Kamis, 25 Juli 2013

FORECASTING


Manajemen dalam suatu usaha adalah sebuah pengaturan, bukan hanya sebuah kepemimpinan. Dalam pengaturan suatu usaha diperlukan adanya perencanaan, pembagian tugas dan koordinasi tugas-tugas. Jadi perencanaan merupakan aspek yang paling utama dan pertama kali dilakukan di dalam pengaturan tersebut. Hal ini dilakukan untuk mengetahui pertumbuhan atau perkembangan yang terjadi dalam masyarakat, khususnya terhadap kebutuhannya. Pertumbuhan kebutuhan tersebut merupakan dasar dari semua rencana kerja yang harus dilakukan oleh perusahaan agar supaya dapat tercapai antara keseimbangan yang menguntungkan bagi perusahaan tersebut. Oleh karena itu maka perlu bagi perusahaan untuk mengetahui perkembangan kebutuhan masyarakat, baik terhadap jenis kebutuhannya, banyaknya kebutuhan yang timbul di masa depan maupun mutu yang diinginkan masyarakat. Karena hal itu semua penting bagi perusahaam untuk membuat proyeksi kebutuhan di masa depan dan proyeksi ini sering disebut dengan forecasting.
Pengertian Peramalan (Forecasting)
Peramalan (Forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang diperkirakan terjadi.
Peramalan diperlukan karena adanya perbedaan waktu antara keadaan akan dibutuhkan dibutuhkannya suatu kebijakan baru. Apabila perbedaan waktu tersebut panjang, maka para peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat di persiapkan tindakantindakan yang  diperlukan. Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang dihadapi maka peramalan juga merupakan masalah yang harus dihadapi, karena peramalan berkaitan erat dengan pengambilan suatu keputusan.
Kegunaan Peramalan
Kegunaan paramalan dalam suatu penelitian adalah melakukan analisa terhadap situasi yang diteliti untuk memperkirakan situasi dan kondisi yang akan terjadi dari sesuatu yang diteliti di masa depan.
Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk mencapai tujuan atau sasaran suatu organisasi terdapat perbedaan waktu antara kegiatan apa saja yang perlu dilakukan, kapan waktu pelaksanaan dan oleh siapa dilaksanakan perencanaan dan peramalan sanagat erat kaitannya, ini dapat dilihat dalam hal penyusunan rencana, dimana dalam penyusunan ini melibatkan masalah peramalan juga. Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana.
Teknik-teknik Peramalan
Faktor  utama  yang  mempengaruhi  pemilihan  teknik  peramalan  adalah  identifikasi  dan mengetahui pola dari data. Beberapa teknik peramalan yang dapat digunakan:
1.      Teknik peramalan untuk data stasioner
Data  stasioner  dapat  didefinisikan  dengan  cepat  seperti  sesuatu  yang  nilai  rata-ratanya tidak  dapat  diubah  sewaktu-waktu.  Seperti  situasi  yang  berkembang  ketika  ada peningkatan pola data yang mempengaruhinya maka teknik ini akan relatif stabil.
Teknik peramalan stasioner digunakan jika:
a.       Data stabil, lingkungan yg berpengaruh relatif.
Misalnya  angka  kerusakan  perminggu  pada  pemasangan  bagian-bagian perakitan mesin memiliki rata- rata produksi yang sama, kumpulan penjualan produk atau layanan dalam pekembangan proses kehidupan dan jumlah hasil penjualan dari tingkat usaha yang konstan.
b.      Butuh  model  yang  sangat  sederhana  karena  keterbatasan  data,  atau memudahkan dalam penjelasan dan pelaksanaan. Contoh: ketika bisnis atau organisasi itu baru dan  hanya sedikit data historis yang tersedia
c.       Adanya asumsi tertentu sehingga data menjadi lebih stabil. Contoh:  mengganti  pendapatan  ke  pendapatan  perkapita  atau  mengganti penjualan dolar ke jumlah dolar konstan.
d.      Adanya transformasi data sehingga menjadi stabil. Contoh:  mentransformasi  rangkaian  dengan  menggunakan  logaritma,  akar kuadrat atau pembedaan.
e.       Data adalah himpunan eror dari teknik peramalan yang dianggap cukup baik (memadai).
Teknik yang bisa digunakan
1.      Naïve
2.      Simple averaging
3.      Moving average
4.      Autoregressive moving average (ARMA)

2.      Teknik peramalan untuk data Trend
Rangkaian Trend diberikan lebih awal sebagai runtun waktu yang mengandung komponen bentuk panjang yang menggambarkan pertumbuhan atau kemerosotan dalam rangkaian diatas periode perpanjangan waktu. Dengankata lain runtun waktu dikatakan mempunyai  Trend jika  nilai  rata-ratanya  menggantikan  waktu  tambahan,  jadi  Trend digunakan untuk meningkatkan atau menurunkan selamaperiode yang mana peramalan diinginkan.
Teknik peramalan untuk data trend digunakan jika
a.       Daya produksi  yang  meningkat atau kemajuan  teknologi  yang  mendorong perubahan gaya hidup (misal:permintaan barang elektronik). Contoh: permintaan komponen  elektronik, yang  meningkat dengan  adanya komputer dan pemakaian jalan kereta api  yang menurun karena adanya pesawat terbang.
b.      Pertambahan jumlah penduduk yang mendorong pada permintaan barang dan jasa. Contoh:  pajak  penjualan  barang-barang  konsumsi,  permintaan  konsumsi energi, dan penggunaan bahan mentah.
c.       Daya beli dolar yang mempengaruhi perekonomian inflasi. Contoh: gaji,biaya produksi dan harga.
d.      Sambutan pasar meningkat. Contoh: periode pertumbuhan dalam putaran produk baru.
Teknik yang bisa digunakan:
1.      Moving average
2.      Holt’ linear exponential smoothing
3.      Simple regression
4.      Growth curve
5.      Exponential
6.      Autoregressive integrated moving average

3.      Teknik peramalan untuk data Musiman
Rangkaian musiman sebagai runtun waktu dengan pola pergantian yang mengulang tahun sebelumnya. Satu cara untuk membangun peramalan musiman yang melibatkan pemilihan salah satu dari metode dekomposisi perkalian atau pembagian dan kemudian mengestimasi  indeks musiman dari sejarah/histori rangkaian. Indeks ini kemudian digunakan untuk memasukkan peramalan secara musiman atau menghilangkan efek dari nilai yang diobservasi. Proses terakhir diarahkan sebagai pengaturan data musiman.
Teknik peramalan untuk data musiman digunakan jika
a.       Musim mempengaruhi variabel minat. Contoh:  konsumsi  yang  berhubungan  dengan  listrik,  kegiatan  musim  panas dan musim dingin (seperti olaharaga: ski), pakaian,musim tanam.
b.      Kalender tahunan (hari libur, hari besar) mempengaruhi variabel minat. Contoh: penjualan tiket masuk obyek wisata dipengaruhi musim libur, 3 hari liburan, dan kalender sekolah.
Teknik yang bisa digunakan:
1.      Clasical decomposition
2.      Census X-12
3.      Winter’s exponential smoothing
4.      Multiple regression
5.      Autoregressive integrated moving average

4.      Teknik peramalan untuk data Siklis
Efek siklis diberikan lebih awal sebagai fluktuasi seperti gelombang disekitar Trend. Pola siklis sulit untuk model karena pola mereka secara  tipikal tidak stabil / tetap. Fluktuasi seperti gelombang ke atas – ke bawah disekitar Trend jarang terulang di interval waktu yang tetap dan besarnya fluktuasi juga terjaga untuk berubah-ubah. Metode dekomposisi dapat diperluas untuk menganalisis data siklis. Akan tetapi, karena putaran kelakuan yang tidak  teratur,  analisa  komponen  siklis  dari  rangkaian  sering  memerlukan  penemuan kejadian yang kebetulan atau kepemimpinan indikator ekonomi.
Teknik peramalan untuk data siklis digunakan jika:
a.       Putaran bisnis mempengaruhi variabel minat. Contoh : ekonomi, pasar dan faktor persaingan.
b.      Adanya pergantian selera, mode, dan lain-lain.
c.       Terjadinya perubahan dalam penduduk. Contoh: perang, kelaparan, wabah penyakit dan bencana alam.
Teknik yang bisa digunakan
1.      Clasical decompotition
2.      Economic indicator
3.      Econometrics model
4.      Multiple regression
5.      ARIMA
DAFTAR PUSTAKA
Gitosudarmo, H. Indriyo. 1999. “Manajemen Operasi (Edisi Pertama)”. Yogyakarta: BPFE Yogyakarta
Handoko, T. Hani. 1989. “Manajemen Produksi dan Operasi”. Yogyakarta: BPFE Yogyakarta
Harding H. A dan Jonas D. T. 1996. “Manajemen Operasi, Untuk Meraih Keunggulan Kompetitif”. Jakarta: PT Pustaka Binaman Pressindo
Schroeder, G. Roger. 1989. “Manajemen Operasi”. Jakarta: Erlangga