Peramalan (Forecasting)

I. Definisi dan Perspektif Peramalan (Forecasting)

Peramalan (forecasting) adalah seni dan ilmu untuk memperikirakan 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 yang matematis, dan bisa juga dalam bentuk prediksi intuisi yang bersifat subjektif. Ataupun bisa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer.

Peramalan biasanya dapat diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas beberapa kategori antara lain :

1. Peramalan jangka pendek. Peramalan ini mancakup jangka waktu hingga 1 tahun tetapi umumnya kurang dari 3 bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, penjualan, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.

2. Peramalan jangka menengah. Peramalan ini umumnya mencakup hitungan bulanan hingga waktu 3 tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas, dan menganalisis bermacam-macam rencana operasi.

3. Peramalan jangka panjang. Umunya untuk waktu perencanaan masa 3 tahun atau lebih. Permalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang).

Selain berdasarkan horizon waktu, peramalan juga dapat diklasifikasi berdasarkan aspek strategis dalam perencanaan operasi di masa depan. Tipe ramalan tersebut antara lain :

1. Peramalan ekonomi (economic forecast), menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indicator perencanaan lainnya.

2. Peramalan teknologi (technological forecast), memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.

3. Peramalan permintaan (demand forecast), adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga Peramalan Penjualan yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.

II. Kepentingan Strategis Peramalan

Peramalan yang baik sangat penting dalam semua aspek bisnis, karena permalan merupakan satu-satunya prediksi atas permintaan hingga permintaan yang sebenarnya diketahui. Peramalan permintaan mengendalikan keputusan di banyak bidang atau aktivitas, antara lain :

1. Sumber Daya Manusia.

Memperkerjakan, melatih, dan memberhentikan pekerja, semuanya bergantung pada permintaan. Jika departemen sumber daya manusia harus memperkerjakan pekerja tambahan tanpa adanya persiapan, akibatnya kualitas pelatihan menurun dan kualitas pekerja juga ikut mengalami penurunan.

2. Kapasitas.

Saat kapassitas tidak mencukupi, kekurangan yang diakibatkannya bisa berarti tidak terjaminnya pengiriman, kehilangan konsumen, dan kehilangan pangsa pasar.

3. Manajemen Rantai Pasokan.

Hubungan yang baik dengan pemasok, dan harga barang serta komponen yang bersaing, salah satunya dipengaruhi oleh keakuratan peramalan (forecasting) yang dilakukan oleh pihak manajemen.

III. Langkah-langkah Sistem Peramalan

Esensi dari peramalan adalah perkiraan peristiwa-peristiwa di waktu yang akan datang atas dasar pola-pola di waktu yang lalu dan penggunaan kebijakan terhadap proyeksi-proyeksi dengan pola-pola yang terdapat pada waktu yang lalu. Peramalan memerlukan kebijakan, sedangkan proyeksi-proyeksi merupakan bagian dari fungsi-fungsi mekanikal.

Proses peramalan terdiri dari beberapa langkah, antara lain :

a. Menetapkan tujuan peramalan.

b. Memilih unsur apa yang akan diramal.

c. Menentukan horizon waktu peramalan.

d. Memilih tipe model peramalan.

e. Mengumpulkan data yang diperlukan untuk melakukan peramalan.

f. Membuat peramalan.

g. Memvalidasi dan menerapkan hasil peramalan.

Terlepas dari suatu sistem permalan yang digunkan, setiap perusahaan atau entitas usaha menghadapi beberapa kenyataan, antara lain :

• Peramalan yang dilakukan tidak ada yang 100% akurat, dan terdapat standar deviasi pada masing-masing teknik dan atau pendekatan yang dilakukan.

• Hampir semua peramalan mengasumsikan bahwa sistem akan tetap stabil.

• Baik peramalan kelompok produk mapun peramalan secara keseluruhan lebih akurat daripada peramalan produk individu.

IV. Pendekatan Dalam Teknik Peramalan

Terdapat dua pendekatan umum peramalan, sebagaimana ada dua acara mengatasi semua model keputusan, yaitu :

a) Peramalan kualitatif (Qualitative Forecast), adalah pendekatan menggunkan model matematis yang beragam dengan data masa lalu dan variable sebab-akibat untuk meramalkan permintaan atau penjualan. Beberapa teknik yang biasa digunakan antara lain adalah :

• Metode Delphi, dimana pengambil keputusan terdiri dari 10 orang pakar yang akan melakukan peramalan, dengan menggunakan responden yang berbeda dimana penilaian dilakukan, dan kelompok ini juga memberikan input pada pengambilan keputusan sebelum peramlan dibuat.

• Keputusan dari pendapat juri eksekutif, dalam metode ini pendapat sekumpulan kecil manajer atau pakar tingkat tinggi, sering dikombinasikan dengan model statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok.

• Gabungan dari tenaga penjualan, dalam pendekatan ini setiap tenaga penjualan memperkirakan berapa penjualan yang bisa dilakukan dalam wilayahnya.

• Survei pasar konsumen, metode ini meminta input dari konsumen mengenai rencana pembelian mereka di masa yang akan datang.

b) Peramalan kuantitatif (Quantitative Forecast), adalah pendekatan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal. Lima metode yang dapat digunakan antara lain adalah :

i. Time series model :

• Rata-rata Bergerak (Moving Average), menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan.

• Penghalusan Eksponensial, merupakan metode peramalan rata-rata bergerak dengan pembobotan yang telah dikembangkan lebih lanjut, namun masih bisa digunakan.

• Pendekatan Naif, adalah teknik peramalan yang mengasumsikan permintaan di periode mendatang sama dengan permintaan terkini.

• Proyeksi Tren, adalah metode peramalan time-series yang menyesuaikan sebuah garis tren pada sekumpulan data masa lalu, dan kemudian diproyeksikan untuk meramalkan masa depan, dan dapat menggunakan tren matematis (seperti eksponensial dan atau kuadratis).

ii. Associative model :

• Kuadrat Terkecil (Least Square Method), pendekatan ini menghasilkan sebuah garis lurus yang meminimalkan jumlah kuadrat dari deviasi vertikal garis pada setiap hasil pengamatan aktual.

V. Menghitung Kesalahan Peramalan

Terdapat beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan (forecast error) total. Perhitungan ini dapat digunkan untuk membandingkan model peramalan yang berbeda, juga untuk mengawasi peramalan, dan untuk memastikan peramalan berjalan dengan baik. Tiga dari perhitungan tersebut antara lain adalah :

a) Mean Absolute Deviation (MAD), dimana nilai kesalahan dihitung dengan mengambil jumlah nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah periode data.

b) Mean Squared Error (MSE), dimana nilai kesalahan dihitung dengan menggunakan rata-rata selisih kuadrat antara nilai yang diramalkan dan diamati.

c) Mean Absolute Percent Error (MAPE), dimana kesalahan dihitung dengan menggunakan rata-rata diferensiasi absolut antara nilai yang diramal dengan nilai aktual, dan dinyatakan sebagai persentase nilai aktual.