Manajemen Operasional-Peramalan

Bookmark and Share
 Peramalan.

 A.   PENGERTIAN PERAMALAN.

Permalan (forecasting)  pada dasarnya merupakan proses pengestimasian permintaan di masa mendatang dikaitkan dengan aspek kuantitas, kualitas, waktu terjadinya, dan alokasi yang membutuhkan produk barang atau jasa yang bersangkutan.

Dalam APICS Dictionary disebutkan bahwa Forecasting (Peramalan) adalah fungsi bisnis yang berusaha meramalkan penjulan dan penggunaan produk yang bersangkutan sehingga produk tersebut dapat dibeli atau dipublikasikandi masa mendatang dalam jumlah yang tepat.

B.  KEGUNAAN PERAMALAN

Peramalan itu penting artinya bagi perusahaan bisnis, terutama untuk memenuhi keperluan pembuatan perencanaan jangka panjang. Namun demikian dari sisi fungsional, tiap departemen juga memerlukan ramalan aktivitas. Departemen Sumber Daya Manusia berkepantingan terhadap hasil peranalan untuk dipakai menyusunperencanaan personil. Departemen Akuntansi dan Keuangan memerlukan estimasi kegiatan jangka pendek untuk keperluan penyusunan anggaran. Departemen Pemasaran untuk keperluan penyusunan perencanaan distribusi. Secara umum peramalan dibutuhkan oleh manajemen untuk membuat atau menyusun rencana yang terkait dengan bidang tugas atau fungsinya.

Untuk membuat ramalan yang baik dibutuhkan data yang cukup, perangkat keras dan perangkat lunak analisis yang memadai. Dan suatu ramalan disebut baik jika memenuhi kriteria mutu berupa : akurat, objektif, kecepatan penyediaan hasilnya dan stabilitas vs responsivitas ramalan tersebut.

C.  TIPE METODE PERAMALAN

Pada membahasan mengenai metode peramalan ini hanya akan dikemukakan beberapa metode yang banyak dipakai dalam peramalan tingkat pemerintahan.

1.      Metode Kualitatif

Metode Kualitatif adalah metode panaksiran permitaan berdasarkan prakiraan secara subjektif atau opini pembuat ramalan. Metode Kualitatif terdiri atas berbagai jenis aplikasi, yaitu metode akar rumput, metode riset pasar, metode kesepakatan panel, analogi histori dan metode delphi.

2.      Metode Analisis Deret Berkala

Metode Analisis Deret Berkala (Time Series Analysis) merupakan metode pembuatan ramalan yang berangkat dari asumsi, bahwa  data historis yang lalu dapat dipakai untuk meramalkan volume kegiatan di masas yang akan datang.

Metode ini terdiri atas beberapa jenis aplikasi, yaitu metode rata-rata bergerak sederhana, rata-rata bergerak tertimbang, penghalusan eksponensial, analisis regresi dan korelasi, dan proyeksi trend.

3.      Metode Kausal

Analisis Regresi dan Korelasi. Analisi regresi merupakan metode yang dipakai untuk membuat garis trend dari suatu sebaran data historis yang relevan dengan sebaran data dimaksud. Metode yang paling umum dipakai dalam analisis regresi ialah metode kesalahan kuadrat paling kecil.  Korelasi merupakan metode yang dipakai untuk manaksir keeratan dan sifat hubungan antara variabel depanden dan independen sebuah persamaan regresi linear.

Proyeksi trend merupakan suatu metode matematik yang dipakai untuk membuat garis trend suatu hasil plotting data untuk mengetahui kecenderungan perkembangan di masa datang, naik atau turun. Model ini pada umumnya terintegrasi ke dalam analisis Regresi.

Metode ekonometrik adalam metode yang dipakai untuk menerangkan perilaku gejala ekonomi berdasrkan data runtun waktu dengan beberapa macam variabel bebas.

Model input-output  adalah metode analaisi yang dipakai untuk mengukur hubungan keterkaitan input-output berbagai sektor usaha dalam perekonomian dan pemerintah melalui aktivitas penjualan outputnya.

Indikator penentuadalah analisi yang dipakai untuk menaksir perubahan suatu sektor yang dipengaruhi jika sektor berpengaruh itu mengalami perubahan.

Model simulasi merupakan metode paramalan dinamis yang biasanya mempergunakan aplikasi komputer. Lazim dipakai pada pembuatan kebijakan di bidang pengendalian persediaan.

Untuk keprluan pembuatan ramalan, mka di bawah ini diketengahkan aplikasi dari beberapa metode peramalan yang telah dikemukakan di atas, baik utuk membuat ramalan jangka pendek maupun ramalan jangka panjang. Ramalan jangka pendek biasanya menggunakan metode rata-rata bergerak dan penghalusan eksponensial, sedangkan peramalan jangka panjang mempergunakan metode analisis regresi.

a.   Metode Rata-rata Bergerak

·      Metode Rata-rata Bergerak Sederhana

Metode ini cocok dipakai untuk melakukan peramalan berdasarkan sediaan data historis yang fluktuasinya rendah karena metode ini memakai asumsi bahwa peluang keberulangan setiap kejadian di masa mendatang adalah sama. Jika periode perataan dilakukan untuk empat titik waktu, atau n = 4, dan jika tiap kegiatan itu adlah At, dan t = 1, 2, 3, dan 4 maka peluang tiap kejadian adalah sama

·     Metode Rata-rata Bergerak Tertimbang

Pada aplikasi metode rata-rata bergerak tertimbang, terlebih dahulu manajemen atau analisis data menetapkan bobot dari data yang ada. Penetapan bobot dimaksud bersifat subjektif, tergantung pada pengalaman dan opini analisis data. Sekalipun demikian, terdapat beberapa acuan pemikiran dalam menentukan bobot dimaksud, yaitu sebagai berikut:

1.      Perlu menetapkan apakah volume yang terakhir lebih besar peluangnya untuk berulang atau sebaliknya. Jika analisis memutuskan, bahwa probabilita keberulangan lebih besar pada realisasi yang terqakhir, maka probabilita akan lebih besar pada periode akhir dibanding dengan periode awal.

2.  Jumlah probabilitas atau bobot adalah sama dengan satu.

b.  Penghalusan Eksponensial

Metode penghalusan eksponensial cocok dipakai untuk data berfluktuasi relatif besar, dan sediaan data terbatas.

Untuk mengaplikasikan model maka langkah pertama yang harus dilakukan oleh pengguna model ialah menetapkan faktor penghalus alpha (a). dlam praktik, penghlusan ini lazim dipakai konstan 0.05 atau 0.10. Pada model penghalusan eksponensial yang sederhana, dipakai asumsi bahwa ramalan untuk periode sekarang akan sama dengan jumlah antara ramalan yang lalu dan deviasi antara permintaan aktual dan ramalan dalam periode yang lalu yang telah dihaluskan. Berdasarkan asumsi itu, maka model dapat dirumuskan menjadi:

Ft = Ft-1 + a (At-1 – Ft-1)

Di mana :

Ft   = ramalan permintaan yang dihaluskan secara

   eksponensial untuk waktu t

Ft-1   = ramalan permintaan pada periode sebelunnya

At-1   = permintaan aktual pada periode sebelumnya

a   = konstanta penghalus ramalan

Model peramalan kuantitatif ini dibedakan atas :

1.    Metode Peramalan Times Series

Metode ini dapat dipakai jike tersedia data historis dalam jangka waktu tertentu dan perilaku permintaan pada waktu yang lalu dipandang akan berlangsung pada waktu yang akan datang. Secara sepintas, metode deret berkala ini (time Series Analysis) serupa dengan metode regresi. Akan tetapi, apabila dicermati dengan teliti, dijumpai perbedaan yang sangat mendasar. Dalam metode deret berkala, variabel yang mempengaruhi permintaan diwakili oleh faktor waktu, sedangkan dalam analisis regresi, langsung dihubungkan dengan faktor yang mempengaruhinya.

Meskipun demikian rumusan fungsional sama dengan yang lazim dipakai dalam analisis regresi sederhana, yaitu :
Y = bo + b1x

Di mana :

Y     = realisasi permintaan

X     = periode waktu, bulan atau tahun

Bo    = intersep fungsi

b1    = koefisien arah ramalan

2.    Analisis Regresi dan Korelasi

Analisis regresi dan korelasi adalah bentuk dari analisis kausal. Analisis regresi berguna untuk mengukur besarnya pengaryh variabel bebas (Xi) terhadap variabel tergantung (Yi). di samping itu, juga dapat digunakan untuk memprediksi nilai variabel tergantung  (Yi) dengan menggunakan variabel bebas (Xi). Analisis regresi pada dasarnya merupakan suatu kajian terhadap hubungan satu variabel yang disebut variabel yang diterangkan (the explained variable) dengan satu atau beberapa variabel yang menerangkan (the explamatory variable. Jika variabel bebas lebih dari satu, maka analisis regresi berganda.

Model matematik dari analisis regresi ini adalah :

Y = a + bX

 Di mana :

Yi     = jumlah permintaan

Xi     = harga produk

a     = intersep fungsi

b     = beta regresi, koefisien arah ramalan

n     = jumlah elemen data

Kesalahan Ramalan

Kesalahan ramalan dapat dibedakan atas kesalahan bias (bias error) dan kesalahan acak (random error). Kesalahan bias dijelaskan oleh ramalan, muncul karena kesalahan yang diakibatkan oleh variabel independen yang dipakai dalam peramalan tidak sesuai dengan seharusnya, nilai trend yang deperhitungkan tidak cermat, kesalahan musiman, serta pengaruh dari trend sekuler.

Sebaliknya kesalahan acak adalah bentuk kesalahan yang tidak dijelaskan oleh ramalan. Kesalahan acak disebabkan oleh faktor yang berada di luar kemampuan kendali manusia, seperti bencana alam dan kebijakan pemerintah di bidang ekonomi dan moneter.


Terima kasih atas kunjungannya di blog "Menara Ilmu" semoga artikel  tentang Peramalan bermanfaat untuk anda.

{ 0 komentar... Views All / Send Comment! }

Posting Komentar

Powered By Blogger