BAB II
LANDASAN TEORI
2.1 Kerangka Teori
2.1.1 Pengertian Peramalan ( Forecasting )
Menurut T. Hani Handoko (2000 : 255 )
Peramalan
atau forecasting adalah suatu
permintaan akan produk dan jasa di waktu mendatang dan bagian-bagiannya adalah
sangat penting dalam perencanaan dan pengawasan produksi.
Menurut Jay Heizer dan Barry Render ( 2006 : 136 )
Peramalan
(forecasting) adalah seni atau ilmu
untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan
melibatkan pengambilan data di masa lalu dan menempatkannya ke masa yang akan
datang dengan bentuk model matematis, bisa juga merupakan prediksi intuisi yang
bersifat subjektif.
Menurut
Hery Prasetya dan Fitri Lukiastuti (
2009 : 43 )
Peramalan
merupakan suatu usaha untuk meramalkan keadaan di masa yang akan datang melalui
pengujian keadaan di masa lalu.
Dari
ketiga pengertian di atas, maka yang dimaksud dengan peramalan atau forecasting adalah suatu usaha untuk
meramalkan kejadian di masa yang akan datang dengan melibatkan pengambilan data
di masa lalu dan menempatkannya di masa yang akan datang untuk mengetahui
seberapa besar permintaan.
2.1.2 Tipe – tipe peramalan
Menurut Hery Prasetya dan Fitri Lukiastuti ( 2009 : 44 ) tipe – tipe peramalan diantaranya :
a) Peramalan
Ekonomi
Peramalan yang
menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan
uang, dana yang dibutuhkan untuk membangun perumahan dan indikator perencanaan
lainnya.
b)
Peramalan Teknologi
Peramalan yang memperhatikan tingkat kemajuan
teknologi yang dapat meluncurkan produk baru yang menarik, membutuhkan pabrik
dan peralatan baru. Peramalan ini biasanya memerlukan jangka waktu yang panjang
dengan memperhatikan tingkat kemajuan teknologi.
c)
Peramalan Permintaan
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 dn sumber daya manusia.
2.1.3 Jenis Peramalan Berdasarkan Horizon Waktu
Peramalan
biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang
dilingkupinya. Horizon waktu menurut Jay
Heizer dan Barry Render (2009 : 163 ) terbagi menjadi beberapa kategori,
yaitu antara lain :
a. Peramalan
jangka pendek.
Peramalan
ini meliputi jangka wakti hingga 1 tahun, tetapi umumnya kurang dari 3 bulan.
Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah
tenaga kerja , penugasan kerja dan tingkat produksi.
b. Peramalan
jangka menengah.
Peramalan
jangka menengah atau intermediate umumnya mencakup hitungan bulan hingga 3
tahun. Peramalan ini bermanfaat untuk merencanakan penjualan, perencanan dan
anggaran produksi, anggaran kas, serta menganalisis bermacam-macam rencana operasi.
c. Peramalan
jangka panjang.
Umumnya
untuk perencanaan masa 3 tahun atau lebih. Peramalan jangka panjang digunakan
untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan
fasilitas, serta penelitian dan pengembangan ( litbang ).
2.1.4 Tahapan Peramalan
Tahapan peramalan menurut John. E Harke, Dean, W. Wichern dan G.
Reitsch (2003 : 23) yaitu sebagai berikut :
a.
Pengumpulan Data
Pengumpulan data yaitu
proses pengambilan data yang sesuai dengan meyakinkan kebenarannya.
b.
Pemadatan atau Pengurangan Data
Pemadatan atau
pengurangan diperlukan karena mungkin saja terjadi kelebihan data dalam proses
peramalan atau sebaliknya terlalu sedikit. Beberapa data mungkin tidak relvan
dengan masalah dan hal ini dapat mengurangi keakuratan peramalan.
c.
Penyusunan dan Evaluasi Modal
Penyusunan dan
pengevaluasian modal meliputi pencocokan data terkumpul ke dalam modal yang
sesuai dalam hal meminimasi.
d.
Evaluasi Peramalan
Evaluasi peramalan
melibatkan dan membandingkan nilai peramalan dengan nilai histories actual.
Dalam proses ini beberapa nilai data terkini kemudian diambilkan dari gimpunan
data yang sedang dianalisa.
2.1.5 Proses Peramalan
Proses peramalan adalah suatu usaha untuk
meramalkan keadaan di masa mendatang melalui pengujin di masa lalu. Esensi
peramalan adalah prakiraan peristiwa - peristiwa di waktu yang akan datang atas
dasar pola -pola di waktu yang lalu dan penggunaan kebijakan. Proses peramalan
menurut T. Hani Handoko (2000 : 260)
adalah sebagai berikut :
1) Penentuan
Tujuan
Langkah pertama terdiri
dari atas penentun macam estimasi yang diinginkan. Sebaliknya, tujuan
tergantung pada kebutuhan – kebutuhan informasi para manajer.
2) Pengembangan
Model.
Setelah tujuan
ditetapkan, lngkah selanjutnya adalah mengembangkan suatu model yang merupakan
penyjian secara lebih sederhana system yang dipelajari.
3) Pengujian
Model.
Sebelum diterapkan,
model biasanya diuji untuk menentukan tingkat akurasi, validitas, dan
relibilitas yang diharapkan.
4) Penerapan
model
Setelah pengujian,
analis menerapkan model dalam tahap ini, data historic dimasukan dalam model
untuk menghasilkan suatu ramalan.
5) Revisi
dan Evaluasi
Ramalan-ramalan yang telah dibuat
harus senantiasa diperbaiki dan ditinjau kembali. Evaluasi, di lain pihak
merupakan perbandingan ramalan-ramalan dengan hasil-hasil nyata untuk menilai
ketepatan penggunaan sutu metedologi atau teknik peramalan.
2.1.6 Metode Peramalan
Menurut pandangan Herjanto (2006) dikatakan bahwa peramalan mempunyai 3 macam metode
peramalan, yaitu :
a) Metode
Qualitative
Peramalan
yang menggunakan pusat data kualitatif, hasilnya bergantung pada orang yang
menyusunnya, seperti peramalan dengan metode Deplhi dan metode s-curve past.
b) Metode
Quantitative Time Series
Metode
ini biasa digunakan jika datanya time
series atau berdasarkan perhitungan waktu yang lalu.
c) Metode
Quantitative Casusal
Metode
ini digunakan jika datanya cross-sectional.
Metode Casusalitas ini menggunakan model regresi.
Metode
peramalan data time series terdiri
dari metode :
1) Naive Forecasting
Metode
yang melihat kecenderungan dua tahun terakhir apakah terjadi kenaikan atau
tidak mengalami kenaikan dan berapa besar penjualan.
2) Rata
– Rata Kumulatif
Metode
ini digunakan sebagai pengganti metode Naive
Forecasting dengan data yang bervariasi yang menimbulkan kesulitan untuk
membuat peramalan periode yang tidak terwakilkan dalam kondisi seperti ini maka
rata-rata kumulatif dapat digunakan untuk menggantikan data tersebut.
3) Moving Average
(MA)
Metode
peramalan dengan mengkombinasikan data dari beberapa periode terbaru /
terakhir.
4) Weight Moving Average
(WMA)
Suatu
metode peramalan yang cara perhitungannya hampir sama dengan MA, hanya berbeda
pada adanya penambahan bobot pada tiap data. Data terakhir yang termasuk dalam
periode perhitungan rata-rata diberi bobot yang lebih besar.
5) Single Moving Average
(SMA)
Nilai
rata-rata untuk ( n ) jumlah data terbaru. Dengan munculnya data baru, maka
nilai rata-rata yang baru dapat dihitung dengan menghilangkan data yang terlama
dan menambahkan data yang terbaru.
6) Double Moving Average
(DMA)
Metode
ini proses penentuan ramalan dimulai dengan menentukan besarnya alpha secara trial dan error.
7) Exponential Smoothing
(ES)
Metode
exponential smoothing merupakan
pengembangan dari metode moving average.
Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus
menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang
lebih baru diberi bobot yang lebih besar.
2.1.7 Tujuan dan Fungsi Peramalan
Tujuan dan funsi peramalan menurut Heizer dan Render (2006) adalah sebagai
berikut :
1. Untuk
mengkaji kebijakan perusahaan yang berlaku saat ini dan dimasa lalu serta
melihat sejauh mana pengruh di masa datang.
2. Peramalan
diperlukan karena adanya Time Lag atau
Delay antara saat suatu kebijakan
perusahaan ditetapkan dengan saat impementasi.
3. Peramalan
merupakan dasar penyusun bisnis pada suatu perusahaan sehingga dapat
meningkatkan efektifitas suatu rencana bisnis.
2.1.8 Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan
hasil peramalan ada bebrapa hal yang harus dipertimbangkan ( Arman Nasution, 2005 : 66 ) yaitu :
a. Peramalan
pasti mengandung kesalahan, artinya peramalan hanya bisa mengurangi
ketidakpastian yang akan terjadi tetapi tidak dapat menghilangkan
ketidakpastian tersebut.
b. Peramalan
seharusnya memberi informasi mengenai berapa ukuran kesalahan.
c. Peramalan
jangka pendek lebih akurat dibandingkan dengan peramalan jangka panjang.
2.1.9 Tujuh Tahapan Sistem
Peramalan
Peramalan terdiri atas tujuh langkah dasar.
Berikut ini adalah tujuh tahapan sistem peramalan menurut Jay Heizer dan Barry Render (2009 : 165)
1. menetapkan
tujuan peramalan.
2. Menentukan
horizon waktu peramalan.
3. Memilih
jenis model peramalan.
4. Mengumpulkan
data yang diperlukan untuk melakukan peramalan.
5. Membuat
peramalan.
6. Memvalidasi
hasil peramalan.
7. Menerapkan
hasil peramalan.
2.1.10 Kegunaaan peramalan penjualan
Peramalan penjualan digunakan oleh bagian perencanaan dan
pengawasan produksi di perusahaan. Kegunaan peramalan penjualan menurut Jay Heizer dan Barry Render (2006 : 172)
adalah sebagai berikut :
a)
Untuk menentukan kebijaksanaan dalam persoalan penyusunan
anggaran.
b)
Untuk pengawasan dalam persedian (inventory control).
c)
Untuk membantu kegiatan perencanaan dan pengawasan produksi.
d)
Untuk pengawasan pembelnjaan (financial
control).
e)
Untuk penyusunan kebijaksanaan kepegawaian (personal policies).
f)
Forecasting juga digunakan dalam
decion making karena hasil forecasting
merupakan informasi yang mendasari keputusan para manajer perusahaan dalam
berbagai tingkatan manajemen perusahaan.
2.1.11 Manfaat Peramalan Penjualan
Manfaat
peramalan penjualan menurut Suyadi
Prawirosentono (2001 : 85) yaitu sebagai berikut :
a. Penyusunan
rencana anggaran penerimaan dan belanja perusahaan sebagai dasar untuk
nmenentukan kebijaksanaan rencana pengadaan modal.
b. Rencana
kebutuhan tenaga kerja, bahan baku, dan fasilitas produksi di waktu mendatang.
c. Khususnya
terhadap persediaan bahan barang setengah jadi dan barag jadi, rencana produksi
tersebut merupakan standar atau patokan ( yardstick) untuk perencanaan dan
pegadaan persediaan bahn baku atau barang tersebut.
2.2 Kajian Penelitian Sejenis
Penelitian
kajian sejenis ini diambil dari penelitian yang memiliki kesamaan topik atau variabel yang sedang dan
akan di teliti oleh penulis.
1. Judul : Analisis Peramalan Penjualan
Pada Pabrik Tahu Petis
LESTARI
Nama : Fitri
Indah Purnama
NPM :
11206375
Jurusan :
Manajemen
Pembimbing :
Chuchub Yahdianti, SE.,MM
·
Penelitian menggunakan Moving Average dengan periode 3
bulan , Weight Moving Average dengan bobot 20%, 30%, 50%, Exponential Smoothing
α = 0,1, dan melalui pencarian nilai rata-rata kesalahan Peramalan yaitu MAD.
·
Berdasarkan hasil analisis yang dilakukan, metode yang
digunakan untuk mengetahui peramalan penjualan pada Tahu Petis Lestari adalah
penghitungan peramalan penjualan dengan menggunakan metode Moving Average 3
bulan sebesar 188.072 tahu dengan penyimpangan (MAD) sebesar 1656,78
2. Judul : Peramalan Penjualan Tempe Pada
Usaha Kecil Menengah
( UKM ) NUNGGAL HARAPAN
Nama : Irfan Gunawan
NPM
: 10206483
Jurusan
: Manajemen
Pembimbing : Ir. Agus Sulaksono, MMSi.,MT
·
Penelitian menggunakan Moving Average dengan periode 3
bulan , Weight Moving Average dengan bobot 20%, 30%, 50%, Exponential Smoothing
α = 0,1, dan melalui pencarian nilai rata-rata kesalahan Peramalan yaitu MAD.
·
Berdasarkan
hasil analisis yang dilakukan, dapat ditarik kesimpulan bahwa metode Peramalan
yang terbaik untuk digunakan oleh UKM HARAPAN NUNGGAL dalam melakukan Peramalan
penjualan adalah metode Moving Average 3 periode yang menghasilkan MAD sebesar
71,43 potong tempe.
2.3 Alat Analisis
2.3.1 Metode Moving
Average ( Rata – Rata Bergerak / MA )
Adalah suatu metode peramalan dengan
mengkombinasikan data dari beberapa
periode terbaru / terakhir. Metode ini pada dasarnya bertujuan membuat data
yang berfluktuatif menjadi data yang relatif stabil ( kurang berfluktuatif )
sehingga fluktuasi dari pola data menjadi halus dan relatif merata.
Kelebihan metode ini adalah dapat
diterapkan pada data jenis apapun juga baik yang sesuai dengan kurva matematik
ataupun tidak. Namun kekurangannya adalah tidak mempunyai persamaan untuk
peramalan dan sebagai gantinya digunakan nilai rata – rata bergerak berakhir
sebagai nilai ramalan untuk periode yang akan datang.
Kelebihan MA adalah :
·
Rata – rata bergerakdapat diterapkan
pada jenis data apapun,
·
Semakin panjang periodenya semakin rata
kurvanya.
Kekurangan
MA adalah :
·
Tidak mempunyai persamaan untuk
peramalan
Rumus :
 MA
= ∑ Penjualan nyata pada n
periode akhir
∑ periode (n)
|
Langkah – langkah peramalan dengan
menggunakan metode Moving Average :
1) Menentukan
banyaknya periode untuk mendapatkan harga rata – rata.
2) Membuat
tabel perhitungan.
3) Menemukan
nilai total bergerak.
4) Menemukan
nilai peramalan.
2.3.2 Metode Weight
Moving Average ( Rata – Rata Bergerak Tertimbang / WMA )
Adalah suatu metode peramalan yang cara
perhitungannya hampir sama dengan MA, hanya berbeda pada adanya penambahan
bobot pada tiap data. Data terakhir yang termasukk dalam periode perhitungan
rata – rata diberi bobot yang lebih besar.
Rumus
:
|
WMA = ( Wt*Xt ) + (
Wt-1 * Xt-1 ) + ( Wt-2 * Xt-2 ) + .......
|
Dimana
:
Wt =
Bobot terbesar
Wt-1 = Bobot terbesar kedua
Wt-2
= Bobot terbesar ketiga
Xt = Data periode terakhir
Xt-1 = Data satu periode sebelum periode
terakhir
Xt-2 = Data dua periode sebelum periode terakhir
2.3.3 Metode Exponential
Smoothing ( ES )
Adalah
suatu metode ramalan rata - rata bergerak yang melakukan penimbangan terhadap
data masa lalu dengan cara exponential. Pada metode ini peramalan dilakukan
dengan cara hasil ramalan periode terakhir ditambah porsi perbedaan atau
tingkat kesalahan (α) antara permintaan nyata periode terakhir dan peramalan
periode terakhir.
|
Ft
= { Ft – 1 + α ( At – 1 – Ft – 1 ) }
|
Dimana :
Ft = Ramalan untuk periode sekarang
(1)
Ft – 1 = Ramalan untuik periode sebelumnya ( t
– 1 )
α = Smoothing konstan ( porsi perbedaan
)
At – 1 = Permintaan nyata periode sebelumnya
2.3.4 Kesalahan Peramalan
Kesalahan peramalan mempunyai 2 unsur
yang harus diperhatikan :
1) Perbedaan
antara permintaan nyata dengan peramalan ( error )
2) Arah
kesalahan, yaitu apakah permintaan nyata berada diatas atau dibawah ramalan.
Ada
suatu ukuran keslahan yang umum digunakan yaitu Mean Absolute Deviasion ( MAD ), dimana ukuran ini mencari selisih
antara permintaan nyata dan ramalan dengan tingkat rata – rata kesalahan selama
meramalkan adalah :
Rumus
:
 MAD = ∑ kesalahan
N- n
|
Dimana :
N =
Jumlah data penjualan
n
= Jumlah periode
0 komentar:
Posting Komentar