak ada kaitannya dengan data historis yang digunakan dalam forecasting. Bila demikian maka pertama, data tetap diolah secara obyektif apa adanya, kedua baru kemudian hasil forecasting pada pengolahan data secara obyektif disesuaikan dengan memperhitungkan perkembangan terakhir situasi dan kondisi.

4. Timing. Agar sistem forecasting dapat efektif, maka forecast harus tersedia tepat waktu.

5. Benefit to Cost Ratio. Merupakan perbandingan antara manfaat yang berupa perbaikan kualitas keputusan sehubungan dengan adanya sistem peramalan yang diukur dengan cost saving dan biaya untuk membangun dan memelihara sistem peramalan. Rasio yang dapat dijadikan sebagai kriteria tunggal bagi perlu tidaknya sistem forecasting dalam perusahaan.

Metode Peramalan

Pilihan metode peramalan untuk kepentingan perencanaan tergantung pada setidaknya dua hal:

1. Jenis kegiatan yang direncanakan 2. Panjang horison waktu perencanaan

Ada beberapa metode forecasting yang dapat digunakan. Metode-metode forecasting tersebut dikelompokkan menjadi tiga, yaitu

1. Metode Peramalan Subyekti.

Merupakan metode atau teknik peramalan yang didasarkan pada pengalaman, dan opini orang-orang dalam maupun luar organisasi. Metode ini cocok bila (i) waktu yang tersedia sangat terbatas, (ii) tidak tersedia data-data historis yang relevan, dan (iii) data relevan yang tersedia tidak memadai untuk mengembangkan suatu peramalan jangka panjang.

190

Pengantar Bisnis

Merupakan teknik forecasting yang mencoba menghubungkan suatu variabel tak bebas dengan variabel bebas yang diyakini menjadi sebab perubahan variabel tak bebas. Teknik ini biasanya digunakan untuk peramalan dengan horison waktu jangka pendek dan jangka menengah. Teknik peramalan jenis ini cocok digunakan untuk kondisi yang relatif stabil dan tersedia data historis relevan yang memadai.

3. Time Series Forecasting Method.

Komponen-komponen dalam time series adalah :Trend (T). Menunjukkan pertumbuhan jangka panjang atau penurunan tingkat permintaan rata-rata. Cycle (C). Menunjukkan penyimpangan yang besar antara aktual, dan harapan yang berbasis trend yang disebabkan oleh berbagai pengaruh lingkungan. Seasonal (S). Menunjukkan fluktuasi yang repetitif secara berkala yang disebabkan oleh iklim, cuaca, tradisi, dll. Random (R). Menunjukkan residu yang tak teratur yang disebabkan oleh berbagai faktor random dalam lingkungan.

Prinsipnya metode peramalan ataupun perkiraan yang digunakan untuk mengestimasi jumlah produksi dapat menggunakan metode permalan yang dibahas dalam forecasting yang meminjam konsep statistik untuk kepentingan menyusun anggaran diantaranya (1) Metode Trend Bebas, (2) Metode Trend Semi Average; (3) Metode Moment; (4) Metode Least Square; (5) Metode Regresi;

Pengawasan Peramalan

Pengawasan peramalan diperlukan karena tidak selamanya teknik peramalan yang digunakan akan selalu tepat. Ada kalanya hasil peramalan menyimpang dari batas-batas yang dapat diterima. Jika terjadi misalnya penyimpangan yang melampaui batas-batas yang bisa diterima, maka ada dua hal yang bisa dilakukan:

 Mengganti teknik peramalan yang digunakan dengan teknik yang lain.  Melakukan perubahan terhadap batas toleransi hasil peramalan.

Berikut ini disajikan beberapa alat yang dapat digunakan untuk melakukan pengawasan peramalan:

 Mean Squared Error (MSE) Yakni jumlah semua kuadrat kesalahan peramalan

(forecast error), yakni selisih nilai riil dengan nilai peramalan ( Yt - Ft) dibagi banyaknya data.

 Mean Absolute Deviation (MAD) Yakni rata-rata penyimpangan absolut untuk

semua kesalahan peramalan

 Kesalahan Absolut Rata-Rata (Average Absolute Error) Yakni rata-rata absolut semua kesalahan peramalan. Dicari dengan cara menjumlahkan semua nilai mutlak kesalahan peramalan dibagi dengan banyaknya data waktu peramalan.  Kesalahan Kuadrat Mean Akar (Root Mean Squared Error) Dihitung dengan

191

Pengantar Bisnis

jumlah tersebut dengan banyaknya data waktu peramalan. Selanjutnya menarik akarnya.

 Tes Korelasi Dihitung dengan cara mengurangi angka satu dengan hasil bagi penjumlahan semua kuadrat kesalahan peramalan dengan penjumlahan semua kuadrat selisih nilai riil dengan rata-ratanya.kemudian hasilnya diakar.

 Metode Control Limit. Yakni pengawasan peramalan dengan menetapkan batas atas (upper control limits) dan batas bawah (lower control limits). Jika selisih antara nilai riil dan nilai peramalan pada masing-masing waktu berada dalam range atas dan bawah, maka teknik peramalan tersebut dapat dikatakan baik. (Hendra Poerwanto G).