Pengertian Peramalan: Tujuan, Jenis, Langkah-langkah, Metode dan Pengukuran Akurasi Peramalan

pengertian peramalan

Apa yang Dimaksud dengan Peramalan? Pengertian peramalan (dikenal juga dengan forecasting) adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yabg dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.

Baik teman-teman, untuk melanjutkan pembahasan kita tentang peramalan, langkah-langkah, jenis peramalan dan bagaimana mengevaluasi peramalan, kita akan merujuk pada sebuah buku Manajemen Operasi karangan Jay Heizer dan Barry Render, edisi 11.

Mengapa ini saya bahas? Karena dalam mata kuliah manajemen operasional, Peramalan merupakan topik penting dalam manajemen operasi. Kita lanjutkan ya!

Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relative kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat kompleks dan dinamis.

Dalam kondisi pasar bebas, permintaan pasar lebih banyakbersifat kompleks, dan dinamis karena permintaan tersebut akan sangat tergantung dari eadaan social, ekonomi, politik, aspek teknologi, produk pesaing dang produk subsitusi.

Oleh karena itu, peramalan yang akurat merupakan informasi yabg sangat dibutuhkan dalam pengambilan keputusan manajemen.

Pada dasarnya manajeman permintaan (demend menegement) didefinisokan sebagai suat fungsi pengelolaan dari semua permintaan produk untuk menjamin bahwa penyusun jadwal induk (master scheduler) mengetahun dan menyadari semua permintaan produk inu.

Manajemen permintaan akan menjaring informasi yang berkaita dengan peramalan (forcesthing) order entry, order promising, branch warehouse requirement, pesanan antarpabrik (interplan order), dan kebutuhan untuk service parts, seperti ; suku cadang untuk pemeliharaan peralatan, keperluan[1]keperluan untuk bagian riset dan pengembangan produk, dll.

Secara garis besar aktivitas-aktivitas dalam manajemen permintaan dapat dikategorikan dalam dua aktivitas utama, yaitu; pelayanan pesanan dan peramalan.

Nah, dari sini mudah-mudahan sudah memiliki gambaran ya teman-teman, kalau begitu mari kita lanjutkan.

Baca juga: Pengertian Permintaan.

Peramalan Sebagai Aktivitas Bisnis

Aktivitas peramalan merupakan suatu fungsi bisnis yang berusahamemperkirakanpenjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah permintaan terhadap suatu produk yang dilakukan pada awal proses perencanaan dan pengendalian produksi.

Dengan demikian peramalan merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis.

Dalam industri manufaktur dikenal adanya dua jenis permintaan yang sering disebut sebagai dependent demand dan independent demand, yang merupakan salah satu konsep terpenting dalam master planning .

Pada dasarnya dependent demand didefinisikan sebagai : permintaan terhadap material, parts, atau produk yang terkait langsung dengan atau diturunkan dari struktur bill of material(BOM) untuk produk akhir atau untuk item tertentu.

Sedangkan independent demand didefinisikan sebagai: permintaan terhadap material, parts, atau produk, yang bebas atau tidak terkait langsung dengan struktur bill of material untuk produk akhir atau item tertentu.

Pengertian Peramalan menurut Para Ahli

Dalam dunia usaha khususnya yang berhubungan dengan produksi sangat penting untuk memperkirakan hal-hal yang akan terjadi dimasa depan sebagai dasar untuk pengambilan keputusan.

Arman Hakim Nasution dan Yudha Prasetyawan

Menurut Arman Hakim Nasution dan Yudha Prasetyawan dalam buku nya yang berjudul perencanaan dan pengendalian produksi. Pengertian 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 maupun jasa.

Sofyan Assauri (1984 : 1)

Menurut pendapat Sofyan Assauri (1984 : 1) pengertian peramalan merupakan perkiraan yang ilmiah (educated guess). Menurutnya, setiap pengambilan keputusan yang menyangkut keadaan pada masa yang akan datang, pasti ada peramalan yang melandasi pengambilan keputusan tersebut.

Render dan Heizer (2007)

Menurut pendapat Render dan Heizer (2007) pengertian peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan.

Subagyo (2000)

Menurut pendapat Subagyo (2000) Forecasting adalah memperkirakan sesuatu yang akan terjadi.

Handoko (1999)

Menurut pendapat Handoko (1999) Pengertian Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu.

Gaspersz (2005)

Menurut pendapat Gaspersz (2005) pengertian peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.

Taylor (2004)

Menurut pendapat Taylor (2004) pengertian Peramalan adalah sebuah prediksi mengenai apa yang akan terjadi di masa depan.

Nah, dari beberapa pendapat ahli ini dapat kita simpulkan bahwa peramalan merupakan aktivitas bisnis yang tujuannya memperkirakan atau memprediksi keadaan dimasa mendatang berdasarkan data histori dimasa lalu dengan metode kuantitatif ataupun kualitatif, sehingga memberikan informasi kepada Manajemen untuk mengambil keputusan bisnis.

Baca: Studi kelayakan bisnis.

 

Tujuan Peramalan

Aktivitas peramalan tentu saja terkait dengan proyeksi masa depan yang bertujuan untuk mengukur potensi permintaan ataupun pertumbuhan permintaan dimasa mendatang contohnya tahun depan atau bulan depan.

Menurut pangestu subagyo (1999), peramalan bertujuan mendapatkan ramalan yang dapat meminimumkan kesalahan meramal dan dapat diukur dengan mean absolute percent error (MAPE)

Gasper (2001 : 74) Tujuan utama dari peramalan dalam manajemen permintaan adalah untuk meramalkan permintaan dari item-item independent demand dimasa yang akan datang. Untuk menjamin efektivitas dan efisiensi dari sistem peramalan maka diperlukan menyusun langkah-langkah peramalan.

 

Jenis Forecasting

Menurut Render dan Heizer (2004) pada jenis peramalan dapat dibedakan menjadi beberapa tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi menjadi 3 macam yaitu:

  • Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya.
  • Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan tehnologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.
  • Peramalan permintaan (demand forecast) adalah prediksi dari proyeksi permintaan untuk produk atau layanan suatu perusahaan.

Peramalan memiliki hubungan yang erat dengan horizon waktu masa depan. Menurut Taylor (2004) dalam hubungannya dengan horizon waktu peramalan terbagi atas beberapa kategori, yaitu:

  • Peramalan jangka panjang, umumnya peramalan dilakukan untuk meramalkan 2 sampai 10 tahun yang akan datang. Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumber daya.
  • Peramalan jangka menengah, umumnya peramalan dilakukan untuk meramalkan 1 sampai 24 bulan yang akan datang. Peramalan ini lebih mengkhusus dibangdingkan peramalan jangka panjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.
  • Peramalan jangka pendek umumnya peramalan dilakukan untuk meramalkan 1 sampai 5 minggu ke depan. Peramalan ini biasanya digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek.

 

Apa Saja Ciri Peramalan yang Bagus?

Peramalan yang baik memiliki beberapa kriteria yang penting, antara lain akurasi, biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut :

1.Tingkat Akurasi Peramalan

Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan kekonsistensian peramalan tersebut.

Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.

Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera akibatnya perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan penjualan.

Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal.

2.Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai.

Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya (manual atau komputerisasi), bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan.

Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto ( Analisa ABC ).

3.Kemudahan Dalam Mengaplikasikan Peramalan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.

Percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

Sifat hasil peramalan

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu :

  • Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidak pastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidak pastian tersebut.
  • Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan,maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
  • Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi permintaan relatif masih konstan sedangkan masih panjang periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.

 

Apa Saja Langkah yang Dilakukan dalam Melakukan Peramalan?

Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik.

Menurut Gaspersz (2005) terdapat 9 langkah yang harus diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem peramalan, yaitu:

  1. Menentukan tujuan dari peramalan
  2. Memilih item independent demand yang akan diramalkan
  3. Menentukan horison waktu dari peramalan (jangka pendek, menengah, atau panjang)
  4. Memilih model-model peramalan
  5. Memperoleh data yang dibutuhkan untuk melakukan peramalan
  6. Validasi model peramalan
  7. Membuat peramalan
  8. Implementasi hasil-hasil peramalan
  9. Memantau keandalan hasil peramalan

 

Metode Peramalan

Terdapat beberapa jenis metode peramalan yang dapat digunakan, namun yang lebih penting adalah bagaimana memahami karakteristik suatu metode peramalan agar cocok untuk diterapkan pada kasus yang diteliti berdasarkan data–data yang telah terjadi sebelumnya.

Secara umum metode peramalan dapat dibagi dalam dua ketegori utama, yaitu metode kuantitatif dan metode kualitatif.

Motode kualitatif

Motode kualitatif lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi seseorang, dan intuisi yang meskipun kelihatannya kurang ilmiah tetapi dapat memberikan hasil yang baik.

Peramalan kualitatif akan diwakili oleh metode Delphi dan metode penelitian pasar. sebenarnya masih ada 2 lagi yaitu metode dari dewan eksekutif dan gabungan Karyawan Penjualan, namun kita akan menjelaskan 2 metode saja.

  1. Metode Delphi, metode ini merupakan cara sistematis untuk endapatkankeputusan bersama dari suatu grup yang terdiri dari para ahli dan berasal dari disiplin yabg berbeda. Grup ini tidak bertemu secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta pendapatnya secara terpisah dan tidak boleh saling berunding. Hal ini dilakukan untuk mengurangi pendapat yang bias karena pengaruh kelompok. Pendapat yang berbeda secara segnifikan dari ahli yang lain dalam grup tersebut akan dinyatakan lagi yang bersangkutan, sehingga akhirnya diperoleh angka estimasi pada interval tertentu yang dapat diterima. Metode Delphi ini dipakai daam peramalan teknologi yang sudah digunakan pada pengoperasian jangka panjang. Selain itu, metode ini juga bermanfaat dalam pengembangan produk baru, pengembangan kapasitas produksi, penerobosan ke segmen pasar baru dan strategi keputusan bisnis lainnya.
  2. Metode penelitian pasar, metode ini mengumpulkan dan menganalisa fakta secara sistematis pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama dalam penelitia pasar ini adalah survey konsumen. Suvei konsumen akan memberikan informasi mengenai selera yang diharapkan konsumen, dimana informasi tersebut diperoleh dari sampel dengan cara kuesioner.

Metode kuantitatif

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:

  1. Tersedia informasi tentang masa lalu
  2. Informasi tersebut dapat dikuantitatifkan dalam bentuk numeric
  3. Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut

Peramalan permintaan (forecasting demand) merupakan tingkat permintaan produk-produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang.

Menurut Render dan Heizer dkk (2014), terdapat tujuh tahap dasar dalam melakukan peramalan permintaan:

  • Menentukan penggunaan dari peramalan.
  • Memilih items atau kuantitas yang akan diramalkan.
  • Menentukan horizon dari peramalan.
  • Memilih model peramalan.
  • Mengumpulkan data yang diperlukan untuk memperoleh peramaalan.
  • Melakukan peramalan.
  • Memvalidasi peramalan dan mengimplementasikan hasil peramalan

 

Metode peramalan permintaan time series

Analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri dari komponen komponen Trend/kecenderungan (T), Siklus/cycle(C), Pola Musiman/Season (S), dan variasi acak/Random (R) yang akan menunjukan suatu pola tertentu. Penjelasan komponen – komponen tersebut adalah sebagai berikut:

  1. Trend (T) merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya apakah permintaan tersebut cenderung naik, turun atau konstan.
  2. Cycle (C) merupakan sifat dari permintaan dalam satu periode apakah mengalami permintaan dengan jumlah yang sama atau tidak.
  3. Season (S) merupakan Fluktuasi permintaan suatu produk yang dapat mengalami kenaikan atau penurunan pada saat saat musim tertentu. Pola ini biasanya disebabkan oleh factor cuaca, musim libur panjang, hari raya keagamaan yang akan berulang secara periodik tiap tahunnya.
  4. Random (R) permintaan suatu produk dapat berubah secara tiba- tiba yang disebabkan oleh faktor tertentu. Contoh bencana alam,promosi khusus, perusahaan pesaing, dimana faktor- faktor ini tidak dapat diperkirakan dan tidak mempunyai pola tertentu.

Dalam metode time series ada beberapa teknik yang biasa digunakan tergantung pola permintaan yang terjadi. Dibawah ini merupakan penjelasannya :

Metode naive (naif)

Teknik peramalan yang mengasumsikan permintaan periode berikutnya sama dengan permintaan pada periode terakhir. Metode naif digambarkan secara matematis berikut :

Permintaan periode mendatang = permintaan periode terakhir

Moving Average

Peramalan moving average (rataan bergerak) menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan .

MA = At + At-1 + … + At-(N-10) / N

Keterangan :

At = Permintaan aktual pada periode t

N = Jumlah data permintaan yang dilibatkan dalam perhitungan

Contoh deret data penjualan rumah 6 bulan terakhir adalah sebagai berikut:

12 ; 14 ; 10 ; 15 ; 13 ; 11, maka dapat dihitung sebagai berikut:

Jumlah dari deret angka: 12 + 14 + 10 + 15 + 13 + 11  = 75 dibagi dengan 6 sebagai n maka hasilnya 12,5. (12 + 14 + 10 + 15 + 13 + 11)/6 = 12,5

 

Weighted Moving Average

Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Moving average dengan pembobotan disebut juga Weighted Moving Average. Weighted Moving Average dapat digambarkan secara matematik sebagai berikut:

WMA = ∑Wt – At

keterangan :

Wt = bobot permintaan aktual pada periode t

At = permintaan aktual pada periode t

 

Exponential Smoothing

Exponential smoothing (penghalusan eksponensial) merupakan metode peramalan rataan bergerak dengan pembobotan di mana titik[1]titik data dibobotkan oleh fungsi eksponensial.

Single Exponential Smoothing dapat digambarkan secara matematis berikut:

Ft = Ft-1 + α (At-1 – Ft-1 )

Keterangan:

Ft = peramalan baru

Ft-1 = peramalan sebelumnya

α = konstanta penghalusan (0 ≤ α ≤ 1)

At-1 = permintaan aktual periode lalu

Single Exponential Smoothing yang telah disesuaikan dengan adanya tren disebut Double Exponential Smoothing. Double Exponential Smoothing dapat digambarkan secara matematis sebagai berikut:

F(0) = F1 (0) = A(1)

F(t) = α A(t) + (1 – α ) F(t – 1)

1 F (t)= α F(t) + (1 – α ) F1 (t – 1)

f(t + τ ) = F1 (t)

Keterangan:

Ft = peramalan Double Exponential Smoothing pada periode t

At = peramalan Single Exponential Smoothing pada periode t

Ft-1 = peramalan Double Exponential Smoothing pada periode t-1

α = konstanta penghalusan (0 ≤ α ≤ 1)

 

Proyeksi terhadap tren

Proyeksi Tren ( trend linear ) adalah teknik menyesuaikan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau jangka panjang.

Persamaan secara matematis ditulis sebagai berikut:

y = a + bx

Keterangan Rumus:

y = nilai terhitung dari variabel yang akan diprediksi (variabel terikat)

a = persilangan sumbu y

b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di x)

x = variabel bebas

Kemiringan garis regresi (b) dapat ditemukan dengan persamaan berikut:

b = ∑XY – XY / ∑X2 – nX2

keterangan :

b = kemiringan garis regresi

x = nilai variabel bebas yang diketahui

y = nilai variabel terkait yang diketahui

X = rata – rata nilai x

Y = rata – rata nilai y

n = jumlah data atau pengamataan

Titik potong sumbu y ( ) dapat ditemukan dengan persamaan berikut:

α = Y – bX

Keterangan Rumus:

α = persilangan sumbu

b = kemiringan garis regresi

X = rata – rata nilai x

Y = rata – rata nilai y

 

Bagaimana Mengukur Akurasi dari Hasil Peramalan?

Ukuran akurasi hasil peramalan yang merupakan ukuran tentang tingkat perbedaan atau kesalahan hasil peramalan dengan permintaan yang sebenarnya terjadi. Ada 4 ukuran yang biasa digunakan, yaitu:

1.Rata – rata deviasi mutlak ( Mean Absolute Deviation = MAD )

Mean Absolute Deviation ( MAD ) merupakan rata – rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil jika dibandingkan dengan kenyataannya. Secara sistematis, MAD dirumuskan sebagai berikut :

MAD = ∑|At-Ft/n|

keterangan :

At = Permintaan aktual pada periode t

Ft = Peramalan permintaan pada periode t

n = Jumlah periode peramalan yang terlibat

2.Rata – rata kuadrat kesalahan ( Mean Square Error = MSE )

Mean Square Error ( MSE ) dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE dirumuskan sebagai berikut :

MSE = ∑ (At – Ft)2 / n

Keterangan rumus:

At = Permintaan aktual pada periode t

Ft = Peramalan permintaan pada periode t

n = Jumlah periode peramalan yang terlibat

3.Rata–rata kesalahan peramalan ( Mean Forecast Error = MFE )

Mean Forecast Error ( MFE ) sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode tertentu terlalu tinggi atau rendah. Bila hasil peramalan tidak bias, maka nilai MFE akan mendekati not.

MSE dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan. Secara sistematis dirumuskan sebagai berikut :

MFE = ∑(At-Ft)/n

Keterangan rumus:

At = Permintaan aktual pada periode t

Ft = Peramalan permintaan pada periode t

n = Jumlah periode peramalan yang terlibat

4.Rata–rata persentase kesalahan mutlak ( Mean Absolute Percentage Error = MAPE )

Merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan telalu tinggi atau rendah. Secara sistematis dirumuskan sebagai berikut :

MAPE = (100/n) ∑|At – Ft/At)

Keterangan rumus:

At = Permintaan aktual pada periode t

Ft = Peramalan permintaan pada periode t

n = Jumlah periode peramalan yang terlibat

 

Kesimpulan

Pembahasan tentang peramalan ini kita anggap sudah selesai, berikut beberapa hal yang dapat kita simpulkan:

  1. 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 maupun jasa.
  2. Peramalan bertujuan mendapatkan ramalan yang dapat meminimumkan kesalahan meramal dan dapat diukur dengan mean absolute percent error (MAPE).
  3. Metode peramalan terdiri dari Kualitatif dan Kuantitatif. Metode kualitatif digunakan untuk melakukan peramalan terhadap situasi yang baru dimana data historis tidak tersedia dan tingkat fluktuasi tergolong tinggi. Sedangkan metode kuantitatif digunakan dengan memperhitungkan data historis baik 3 tahun ataupun 5 tahun kebelakang. Namun adakalanya kita menggunakan kombinasi 2 metode ini untuk mendapatkan prediksi yang akurat.

Nah, demikianlah pembahasan kita kali ini tentang peramalan, mudah-mudahan hal ini bermanfaat untuk menambah wawasan Anda dalam pembelajaran manajemen operasional. Untuk mempelajari lebih detil dilengkapi dengan contoh, Anda bisa mendownload materi presentasi. semoga membantu!

 

Source:

BAB II.pdf (ums.ac.id)

Bab 2.pdf (untag-sby.ac.id)

Peramalan Adalah: Fungsi, Langkah, Jenis, Tujuan, Metode (pakdosen.co.id)

Buku Manajemen Operasi, tahun 2007 karangan Jay Heizer dan Barry Render, Edisi 11, Penerbit Salemba Empat

Tinggalkan Jejak