Pengertian peramalan ( Forecasting )
Berdasarkan usulan Freddy Rangkuti (2005, p95) Perencanaan kapasitas bikinan yang baik harus sesuai dengan besarnya kebutuhan usul. Kondisi pada waktu yang akan tiba tidaklah mampu diperkirakan secara pasti sehingga orang bisnis mau tidak mau melakukan pekerjaan dengan berorientasi pada kondisi pada waktu yang akan datang yang tidak niscaya. Usaha untuk mengurangi ketidakpastian itu biasa dilaksanakan dengan sistem atau teknik peramalan tertentu.
Berdasarkan usulan Freddy Rangkuti (2005, p94) Perencanaan kapasitas produksi yang fleksibel yaitu penyusunan rencana kapasitas produksi yang sesuai dengan besarnya keperluan ajakan. Perusahaan akan mengalami kerugian apabila kapasitas bikinan yang direncanakan terlalu besar sehingga melebihi kebutuhan permintaan yang bekerjsama. Melakukan analisis dan mengestimasi pemasaran (sales forecasting) ialah salah satu aktivitas yang sungguh penting bagi perusahaan dalam menentukan jumlah produksi yang diadaptasi dengan kapasitas bikinan yang dimiliki perusahaan. Selain itu peramalan penting artinya alasannya adalah dengan peramalan yang sempurna-guna dibutuhkan akan memajukan efisiensi buatan.
Adapun pemahaman peramalan (forecasting) berdasarkan pendapat para jago:
Berdasarkan pendapat Barry Render dan Jay Heizer (2001, p46) :
Peramalan (forecasting) ialah seni dan ilmu memprediksi insiden-kejadian periode depan dengan pengambilan data historis dan memproyeksikannya ke masa depan dengan menggunakan beebrapa bentuk model matematis.
Berdasarkan pertimbangan Lerbin R. Aritonang R. (2002, p12) :
Peramalan yaitu aktivitas penerapan versi yang telah dikembangkan pada waktu yang hendak tiba.
Berdasarkan pendapat Lalu Sumayang, (2003, p24) :
Peramalan yaitu perhitungan yang objektif dan dengan menggunakan data-data kala kemudian, untuk menentukan sesuatu dimasa yang hendak datang.
Dari pemahaman diatas peramalan itu adalah sebuah seni atau ilmu memprediksi masa
depan dengan menggunakan data-data masa lalu untuk memilih sesuatu dimasa yang akan datang.
Model peramalan secara biasa dapat dikemukakan selaku ; Yt = Pola + error. Data
dibedakan menjadi komponen yang mampu diidentifikasi (contoh) dan yang tidak dapat diidentifikasi (error). Jadi, penggunaan metode peramalan ialah untuk mengidentifikasi suatu versi peramalan sedemikian rupa sehingga error nya menjadi seminimal mungkin. Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi (acuan data) pada waktu-waktu yang kemudian guna berbagi versi yang sesuai dengan acuan data itu dengan memakai asumsi bahwa teladan data pada waktu yang kemudian itu akan berulang lagi pada waktu yang mau datang.
Langkah – Langkah Peramalan
Berdasarkan pertimbangan Sofjan Assauri (1999, p33) Peramalan yang baik adalah peramalan yang dikerjakan dengan mengikuti tindakan atau mekanisme penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan, yakni:
1. Pertama, menganalisa data yang kemudian. Tahap ini memiliki kegunaan untuk acuan yang terjadi pada masa lalu. Analisis ini dikerjakan dengan cara membuat tabulasi dari data yang lalu. Suatu langkah yang penting dalam memilih metode analisis deret waktu adalah memikirkan jenis acuan yang terdapat dari data observasi sehingga tata cara tersebut dapat ditest. Ada empat jenis pola data :
1) Pola Horizontal atau stationary,
Bila nilai-nilai dari data pengamatan berfluktuasi sekitar nilai konstan rata-rata atau dapat dikatakan teladan ini selaku stationary pada rata-rata hitungnya (means). Missal sebuah produk mempunyai jumlah pemasaran yang tidak menaik atau menurun selama beberapa waktu.
2) Pola Musiman atau Seasonal,
Bila suatu deret waktu dipengaruhi oleh aspek animo (mirip kuartalan, bulanan, mingguan, harian). Misal minuman segar, ice cream, jasa angkutan, dan lain sebagainya. Data runtut waktu yang berhubungan dengan adanya peristiwa yang berulang secara terencana dalam setiap tahun. Misal volume penjualan buku pelajaran pada awal-permulaan tiap tahun ajaran baru.
3) Pola Siklus atau Cyclical
Bila data observasi dipengaruhi oleh fluktuasi ekonomi jangka panjang yang berhubungan atau tergabung dengan siklus perjuangan. Ada produk yang penjualannya membuktikan pola siklus mirip mobil sedan, besi baja, dan perkakas atau peralatan bengkel.
4) Pola demam isu
Bila ada pertambahan/peningkatan atau penurunan daru data pengamatan untuk jangka panjang. Pola ini terlihat pada pemasaran produk dari banyak perusahaan. Merupakan komponen data runtut waktu yang berkaitan dengan adanya kecenderungan (meningkat, menurun) dalam jangka panjang (lazimnya sepuluh tahun atau lebih).
2. Kedua, memilih tata cara yang dipergunakan. Metode peramalan yang baik adalah tata cara yang menawarkan hasil ramalan yang tidak jauh berlainan dengan realita yang terjadi.
Ada dua pendekatan umum yang digunakan dalam peramalan ;
• Peramalan kuantitatif, menggunakan berbagai model matematis yang memakai data histories dan atau variable-variabel kausal untuk meramalkan permintaan.
• Peramalan kualitatif atau peramalan subyektif, mempergunakan faktor-faktor penting mirip intuisi, pengalaman langsung, dan system nilai pengambilan keputusan.
Pada pembahasan skripsi ini, dibatasi peramalan dengan pendekatan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini mampu dibedakan atas:
1. Metode peramalan yang didasarkan atas penggunaan analisa teladan korelasi variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut tata cara kokorelasi atau alasannya akibat (“causal methods”).
Terdiri dari : tata cara regresi dan korelasi sistem ekonometri sistem input output
2. Metode peramalan yang akan didasarkan atas penggunaan analisa pola korelasi antara variabel yang akan diperkirakan dengan variabel waktu, yang ialah deret waktu, atau “time series”.
Metode-metode peramalan dengan menggunakan evaluasi contoh kekerabatan antara variabel yang akan diperkirakan dengan variabel waktu, atau analisa deret waktu, terdiri dari:
a. Metode smoothing, Mencakup sistem rata-rata kumulatif, metode rata-rata bergerak (moving average) dan sistem “exponential smoothing”. sistem smoothing ini dipakai untuk meminimalisir ketidak teraturan musiman dari data yang lalu maupun kedua-duanya, dengan menciptakan rata-rata tertimbang dari sederetan data yang kemudian. Ketepatan (accuracy) dari peramalan dengan sistem ini akan terdapat pada peramalan jangka pendek. Biasanya digunakan untuk perencanaan dan pengendalian buatan dan persediaan, penyusunan rencana laba, dan perencanaan keuangan lainnya. Data yang diperlukan untuk penggunaan sistem ini minimum dua tahun.
b. Metode Box Jenkins memakai dasar deret waktu dengan versi matematis, semoga kesalahan yang terjadi dapat sekecil mungkin. Oleh alasannya adalah itu penggunaan tata cara ini memerlukan identifikasi versi dan estimisasi parameternya. Metode ini sangat bagus ketepatannya untuk peramalan jangka pendek. Data yang diperlukan untuk penggunaan sistem peramalan ini minimum dua tahun, dan lebih baik kalau data yang dipunyai lebiih dari tahun. Metode ini dipergunakan untuk peramalan dalam penyusunan rencana dan pengendalian bikinan, dan persediaan serta perencanaan anggaran.
c. Metode Proyeksi Trend dengan regresi ialah dasar garis ekspresi dominan untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk abad depan. Untuk peramalan jangka pendek maupun peramalan jangka panjang. Ketepatan peramalan dengan tata cara ini sungguh baik. Data yang diperlukan untuk penggunaan sistem ini yaitu data tahunan, dan semakin banyak data yang dipunyai semakin lebih baik, serta minimum data tahunan yang harus ada yaitu lima tahun. Metode ini selalu dipergunakan untuk peramalan bagi penyusanan planning penanaman flora baru, perencanaan produk baru, rencana perluasan, rencana investasi dan planning pembangunan sebuah Negara atau tempat.
3. Ketiga, memproyeksikan data yang lalu dengan memakai tata cara yang dipergunakan dan menimbang-nimbang adanya beberapa faktor pergantian.