Forecasting Material Requirements

Peramalan (Forecasting)

a. Metode Peramalan (Forecasting)

Peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-produk tersebut dapat dibuat dalam jumlah yang tepat. Dengan demikian peramalan merupakan perkiraan tingkat permintaan suatu produk untuk periode yang akan datang. Peramalan disini dimaksudkan untuk memperkirakan sesuatu pada waktu yang akan datang berdasarkan data penjualan masa lampau yang dianalisis dengan cara tertentu.

Menurut Hari Purnomo (2003:51), Data masa lampau dapat memberikan pola pergerakan atau pertumbuhan permintaan pasar. Dalam peramalan, terjadinya perubahan-perubahan penjualan harus senantiasa dievaluasi, karena dapat menimbulkan perubahan volume penjualan. Secara garis besar terdapat tiga macam pengaruh yang dapat mengakibatkan fluktuasi penjualan, yaitu:

  1. Pengaruh tren jangka panjang. Pengaruh tren jangka panjang menunjukkan perkembangan perusahaan dalam penjualannya. Perkembangan tersebut dapat positif (growth) ataupun negatif (decline).
  2. Pengaruh musiman. Musiman merupakan permintaan tertentu yang terjadi setiap periode tertentu. Pengaruh musiman akan menyebabkan adanya fluktuasi penjualan dalam satu tahun dan membentuk pola penjualan musiman. Contoh, setiap tahun ajaran baru tingkat permintaan atau penjualan tekstil dan seragam sekolah mengalami peningkatan.
  3. Pengaruh cycles (konjungtur). Pengaruh ini merupakan akibat fluktuasi perekonomian jangka panjang. Pengaruh cycles merupakan pengaruh yang paling sulit ditentukan jika rentangan waktu tidak diketahui atau akibat siklus tidak dapat ditentukan

b. Metode Single Exponential Smoothing

Metode peramalan exponential smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara exponential terhadap nilai pengamatan yang lebih tua. Dalam metode pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan yang ditentukan secara eksplisit, dan hasil pilihan ini menentukan bobot yang dikenakan pada nilai observasi. Metode Exponential Smoothing Juga dikenal sebagai simple exponential smoothing yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Model mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten.

Metode ini menunjukkan adanya karakteristik dari pemulusan data dengan menambahkan suatu faktor yang sering disebut dengan konstanta pemulusan (smoothing constant) dengan simbol alpha (α). Pemulusan eksponensial salam bentuk sederhana tidak memperhitungkan pengaruh tren sehingga nilai α sangat kecil dan dapat dihilangkan. Nilai α rendah cocok pada permintaan produk yang stabil (tanpa tren atau variasi siklikal). Sedangkan nilai α tinggi untuk perubahanperubahan yang sesungguhnya cenderung terjadi karena lebih tanggap terhadap permintaan yang fluktuatif. Nilai α tinggi ini digunakan pada analisis data pada pengenalan produk baru, kampanye promosi, antisipasi terhadap resesi, dan juga sesuai bagi industri pakaian jadi yang memerlukan tanggapan yang cepat. Metode Single Exponential Smoothing ini dapat didekati dengan rumus :

Ft+1= α Xt+(1- α)Ft

dimana:

Xt        =          nilai aktual terbaru

Ft         =          peramalan terakhir

Ft+1    =          peramalan untuk periode yang akan datang

Α         =          konstanta pemulusan

Pendekatan penghalusan eksponensial mudah digunakan, dan telah berhasil diterapkan pada hampir setiap bisnis. Walaupun demikian, nilai yang tepat untuk konstanta penghalus (α) dapat membuat diferensiasi antara peramalan yang akurat dan tidak akurat. Nilai α yang tinggi dipilih saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata cenderung stabil. Tujuan pemilihan suatu nilaiuntuk konstanta penghalus adalah untuk mendapatkan peramalan yang paling akurat.

c. Penerapan Metode Single Exponential Smoothing

Selaku manajer butik, Anda ingin melakukan peramalan tingkat permintaan jaket Anda pada bulan Januari dan Februari 2012. Adapun data masa lampau untuk tingkat permintaan jaket adalah (dalam ribuan pcs):

Bulan (1) = 386 pcs

Bulan (2) = 340 pcs

Bulan (3) = 390 pcs

Bulan (4) = 368 pcs

Bulan (5) = 425 pcs

Bulan (6) = 440 pcs

Bulan (7) = 410 pcs

Bulan (8) = 466 pcs

Bulan (9) = 330 pcs

Bulan (10) = 350 pcs

Bulan (11) = 375 pcs

Bulan (12) = 380 pcs

Tabel 1. Rekapitulasi permintaan jaket dan perhitungan dengan metode Single           Exponential Smoothing

Periode(bulan) Data permintaan Nilai ramalan dengan konstanta pemulusan α=0,2
Januari 386
Februari 340 F13= 0,2(386)+(1-0,2)(386) = 386
Maret 390 F14= 0,2(340)+(1-0,2)(386) = 376,8
April 368 F15= 0,2(390)+(1-0,2)(376,8) = 379,44
Mei 425 F16= 0,2(368)+(1-0,2)(379,44) = 377,152
Juni 440 F17= 386,722
Juli 410 F18= 397,377
Agustus 466 F19= 399,901
September 330 F20= 413,121
Oktober 350 F21= 396,497
November 375 F22= 387,197
Desember 380 F23= 384,758

Kesimpulan:

Jadi dari peramalan dengan menggunakan metode Single Exponential Smoothing dapat diketahui bahwa tingkat permintaan jaket pada Januari 2008 adalah sebanyak 386.000 pcs, dan pada Februari 2008 sebesar 376.800 pcs.

Sumber : http://www.poms.ucl.ac.be/etudes/notes/…/Part%206-Forecast.pdf

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s