1. APA YANG DIMAKSUD DENGAN TEKNIK PERAMALAN?

Peramalan sebagai kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan berdasarkan data yang relevan dengan masa lalu. Pandangan lain mengenai peramalan adalah merupakan seni atau ilmu untuk memperkirakan kejadian pada masa yang akan datang. Peramalan memerlukan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematika. Peramalan dapat berupa ramalan tentang perubahan permintaan, perkembangan teknologi, ataupun perkembangan dunia usaha yang dapat mempengaruhi perencanaan produk.

Salah satu contoh penerapan Teknik peramalan biasa dilakukan pada bidang penjualan. Ramalan penjualan merupakan salah satu bahan informasi yang terpenting dalam menyusun rencana produksi, karena merupakan suatu titik permulaan dalam perencanaan produksi. Produksi yang berlebihan merupakan suatu pemborosan atau kerugiaan terhadap perusahaan sedangkan produksi yang dibawah permintaan pasar memberi kesempatan kepada pesaing untuk memasuki daerah penjulan perusahaan.

Produsen sebelum melakukan produksi harus mengetahui berapa jumlah produk yang akan tepat (tidak lebih atau kurang) agar perusahaan dapat berjalan secara optimal. Selain itu peramalan penjualan dapat juga digunakan untuk menghitung berapa jumlah bahan baku yang harus dipersiapkan oleh perusahaan untuk kelancaran proses produksinya.

Banyaknya produksi yang dihasilkan oleh perusahaan ditentukan oleh berapa besar kemampuan perusahaan tersebut untuk menjual barang atau produksinya, yang tercermin dalam ramalan penjualan yang dibuat. Ramalan penjualan dalam perusahaan terutama dipergunakan untuk membandingkan realisasi kegitan perusahaan didasarkan pada pesanan-pesanan (order) yang terdapat masa itu dengan apa yang diramalkan dengan tepat.

Terdapat dua pendekatan yang umum dipakai dalam melakukan peramalan yaitu Peramalan Kualitatif dan Peramalan kuantitatif. Peramalan kualitatif yaitu suatu pendekatan/teknik peramalan yang menggunakan faktor penting seperti intuisi, pengalaman pribadi dan sistem nilai pengambilan keputusan. Sedang Peramalan Kuantitatif adalah suatu pendekatan peramalan yang menggunakan berbagai model matematis serta menggunakan data historis dan atau variable- variabel kausal untuk meramalkan permintaan. Dewasa ini sebgian perusahaan menggunakan satu pedenkatan, sebagai menggunakan pendekatan lain tetapi dalam praktek kombinasi atau campuran dari kedua jenis peramalan itu umumnya lebih efektif.

1. Metode Kualitatif.

Terdapat lima teknik pendekatan yang biasa digunaan dalam peramalan dengan pendekatan kualitatif yaitu: a. Juru dari Opini eksekutif, yaitu suatu teknik peramalan yang mengambil opini dari sebagian manajer tinggi seringkali dikombinasikan dengan model-model; statistik menghasilkan ramalan penjualan perusahaan.

Gabungan armada penjualan metode ini meneliti setiap wiraniaga mengestimasi jumlah penjualan di wilayahnya, ramalan ini kemudian dikaji ulang untuk meyakinkan kerealistisannya, kemudian dikombinasi pada tingkat Propinsi dan Nasional untuk mencari ramalan secara menyeluruh.

Metode Delfi digunakan untuk melakukan peramalan melalui panel orang-orang ahli atau manajer- manajer. Ciri dari metode ini bahwa semua peserta panel diperlakukan sebagai orang yang tidak dikenal. Hal tersebut bertujuan untuk mengurangi anggapan bahwa orang tersebut memiliki kewenangan yang lebih besar sebagai efek mengikuti yang menang seperti yang biasa terjadi dalam panel tetap muka yang biasa digunakan.

Metode Delphi dilakukan dengan serangkaian putaran. Putaran pertama setiap peserta panel menyiapkan jawaban tertulis atas pertanyaan yang diajukan. Setelah peserta panel menyiapkan jawaban tertulis atas pertanyaan yang diajukan, kemudian ditabulasi. Panelis kemudian memberikan umpan balik kepada panel bersama dengan statistik seperti mean, median, jarak interkuartial, dan standard deviasi.

Setiap anggota panel diminta mempertimbangkan jawaban mereka sebelumnya dan menjawab pertanyaan sekali lagi. Jawaban mereka pada putran kedua kemuaian disimpulkan kembali dan dijadikan umpan balik untuk putran ketiga dan demikian seterusnya. Prosedur ini seringkali diulang empat sampai enam kali (minimum tiga kali) sampai diperoleh suatu kesimpulan yang dianggap cukup. Ramalan pada putaran terakhir akhinya dijadikan sebagai suatu ramalan.

Survey Pasar Konsumen, teknik peramalan dilakukan dengan cara memperbesar masukan dari pelanggan atau calon pelanggan tanpa melihat rencana pembelian masa depannya. Metode ini dapat membantu tidak hanya dalam menyiapkan ramalan pembelian masa depan, tetapi juga dalam memperbaiki desain produk baru.

Pendekatan naif, peramalan dengan mengasumsikan bahwa permintaan dalam periode berikutnya adalah sama dengan permintaan pada periode sebelumnya. Dengan kata lain, jika penjualan produk katakanlah Motor Honda adalah 1.000 unit pada bulan Pebruari 2002. Maka kita dapat meramalkan penjualan pada bulan Pebruari tahun 2003 juga sebesar 1.000 unit.

2. Metode Kuantitatif.

Terdapat empat metode peramalan kuantitatif yaitu: (1) Metode proyeksi trend; (2) Metode rata-rata; (3) Metode Penghalusan eksponensial (exponential Smoting); dan (4) Regresi Linear.

1. Metode proyeksi trend, metode rata-rata dan metode penghalusan eksponensial biasa disebut dengan metode seri waktu sedang metode regresi inear biasa disebut dengan metode kausal.

Metode Seri Waktu (Time Series), melakukan peramalan dengan asumsi bahwa masa depan adalah fungsi dari masa lalu. Model ini melihat pada apa yang terjadi selama periode waktu dan menggunakan seri data masa lalu untuk membuat ramalan. Apabila kita memprediksi penjualan mingguan sepeda motor Honda, maka kita menggunakan data penjualan mingguan sebelumnya untuk membuat ramalannya.

Metode Kausal (Regresi Linear), Model kausal bergabung menjadi model variable atau hubungan yang biasa mempengaruhi jumlah yang sedang diramal. Model kausal penjualan Sepeda Motor Honda dapat menakup, kebutuhan akan kendaraan, peningkatan luas jalan, peningkatan pendapatan masyarakat, anggaran biaya iklan dan harga pesaing.

Delapan Tahapan untuk Sistem Peramalan
dalam melakukan analisis kuantitatif, tanpa melihat model yang digunakan untuk meramal, maka terdapat delapan tahapan yang umumnya diikuti seperti dikemukakan oleh Berry Render dan Jay Heizer yaitu meliputi: (1) Menentukan penggunaan peramalan itu, apakah tujuan yang akan dicapai?; (2) Melihat hal-hal yang akan diramalkan; (3) Menentukan jangka waktu, apakah jangka pendek, menengah atau jangka panjang; (4) Memilih model peramalan; (5) Mengumpulkan data yang dibutuhkan untuk membuat ramalan; (6) Menentukan model peramalan yang tepat; (7) Membuat ramalan; dan (8) Menerapkan hasilnya.

Tahapan tersebut menampilakna cara sistematis dari mengawali, merancang, dan menerapkan suatu sistem peramalan. Apabila sistem ini digunakan untuk menghasilkan ramalan secara berkala sepanjang waktu, maka data secara rutin harus dikumpulkan, dan perhitungan sesungguhnya digunakan atas ramalan dapat dilakukan secara otomatis dengan menggunakan komputer.

Metode Time Series (Runtun Waktu) didasarkan pada tahapan data yang sudah tertentu (Misalnya, Bulanan, Triwulan, Kuartalan, Tahunan dan sebagainya.Misalnyadengan melihathasilpenjualanTriwulan Sepeda Motor Susuki, Laporan persediaan triwulan dari Pabrik Terigu, Pengiman Gulan Pasir dan sebagainya.

Meramalkan data seri waktu memberi implikasi bahwa nilai masa depan hanya diprediksi atas dasar nilai masa lalu, sehingga variabel lain berapapun nilainya diabaikan. Metode proyeksi Time Series, pada dasarnya terdiri dari tiga metode yaitu metode proyeksi trend, Metode rata-rata, dan  Metode Penghalusan eksponensial (exponential Smoting). Untuk ketiga model ini akan diuraikan:

Metode Proyeksi Trend terdiri dari dua cara dalam melakukan peramalan yaitu titik tengah sebagai tahun dasar dan tahun pertama sebagai tahun dasar. Metode Rata-rata terdiri dari dua cara dalam melakukan peramalan yaitu metode rata-rata sederhana dan metode rata-rata bergerak.

 

Metode Rata-Rata Sederhana bertujuan untuk meramalkan fluktuasi musiman dari ramalan penjualan dari tahun yang telah diperhitungkan. Metode ini dapat digunakan untuk meramalkan penjualan bulanan atau mingguan ataupun triwulan. Tentu saja hal ini dapat dilakukan apabila telah diperoleh ramalan penjualan bulanan. Misalnya, kita dapat mengetahui ramalan penjualan tahunan dengan cara menjumlahkan ramalan-ramalan bulan tersebut selama 12 bulan atau 1 tahun. Dengan adanya ramalan bulan, mala dapat diketahui gambaran tentang fluktuasi penjualan. Fluktuasi tersebut menunjukkan pengaruh musiman terhadap penjualan.

Data fluktuasi penjualan bulanan dari beberapa tahun sebelumnya dapat dipergunakan sebagai bahan untuk menyusun pola fluktuasi pola fluktuasi penjualan bulanan dalam satu tahun. Pola fluktuasi penjualan bulan, atau triwulan atau semesteran dikatakan sebagai indeks musiman (Seasional indeks). Pola fluktuasi penjualan misalnya pada umumnya kan tetap sama, meskipun trend penjualan tahunan naik atau turun. Pola fluktuasi musiman tersebut secara sederhana dapat dihitung dengan mencari prosesntase rata-rata tiap penjualan bulan atau triwulan.

Metode Rata-rata Bergerak (Moving Overage)
 melakukan perhitungan rata-rata secara bergerak ke depan untuk memperkirakan penjualan pada periode yang akan datang. Misalnya bila menggunakan moving overage 12 bulan, kita memperhitungkan rata-rata dari bulan Januari 2012. Kita perhitungkan rata-rata dari bulan pebruari 2011 sampai Januari 2012, kemudian rata-rata dari Maret 2011 sampai Pebruari 2012 dan seterusnya. Dengan meneruskan perhitungan ke depan dari perhitungan rata-rata tersebut, maka kita memperoleh ramalan penjualan pada bulan tengah, dari bulan yang dirata-rata.

Misalnya rata-rata dari bulan Januari 2012 sampai dengan Desember 2012, berarti kita memperoleh prakiraan penjualan untuk satu periode bulan tengah satun 2010 yaitu antara 15 Juni s.d 15 Juli 2010. Sedang perhitungan rata-rata untuk bulan Pebruari 2011 Sampai Januari 2012 diperoleh perkiraan tengah dari 12 bulan tersebut, yaitu perkiraan penjualan selama sebulan dari 15 Juni s.d 15 Agustus 2012. Pergerakan terhadap perhitungan rata-rata tersebut ke depan, maka akan dapat kita peroleh perkiraan terhadap penjualan periode bulanan dari tahun yang akan datang. Perhitungan moving overage, kemudian dapat diperhitungkan perkiraan tengahnya lagi sehingga dapat diperoleh perkiraan bulanan yang dimulai dari awal dan akhir bulan dan bukannya dari tengah bulan.

Setelah penjualan tersebut diperhitungkan, maka kita perlu memperhatikan indeks musimannya. Angka indeks musiman ini diperoleh dengan membagi penjualan rill dengan perkiraan penjualan hasil perhitungan rata-rata. Agar lebih tepat angka indeks tersebut dalam penerapannya perlu diperhitungkan lagi dengan mencari rata-rata dari angka indeks atas masing-masing triwulan. Dengan menerapkan angka indeks musiman beserta perhitungan rata-rata bergerak, maka diperoleh angka perkiraan atas penjualan yang akan datang.

Metode Penghalusan eksponensial (Exponential Smoting). Metode ini memberikan bobot kepada permintaan periode sebelumnya berkurang secara eksponensial apabila data tersebut semakin tua usianya. Data permintaan yang baru menerima bobot dari pada permintaan yang lebih tua. Metode peramalan eksponensial menarik untuk aplikasi produksi dan opersi yang menyangkut peramalan sejumlah besar item. Metode peramalan eksponensial sangat sesuai untuk kondisi berikut:

• Cakupan waktu peramalan relatif pendek, misalnya permintaan harian, mingguan, atau bulanan perlu diramalkan.
• Tidak banyak informasi luar yang tersedia mengenaui hubungan sebab akibat akan permintaan suatu produk dan faktor independen yang mempengaruhinya.
• Upaya sedikit dalam peramalan dikendaki. Usaha ini diukur baik dari mudahnya aplikasi metode maupun dari kebutuhan waktu penyimpanan untuk menerapkannya.
• Memutakhirkan ramalan dengan tersedianya data baru mudah dilakukan dan dapat dilakukan hanya dengan mamasukkan data baru tersebut.
• Ramalan perlu disesuikan dengan memasukkan unsure keacakan (frekuensi permintaan diratakan) dan mencenderungkan kecenderungan dan sifat musiman.

Metode Eksponensial dengan Trend mirip dengan teknik rata-rata bergerak, metode eksponensial sederhana gagal merespon trend. Untuk menghaluskan koreksi trend, maka dapat dihitung ramalan penghalusan eksponeensial, sederhana seperti di atas, dan kemudian disesuaiakan untuk kelambanan positif dan negatif. Metod eksponensial sederhana sering disebut sebagai penghalusan tingkat pertama, dan penghalusan yang disesuaikan trend disebut penghalusan tingkat kedua, atau berganda.

Metode Kausal

Analisis regresi digunakan untuk mengetahui bahwa ada atau tidaknya korelasi antara dua variabel atau lebih (untuk mengetahui kekuatan/kuat atau lemah) korelasi antara dua atau lebih variabel. Persamaan garis linear mempunyai pangkat tertinggi adalah 1 (satu), pangkat tertinggi tersebut terdapat pada variabel bebas (variabel x). Analisis regresi linear menggunakan dua variabel, antara lain variabel bebas (independent variable) dan variabel terikat/tidak bebas (dependent variable) yang dipengaruhi. Kedua variabel tersebut saling mempengaruhi atau salin berkorelasi, misalnya dalam penelitian ini adalah kebijakan prioritas pembangunan daerah Propinsi Sumatera Utara (variabel bebas) saling mempengaruhi terhadap tingkat kemiskinan, tingkat pengangguran, tingkat Pendidikan, tingkat kriminalitas dan tingkat Kesehatan. Sementara linear berarti hubungan antara dua variabel menunjukkan garis lurus.

Penelitian ini menggunakan analisis regresi sederhana melibatkan dua variabel saja yaitu variabel bebas dan variabel terikat. Analisis regresi dapat digunakan untuk peramalan/penafsiran variabel terikat oleh variabel bebas atau untuk memperkirakan/memperhitungkan besarnya efek kuantitatif dari perubahan suatu kejadian terhadap kejadian lain.

2. PENDEKATAN APA YANG DAPAT DIGUNAKAN PADA TEKNIK PERAMALAN?

Terdapat beberapa pendekatan yang dapat digunakan untuk melakukan peramalan pada suatu permasalahan, antara lain:

1. Regresi Linear Sederhana

Pendekatan ramalan ini disusun atas dasar pola hubungan data yang relevan dimasa lalu.  Terdapat 3 kondisi untuk dapat mempergunakan metode regresi ini, yaitu: (1) Adanya informasi tentang keadaan yang lalu; (2) Informasi tersebut dapat dikuantifikasikan dalam bentuk kata; (3) Dapat dianggap atau diasumsikan 
bahwa pola hubungan yang ada, dan data yang telah lalu akan berkelanjutan dimasa yang akan datang.

Metode regresi umumnya variabel yang diramalkan seperti penjualan atau permintaan suatu produk, dinyatakan sebagal variabel yang dicari (dependent variable), variabel ini dipengaruhi besarnya oleh variabel bebas (independent variable). Hubungan antara variabel-variabel bebas dengan variabel yang dicari adalah merupakan fungsi. Terdapat dua macam analisa hubungan dalam penyusunan ramalan, yaitu :

1. Analisa deret waktu (time series)
2. Analisa cross section atau model sebab akibat (causal model).

Peramalan dengan menggunakan analisa deret waktu, mendasarkan hasil ramalan yang disusun atas pola hubungan antara variabel yang dicari atau diramalkan dengan variabel waktu yang merupakan satu satunya variabel yang mempengaruhinya. Peramalan dengan menggunakan Analisa cross section mendasarkan hasil ramalan yang disusun atas pola hubungan antara vaniabel yang dicari atau diramalkan dengan variabel variabel yang mempengaruhi atau bebas yang bukan waktu.

Peramalan ini mengasumsikan bahwa faktor atau variabel yang diramalkan menunjukkan suatu hubungan pengaruh sebab akibat dengan satu variabel bebas. Jadi maksud dari analisa cross section atau causal model adalah untuk menemukan bentuk pola hubungan yang saling mempengaruhi antara variabel yang dicari dengan variabel yang mempengaruhinya, serta menggunakannya untuk meramalkan nilai nilai dari variabel yang diramalkan pada masa yang akan datang.

Analisa deret waktu dan causal model mernpunyai beberapa keuntungan atau keunggulan dari yang lain dalam keadaan tertentu. Keuntungan tersebut adalah bahwa model deret waktu sering dapat dipergunakan secara mudah dalam peramalan, sedangkan causal model dapat dipergunakan dalam peramalan dengan keberhasilan atau ketepatan yang lebih besar, sering dipakai untuk pengambilan keputusan dan kebijaksanaan.

Bila data yang dibutuhkan dalam peramalan tersedia, maka suatu hubungan yang dipergunakan dalam peramalan tersebut dihipotesakan sebagai salah satu fungsi dari waktu, atau fungsi dari variabel lain yang bukan waktu, dan kemudian selanjutnya dilakukan pengetasan.

Suatu langkah yang penting dalam memilih metode deret waktu adalah mempertimbangkan jenis pola yang terdapat dari data observasi, sehingga metode tersebut dapat di test. Pola yang ditunjukkan dengan analisa regresi yang sederhana mengasumsikan bahwa hubungan di antara 2 variabel dapat dinyatakan dengan suatu garis lurus. Notasi regresi sederhana yang merupakan pola garis lurus itu menurut Sofyan Assauri (l,h.35) dinyatakan sebagai berikut.

Y = a + bX

Ket:     Y adalah variabel yang diramalkan,

x adalah variabel waktu,

serta a dan b adalah parameter atau koefisien regresi.

Contoh penggunakan Teknik regresi ditunjukkan dari penelitian berjudul Implementasi Teknik Peramalan Pada Tahap-Tahap Proses Bisnis Bengkel Marmer Adiswara Kudus oleh Rinjang Esa Nurita, Yushintia Pramitarini, dan Faisal Rahutomo dari Politeknik Negeri Malang

Proses bisnis adalah suatu proses atau kumpulan kegiatan yang saling berelasi dan berkaitan satu dengan yang lain dengan tujuan untuk menghasilkan sesuatu yang dapat mendukung tujuan proses bisnis dengan melihat jumlah dan kualitas produk.Bengkel Marmer Adiswara adalah Usaha Dagang (UD) bergerak di bidang jasa pembuatan marmer untuk dijadikan prasasti, lantai, daun meja, dll.

Manajemen usahanya pemilik sudah menggunakan sistem informasi manajemen. Manajemen usaha terkadang UD tersebut masih belum bisa memprediksi beberapa poin yang dirasa dapat mempengaruhi rantai pasok usaha yang diharapkan dapat meningkatan keuntungan. Oleh karena itu diperlukan sistem peramalan dengan melihat poin-poin penting pada proses bisnis yang telah ada.

Peramalan yang dibuat pada penelitian ini menggunakan metode Regresi Linier untuk memprediksi beberapa poin pada proses bisnis yaitu peramalan pada proses stok barang, jumlah barang yang dipesan, gaji karyawan, pemasukan dan pengeluaran. Data yang diperoleh dari stok barang, jumlah barang yang dipesan, gaji karyawan, pemasukan dan pengeluaran adalah data selama 3 periode dari Januari 2017-Desember 2019. Peramalan pada tahap-tahap proses bisnis menggunakan metode Regresi Linier dengan data sampel 1 tahun memiliki tingkat akurasi yang dihitung dengan menggunakan metode MAPE adalah stok barang dengan sempel ukuran 20X30 sebesar 5.5% peramalan memiliki tingkat akurasi yang tinggi, total marmer yang dipesan sebesar 10.85% peramalan memiliki tingkat akurasi bagus, gaji karyawan, pemasukan dan pengeluaran memperoleh hasil sama sebesar 46,78% peramalan memiliki tingkat akurasi reasonable atau wajar.

Penelitian berjudul Analisis Peramalan Penjualan Semen Non-Curah (Zak) Pt Semen Indonesia (Persero) Tbk Pada Area Jawa Timur oleh Feby Artwodini Muqtadiroh, Avia Riska Syofiani, dan Terry Safiria Ramadhani dari Jurusan Sistem Informasi, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember, Surabaya. Penelitian dilakukan di PT Semen Indonesia (Persero), Tbk merupakan perusahaan BUMN penghasil semen terkemuka di Indonesia, gabungan dari empat perusahaan penghasil semen yaitu PT Semen Gresik, PT Semen Padang, PT Semen Tonasa dan Thang Long Cement Vietnam.

Sebagai perusahaan penghasil semen terkemuka, PT Semen Indonesia harus selalu berupaya yang terbaik untuk mempertahankan posisinya dengan selalu meningkatkan penjualan produknya seiring dengan persaingan bisnis yang sangat ketat. Salah satunya adalah bidang penjualan dengan menyusun rencana penjualan. Rencana penjualan ini dapat berbentuk peramalan penjualan untuk memperkirakan penjualan di masa yang akan datang pada periode tertentu. Peramalan penjualan PT Semen Indonesia (Persero), Tbk dilakukan dalam periode tahunan yang didokumentasikan dalam Rencana Kerja dan Anggaran Perusahaan (RKAP).

PT Semen Indonesia khususnya pada area pemasaran Jawa Timur memerlukan metode yang tepat untuk dapat memperkirakan penjualan sehingga dapat menjadi dasar perencanaan perusahaan. Paparan kali ini membandingkan tiga metode peramalan yakni Least Square, Double Exponential Smoothing dan Triple Exponential Smoothing dengan mencari nilai error terkecil. Metode Least Square menghasilkan nilai error terkecil yang digunakan untuk meramalkan penjualan semen non-curah selama satu tahun mendatang di 36 kota area penjualan Jawa Timur untuk periode data bulan Januari 2012–Juni 2014. Adapun tahapan peramalan pada PT Semen Indonesia yakni tahap pre-processing data, penerapan metode Least Square, uji moving range, analisis trend penjualan semen non-curah di 36 kota dan terakhir mengkategorikan wilayah penjualan semen sesuai dengan kondisi trend penjualan.

Penelitian ini juga menganalisis penyebab peningkatan dan penurunan trend dengan melakukan wawancara terhadap pihak-pihak di Departemen Penjualan PT Semen Indonesia. Hasil penelitian menunjukkan terdapat 6 kota masuk ke dalam kategori high yang mempunyai peningkatan tren penjualan yang lebih dari 10%. Kemudian 25 kota mengalami kenaikan penjualan yang tidak signifikan, kenaikan penjualan mulai dari 1% hingga 10% masuk ke dalam kategori medium. Sisanya yakni 5 kota masuk ke dalam kategori low dengan rata-rata penurunan trend sebesar -1% yang disebabkan karena adanya pergeseran gudang besar dan adanya ekspansi dari perusahaan kompetitor.