Peramalan

Pengertian Peramalan

Ramalan (forecast):

Merupakan pernyataan mengenai nilai yang akan datang dari variabel seperti permintaan. Bisa dikatakan bahwa ramalan adalah prediksi mengenai masa depan.

Peramalan bisa dikelompokkan berdasarkan waktu masa depan yang mendasarinya, yaitu:

• Peramalan Jangka Pendek : 1 hari, 1 minggu, 1 bulan, hingga 1 tahun.
• Contoh : Pembelian, penjadwalan kerja, jumlah tenaga kerja, dll.
• Peramalan Jangka Menengah : Beberapa bulan, sampai 3 tahun.
• Contoh : Perencanaan penjualan, perencanaan dan anggaran produksi, dll.
• Peramalan Jangka Panjang: 3 tahun atau lebih.
• Contoh : Perencanaan produk baru, modal, lokasi, dll. 

Kegunaan Ramalan

Organisasi

• Akuntansi : Estimasi biaya produk atau proses baru, proyeksi laba, dll.
• Keuangan : Kebutuhan mesin/peralatan, kebutuhan pinjaman, dll.
• SDM : Rekrutmen, Pengurangan karyawan, dll.
• Pemasaran : Harga, Promosi, dll.
• MIS : Sistem informasi baru, internet.
• Operasi : Perencanaan kapasitas, persediaan, dll.
• Desain produk atau jasa : Desain produk atau jasa baru, Perbaikan fitur, dll.

Manajer

• Membantu manajer merencanakan sistem. Biasanya melibatkan rencana jangka panjang mengenai produk/jasa yang ditawarkan, fasilitas dan peralatan yang ada, lokasi, dll.
• Membantu manajer merencanakan penggunaan sistem. Berdasarkan perencanaan jangka pendek dan menengah, seperti persediaan, tenaga kerja, pembelian, dll.

Persyaratan Peramalan Yang Baik

• Tepat waktu : waktu respon informasi dalam ramalan.
• Akurat dan tingkat keakuratannya harus dinyatakan : memungkinkan pengguna merencanakan kesalahan yang dapat terjadi dan menjadi dasar membandingkan alternatif ramalan. 
• Dapat diandalkan dan harus berfungsi terus-menerus : agar pengguna tidak merasa gelisah setiap ramalan baru dimunculkan.
• Dinyatakan dalam unit yang bermakna : perencana produksi perlu mengetahui berapa banyak unit yang dibutuhkan.
• Dilakukan secara tertulis : Untuk evaluasi ramalan.
• Sederhana agar mudah dipahami dan digunakan : pengguna lebih nyaman bekerja dengan teknik ini.
• Memiliki biaya yang efektif : manfaat harus lebih banyak dari biayanya.

Tahapan Dalam Proses Peramalan

• Menentukan tujuan ramalan : Bagaimana ramalan akan digunakan dan kapan akan dibutuhkan ramalan.
• Menetapkan rentang waktu : mengingat keakuratan menurun ketika rentang waktu meningkat.
• Memilih teknik peramalan.
• Memperoleh, membersihkan, serta melakukan analisa data yang tepat : data perlu di “bersihkan” agar menghilangkan data yang jelas tidak benar sebelum analisis.
• Membuat ramalan.
• Memantau ramalan : apakah sesuai dengan harapan. Bila tidak, perlu dilakukan revisi lagi.

Pendekatan Peramalan

KUALITATIF: input subjektif

• Opini Eksekutif : perencanaan jangka panjang & produk baru. 
• Opini Penjualan : berhubungan dengan konsumen langsung.
• Survei konsumen 
• Metode Delphi: berdasarkan penilaian ahli/memiliki  pengetahuan memadai dalam prediksi. 

KUANTITATIF : data historis/model asosiatif

• Deret Berkala : Proyeksi pengalaman masa lalu ke masa depan.
• Metode naif.
• Rata-rata bergerak (moving average).
• Pemulusan eksponensial (exponential smoothing).
• Trend; Musiman; Siklus.
• Model Asosiatif : persamaan yang terdiri atas satu atau lebih variabel penjelas untuk prediksi permintaan.
• Regresi Linier.

KUANTITATIF

• Metode naif : Ramalan untuk setiap periode yang sama dengan nilai aktual dari periode sebelumnya.
• Moving average : Teknik yang merata-ratakan sejumlah nilai aktual terbaru dan memperbaruinya ketika tersedia nilai baru.
• Exponential Smoothing : Metode untuk menghitung rata-rata tertimbang didasarkan pada ramalan sebelumya ditambah dengan persentase kesalahan ramalan.
• Regresi Linier : Teknik untuk menyesuaikan garis dengan serangkaian titik.

DERET BERKALA

• Dalam analisis data deret berkala, ada beberapa macam pola yang dapat muncul, diantaranya :
• Trend : Pergerakan data jangka panjang ke atas atau ke bawah.
• Musiman : Variasi teratur jangka pendek yang berkaitan dengan kalender atau waktu dalam hari.
• Siklus : Variasi berbentuk gelombang yang berlangsung lebih dari satu tahun.
• Variasi tidak beraturan : Disebabkan oleh kondisi-kondisi tidak biasa, tidak mencerminkan perilaku khas ( ex : kondisi cuaca parah, perubahan utama produk atau jasa).
• Variasi acak : Sisa variasi setelah semua perilaku lainnya diperhitungkan.

Keakuratan Ramalan

Keakuratan ramalan merupakan faktor yang penting dalam memutuskan dari berbagai macam peramalan yang ada. Keakuratan mengacu pada hasil kesalahan masa lalu/historis dari ramalan.

• Ada 3 ukuran yang digunakan untuk merangkum kesalahan historis, yaitu :
• Mean Absolute Deviation (MAD) : Rata-rata kesalahan ramalan absolut.
• Mean Squared Error (MSE) : Rata-rata kesalahan kuadrat ramalan.
• Mean Absolute Percent Error (MAPE) : Rata-rata persentase kesalahan absolut.

Mengendalikan Ramalan

Dalam memantau kesalahan  ramalan diperlukan alat visual, yaitu Bagan Kendali. Supaya kesalahan ramalan “dalam kendali”, diperlukan 2 hal :

• Semua kesalahan dalam batas kendali.
• Tidak ada pola (trend, siklus, data tidak terpusat).

Pemilihan Teknik Peramalan

Peranan Komputer Dalam Peramalan

Pemakaian komputer sangat membantu manajer dalam mengembangkan dan merevisi ramalan dengan cepat dan tidak perlu bersusah payah melakukan perhitungan manual.

Ada berbagai paket perangkat untuk menangani peramalan. Kemasan mainframe yang populer adalah mencakup Peramalan seri waktu general Electric, dan IMPAC IBM. Kemasan populer untuk Komputer PC adalah SAS, SPSS, BIOMED, SYSTAB, POM for windows, dan Minitab. Excel dari program Spreadsheet juga sering digunakan dalam peramalan, dengan dukungan fungsi-fungsi yang sudah ada dalam excel.