FORECASTING (PERAMALAN) DALAM MANAJEMEN OPERASI

PENGERTIAN

Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis.

Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun informal (Gaspersz, 1998).

Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian. Kesalahan dalam proyeksi penjualan akan mempengaruhi pada ramalan anggaran, pengeluaran operasi, arus kas, persediaan, dan sebagainya. Dua hal pokok yang harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat (Makridakis, 1999):

1.         Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat.

2.         Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya. Horison waktu teragi atas beberapa kategori :

1.      Peramalan jangka pendek, peramalan ini mencakup jangka waktu hingga 1 tahun tetapi umumnya kurang dari  bulan. Peramalan ini dugunakan untuk merencanakan pembelian, penjadwalan kerja, penugasan kerja dan tingkat produksi.

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

3.      Peramalan jangka panjang, umumnya untuk perencanan masa  3 tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan.

Faktor lain yang harus dipertimbangkan saat membuat ramalan penjualan, terutama peramalan penjualan jangka panjang adalah siklus hidup produk. Penjualan produk dan bahkan jasa, tidak terjadi pada tingkat yang konstan sepanjang hidupnya. Hamper semua produk yang eerhasil melalui empat tahapan : (1) perkenalan, (2) pertumbuhan, (3) kematangan dan (4) penurunan.

JENIS PERAMALAN

Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi di masa depan :

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

2.     Peramalan Terknologi (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.

PENDEKATAN PERAMALAN

Terdapat  dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi semua model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis kualitatif.

1.    Peramalan Kuantitatif (quantitative forecast)

        Peramalan ang menggunakan satu atau lebih model matematis dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan.

2.     Peramalan Subjekti atau kualitatif (qualitative forecast)

        Peramaln yang  menggabungkan faktor-faktor seperti intuisi pengambil keputusan, emosi, pengalaman pribadi dan sistem nilai. Beberapa perusahaan menggunakan satu pendekatn dan perusahaan lain menggunakan pendkatan yang lain. Pada kenyataannya, kombinasi dari keduanya merupakan yang paling efektif.

Langkah – langkah untuk melakukan suatu peramalan.
1. Menentukan tujuan dari peramalan.
2. Pemilihan teori yang relevan.
3. Pengumpulan data.
4. Analisis data.
5. Estimasi dari model sementara.
6. Evaluasi model sementara dan merevisi model.
7. Penyajian ramalan sementara kepada manajemen.
8. Pembuatan revisi final.
9. Pendistribusian hasil peramalan.
10. Penentuan langkah – langkah pemantuan.

Metode Peramalan

Pengertian metode peramalan, yaitu suatu cara atau tekhnik dalam memperkirakan kejadian – kejadian pada masa yang akan datang.
Kegunaan dari metode peramalan adalah membantu dalam mengadakan pendekatan analisa terhadap pola data pada masa yang lalu.

Model kuantitatif intrinsik sering disebut sebagai model-model deret waktu (Time Series model). Model deret waktu yang populer dan umum diterapkan dalam peramalan permintaan adalah rata-rata bergerak (Moving Averages), pemulusan eksponensial (Exponential Smoothing), dan proyeksi kecenderungan (Trend Projection). Model kuantitatif ekstrinsik sering disebut juga sebagai model kausal, dan yang umum digunakan adalah model regresi (Regression Causal model) (Gaspersz, 1998).

1. Weight Moving Averages (WMA)

        Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai berikut.

2. Single Exponential Smoothing (SES)

Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya menggunakan model pemulusan eksponensial (Exponential Smoothing Models). Metode Single Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut.

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat. Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1. Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1. Pola historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu ke waktu, α yang dipilih adalah yang nilainya mendekati nol (Gaspersz, 1998).

3. Regresi Linier

Model analisis Regresi Linier adalah suatu metode populer untuk berbagai macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus perhitungan Regresi Linier yaitu sebagai berikut.

Keterangan:

Y = hasil peramalan

n = periode

a = perpotongan dengan sumbu tegak

b = menyatakan slope atau kemiringan garis regresi

* Metode Sebab Akibat ( Causal Methods / Korelasi ).
Dibagi menjadi.
- Metode regresi dan korelasi.
- Model ekonometri.
- Model input output atau lebih dikenal sebagai sederhana dua berganda.

Untuk menentukan metode mana yang akan dipakai untuk melakukan peramalan ada 6 faktor utama yang harus di ketahui untuk mengidentifikasikan tekhnik dan metode peramalan yaitu
1. Horizon waktu.
2. Pola dari data.
3. Jenis dari model.
4. Biaya.
5. Ketepatan.
6. Flexibilitas.