ANALISA DAN KALKULASI PERKIRAAN

 

Metode Forecasting adalah salah satu metode untuk melakukan perencanaan serta pengendalian produksi.

Selain itu, forecasting juga didefinisikan sebagai alat bantu untuk melakukan perencanaan yang efektif dan efisien.

Sebagai contoh seperti meramalkan tingkat permintaan suatu produk atau peramalan terhadap harga daging sapi di masa lebaran dan lain sebagainya.

Umumnya, kegiatan forecasting ini dilakukan oleh bagian pemasaran sehingga hasilnya sering disebut ramalan permintaan.

Kemudian, hasil tersebut yang akan digunakan sebagai informasi untuk menentukan aktivitas perusahaan.

Data dari hasil kegiatan forecasting ini biasanya digunakan untuk memperkirakan jumlah permintaan pelanggan.

Hal ini berkaitan dengan ketepatan jumlah produk yang akan diproduksi.

Efektivitas produksi berperan sangat penting dalam menjalankan bisnis.

Seorang pengusaha dapat memperkecil pengeluaran dengan penyesuaian jumlah produksinya.

Tujuan & Fungsi Perkiraan (Forecasting)

Fungsi perkiraan atau forecasting terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan (Ginting, 2007).

Menurut Heizer dan Render (2009:47), perkiraan atau forecasting memiliki tujuan sebagai berikut:

a. Mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa lalu, serta melihat sejauh mana pengaruh di masa datang.

b. Perkiraan diperlukan karena adanya time lag atau delay antara saat suatu kebijakan perusahaan ditetapkan dengan saat implementasi.

c. Perkiraan merupakan dasar penyusunan bisnis pada suatu perusahaan sehingga dapat meningkatkan efektivitas suatu rencana bisnis.

Pola Data Produk dalam Metode Forecasting

Berikut ini adalah pola data produk dalam metode forecasting atau peramalan penjualan:

·           Data berpola musiman. Pola jenis ini bergerak berulang-ulang dan biasanya dipengaruhi oleh cuaca dan faktor dari manusia (seperti liburan dan hari besar).

·           Data berpola konstan. Pada pola ini data bergerak di sekitar rata-rata secara stabil. Pola semacam ini cenderung terjadi pada periode waktu yang pendek sampai menengah.

·           Data berpola trend. Pola ini dapat dilihat ketika data memiliki kecenderungan yang naik atau turun dari waktu ke waktu. Pola ini dipengaruhi oleh faktor budaya, perubahan pendapatan, dan perubahan populasi.

Jenis Model Forecasting

Adapaun jenis model dalam metode forecasting yaitu:

Jenis model rata-rata bergerak (moving averages model) 

Jenis model rata-rata bergerak (moving averages model) merupakan model data yang menggunakan data permintaan baru untuk melakukan peramalan di masa yang akan datang yang dapat dirumuskan seperti berikut:

Rata – rata bergerak n Periode =  (∑(permintaan dalam n-periode terdahulu))/n

Jenis model rata-rata bergerak terbobot (weighted moving averages model)

Jenis model rata-rata bergerak terbobot (weighted moving averages model) merupakan jenis yang lebih responsif karena melibatkan data yang diberi bobot di periode selanjutnya.

Jenis model ini dapat dirumuskan seperti berikut:

Weighted MA (n) = (∑(pembobot untuk periode permintaan aktual periode n))/(∑(pembobot))

Jenis model pemulusan eksponensial (exponential smoothing model)

Sedangkan jenis model pemulusan eksponensial (exponential smoothing model) dapat dirumuskan sebagai berikut:

Ft = Ft-1 + α (At-1 – Ft-1)

Dengan penjelasan bahwa Ft merupakan nilai ramalan untuk periode waktu atau t.

Ft-1 adalah nilai ramalan untuk satu periode waktu yang lalu atau t-1.

At-1 adalah nilai aktual satu periode yang lalu. Terakhir α merupakan konstanta pemulusan (smoothing constant).

Indikator untuk Validasi Jenis Model forecasting

Keseluruhan rumus di atas selanjutnya akan melewati fase validasi dengan menggunakan sejumlah indikator.

Indikator tersebut diantaranya adalah Men Absolute Deviation (MAD), Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), tracking signal, dan Moving Range.

Metode forecasting dibagi menjadi dua, yakni peramalan secara kualitatif dan peramalan secara kuantitatif. Peramalan secara kualitatif maksudnya adalah peramalan yang menggunakan pendapat dan analisis yang deskriptif.

Sementara peramalan kuantitatif yaitu peramalan yang berkaitan dengan hitungan matematis.

Metode Forecasting Kuantitatif

Berikut merupakan beberapa metode peramalan yang sering digunakan.

Adapun yang berikut merupakan kelompok metode peramalan kuantitatif:

1. Time Series

Metode time series atau deret waktu merupakan metode peramalan yang menghubungkan keterkaitan antara variabel dependen (variabel yang dicari) dengan variabel independen atau variabel yang mempengaruhinya kemudian dihubungkan dengan waktu, mingguan, bulan atau tahun.

Jadi di dalam metode deret waktu, variabel yang dicari berupa waktu.

Untuk menggunakan metode peramalan ini, Anda  dapat menghitungnya menggunakan metode smoothing, metode box jenkins, atau metode proyeksi trend dengan regresi.

2. Metode Kasual (Sebab Akibat)

Metode peramalan kuantitatif yang kedua yaitu metode kasual (casual methods) atau metode sebab akibat.

Metode ini didasarkan pada keterkaitan antara variabel yang diperkirakan dengan variabel lain yang mempengaruhinya. Namun, variabel nya bukan dalam bentuk waktu.

Untuk menghitung atau meramalnya, Anda dapat menggunakan metode regresi dan korelase, metode input output, atau metode ekonometri

Metode Forecasting Kualitatif

Metode peramalan kualitatif ini sifatnya lebih subjektif dibandingkan dengan kuantitatif.

Hal ini karena metode peramalan kualitatif dipengaruhi oleh emosi, pendidikan, intuisi, pengalaman si peramalan sehingga hasil setiap orang akan berbeda.

Meskipun begitu metode kualitatif mendekati tingkat akurasi data aktual jika dibandingkan dengan metode lain.

Adapun teknik atau metode peramalan kualitatif sebagai berikut:

1. Survei pasar

Metode ini dilakukan dengan cara mencari masukan atau pendapat dari konsumen yang berpengaruh terhadap rencana pembelian pada saat periode pengamatan.

Survei dapat dilakukan dengan menyebar kuesioner, wawancara langsung atau telepon.

2. Juri dari opini eksekutif

Untuk melakukan metode ini caranya dengan meminta opini atau pendapat dari kelompok kecil yang terdiri atas manajer pemasaran, manajer produksi, manajer teknik, manajer keuangan dan manajer logistik dan hasilnya kemudian digabungkan dengan model statistik.

3. Gabungan tenaga penjualan

Seperti namanya metode ini menggabungkan setiap penjual kemudian mereka meramalkan tingkat penjualan di daerah masing-masing yang pada akhirnya digabungkan di tingkat provinsi dan nasional.

4. Metode Delphi

Metode delphi sebenarnya mirip dengan metode kuisioner, untuk melakukan metode ini Anda perlu menyebar kuesioner tetapi jawaban dari kuesioner yang terkumpul disederhanakan terlebih dahulu sebelum diberikan kepada ahli untuk peramalannya.

Kelebihan dari metode ini adalah hasilnya yang akurat dan profesional, sedangkan kelemahannya adalah membutuhkan waktu yang cukup banyak karena harus membuat kuesioner sampai merangkum hasilnya.

Itulah beberapa metode forecasting yang dapat Anda pakai. Forecasting atau peramalan sangat penting untuk merencanakan dan mengawasi kegiatan produksi baik produk maupun jasa.

Sehingga bisnis Anda akan lebih mudah untuk maju. Untuk memudahkan Anda dalam mengelola stok barang, Jurnal memiliki fitur Inventori.

Dengan demikian, metode forecasting merupakan kegiatan yang penting dalam sebuah bisnis. Kegiatan forecasting ini sangat berguna untuk mengawasi kegiatan produksi baik itu dalam perusahaan barang maupun jasa.

Hasil dari kegiatan forecasting ini dapat digunakan sebagai acuan untuk mengambil keputusan produksi bahkan hingga pemasaran. Keputusan yang baik merupakan keputusan yang didasarkan pada pertimbangan apa yang akan terjadi di periode yang akan datang.

Keputusan produksi atau perencanaan produksi yang efektif ini kemudian mampu mengurangi pemborosan budget perusahaan.

Pengeluaran budget perusahaan dapat diminimalisir karena sumber daya pada masa yang akan datang dapat diatur jumlahnya.

Semakin kesalahan dapat diminimalisir maka pendapatan yang akan diterima oleh perusahaan juga akan semakin besar. (*)