Apa yang dimaksud dengan Forecasting atau peramalan?

Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari berapa tahun (contohnya untuk penanaman modal. Kemudian beberapa hari atau jam (contohnya untuk penjadwalan produksi dan transportasi). Maka Forecasting atau peramalan merupakan alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien.

Maka apa yang dimaksud dengan Forecasting atau peramalan ?

Forecasting atau Peramalan

Forecasting atau Peramalan adalah seni memperkirakan informasi yang berarti tentang masa depan. Peramalan sendiri dibagi menjadi dua, yaitu peramalan kualitatif dan peramalan kuantitatif

Peramalan kualitatif

Peramalan kualitatif adalah
peramalan yang menggabungkan factor-faktor seperti intuisi pengambil keputusan, emosi, pengalaman pribadi, dan system nilai.

Dalam model peramalan kualitatatif, terdapat empat metode peramalan yang berbeda, yaitu :

  1. Keputusan atau diskusi eksekutif dan pakar. Dalam metode ini pendapat sekumpulan kecil manajer atau pakar tingkat tinggi, sering dikombinasikan dengan model statistic, dikumpulkan untuk mendapatkan prediksi permintaan.

  2. Metode delphi. Metode ini menggunakan kelompok diskusi dengan menggunakan kuisoner. Dimana kelompok terdiri dari pengambil keputusan, 5 sampai 10 pakar, dan karyawan atau responden.

  3. Gabungan dari tenaga penjualan (sales force composite). Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang bisa ia lakukan dalam wilayahnya. Peramalan. kemudian dikaji untuk memastikan apakah peramalan cukup realistis.

  4. Survei Pasar Konsumen (consumer market survey). Metode ini menggunakan input dari konsumen mengenai rencana pembelian mereka dimasa depan. Hal ini membantu dalam menyiapkan peramalan tetapi juga memperbaiki desain produk dan perencanaan produk baru.

Peramalan kuantitatif

Secara umum peramalan adalah suatu teknik memperkirakan masa depan dengan menggunakan data masa lalu atau data historis. Menurut Steven C. Wheelwright & Spyros Makridakis (1985) asumsi dasar pada teknik peramalan ialah bahwa actual value ditentukan oleh sebuah pola/ pattern dipengaruhi oleh randomness. Dapat juga ditulis sebagai berikut:

Actual value = Pattern + Randomness

Terdapat banyak metode serta pengembangannya untuk metode kuantitatif. Berikut ini beberapa metode yang paling sederhana dan sering digunakan.

  1. Pendekatan Naif, pendekatan ini adalah pendekatan yang paling sederhana, dengan asumsi bahwa permintaan diperiode n mendatang akan ama dengan permintaan pada periode terakhir, dengan kata lain, sebagai contoh bila bulan januari terjual 50 pcs tas, maka februari akan diprediksi terjual sebanyak 50psc juga. Merupakan metode paling tidak akurat, akan tetapi tidak ada cost yang diperlukan.

  2. Moving average. Menggunakan sejumlah data aktual masa lalu untuk dihitung rata-ratanya. Misal kita menggunakan 3 bulan data. Januari terjual 50 pcs, Februari 40, dan Maret 60, maka peramalan untuk bulan april adalah 50 psc ((50+40+60)/3). Metode yang cocok hampir dengan segala jenis pola, akan tetapi sering menghadapi keterlambatan peramalaan saat terjadi fluktuasi.

  3. Exponential Smoothing Kelanjutan metode Moving Average. Namun, diberikan bobot pada masing-masing data (semakin baru data, maka semakin besar bobot yang diberikan). Metode yang cocok dengan semua pola data, akan tetapi perlu trial and error dalam menentukan besaran bobot, untuk mendapatkan hasil yang maksimal.

  4. Proyeksi Tren, adalah metode peramalan time-series yang menyesuaikan sebuah garis tren pada sekumpulan data masa lalu, dan kemudian diproyeksikan dalam garis untuk meramalkan masa depan untuk peramalan jangka menengah atau jangka panjang. Metode yang cocok dengan pola tren.

  5. Analisa Regresi dan Korelasi. Analisa Regresi linier adalah model matematis garis lurus yang menjelaskan hubungan fungsional antara variable bebas dan variable terikat.

Referensi
  • Steven C. Wheelwright & Spyros Makridakis (1985) Forecasting Methods For Management, 4TH ED
  • Andi Widiawati (2014) ‘ Penerapan Tehnik Peramalan Untuk Memberikan Keunggulan Bersaing ’
  • Montgomery, D. C., Jennings, C. L. and Kulahci, M. (2016) Introduction Time Series Analysis and Forecasting
  • Rachman, R. (2018) ‘Penerapan Metode Moving Average Dan Exponential Smoothing Pada Peramalan Produksi Industri Garment’, Jurnal Informatika , 5(2), pp. 211–220. doi: 10.31311/ji.v5i2.3309.