BAB II
LANDASAN TEORI
2.1 Definisi Peramalan
Peramalan adalah metode untuk memperkirakan suatu
nilai di masa depan dengan menggunakan data masa lalu. Peramalan juga dapat
diartikan sebagai seni dan ilmu untuk memperkirakan kejadian pada masa yang
akan datang, sedangkan aktivitas peramalan merupakan suatu fungsi bisnis yang
berusaha memperkirakan penjualan dan penggunaan suatu produk sehingga
produk-produk itu dapat dibuat dalam kuantitas yang tepat (Gaspersz, 2002,
hal.71).
Peramalan bukanlah suatu
dugaan , karena dugaan hanya mengestimasikan masa mendatang berdasarkan
perkiraan saja sedangkan peramalan menggunakan perhitungan matematis sebagai
bahan pertimbangan. Peramalan adalah dugaan yang dibuat secara sederhana
tentang apa yang akan terjadi di masa depan berdasarakan informasi yang
tersedia saat ini (Gaspersz, 2002).
Dengan kata lain ,
peramalan adalah proses untuk menduga kejadian atau kondisi di masa mendatang
berdasarkan data historis dan pengalaman untuk menemukan kecenderungan dari
pola sistematis yang bertujuan memperkecil resiko kesalahan.
2.2 Langkah-Langkah
Peramalan
Peramalan
yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau
prosedur penyusunan yang baik yang akan menentukan kualitas atau mutu dari hasil
peramalan yang disusun. Pada dasarnya ada tiga langkah peramalan yang penting,
yaitu (Assauri, 1984, p5):
1.
Menganalisis
data yang lalu, tahap ini berguna untuk pola yang terjadi pada masa lalu.
2.
Menentukan
metode yang dipergunakan. M etode yang baik adalah metode yang memberikan hasil
ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi.
3.
Memproyeksikan
data yang lalu dengan menggunakan metode yang dipergunakan, dan
mempertimbangkan adanya beberapa faktor perubahan (perubahan
kebijakan-kebijakan yang mungkin terjadi, termasuk perubahan kebijakan
pemerintah, perkembangan potensi masyarakat, perkembangan teknologi dan
penemuan-penemuan baru).
2.3 Tujuan Peramalan
Dalam dunia usaha sangat penting diperkirakan hal-hal yang terjadi di
masa depan sebagai dasar untuk pengambilan keputusan, terutama dunia usaha itu
merupakan bagian dari kehidupan sosial, di mana segala sesuatu yang terjadi
serba tidak pasti, sukar diprediksi dengan tepat. Oleh karena itu perlu
dilakukan sebuah peramalan / rencana. Peramalan yang dibuat selalu diupayakan
agar dapat:
1.
Meminimumkan
pengaruh ketidakpastian terhadap perusahaan
2.
Peramalan
bertujuan mendapatkan peramalan (forecast)
yang bisa meminimumkan kesalahan meramal (forecast
error) yang biasanya diukur dengan MSE (Mean Squared Error), MAE (Mean
Absolute Error), dan sebagainya.
2.4 Jenis-Jenis
Metode Peramalan
Peramalan
dapat dibedakan atas dua macam, yaitu (Assauri, 1984, p4) :
1.
Peramalan
Kuantitatif : menggunakan model matematis dengan data masa lalu. Tujuannya
mempelajari apa yang telah terjadi di masa lalu untuk meramalkan nilai- nilai
yang akan datang.
2.
Peramalan
Kualitatif : menggunakan faktor seperti intuisi, emosi, pengalaman. Hasil
peramalan yang dibuat sangat tergantung pada orang yang membuatnya, karena
ditentukan berdasarkan pemikiran yang bersifat intuisi, judgment atau pendapat,
dan pengetahuan serta pengalaman dari penyusunnya.
Peramalan
kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa
lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan
dalam peramalan tersebut maupun besarnya faktor yang tidak diduga (outliers) yang mempengaruhi nilai
ramalan. Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi
berikut: tersedianya informasi masa lalu, informasi tersebut dapat dikuantitatifkan
dalam bentik data numerik, dan dapat diasumsikan bahwa beberapa aspek pola masa
lalu akan terus berlanjut di masa mendatang.(Makridakis Et Al, 1999, p19-20).
Peramalan
kuantitatif dapat dikelompokkan kedalam dua jenis, yaitu:
1.
Peramalan yang
didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan
diperkirakan dengan variabel waktu yang disebut deret waktu (time series). M odel deret berskala
melakukan pendugaan masa depan berdasarkan nilai masa lalu dari suatu variabel
untuk menemuka pola dalam deret data historis dan mengeksploitasikan.
2.
Peramalan yang
didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan
diperkirakan dnegan variabel lain yang mempengaruhinya yang disebut model
kausal/ sebab akibat.
Metode
peramalan kualitatif tidak memerlukan data yang serupa seperti peramalan
kuantitatif. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya
merupakan hasil dari pemikiran intuitif, pertimbangan , dan pengetahuan yang telah
didapat. Peramalan kualitatif dapat dikelompokkan kedalam dua jenis, yaitu:
1.
Metode
eksploratoris (seperti Dalphi, kurva-S, analogi, dan penelitian morfologis)
dimulai dari masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah
masa depan secara heuristik, seringkali dengan melihat semua kemungkinan yang
ada.
2.
Metode normatif
(seperti matriks keputusan, pohon relevansi, dan analisis sistem) dimulai
dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur
untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumber daya,
dan teknologi yang tersedia.
2.5 Teknik-teknik Peramalan
Faktor utama yang mempengaruhi
pemilihan teknik peramalan adalah identifikasi dan mengetahui pola dari data.
Beberapa teknik peramalan yang dapat digunakan diantaranya ialah teknik peramalan untuk data stasioner, teknik
peramalan untuk data trend dan teknik peramalan untuk data siklis.
2.5.1 Teknik Peramalan Untuk Data Stasioner
Data stasioner dapat didefinisikan
data yang nilai rata-ratanya tidak berubah dari waktu ke waktu atau dapat
dikatakan data bersifat stabil. Seperti situasi yang berkembang ketika ada
peningkatan pola data yang mempengaruhinya maka teknik ini akan relatif stabil.
Teknik peramalan stasioner digunakan jika:
1.
Data stabil,
lingkungan yang berpengaruh relatif tetap Misalnya angka kerusakan perminggu
pada pemasangan bagian-bagian perakitan mesin memiliki rata-rata produksi yang
sama, kumpulan penjualan produk atau layanan dalam perkembangan proses kehidupan
dan jumlah hasil penjualan dari tingkat usaha yang konstan.
2.
Butuh model yang
sangat sederhana karena keterbatasan data, atau memudahkan dalam penjelasan dan
pelaksanaan.
Contoh: ketika
bisnis atau organisasi itu baru dan hanya sedikit data historis yang tersedia.
3.
Adanya asumsi
tertentu sehingga data menjadi lebih stabil.
Contoh:
mengganti pendapatan ke pendapatan perkapita atau mengganti penjualan dolar ke
jumlah dolar konstan.
4.
Adanya
transformasi data sehingga menjadi stabil.
Contoh:
mentransformasi rangkaian dengan menggunakan logaritma, akar kuadrat atau
pembedaan.
5.
Data adalah
himpunan eror dari teknik peramalan yang dianggap cukup baik (memadai).
6.
Teknik yang bisa
digunakan
a. Naïve
b. Simple averaging
c. Moving average
d. Autoregressive moving average (ARMA)
2.5.2 Teknik Peramalan Untuk Data Trend
Rangkaian Trend ditandai dengan
adanya kecenderungan arah data bergerak naik (growth) atau turun (decline)
pada jangka panjang. Dengan kata lain
runtun waktu
dikatakan mempunyai Trend jika nilai rata-ratanya berubah sewaktu-waktu
sehingga diharapkan untuk menambah atau mengurangi selama periode untuk ramalan
yang mana yang diinginkan. Teknik peramalan untuk
data trend digunakan jika:
1.
Daya produksi
yang meningkat atau kemajuan teknologi yang mendorong perubahan gaya hidup
(misal: permintaan barang elektronik).
Contoh:
permintaan komponen elektronik, yang meningkat dengan adanya komputer dan
pemakaian jalan kereta api yang menurun karena adanya pesawat terbang.
2.
Pertambahan
jumlah penduduk yang mendorong pada permintaan barang dan jasa.
Contoh: pajak
penjualan barang-barang konsumsi, permintaan konsumsi energi, dan penggunaan
bahan mentah.
3.
Daya beli dolar yang
mempengaruhi perekonomian (inflasi)
Contoh:
gaji,biaya produksi dan harga
4.
Penerimaan pasar
meningkat.
Contoh: periode
pertumbuhan dalam putaran produk baru.
5.
Teknik yang bisa
digunakan
a.
Moving average
b.
Holt’ linear exponential smoothing
c.
Simple regression
d.
Growth curve
e.
Exponential
f.
Autoregressive integrated moving average
2.5.3 Teknik Peramalan Untuk Data Siklis
Efek siklis didefinisikan sebelumnya
sebagai fluktuasi bergelombang disekitar Trend. Pola siklis sulit untuk
dimodelkan karena pola mereka secara tipikal tidak stabil/ tetap. Fluktuasi
seperti gelombang yang naik–turun disekitar Trend jarang terulang di interval
waktu yang tetap dan besarnya fluktuasi cenderung bervariasi. Metode
dekomposisi dapat diperluas untuk menganalisis data siklis. Akan tetapi, karena
sifat yang tidak teratur dari siklus,penganalisaan komponen siklis dari
rangkaian sering memerlukan penemuan kejadian yang kebetulan atau kepemimpinan
indikator ekonomi. Teknik peramalan untuk data
siklis digunakan jika:
1.
Putaran bisnis
mempengaruhi variabel minat
Contoh
: ekonomi, pasar dan faktor persaingan.
2.
Adanya
pergantian selera,mode, dll
Contoh
: fashion,musik,makanan,dll.
3.
Terjadinya
perubahan dalam penduduk.
Contoh
: perang, kelaparan, wabah penyakit dan bencana alam
4.
Adanya
pergantian siklus produk
Contoh :
pengenalan, pertumbuhan, kematangan dan kejenuhan pasar, dan penurunan.
5.
Teknik yang bisa
digunakan
a.
Clasical decompotition
b.
Economic indicator
c.
Econometrics model
d.
Multiple regression
e.
ARIMA
Postingan
0 komentar:
Posting Komentar