Forecasting

(Modul 2)

FORCASTING (Peramalan)

Pendahuluan

Salah satu dari ciri kehidupan modern sekarang ini adalah bahwa seseorang dipaksa untuk

selalu meramalkan (forecasting) apa yang akan terjadi di masa yang akan datang dan

membuat rencana sesuai dengan kejadian-kejadian yang diramalkan. Suatu ramalan yang

baik sudah pasti bukanlah ramalan yang didasarkan atas spekulasi yang tidak beralasan,

melainkan melalui suatu perkiraan (estimating) berdasarkan atas tingkah laku dari gejala yang

sudah ada dan diamati secara berulang-ulang. Misalkan perkembangan jumlah penduduk

tidak mungkin diperhitungkan da diramalkan berdasarkan renungan semata-mata. Hanya

dengan pengamatan yang berulang-ulanglah perkembangan penduduk itu dapat

diperhitungkan dan diramalkan dengan tepat dan teliti.

Dua fungsi kunci dari manajemen pada setiap organisasi adalah perencanaan dan

pengendalian. Suatu perusahaan atau organisasi harus merencanakan masa depan dengan

memperhatikan kondisi-kondisi obyektif dari perusahaan atau organisasi pada masa yang

lalu. Perencanaan untuk masa yang akan datang melibatkan kegiatan-kegiatan sebagai

berikut :

1. Menentukan produk dan pasar geografis dimana perusahaan dapat memperoleh

tingkat pengembalian yang memuaskan.

2. Meramalkan tingkat permintaan di pasarr dalam berbagai kondisi yang berbeda

(harga, promosi dan per-saingan) dan kegiatan perekonomian umum lainnya.

3. Meramalkan biaya produksi di berbagai tingkat pengeluaran dalam kondisi perubahan

teknologi, tingkat upah dan harga bahan mendath.

Perencanaan dan pengendalian berkaitan erat dengan suatu perusahaan atau organsasi.

Dalam prakteknya keduanya tidak dapat dipisahkan. Prosedur operasi atau proses

pengendalian harus ditujukan kearah rencana dari organisasi atau perusahaan. Jika

peramalan tentang permintaan, biaya masukan, teknologi dan faktor-faktor lainnya yang

dimasukkan ke dalam rencana yang serius tidak tepat, maka rencana tersebut akan memiliki

kegunaan yang kecil dan tahap pengendalian kemungkinan besar akan gagal.

Manajer-manajer suatu organisasi atau perusahaan akan selalu berusaha untuk membuat

perkiraan (estimating) yang lebih baik (better estimate) dari apa yang akan terjadi di masa

Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL

yang akan datang yang selalu diliputi dengan ketidak pastian (uncertainty). Peramalan

(forecast) yang bai merupakan bagian yang sangat penting dalam operasi-operasi

perusahaan atau organisasi dan pelayanan yang efisien. Peramalan juga merupakan alat

pemodelan yang penting dalam pengambilan keputusan yang bersifat strategis dan taktis bagi

perusahaan atau organisasi.

Dalam empat dekade terakhir ini terjadi perkembangan dalam bidang pendugaan (prediction)

dan penaksiran (estimation) yang mempunyai hubungan dan dapat dipergunaan secara

langsung dalam peramalan kondisi yang akan datang dari suatu organisasi atau perusahaan.

Kemajuan dalam teori dan praktek ini disebabkan oleh meningkatnya kompleksitas,

persaingan dan perubahan lingkungan. Organisasi dalam berbagai ukuran menyadari

pentingnya pembuatan ramalan (forecaseting) pada masa yang akan datang untuk

mengurangi ketidak pastian lingkungan.

Hal yang perlu dilakukan adalah mengambil keuntungan maksimum dari kesempatan yang

tersedia bagi organisasi. Sepertii halnya dengan perkembangan sebagian besar teknik ilmu

manajemen, penerapan atau aplikasi dari metode forecaseting telah tertinggal di belakang

perumusan dan verifikasi teoritisnya.

Kebutuhan dan Kegunaan Forecasting

Seringkali terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau kebutuhan

mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan

alasan yang utama bagi perencanaan (planning) dan peramalan (forecasting). Jika waktu

tenggang nol atau sangat kecil maka perencanaan (planning) tidak diperlukan, tetapi

sebaliknya jika waktu tenggang itu panjang dan hasil akhir dari suatu peristiwa tergantung

pada faktorfaktor yang dapat diketahui maka perencanaan (planning) dapat memegang

peranan yang sangat penting.

Dalam situasi seperti ini maka peramalan (forecaseting) diperlukan untuk menetapkan kapan

suatu kondisi atau kejadian yang akan terjadi sehingga tindakan yang tepat harus dilakukan.

Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan yang sangat

penting, karena waktu tenggang untukmengambil keputusan dapat berkisar dari beberapa

tahun, beberapa hari atau mungkin beberapa jam saja. Peramalan (forecaseting) merupakan

alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien.

Dengan mengetahui dan mempelajari berbagai cara peramalan, maka akan diketahui bahwa

tidak ada satu cara peramalan yang lebih baik, masing-masing mempunyai keunggulan dan

kelemahan (there is seldom one single superior methode). Apa yang baik untuk suatu


perushaan dengan kondisi tertentu mungkin justru tidak memperoleh hasil yang baik untuk

perusahaan yang lain dan sebaliknya.

Terdapat banyak fenomena yang saat ini hasilnya atau terjadinya sesuatu itu dapat

diramalkan dengan mudah dan tepat. Misalnya terbitnya matahari, awal timbulnya kelaparan,

terjadinya musim hujan atau musim kemarau dan peristiwaperistiwa lain yang dapat

diramalkan meskipun hal itu tidak selalu terjadi yang demikian. Kemajuan ilmu pengetahuan

dan teknologi telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan

akibatnya banyak peristiwa yang dapat diramalkan.

Kemampuan menduga atau memprediksi dari berbagai peristiwa kini nampaknya juga dapat

diterapkan dalam bidang ekonomi. Kecenderungan untuk meramalkan suatu peristiwa secara

lebih tepat, khususnya dalam bidang ekonomi akan terus menerus memberikan dasar yang

lebih baik bagi perencanaan suatu organisasii atau perusahaan.

Terlepas dari adanya peningkatan ini, ada dua alasan penting yang harus tetap diperhatikan,

pertama bahwa keberhasilan atau ketepatan dalam peramalan tidak selalu bermanfaat secara

langsung bagi para manajer dan pihak lainnya dari suatu organisasi atau perusahaan.

Sekalipun ramalan itu tepat, tetapi nilainya kecil dalam membantu organisai atau perusahaan

untuk menyadari kemungkinan tentang hal yang diramalkan atau mencapai sukses yang lebih

besar. Hal penting yang kedua yang harus diperhatikan adalah perbedaan antara peristiwa

eksternal yang diluar kendali (berasal dari ekonomi nasional, pemerintah, pelanggan,

pesaing) dan peristiwa internal yang dapat dikenalikan.

Keberhasilan suatu perusahaan aau organisasi tergantung pada kedua jenis peristiwa

tersebut. Peramalan (forecaseting) mempunyai peranan langsung pada jenis peristiwa

eksternal, sedangkan pengambilan keputusan berperan terhadap peristiwa internal organisasi

atau perusahaan. Perencanaan merupakan mata rantai yang memadukan kedua hal tersebut.

Peramalan (forecating) adalah bagian yang integral dari kegiatan pengambilan keputusan

manejemen. Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-

faktor lingkungan kemudia memilih tindakan yang diharapkan akan menghasilkan pencapaian

sasaran dan tujuan tersebut. Kebutuhan akan peramalan (forecaseting) meningkat sejalan

dengan usaha pihak manajemen untuk mengurangi ketergantungan pada hal-hal yan belum

pasti. Peramalan menjadi lebih ilmiah sifatnya dalam menghadapi lingkungan manajemen,

karena setiap bagi dari organisasi berkaitan antara yang satu dengan yang lainnya, baik

buruknya peramalan dapat mempengaruhi seluruh bagian dari organisai atau perusahaan.

Beberapa bagian organisasi dimana peramalan kini memainkan peranan yang sangat penting

adalah :

1. Penjadwalan sumber daya yang tersedia


2. Penyediaan sumber daya tambahan

3. Penentuan sumber daya yang diinginkan.

Dengan adanya serangkaian kebutuhan itu, maka organisasi atau perusahaan perlu

mengembangkan pendekatan berganda untuk menduga peristiwa atau kejadian yang tidak

tentu dan membangun suatu sistem peramalan. Suatu sistem peramalan harus mempunyai

hubungan diantara ramalan-ramalan yang dibuat dengan bidang manajemen yang lain. Jika

peramalan ingin berhasil maka harus diperhatikan adanya saling ketergantungan yang tinggi

diantara ramalan berbagai divisi atau departemen.

Tujuan Forecasting

Dengan memperhatikan pentingnya peramalan (forecasting) bagi pengembangan suatu

perusahaan atau organisasi di masa yang akan datang, maka ada beberapa tujuan pokok

(primary purpose) dari penggunaan peramalan (forecasting) bagi organisasi atau perusahaan

antara lain :

Untuk memutuskan apakah permintaan terhadap suatu produk menunjukkan

kelayakan untuk memasuki pasar,

Untuk menentukan apakah kebutuhan kapasitas jangka panjang memerlukan

perancangan fasilitas (facility design),

Untuk mendapatkan kepastian tentang fluktuasi atau naik turunnya tingkat kebutuhan

dalam jangka pendek guna melakukan perencanaan produksi (production planning),

penjadwalan tenaga kerja (workface scheduling), perencanaan bahan (material

planning), dan sebagainya.

Peran Teknik Peramalan

Komitmen tentang peramalan telah tumbuh karena beberapa faktor, yang pertama adalah

karena meningkatnya komplek-sitas organisasi dan lingkungan, hal ini membuat pengambil

keputusan semakin sulit untuk mempertimbangkan semua faktor secara memuaskan. Kedua,

dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan akan

meningkat pula . Lebih banyak keputusan yang membutuhkan telaah peramalan khusus dan

analisa yang lebih lengkap dan tajam. Ketiga, lingkungan dari kebanyakan organisasi telah

banyak mengalami perubahan yang sangat cepat. Hubungan yang harus dimengerti oleh

organisasi selalu berubah-ubah dan peramalan memingkinkan organisasi mempelajari

hubungan yang baru secara lebih cepat. Keempat, pengambilan keputusan telah semakin

sistematis yang mencakup tentang pembenaran tindakan individu secara eksplisit. Peramalan

formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil oleh individu

tersebut. Kelima dan yang terpenting adalah bahwa pengembangan metode peramalan dan


pengetahuang yang menyangkut tentang aplikasi peramalan lebih memungkinkan adanya

pererapan secara langsung oleh praktisi dari pada hanya dilakukan oleh para teknisi ahli.

Situasi peramalan sangat beragam dalam waktu peramalan. Faktor yang menentukan hasil

sebenarnya, tipe pola data dan berbagai aspek lainnya. Teknik peramalan secara garis besar

dibagi menjadi dua yaitu metode kuatitatif dan metode kualitatif. Metode kuantitatif dibagi

menjadi deret berkala dan metode kausal sedangkan metode kualitatif dibagi menjadi metode

eksploratoris dan normatif.

Peramalan kuantitatif dapat diterapkan apabila terdapat tiga kondisi yaitu :

1. Tersedia informasi tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut pada

masa yang akan datang.

Suatu dimensi tambahan untuk mengklasifikasi metode peramalan kuantitif adalah dengan

memperhatikan model yang mendasarinya.

Teknik peramalan kuantitatif sangat beragam, di-kembangkan dari berbagai disiplin dan

berbagai maksud. Terdapat dua jenis model peramalan yang utama yaitu model deret waktu

(time series) dan model regresi (causal). Tujuan dari metode deret berkala adalah

menemukan pola dalam deret data historis meng-ekstrapolasikan pola data tersebut ke masa

yang akan datang. Sementara model regresi mengasumsikan bahwa faktor yang diramalkan

menunjukkan hubungan fungsional atau hubungan sebab akibat. Misalkan pejualan =

f(pendapatan, harga, iklan, pesaing).

Maksud dari model kausal adalah menemukan bentuk hubungan tersebut dan

menggunakannya untuk meramalkan nilai yang akan datang.

Metodologi Peramalan

Banyak teknik yang tersedia untuk peramalan (forecaseting) pada variabel-variabel ekonomi.

Teknik-teknik ini berada pada prosedur-prosedur yang sederhana, teknik yang relatif agak

mahal sampai teknik yang sangat komplek.

Teknik peramalan pada dasarnya bersifat kuantitatif dan yang lainnya bersifat kualitatif.

Dalam teknik peramalan tidak ada salah Satu dari teknik peramalan yang lebih baik

dibandingkan dengan teknik peramalan yang lain. Pendekatan terbaik untuk suatu tugas

tertentu adalah tergantung pada masalah peramalan yang bersangkutan. Beberapa faktor

penting yang perlu diper-timbangkan antara lain :

1. Jarak ke masa yang akan datang yang harus diramalkan

2. Tenggang waktu yang tersedia untuk mengambil keputusan


3. Tingkat akurasi atau kesalahan peramalan yang diperlukan

4. Kualitas data yang tersedia untuk dianalisis

5. Sifat hubungan yang tercakup dalam masalah peramalan

6. Biaya dan keuntungan yang berkaitan dengan masalah peramalan

Dalam setiap teknik peramalan, tingkat ketelitian atau kecanggihan juga sangat bervariasi.

Umumnya semakin tinggi tingkat kecanggihan semakin tinggi juga biayanya. Jika tingkat

akurasi yang diperlukan rendah, metode yang tidak terlalu canggih kemungkinan memberikan

hasil yang memadai dengan biaya yang relatif murah. Karena itu pemilihan metode

peramalan yang sesuai tergantung baik pada karakteristik masalah peramalan yang

mendasarinya maupun tingkat akurasi peramalan yang diperlukan.

Untuk menentukan tingkat akurasi ramalan yang sesuai, kita harus membandingkan biaya

dan keuntungan yang akan dikeluarkan dan hasil yang diperoleh. Ketika akurasi peramalan

sangat rendah, probabilitas atau peluang kesalahan peramalan yang signifikan sangat tinggi

sehingga kemungkinan pengambilan keputusan manajerial yang salah samakin besar,

demikian pula sebaliknya ketika tingkat akurasi peramalan sangat tinggi, probabilitas atau

peluang kesalahan

peramalan dapat dieliminir sehingga kemungkinan mengambil keputusan manajerial yang

salah rendah.

Analisis Deret Waktu dan Proyeksinya

Pengertian deret waktu tidak lain adalah serangkaian pengamatan terhadap suatu peristiwa,

kejadian, gejala, atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut

urutan waktu terjadinya, kemudian disusun sebagai data statistik. Dari data-data tersebut

akan diketahui apakah peristiwa, kejadian, atau gejala-gejala tersebut mengikuti pola-pola

perkembangan yang teratur atau tidak. Apabila rangkaian waktu tersebut menunjukkan pola

yang teratur, maka akan dapat dibuat suatu peramalan yang cukup kuat mengenai tingkah

laku gejala yang dicatat, dan atas dasar ramalan tersebut maka akan dapat dibuat rencana-

rencana di masa yang akan datang yang cukup dapat dipertanggung jawabkan.

Analisa deret waktu (time series analysis) adalah suatu analisa terhadap pengamatan,

pencatatan, dan penyusunan peristiwa yang diambil dari waktu ke waktu. Pada umumnya

pengamatan dan pencatatan dilakukan dalam jangka waktu tertentu, misalnya tiap tiga bulan,

tiap tahun, atau tiap 5 tahun dan sebagainya.

Metode serial waktu atau deret waktu didasari oleh asumsi bahwa kejadian-kejadian di masa

mendatang akan mengikuti pola-pola yang sudah ada, atau dengan kata lain bahwa pola

perilaku ekonomi masa lalu cukup berlaku untuk membenarkan penggunaan data historis

untuk memprediksi masa yang akan datang. Para peramal ekonomi yang menggunakan


teknik-teknik deret waktu selalu melihat pada pola historis dari suatu variabel kemudian

memproyeksikan, atau meramalkan bahwa variabel tersebut akan terus bergerak disepanjang

jalur yang digambarkan oleh pergerakan di masa yang lalu.

Banyak variasi peramalan dengan proyeksi trend memerlu-kan keberlangsungan hubungan

masa lalu antara variabel yang diproyeksikan dengan jalannya waktu, sehingga semuanya

meng-gunakan data serial waktu.

Ciri-ciri gerakan deret waktu dapat digolongkan ke dalam empat pola pokok atau komponen.

Keempat komponen tersebut adalah :

(1) gerakan jangka panjang atau gerakan sekuler,

(2) gerakan melingkar atau gerakan siklis,

(3) gerakan berkala atau gerakan musiman, dan

(4) gerak tidak teratur atau gerakan random.

Gerak Jangka Panjang atau Trend Jangka Panjang

Istilah lain dari gerak jangka panjang adalah longterm movements atau seculer movements.

Dalam gerakan ini grafik rangkaian waktunya akan menunjukkan arah yang umum, baik

menaik maupun menurun, dan arah gerakan itu bertahan dalam jangka waktu yang cukup

lama. Pada umumnya jangka waktu yang digunakan sebagai ukuran adalah sepuluh tahun ke

atas.

Gerakan Melingkar (cyclical movements / cyclical variations)

Gerakan melingkar adalah variasi rangkaian waktu atau deret waktu yang menunjukkan

gerakan berayun di sekitar garis arah atau kurva arah. Lingkatan atau siklik itu dapat bersifat

berkala, bisa juga tidak. Artinya suatu siklik disebut berkala apabila ia berulang kembali pada

jangka waktu tertentu. Akan tetapi jika dalam jangka waktu tertenti tidak selalu menunjukkan

pola yang sama, maka siklik tersebut disebut tidak berkala.

Untuk menilai berkala atau tidaknya suatu siklik dalam bidang ekonomi dan perdagangan

harus dilakukan pengamatan paling sedikit satu tahun penuh.

Gerakan Musiman (Seasonal variation)

Variasi musiman merupakan komponen lain dari time series sebagai akibat dari peristiwa

alam maupun perilaku dari manusia itu sendiri. Gerakan musiman atau seasonal variation

adalah salah satu ciri gerakan rangkaian deret waktu yang sepanjang tahun pada bulan-bulan

yang sama selalu menunjukkan pola yang identik atau hampir-hampir identik. Misalkan

banyak curah hujan pada bulan Nopember-Desember, banyaknya produksi padi pada saat

musim panen, jumlah potong pakaian yang terjual pada saat hari raya raya dan sebagainya


merupakan contoh-contoh kejadian yang selalu berulang dan timbul kembali pada saat-saat

tertentu tiap-tiap tahunnya.

Gerakan Random (Random variation)

Gerakan random atau random variation adalah rangkaian deret waktu yang menunjukkan

gerakan yang tidak teratur yang disebabkan oleh faktor-faktor insidental dan tidak dapat

diprediksi oleh sistem, misalnya bencana alam, kematian, pemogokan kerja, perang, dan

sebagainya. Waktu timbulnya faktor-faktor itu sama sekali tidak teratur, dan biasanya

hanya berlangsung dalam waktu yang sangat singkat.

Tetapi meskipun demikian pergerakannya sangat singkat, akibat dari timbulnya faktor ini

mungkin sedemikian besarnya sehingga dapat mengubah kompone yang lama dan dapat

menyebabkan timbulnya komponen yang baru. Pola dari komponen baru ini mungkin sama

dengan pola komponen yang lama misalnya sama-sama siklis tetapi dalam status yang

berbeda dapat juga sama sekali lain, misalnya siklis menjadi pola melingkar.

Analisis deret waktu dapat sesederhana memproyeksikan atau melakukan ekstrapolasi

terhadap trend yang tidak disesuaikan. Baik dengan menggunakan analisa grafik

(penyesuaian dengan mata) maupun teknik regresi kuadrat terkecil, kita dapat menggunakan

data historis untuk menentukan kenaikan atau penurunan rata-rata dalam deret tersebut

selama setiap periode waktu kemudian memproyeksikan laju perubahan itu ke masa yang

akan datang. Analisa deret waktu juga dapat lebih komplek dan canggih, yang memungkinkan

penelitian terhadap pola musiman dan siklis di samping trend dasar.

Karena teknik-teknik ekstrapolasi mengasumsikan bahwa sebuah variabel akan mengikuti

pola jalur yang sudah mapan. Permasalahannya adalah menetapkan kurva trend yang sesuai

dengan pola data. Dalam teori, kita dapat menyesuaiakan setiap fungsi matematis yang

kompleks ke dalam data historis dan melakukan ekstrapolasi untuk mengestimasi nilai di

masa yang akan datang. Tetapi dalam praktek, kita umumnya menemukan kurav linier, kurva

pangkat sederhana atau kurva eksponensial yang dipergunakan untuk peramalan ekonomi.

Time Series dan Analisa Trend

Maksud pokok dari analisa trend adalah untuk mengeliminasi pola-pola gerakan siklis, pola-

pola gerakan musiman, dan pola-pola gerakan random dan meninggalkannya hanya pola-

pola gerakan trend. Teknik ini dilakukan untuk menyesuaikan garis tren pada titik-titik data

deret waktu (time series) kemudian memproyeksikan garis trend tersebut untuk masa yang

akan datang. Beberapa teknik dalam analisa trend telah banyak dikembangkan antara lain

exponential, quadratic, dan line regression. Dalam bahasan ini penulis hanya menyajikan

dalam bentuk garis trend yang linier saja.


Untuk mendapatkan general trend atau arah pola gerakan secara umum dapat dipergunakan

metode-metode :

(1) rata-rata bergerak (moving everages),

(2) metode setengah rata-rata (semi everages),

(3) metode kuadrat terkecil (least square).

Metode Rata-rata bergerak (Moving Average)

Moving average untuk menaksir arah dari rangkaian waktu merupakan metode yang sangat

simpel. Apa yang harus dilakukan adalah kerja hitungan yang sangat sederhana. Inilah

sebabnya mengapa metode ini sangat banyak digunakan dalam praktek. Tetapi disamping

kebaikannya metode ini mempunyai segi negatif atau sisi kelemahan, yaitu pertama sebagai

kelemahannya yang paling prinsipil metode ini menggunakan data yang paling baru, data

yang terjadi paling akhir.Kedua, moving average karena dihitung secara matematik maka

sangat peka terhadap kejadian-kejadian yang ekstrim. Misalnya pemogokan, bencana alam

dan sebagainya akan mengubah arah rangkaian waktu yang sangat mencolok sehingga

kurva arah tidak lagi mulus seperti seharusnya. Ketiga, untuk memperoleh moving average

yang halus maka diperlukan jumlah data yang dimasukkan dalam analisa minimal sebanyak

jumlah tahun (jumlah waktu) sebagai panjang rata-rata dari siklus kejadian dalam data

tersebut.

Rumus yang digunakan untuk perhitungan rata-rata bergerak (moving average) sebagaimana

yang dikemukakan oleh Meredith adalah :

Ft+1 = 1/n i=(t-n+1)St Ai

dimana :

t = kode nomor periode waktu untuk periode yang sedang berlangsung

Ft+1 = forecast terhadap demand untuk periode yang akan datang

S = notasi yang menunjukkan jumlah secara berurutan

Ai = demand sesungguhnya dalam periode waktu ke-i

n = jumlah periode dari demand yang diperhitungkan

Sedangkan Heizer and Render menuliskan rumus untuk moving average adalah :

S demand in previous n periods

Moving average = ---------------------------------------------- n

dengan : n = jumlah periode yang diperhitungkan


Jika moving average dipakai mean yang ditimbang atau weighted mean, maka bilangan-

bilangan moving averagenya disebut weighted moving averages. Pada pendekatan ini

dilakukan dengan memberikan bobot yang lebih besar pada data yang lebih baru dari pada

data dalam periode sebelumnya. Data yang terbaru merupakan indikator yang akan

menunjukkan kemana arah data yang akan datang, tetapi kita juga harus memperhatikan

terjadinya fluktuasi random dengan memperhatikan beberapa periode sebelumnya. Jumlah

bobot seluruhnya adalah 1,00.

Metode weighted moving average dapat dirumuskan :

S (weight for period n) x ( demand in period n)

W = -------------------------------------------------------------

S weights

Metode Setengah Rata-rata (Semi Average)

Pada metode ini separoh dari data yang tersedia dibagi menjadi dua bagian, dari masing-

masing bagian kemudian dicari rata-ratanya dengan menggunakan rumus :

Y = ao + bX

Y = nilai trend periode tertentu

ao = nilai trend pada periode dasar

b = pertambahan trend tahunan secara rata-rata yang dihitung dengan rumus :

b = 1/n (X2 – X1).

Kebaikan dari metode ini adalah sangat mudah peng- gunaanya. Proses kerjanya hanya

menjumlahkan dan membagi. Garis trend dapat dilukis melalui dua titik semi averages dari

tahun pertama sampai tahun terakhir. Metode ini juga merupakan metode yang murni

obyektif, tidak tergantung kepada estimate atau perkiraan seseorang. Kelemahan dari metode

ini adalah sangat terpengaruh oleh angka-angka yang esktrim yang disebabkan oleh

peristiwa-peristiwa yang tidak diduga atau insidentil.

Metode Kuadrat Terkecil (least square)

Metode least square merupakan metode yang obyektif, tidak tergantung kepada estimate

atau perkiraan pribadi. Persamaan trend yang dihasilkan dapat digunakan untuk ekstrapolasi

(diperluas untuk masa-masa lalu maupun masa yang akan datang).


Salah satu kelemahan dari metode ini adalah metode ini didasarkan atas dasar jalan fikiran

bahwa trend dari deret waktu mengikuti garis lurus yang mana juga merupakan kelemahan

dari metode semi rata-rata.

Dalam mengembangkan garis trend yang linier dengan menggunakan metode kuadrat terkecil

didasarkan pada meminimalkan jumlah dari kuadrat kesalahan atau deviasi dari harga

ramalan (forecast) dengan data aktual. Garis trend dinyatakan dalam rumus :

Y = a + bX

Dimana :

Y = nilai terhitung dari variabel yang diprediksi sebagai variabel tak bebas (dependent

variable)

a = intersept garis trend

b = sloope dari garis trend

X = periode waktu sebagai variabel bebas (independt variable).

Dengan meminimalkan jumlah kuadrat kesalahan, maka niai dari a dan b dapat dihitung

dengan menggunakan rumus

berikut :

nSXY - SXSY Sy - bSx

b = --------------------, a = --------------

SX2 – (SX)2 n

Rumus-rumus di atas dapat dipersingkat dengan SX = 0, maka persamaan di atas menjadi :

nSXY

b = --------, a = SY/n.

SX2

SSS SUntuk membuat SX = 0, maka ada dua kasus yaitu untuk periode ganjil maka

penulisan periodenya ditulis berdasarkan urutan bilangan bulat yaitu ..., -3, -2, -1, 0, 1, 2, 3, ...

sedangkan untuk kasus jumlah periode genap maka penulisan periode ditulis berdasarkan

urutan bilangan ganjil negatif sampai positif. Untuk tahun periode mundur (periode

sebelumnya) diberi tanda negatif sedangkan untuk periode maju (periode yang akan datang)

diberi tanda positif.


Forecasting

Documents

Transcript of Forecasting