SIMULASI DAN PEMODELAN - FORECASTING

Forecasting

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 :

A.   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).

B.   Peramalan berdasarkan rencana operasi

1. Ramalan ekonomi : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya,

2. Ramalan teknologi : berkaitan dengan tingkat kemajuan teknologi dan  produk baru,

3. Ramalan permintaan : berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjadualan perusahaan.

C.   Peramalan berdasarkan metode / pendekatan :

1. Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan  data historis dan atau variabel-variabel kausal untuk meramalkan permintaan,

2. Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan

Metode peramalan

Peramalan berdasarkan metode terbagi menjadi 2 yaitu:

1. Metode Kuantitatif

Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua 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).

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.

Peramalan menggunakan metode regresi:

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan.

Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :

1.    Adanya informasi masa lalu

2.    Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)

3.    Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.

Adapun data- data yang ada dilapangan adalah :

1.         Musiman (Seasonal)

2.         Horizontal (Stationary)

3.         Siklus (Cylikal)

4.         Trend

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

1.  Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu

2.Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu :

1.    Analisis deret waktu untuk regresi sederhana linier

2.    Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:

Y = F (x)

Dimana :

Y = Dependent variable (variabel yang dicari)

X = Independent variable (variabel yang mempengaruhinya)

Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

Y = a + b x

Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :

kemudian nilai b dapat dicari dengan rumus :

2. Metode Kualitatif

Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. 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.

4.    Melakukan Peramalan

5.    Menghitung kesalahan ramalan (forecast error)

Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:

e_t = Y(t) – Y’(t)

Dimana : Y(t)  = Nilai data aktual pada periode t

Y’(t) = Nilai hasil peramalan pada periode t

t       = Periode peramalan

Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)

SSE = S e(t)² = S[Y(t)-Y’(t)]²

6.    Memilih Metode Peramalan dengan kesalahan yang terkecil.

Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut.

          

        7.    Melakukan Verifikasi

Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.

nama : Maulida Nabila Akbar

NIM : 201731268

anggota kelompok
SHELLI MAILINA (201731202)
DESTRY (201731228)
MAULIDA NABILA AKBAR (201731268)
PUSPA RIRI A(201731302)
TEUKU RIFKI DHULU F (201731317)