Arti Forecasting (Peramalan)
- Seni & Ilmu Untuk Memprediksi Masa Depan
- Proses Analisis untuk memperkirakan Masa Depan dgn Metode-metode tertentu dan mempertimbangkan segala variabel yang mungkin berpengaruh di dalamnya.
- Suatu estimasi tentang hal-hal yang paling mungkin terjadi di masa mendatang berdasarkan eksplorasi dari masa lalu
Peramalan adalah merupakan Tahap Awal, sementara Hasil Ramalan adalah Basis Bagi Seluruh Tahapan Pada Perencanaan Produksi. Proses Peramalan Dilakukan Pada Level Agregat (Part Family); bila data yg dimiliki adalah data item, maka perlu dilakukan agregasi terlebih dahulu. Peramalan dapat dilakukan dengan menggunakan Metode Kuantitatif & atau Kualitatif.
Sementara itu, Futurecasting adalah Sebuah Estimasi individu tentang bagaimana hendaknya masa depan itu terjadi (Terdapat peran aktif individu melalui proses perencanaan). Melalui proses analisa yg logis dari masa lalu, seseorang berusaha untuk mengkondisikan masa depan yg diinginkan, tentunya dgn mempertimbangkan segala sesuatu yg mungkin dapat terjadi di masa depan, sebab semua estimasi harus mungkin (possible) untuk dilaksanakan.
Ciri-ciri Ramalan:
- Beranggapan sistem kausal : masa lalu ==> masa depan
- Ramalan jarang sempurna, oleh karena tingkat keacakan
- Ramalan lebih akurat untuk group daripada individu
- Tingkat akurasi ramalan menurun sejalan dengan meningkatnya cakrawala waktu
Unsur-unsur Ramalan yang baik adalah:
· - Tepat waktu
· - Handal
· - Akurat
· - Berarti
· - Tertulis
- Mudah digunakan
Langkah-langkah Proses Peramalan
Jenis-jenis Ramalan
— Pendapat – menggunakan masukan secara subjektif
— Serial waktu – menggunakan data historis dan mengasumsikan masa depan akan sama dengan masa lalu
— Model Asosiatif (Associative Model) – menggunakan variabel-variabel untuk meramalkan masa depan
Ramalan berdasarkan penilaian (Judgmental Forecast)
— Pendapat atasan
— Pendapat tenaga penjual
— Survei konsumen
— Pendapat dari luar
— Metode Delphi
◦ Pendapat dari manajer dan staf
◦ Mencapai ramalan secara kosensus
Ramalan serial waktu (times series)
— Tren – pergerakan jangka panjang dalam data
— Musiman- variasi tetap jangka pendek dalam data
— Siklus – variasi-variasi bergelombang dari lebih dari satu tahun
— Variasi tak beraturan – disebabkan kejadian-kejadian yang tidak biasanya
— Variasi acak – disebabkan karena kesempatan
Variasi-variasi Ramalan
Peramalan berdasarkan Data runut waktu (serial data)
— Metode Naif (Naïve Method)
— Teknik Perata-rataan
◦ Metode rata-rata bergerak
◦ Metode rata-rata bergerak tertimbang
◦ Metode pemulusan pangkat (exponential smoothing)
— Teknik untuk tren
◦ Tren linear
Teknik-teknik Perata-rataan
— Rata-rata bergerak (Moving average)
— Rata-rata bergerak tertimbang(Weighted moving average)
— Exponential smoothing
Teknik-teknik untuk Musiman
· Variasi-variasi Musiman. Pergerakan tetap yang berulang dalam rangakaian-rangkaian nilai yang bisa dihubungkan dengan kejadian-kejadian berulang.
· Musiman relative. Persentase dari rata-rata atau tren (kecenderungan).
· Rata-rata. Sebuah rata-rata bergerak yang ditempatkan pada pusat data yang telah digunakan untuk menghitungnya.
Peramalan Asosiatif (Associative Forecasting)
— Variable-variabel peramal – digunakan untuk meramal nilai-nilai dari variabel sejenis
— Regresi – sebuah teknik untuk mencocokkan sebuah garis ke dalam serangkaian nilai-nilai
— Garis pangkat terkecil (Least squares line) – memperkecil jumlah pangkat penyimpangan-penyimpangan di sekitar sebuah garis
Akurasi Ramalan
— Kesalahan (Error) – perbedaan antara nilai aktual dan nilai ramalan
— Mean Absolute Deviation (MAD)
— Rata-rata kesalahan mutlak (Average absolute error)
— Mean Squared Error (MSE)
— Rata-rata kesalahan berpangkat (Average of squared error)
— Mean Absolute Percent Error (MAPE)
— Rata-rata persentase kesalahan mutlak (Average absolute percent error)
Pengawasan Ramalan
— Grafik Pengawasan (Control Chart)
◦ Alat untuk mengawasi kesalahan-kesalahan ramalan secara visual
◦ Digunakan untuk menemukan ketidak-serempangan dalam kesalahan-kesalahan
— Kesalahan-kesalahan peramalan berada dalam kendali jika
◦ Semua kesalahan berada dalam batas kendali
◦ Muncul dengan tidak berbentuk, seperti tren atau siklus
Sumber-sumber kesalahan ramalan
— Model peramalan mungkin tidak cukup
— Variasi-variasi yang tak beraturan
— Kesalahan penggunaan teknik peramalan
Memilih teknik peramalan
— Tidak ada teknik yang berfungsi di setiap situasi
— Dua faktor yang paling penting
◦ Biaya
◦ Akurasi
— Faktor lain termasuk ketersediaan dari:
◦ Data historis (masa lalu)
◦ Komputer
◦ Waktu yang dibutuhkan untuk mengumpulkan dan menganalisa data
◦ Cakrawala ramalan (forecast horizon)
Strategi Operasi Terkait Peramalan
— Ramalan-ramalan adalah berbasis pada banyak keputusan-keputusan
— Berusaha untuk memperbaiki ramalan jangka pendek
— Akurasi ramalan-ramalan jangka pendek memperbaiki:
◦ Keuntungan
◦ Menurunkan tingkat persediaan
◦ Mengurangi keterbatasan persediaan
◦ Memperbaiki tingkat layanan konsumen
◦ Mempertinggi tingkat kepercayaan terhadap ramalan
