METODE PENGUKURAN DAN PERAMALAN PERMINTAAN
Pengukuran permintaan adalah usaha untuk mengetahui permintaan atas suatu produk atau sekelompok produk di masa yang lalu dan di masa yng sekarang dalm kendala satu asset kondisi tertentu. Peramalan permintaan merupakan usaha untuk mengetahui jumlah produk atau sekelompok produk di masa yang akan datang dalam kendala satu asat kondisi tertentu. Hasil maksimal dari suatu kegiatan peramalan adalah adalah melakukan minimisasi ketidakpastian yang mungkin terjadi di masa yang akan datang.
Ada dua macam pendekatan dalam peramalan yaitu :
1. Pendekatan time series yaitu model yang tidak memperhatikan hubungan sebab akibat atau dengan kata lain hasil peramalan hanya memperhatikan kecenderungan dari data yang di masa lalu yang tersedia. Menurut makridatis dan steven secara skematis pendekatan ini dapat diganbarkan sebagai berikut:
system
Input---generating proses---output
Random effects
2. Pendekatan yang memperhatikan hubungan sebab akibat (cause-effects method) atau pendekatan yang menjelaskanterjadinya suatu keadaan (explanatory method) oleh sebab-sebab tertentu. Dengan kata lain hubungan sebab akibat yang terjadi bukan hubungan deterministic melainkan hubungan stokastic. Secara schematic pendekatan inidapat digambarkan sebagai berikut
system
Input---cause and effects relationship---uotput
PROSEDUR PERAMALAN
Tahap-tahap dalam study kelayakan proyek :
1. analisis ekonomi yakni yang mengadakan proyeksi terhadap aspek-aspek makro terutama aspek kependudukan dan pendapatan.
2. analisis industri yakni analisis terhadap permintaan pasar dari seluruh perusahaan yang menghasilkan produk sejenisdari produk yang diusulkan dalam study kelayakan proyek.
3. analisis penjualan mas lalu yakni dilakukan untuk melihat “ market positioning” produk dalam stuktur persaingan dan dari padanya dapat diketahui “ market share “ produk tersebut.
4. analisis peramalan permintaan di mana berkaitan dengan perencanaan program pemasaran di masa yang akan datang.
5. pengawasan hasil dari peramalan yakni usaha untuk minimalisasi kesalahan hasil dari berbagai tenik peramalan yang dugunakan .
KENDALA PEMILIHAN TEHNIK PERAMALAN Kendala-kendala yang dihadapi antara lain:
1. waktu yang handak diliput yakni rentangan waktu masa ynag akan datang dan jangkauan peramalan.
2. tingkah laku data yakni meliputi jumlah , ketepatan, dan tingkah laku data di masa yang lalu yang tersedia.
3. tipe model yakni pakah model yang digunakan merupakan model time series, kaosalitas atau yang lainnya.
4. biaya yang tersedia yakni biaya yang tersedia untuk penyusunan studi kelayakan proyek.
5. tingkat ketepatan yang diinginkan yakni ketelitian dan kecermatan peramalan yang diinginkan.
6. kemudahan penerpan yakni kemudahan , manajemen, data dan biaya.
PENGUKURAN PERMINTAAN PRODUK
Ada beberapa metode dalam mengukur permintaan produk :
2. penggunaan data ekpor, impor, dan produksi dalam negeri . formula yang digunkan untuk keadaan ini adalah:
PE = P + (I - E) + DC
Dimana:
PE : Permintaan efektif yang di cari
P : Produksi dalam negeriselama masa yang bersangkutan I : Impor yang dilakukan
E : ekspor yang dilakukan
DC : jumlah perubahan cadangan produk.
3. metode rasio rantai yakni metode yang menghitung permintaan efektif dengan cara membagi dalam komponen-komponen yang lebih kecil dari suatu mata rantai urutan dari variable yang berpengaruh terhadap produk yang bersangkutan.
PERAMALAN PERMINTAAN PRODUK YANG SUDAH MAPAN Ada beberapa metode yang digunakan diantaranya:
1. metode pendapatan
2. metode tes atau eksperimen 3. metode survey
4. metode time series 5. metode regresi korelatif 6. metode input output
PERAMALAN PERMINTAAN PRODUK BARU Ada beberapa metode yang akan di gunakan :
1. metode time series di mana metode ini hanya berdasarkan data dari masa yng lalu.
2. metode tred linier yang mana dapat di formulasikan :
Y = a + bX
1. metode least square
pada awal data yang tersedia adalah mempunyai kecenderunganberbentuk garis lurus . dan dapat di formulasikan sebagai berikut :
Y = a + bX
Dimana :
Y : variable yang akan di ramalkan
a : kostanta yang akan menunjukkan brsarnya harga Y : (ramalan) apabila X sama dengan nol
b : variabilitas per x ysitu menunjukksn besarnya perubahan nilai y dari setiap perubahan satu unit X
X : unit waktu yang dapat dinyatakan dalm minggu , bulan , semester, tahun tergantung pada data perusahaan.
Sedangkan untuk mencari nilai a dan b dapat dengan rumus sebagai berikut :
A = å Y = Y dan B = å XY
n åX2
2. metode product moment
metode ini hampir sama dengan dmetode leaset squere hanya saja ini di gunakan dalam meramalkan penjualan perusahaan untuk data yang tersedia adalah mempunyai kecenderunan berbentuk garis lurus di mana persamaannya adalah :
Y = a + bX .
Dimana :
Y : variable yang akan di ramalkan
b : variabilitas per x yaitu menunjukksn besarnya perubahan nilai y dari setiap perubahan satu unit X
X : unit waktu yang dapat dinyatakan dalam minggu , bulan , semester, tahun tergantung pada data perusahaan
Sedangkan untuk mencari nilai a dan b adalah sebagai berikut :
Persamaan I
∑Y = n.a + b∑x
Dengan syarat ∑x ≠ 0 Persamaan II
∑XY = a ∑x + b ∑x2
3. metode setengah rata-rata
metode setengah rat-rata ini masih tergolong metode tred linier di man data yang tersedia tetap berbentuk linier jika kita gambar dalam bentuk grafik.
Y’ = a + bX
Untuk mencari nilai a dan b adalah :
Y1 = a + bx1
Y2 = a = bx2
3. Metode Kuadratik
Metode kuadratik adalah metode merupakan trend non linier dan jika kita gambar berbentuk garis melengkung. Sedangkan persamaan dari bentuk metode kuadratik adalah :
Y’ = A + BX + Cx2
Di mana :
Y : variable yang akan di ramalkan
a : kostanta yang akan menunjukkan brsarnya harga Y apabila X sama dengan 0
X : unit waktu yang dapat dinyatakan dalam minggu , bulan , semester, tahun tergantung pada data perusahaan
Sedangkan koovisiennya adalah ; A = (∑ y -c ∑X2 ) / n
B = (∑ XY / ∑x2 )
C = ( n ∑X 2Y) - (( ∑X2 ) (∑Y))
(n ∑X4) - ((∑X2)2)
Dengan syarat ∑X2 sama dengan 0
4. metode exponencial sederhana
metode ini digunakan jika data histories di gambar menjadi kurva kecenderungan berbentuk naik dan turun, akan tetapi kenaikan atau penurunan tidak terlalu tajam. Maka fungsi persamaannya :
y’ = a.bx yang dapat disederhanakan menjadi fungsilogaritma yaitu :
y’ = log a + log b x dengan syarat ∑x = 0
maka koefisien a dan b dapat dicari dengan :
log a = ∑ log Y dan log b = = ∑ log Y
N ∑X2
1. Metode Regresi-Korelasi
Dalam rangka menyusun peramalan penjualan produk perusahaan ternyata terdapat beberapa perusahaan di mana penjualan produknya mempunyai ketergantungtan terhadap penjualan produk yang lain. Produk yang mempengaruhi tersebut dapt berasal atau diproduksi oleh perusahaan yang sama atau jugadiproduksi atau di jual oleh perusahan yang lain.
Model peramalan penjualan produk perusahaan dimana produknya merupakan produk permintaan turunan ini tidak jauh berbeda dengan model penjualan produk terdahulu. produk perusahan atas dasar penjualan kdi masa yang lalu.
3. menyusun ramalan penjualan produk dominant 4. menyusun peramalan produk perusahaan. Regresi Linier Sederhana
Pada hubungan ini hanya satu variable yang dianggap bebas atau berpengaruh pada terjadinya variable yang lain atau variable yang terikat. Sedangkan persamaannya adalah ;
R = [ N ( ∑XY)] - [((∑X) (∑Y)) ]
[ N ( ∑X2 )] - ((∑X)2) ] [ N ( ∑Y2 )] - ((∑Y)2)1/2
3. Metode statistic untuk analisa khusus, beberapa analisisn khusus antara lain ; a. analisis industri
b. analiosis jenis produk c. analisis penggunaan akhir
PENGAWASAN PERAMALAN PENJUALAN A. kuadrat terkecil
dapat di formulasikan :
kuadrat terkecil = ∑ ( Y –Y’ )2 B. metode kesalahan rata-rata mutlak
dapat diformulasikan sebagai berikut : di mana :
AAE = ∑ Y – Y’ AAE : Average Absolute Error Y : Data riil
N Y’ : Data peramalan
N : Jumlah periode atau waktu dari data I I : harga Mutlak
C. Metode Kesalahan Kuadrat Rata-Rata Akar
Metode RASE ini cara perhitungannya adalh denagn jalan menjumplahkan kuadrat kesalahan atau selisih nilai riil dan nilai peramalan, kemudian membagi jumlah tersebut dengan banyaknya waktu ramalan dan kemudian menarik akarnya dapat dirumuskan :
RASE =
N Y Y
( )
RASE = Rood Averrage Squared Error Y = Data riil
Y’ = Data Ramalan
N = Jumlah waktu Data Ramalan
