METODE PERAMALAN
Definisi
Peramalan
Definisi dari peramalan (forecasting) adalah
seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal tersebut dapat
dilakukan dengan menggunakan data historis dan proses kalkulasi untuk
memprediksikan sebuah proyeksi atas kejadian di masa datang. Cara lain yang
dapat ditempuh adalah dengan intuisi subjektif atau dengan model matematis yang
disusun oleh pihak manajemen. (Heizer & Render, 2011).Pedapat lain dari
buku Operation Management (Stevenson, 2011:72) peramalaan adalah masukan/input
dasar dalam proses pengambilan keputusan dari manajemen operasi karena
permalaan memberikan informasi dalam perimintaan dimasa yang akan dating. Salah
satu tujuan utama dari manajemen operasi adalah untung menyeimbangkan antara pasokan/supply
dan permintaan,dan memiliki perkiraan permintaan dimasa yang akan dating sangat
penting untuk menentukan berapa kapasitas atau pasokan/supply yang dibutuhkan
untuk menyeimbangi permintaan.
Manfaat Peramalan
Metode
peramalan biasanya digunakan oleh bagian penjualan dalam melakukan perencanaan
(sales planning) berdasarkan hasil ramalan penjualan, sehingga informasi
peramalan dapat bermanfaat bagi Production Planning and Inventory Control
(PPIC). Dimana peramalan memegang peranan penting, antara lain: (Hartini,
2011:18)
- Penjadwalan sumber-sumber yang ada,
- Peramalan pada tingkat permintaan untuk produk, material, tenaga kerja, finansial atau jasa adalah input penting untuk penjadwalan.
- Peramalan dibutuhkan untuk menentukan kebutuhan sumber-sumber di masa yang akan datang,
- Menentukan sumber-sumber daya yang diinginkan,
- Semua organisasi atau perusahaan harus menentukan sumber apa yang mereka inginkan untuk dimiliki pada jangka panjang.
Untuk
mendapatkan rencana produksi yang tepat tentunya harus mempunyai perkiraan
jumlah permintaan konsumen yang tepat. Jadi, peramalan merupakan titik awal
yang sangat penting dalam perencanaan produksi.
Langkah-langkah Dalam Proses
Peramalan
Menurut
Stevenson dalam buku Operation Management (Stevenson, 2011 :74) ada 6 langkah
dasar dalam proses peramalaan :
- Tentukan tujuan dari permalaan. Bagaimana hasilnya akan digunakan dan kapan akan digunakaan, langkah ini akan memberikan indikasi akan tingkat detail yang dibutuhkan dalam peramalan, banyaknya sumber daya yang dibutuhkan, dan tingkat akurasi.
- Menentukan rentang waktu, semakin panjang rentang waktunya maka semakin berkurang akurasi dari permalaan.
- Pilih teknik/metoda forecasting
- Analisa dan rapihkan data, karena data yang tidak akurat mengurangi validasi dari hasil peramalan
- Buatlah Peramalaan
- Pantau hasil dari permalaan, hasil peramalaan harus diawasi dan dipantau untuk mengetahui apakah performanya memuaskan, jika tidak revisi lagi metoda/teknik yang digunakan, uji lagi validitas dari data yang digunakan.
Metode Peramalan
Melakukan aktivitas
peramalan perlu didasari
dengan metode yang tepat dan terstandarisasi, hal ini
dilakukan untuk dapat memberikan proyeksi masa depan
yang jelas dan
dapat dipertanggung jawabkan
dasar pemikirannya.
Dengan dasar pemikiran atas proyeksi peramalan yang jelas, pihak
manajemen dapat menggunakan dasar pemikiran tersebut sebagai dasar pengambilan
keputusan yang berguna untuk mengantisipasi skenario kejadian
di masa depan.
Gambar : Metode peramalan Menurut Jay Heizer dan Barry Render
Sumber : Heizer & Render (2011)
Kualitatif
Metode peramalan yang bersifat subyektif, karena dipengaruhi oleh faktor-faktor seperti
intuisi, emosi, dan
pengalaman seseorang. Heizer
& Render (2011:139) mengklasifikasikan peramalan kualitatif dalam beberapa metode,
yaitu:
1. Juri dari opini eksekutif
Pada metode
ini data diperoleh
dengan mengambil pendapat
dari sekelompok manajer level puncak dan seringkali dikombinasikan dengan model-model statistik untuk
menghasilkan estimasi permintaan kelompok.
2. Metode Delphi
Teknik peramalan dengan menggunakan
proses sebelum membuat peramalannya. Dalam metode ini karyawan menggunakan
teknik menyebarkan kuesioner kepada para
responden dan hasil survei tersebut dijadikan sebagai pengambilan keputusan
sebelum peramalan dibuat.
3. Gabungan Tenaga Penjualan
Dalam pendekatan ini, setiap tenaga
penjualan mengestimasi jumlah penjualan yang dapat dicapai diwilayahnya.
Kemudian ramalan ini dikaji kembali untuk memastikan apakah peramalan cukup
realistir dan dikombinasikan pada tingkat wilayah dan nasional untuk memperoleh
peramalan secara menyeluruh.
4. Survei Pasar Konsumen
Metode ini meminta masukan dari
konsumen mengenai rencana pembelian mereka dimasa depan. Survei konsumen ini
dapat dilakukan melalui percakapan informal dengan para konsumen.
Kuantitatif
Heizer & Render (2011:139) menjelaskan
bahwa metode forecast dilakukan dengan menggunakan model matematis yang beragam
dengan data historis yang terkait dengan peramalan dan variabel sebab akibat
untuk meramalkan permintaan. Metode peramalan kuantitatif juga dibagi
menjadi dua jenis, yaitu
Time Series Forecasting
dan Associative Forecasting Method.
1. Time Series Forecasting
Time series method merupakan
analisis deret waktu yang terdiri dari trend, seasonal, cycle, dan random
variation. Analisis deret waktu ini sangat tepat dipakai untuk
meramalkan permintaan yang
pola permintaan di
masa lalunya cukup konsisten
dan akurat dalam
periode waktu yang
lama.
2. Associative Forecasting Method
Jenis kedua
dari metode forecast yang
bersifat kuantitatif menurut Heizer &
Render (2011:158) yaitu metode asosiatif
atau kausal. Tidak seperti time series forecasting, model
peramalan asosiatif mengasumsikan hubungan antara variabel terikat dan beberapa
variabel bebas yang terkait dengan peramalan. Model peramalan asosiatif
kuantitatif yang umum digunakan adalah analisis regresi linear. Model
sistematis yang digunakan pada analisis regresi linear adalah dengan
menggunakan metode kuadrat terkecil dari
proyeksi tren yang
dilakukan pada analisis
regresi linear.
Karakteristik
Peramalan Menurut Nasution (1999), peramalan yang baik mempunyai beberapa
kriteria, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari ketiga
kriteria tersebut adalah sebagai berikut.
- Akurasi
Pengertian akurasi dari suatu hasil peramalan diukur dengan hasil
kebiasaan dan kekonsistensian peramalan tersebut. Apabila hasil peramalan
dikatakan bias, peramalan tersebut terlalu tinggi atau rendah dibandingkan
dengan kenyataan yang sebenarnya terjadi. Selanjutnya hasil peramalan dikatakan
konsisten, apabila kesalahan peramalan relatif kecil. Kondisi peramalan yang
terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan
konsumen tidak dapat dipenuhi dengan segera. Hal itu akan berdampak di
perusahaan serta besar kemungkinan kehilangan pelanggan dan keuntungan dari
penjualan. Sebaliknya, apabila peramalan yang terlalu tinggi dapat
mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang
terserap dan terbuang. Keakuratan dari hasil peramalan akan berfungsi
menyeimbang-kan persediaan yang ideal.
- Biaya
Biaya yang dbutuhkan dalam pembuatan peramalan bergantung pada jumlah
item/jenis yang diramalkan, jangka waktu peramalan, dan metode peramalan yang
dipakai. Ketiga faktor pemicu biaya tersebut akan memengaruhi terhadap data
yang dibutuhkan. Selain itu juga akan bergantung pada cara pengolahan data
(manual atau komputerisasi), cara penyimpanan data, dan tenaga ahli yang
diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang
tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang
penting akan diramalkan dengan metode yang sederhana dan murah. Oleh karena
itu, Buffa (1966) menjelaskan bahwa metode yang lebih canggih tidak menjamin
memperoleh hasil yang lebih akurat daripada metode yang lebih sederhana, lebih mudah
diterapkan, dan lebih murah. Prinsip ini merupakan adopsi dari hukum Pareto
(Analisis ABC).
- Kemudahan
Penggunaan metode peramalan yang sederhana mudah dibuat dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Apabila memakai metode
yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena
keterbatasan dana, sumber daya manusia, dan peralatan teknologi merupakan hal
yang percuma.
Tidak ada komentar:
Posting Komentar