Macam-Macam Metode Peramalan dan Trend Linier

1.Metode Peramalan

Peramalan (forecasting) : adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.

Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain :

Peramalan berdasarkan jangka waktu :

1. Peramalan jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi),

2. Peramalan jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis berbagai rencana operasi),

3. Peramalan jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan).

Metode Peramalan berdasarkan metode menjadi 2 yaitu :

1. Metode Peramalan Kuantitatif menjadi 2 jenis yaitu:

1. Model seri waktu / metode deret berkala (time series)  metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu,
2. Model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).

1. Model Seri Waktu / Metode deret berkala, terbagi menjadi :

1. Rata-rata bergerak (moving averages),
2. Penghalusan eksponensial (exponential smoothing),
3. Proyeksi trend (trend projection)

Penjelasan:

1. Rata-rata bergerak (moving averages),

• Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil  :

• Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru :

2. Penghalusan eksponensial (exponential smoothing),

Penghalusan Eksponensial : metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.

3. Proyeksi trend (trend projection) 

Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.

2. Metode Kualitatif

Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalamanseseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan teknik/metode peramalan, yaitu :

1. Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik.
2. Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
3. Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
4. Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.

Memantau Ramalan

• Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan.
• Salah satu cara untuk memantau peramalan  guna menjamin keefektifannya adalah menggunakan isyarat arah.
• Isyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik
• Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD)

Prosedur Peramalan

Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah:

1. Mendefinisikan Tujuan Peramalan

Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.

2. Membuat diagram pencar (Plot Data)

Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).

       3.      Memilih model peramalan yang tepat

Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut.

2. Metode Trend Linier

Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan ekonomi, yang terbaik adalah untuk melihat trend (atau trend-siklus) sebagai perubahan dengan halus dari waktu ke waktu.

Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi sederhana seperti garis lurus sepanjang periode untuk time series yang diamati jarang ditemukan. Seringkali fungsi tersebut mudah dicocokkan dengan kurva trend pada suatu kurun waktu karena dua alasan, yaitu fungsi tersebut menyediakan beberapa indikasi arah umum dari seri yang diamati, dan dapat dihilangkan dari seri aslinya untuk mendapatkan gambar musiman lebih jelas.

Ada tiga trend yang diigunakan untuk meramalkan pergerakan keadaan pada masa yang akan datang, yaitu:

1.      Trend Linier

Sering kali data deret waktu jika digambarkan ke dalam plot mendekati garis luruus. Deret waktu seperti inilah yang termasuk dalam trend linier. Persamaan trend linier adalah sebagai berikut:

 Dengan nilai a dan b diperoleh dari formula:

Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan a adalah nilai intercept dari Y, artinya nilai Yt akkan sama dengan a jika nilai t = 0. Kemudian b adalah nilai slope, artinya besar kenaikan nilai Yt pada setiap nilai t. Dan nilai t sendiri adalah nilai tertentu yang menunjukan periode waktu.

Contoh :

.Penjualan Produk X pada tahun 2010 adalah sebagai berikut:

Waktu	Bulan	Penjualan
1	Januari	1143
2	Februari	1037
3	Maret	857
4	April	757
5	Mei	948
6	Juni	660
7	Juli	683
8	Agustus	809
9	September	1078
10	Oktober	696
11	November	777
12	Desember	672
Jumlah		10117

Tentukan peramalan penjualan pada bulan ke-18 dan bulan ke-25!

Penyelesaian :

Dari tabel di atas akan dibuat deskripsi data ke dalam bentuk poligon agar dapat memudahkan menganalisis data. Berikut ini adalah poligon data dari data hasil penjualan produk X pada tahun 2010:

 

Tabulasi Data :

Menentukan Model Persamaan Matematika:

1)      Trend Linier

Dari tabel tabulasi data di atas, maka diperoleh:

Setelah itu masukan nilai a dan b ke dalam persamaan Yt = a + bt , sehingga menjadi sebuah persamaan trend linier Yt = 843,08+ 13.t.

Ketepatan Model Peramalan

1)      Trend Linier

  Yt = 843,08+ 13.t

Pembahasan :

Data pengamatan runtun waktu untuk perubahan hasil penjualan produk X di tahun 2010 setiap bulannya, dapat diketahui bahwa perubahan nilai runtut waktu pengamatan dari bulan ke bulan jumlahnya cukup bervariasi berupa peningkatan dan penurunan.

Jumlah penjualan tertinggi terjadi pada bulan Januari sebanyak 1143. Penurunan penjualan tertinggi terjadi pada bulan Juni sebanyak 660. Keterangan tersebut memperlihatkan perubahan nilai runtun waktu pengamatan yang fluktuatif.

Sebelum dilakukan perhitungan, akan dihitung Mean Square Error (MSE) terlebih dahulu. Hal ini dilakukkan untuk mencari trend mana yang paling tepat dan memiliki kesalahan terkecil untuk dijadikan acuan peramalan. Berikut ini adalah perhitungan MSE dari trend linier :

1)      MSE Trend Linier