Forecasting
-
Upload
fitri-mora -
Category
Documents
-
view
88 -
download
3
Transcript of 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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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 peng- amatan 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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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.
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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).
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL
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.
Pusat Pengembangan Bahan Ajar - UMB Darman SE. MMMANAJEMEN OPERASIONAL