Sabtu, 28 Juni 2014

Pengertian Peramalan Permintaan Dan Klasifikasinya

                Peramalan (forecasting ) adalah upaya untuk  memprediksikan kejadian dimasa akan datang. Beberapa pendapat ada yang membedakan antara Forecasting (pengolahan data masa lalu dengan metode matematika untuk memperkirakan /memprediksi keadaan dimasa lalu depan) dengan prediction (pengolahan data masa lalu dengan menggunkan pengetahuan subjektif atau pengalaman untuk memperkirakan /memprediksikan keadaan dimasa depan).
         Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Selain itu peramalan juga didefinisikan sebagai seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi yang bersifat subjektif. Atau biasa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer.


Banyak jenis metode peramalan yang tersedia untuk manajemen. Namun yang lebih penting bagi para praktisi adalah bagaimana memahami karakteristik suatu metode peramalan agar cocok bagi situasi pengambilan keputusan tertentu. Secara umum metode peramalan dapat dibagi dalam dua ketegori utama, yaitu metode kuantitatif dan metode kualitatif. Metode kuantitatif dapat dibagi ke dalam deret berkala atau kurun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi menjadi metode eksploratoris dan normative.
Metode kuantitatif sangat beragam dan setiap teknik memiliki sifat, ketepatan dan biaya tertentu yang harus dipertimbangkan dalam memilih metode tertentu.
Untuk menggunakan metode kuantitatif terdapat tiga kondisi yang harus dipenuhi, yaitu:
  Tersedia informasi tentang masa lalu
  Informasi tersebut dapat dikuantitatifkan dalam bentuk numeric
  Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut
a)      Metode runtun waktu
Metode runtun waktu atau sering disebut metode deret waktu atau deret berkala menggambarkan berbagai gerakan yang terjadi pada sederetan data pada waktu tertentu. Langkah penting dalam memiliki metode runtunwaktu adalah dengan mempertimbangkan jenis pola data. Pola data dapat dibedakan menjadi empat jenis siklus dan trend (makriadis & wheelright, 1983), yaitu:
1.      Pola horizontal, terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan.
2.      Pola musiman, terjadi bilamana suatu deret dipengaruhi oleh factor musiman.
3.      Pola siklus, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti siklus bisnis.
4.      Pola trend, terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. 
b)      Metode gerakan trend
Anggapan yang mengatakan bahwa garis trend seharusnya merupakan garis linear tidak selalu demikian. Terdapat empat cara yang biasa digunakan untuk mengukur gerakan trend, yaitu:
  Metode bebas (freehand method)
  Metode setengah-setengah (semi average method)
  Metode rata-rata bergerak (moving average method)
  Metode kuadrat terkecil (least quares method)
c)      Metode Variasi Musim
Terdapat empat cara yang umumnya digunakan untuk mengukur variasi musim, yaitu:
  Metode rata-rata sederhana
  Metode perbandingan dengan trend
  Metode relative berantara
  Metode perbandingan dengan rata-rata bergerak
d)     Lima Metode Peramalan Yang Menggunakan Data Masa Lalu
1.              Pendekatan Naif, teknik peramalan yang mengasumsikan permintaan, di periode mendatang sama dengan permintaan terkini. Terbukti untuk beberapa jenis produk, pendekatan naif (naive approach) ini merupakan model peramalan objektif yang paling efektif dan efesien dari segi biaya. paling tidak, pendekatan naif memberikan titik awal untuk perbandingan dengan model lain yang lebih canggih.
2.               Rata-Rata Bergerak, metode peramalan yang menggunakan rata-rata dari sejumlah (n) data terkini untuk meramalkan periode mendatang. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan.
Rata-rata beergerak = ∑ permintaan n periode sebelumn n
3.              Penghalusan Eksponensial (Exponential Smoothing) adalah teknik peramalan rata-rata bergerak dengan pembobotan dimana data diberi bobot oleh sebuah fungsi eksponensial. Penghalusan eksponensial mungkin terdengar aneh, tetapi sebenarnya banyak digunakan dalam bisnis dan merupakan bagian penting dari sistem pengendalian persediaan berbasis computer
4.              Proyeksi Tren, metode peramalan time-series yang mnyesuaikan sebuah garis tren pada sekumpulan data masa lalu, dan kemudian diproyeksikan dalam garis untuk meramalkan masa depan.
5.              Analisis Regresi Linier, model matematis garis lurus yang menjelaskan hubungan fungsional antara variabel bebas dan variabel terikat. persamaan regresi menunjukkan bagaimana satu variabel berhubungan pada nilai dan perubahan pada variabel lain.
1)      Yang dimaksud tiga jenis peramalan itu adalah sbb:
·         Peramalan Ekonomi adalah peramalan yang berkaitan dengan siklus bisnis dengan memprediksikan Tingkat inflasi,suplai uang dan indicator ekonomi dan keuangan lainnya.
·         Peramalan Teknologi adalah peramalan yang berkaitan dengan tingkat kemajuan teknologi yang akan melahirkan peralatan atau produk baru .
·         Peramalan Permintaan adalah peramalan yang berkaitan dengan permintaan produk.

2)      Pola dan Teknik Peramalan
1.      Teknik peramalan kualitatif  atau subyektif (qualitative forecast)
Teknik peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal. Terdapat empat teknik yang berbeda, yaitu :
  Keputusan Dari Pendapat Juri Eksekutif (Jury of Executive Opinion). Teknik peramalan yang meminta pendapat segolongan kecil manajer tingkat tinggi dan menghasilkan estimasi permintaan kelompok. Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat tinggi, sering dikombinasikan dengan model statistik, dikumpulkan untuk mendapatkan prediksi kelompok.
  Metode Delphi (Delphi Method). Teknik peramalan yang menggunakan proses kelompok dimana para pakar melakukan peramalan. Ada 3 jenis peserta dalam metode ini : pengambil keputusan, karyawan, dan responden. Pengambil keputusan biasanya terdiri dari 5 hingga 10 orang pakar yang akan melakukan peramalan. Karyawan membantu pengambil keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah kuesioner dan hasil survei. Responden adalah sekelompok orang, biasanya ditempatkan di tempat yang berbeda, dimana penilaian dilakukan. Kelompok ini memberikan input pada pengambil keputusan sebelum peramalan dibuat.
  Gabungan Dari Tenaga Penjualan (Sales Force Composite). Teknik peramalan berdasarkan prediksi tenaga penjualan  akan penjualan yang diharapkan. Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang bisa ia lakukan dalam wilayahnya. Peramalan ini kemudian dikaji unutk memastikan apakah peramalan cukup realistis. Kemudian peramalan dikombinasikan pada tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan.
  Survei Pasar Konsumen (Consumer Market Survey). Metode peramalan yang meminta input dari konsumen mengenai rencana pembelian mereka di masa depan.  Hal ini membantu tidak hanya dalam menyiapkan peramalan tetapi juga memperbaiki desain produk dan perencanaan produk baru. Survei konsumen dan gabungan tenaga penjualan bisa jadi tidak benar, karena peramalan yang berasal dari input konsumen yang terlalu optimis


2.      Peramalan Time – Series
Teknik peramalan yang menggunakan sekumpulan data masa lalu untuk melakukan peramalan. Model time-series membuat predikisi dengan asumsi bahwa masa depan merupakan fungsi masa lalu. Dengan kata lain, mereka melihat apa yang terjadi selama kurun waktu tertentu, dan menggunakan data masa lalu tersebut untu melakukan peramalan. Jika kita memperkirakan penjualan mingguan mesin pemotong rumput, kita menggunakan data penjualan minggu lalu untuk membuat ramalan. Time-series mempunyai empat komponen, yaitu : Tren, Musim, Siklus, Variasi Acak.



Tidak ada komentar:

Posting Komentar