A. P E N D A H U L U A N
Kegiatan peramalan, disebut juga proyeksi atau prediksi, dilakukan oleh hampir
setiap orang, baik itu pelaku bisnis, pejabat pemerintah, atau orang awam.Topik
yang diprediksi pun sangat bervariasi, dari sekedar skor pertandingan bola,
tingkat hujan di sebuah daerah, pemenang sebuah kegiatan pilkada, sampai
tingkat inflasi atau pertumbuhan ekonomi yang berdampak luas.
Salah satu bidang yang banyak menerapkan peramalan (forecasting)
atau proyeksi adalah dunia usaha. Hal ini dapat dipahami, karena sebuah
perusahaan pada umumnya ada dalam sebuah lingkungan usaha yang dinamis dan
sering berubah dengan cepat.
Apa sebenarnya peran penting kegiatan peramalan atau proyeksi
dalam dunia usaha atau organisasi nirlaba? Mengapa banyak perusahaan sebaiknya
melakukan kegiatan peramalan atau proyeksi sebelum mengambil sebuah tindakan
strategis? Peramalan atau proyeksi dapat membantu seseorang atau sekelompok
orang dalam pengambilan keputusan, baik itu bersifat strategis dan berpengaruh
dalam jangka panjang, ataupun keputusan tersebut bersifat taktis dan berjangka
pendek.
B. ARTI PROYEKSI / PERAMALAN
Definisi
peramalan atau proyeksi sendiri sebenarnya beragam. Berikut beberapa definisi
tentang peramalan atau proyeksi:
- Perkiraan munculnya sebuah kejadian di masa depan, berdasarkan data
yang ada di masa lampu.
- Proses menganalisis data historis dan data saat ini, untuk menentukan trend di masa datang.
- Proses menganalisis data historis dan data saat ini, untuk menentukan trend di masa datang.
- Proses estimasi dalam situasi yang tidak diketahui.
- Pernyataan yang dibuat tentang masa depan.
- Penggunaan ilmu dan teknologi untuk memperkirakan situasi di masa
depan.
- Upaya sistematis untuk mengantisipasi kejadian atau kondisi di masa
depan yang penuh dengan ketidakpastian.
Dari beberapa definisi di atas, dapat disimpulkan bahwa peramalan atau
proyeksi berkaitan dengan upaya memperkirakan apa yang akan terjadi di masa
depan, berbasis pada metode ilmiah (ilmu dan teknologi) serta dilakukan secara
sistematis. Walaupun demikian, kegiatan peramalan tidaklah semata-mata
berdasarkan prosedur ilmiah atau terorganisir, karena ada kegiatan peramalan
yang menggunakan intuisi (perasaan) atau lewat diskusi informal dalam sebuah
grup.
Peramalan
atau proyeksi adalah kegiatan yang bersifat teratur, berupaya memprediksi masa
depan dengan menggunakan tidak hanya metode ilmiah, namun juga mempertimbangkan
hal-hal yang bersifat kualitatif, seperti perasaan; pengalaman; dan lainnya.
C. SEJARAH PROYEKSI / PERAMALAN
Berkembangnya
teknik-teknik peramalan yang lebih canggih yang seiring dengan kemajuan
komputer, khususnya pada perkembangan komputer personal dan piranti-lunaknya,
telah membuat peramalan menerima lebih banyak lagi perhatian.Setiap manajer
kini mempunyai kemampuan menggunakan teknik analisis data yang sangat canggih
untuk keperluan peramalan dan pemahaman teknik-teknik tersebut kini merupakan
hal yang penting bagi para manajer bisnis. Untuk alas an yang sama, konsumen
peramalan harus waspada dengan ketidaktepatan penggunaan teknik peramalan
karena ketidakakuratan ramalan akan menghasilkan keputusan yang buruk.
Teknik-teknik
baru peramalan terus dikembangkan sebagaimana kepedulian manajer terhadap
proses peramalan yang terus berkembang. Fokus tertentu atas perhatian ini
terletak pada kesalahan yang merupakan bagian yang melekat pada setiap prosedur
peramalan. Prediksi mengenai kejadian masa depan jarang sekali yang akurat,
pelaku peramalan hanya dapat berusaha untuk membuat sekecil mungkin kesalahan
yang tak terelakan.
D. MANFAAT PERAMALAN / PROYEKSI
BISNIS
Peramalan (forecasting)
sangat penting dalam bidang bisnis dan ekonomi.Terdapat 2 hal yang mendasar.
Pertama, perencanaan (planner) dan juga pengambil keputusan (decision
maker) harus membuat perencanaan atau mengambil keputusan saat ini untuk
dilaksanakan masa yang akan dating. Kedua, kondisi di masa yang akan datang
sulit dipastikan pada saat ini. Dengan kata lain, di masa yang akan datang
terdapat unsur ketidakpastian.
Siapa yang
membutuhkan ramalan?Setiap organisasi, apakah organisasi besar ataupun
organisasi kecil, apakah organisasi bisnis yang berorientasi laba (profit
oriented organizations), maupun organisasi yang tidak berorientasi laba (nonprofit
oriented organizations) pada umumnya menggunakan ramalan, baik secara
eksplisit maupun secara implicit. Hal ini dikarenakan setiap organisasi harus
membuat perencanaan mengenai apa yang akan dilakukan pada masa yang akan
dating. Suatu perusahaan membuat anggaran pada saat ini untuk digunakan pada
masa yang akan datang. Permasalahan utama yang dihadapi oleh sebuah organisasi
dalam membuat anggaran adalah adanya ketidakpastian mengenai kejadian (kondisi
yang dihadapi) dimasa yang akan datang. Beberapa pertanyaan berikut ini dapat
digunakan untuk lebih memahami pentingnya membuat ramalan bagi suatu
organisasi:
· Jika suatu
perusahaan menambah pengeluaran untuk iklan, bagaimana pengaruhnya terhadap penjualan?
· Jika
pemerintah menaikkan tariff pajak penapatan sebesar 5%, berapa pendapatan
pemerintah dapat ditingkatkan?
· Bank sentral
menurunkan suku bunga Sertifikat Bank Indonesia (SBI). Bagaimana pengaruhnya
terhadap inflasi?
· Faktor-faktor
apa saja yang mempengaruhi (menentukan) penjualan?
· Bagaimana
perkembangan produksi nasional (GDP) Indonesia pada 5 tahun kedepan?
· Apakah
kondisi perekonomian Indonesia saat ini mengalami resesi? Jika ya, kapan resesi
ini dimulai? Seberapa hebat resesi yang melanda perekonomian Indonesia saat
ini? Kapan resesi ini berakhir?
· Berapa
kebutuhan karyawan sampai pada 5 tahun kedepan.
Pertanyaan-pertanyaan
tersebut diatas menambah pemahaman bahwa organisasi, baik bisnis maupun
nonbisnis (pemerintah) memerlukan ramalan.Mengapa? Karena yang akan diketahui
adalah kondisi dimasa yang akan datang, sementara saat ini tidak tersedia
informasi mengenai apa yang akan terjadi dimasa ayang akan datang tesebut.
Organisasi
bisnis (perusahaan) pada tahun 2007 membuat anggaran pendapatan dan biaya yang
akan dilaksanakan pada tahun 2008. Organisasi bisnis tersebut tidak memiliki
informasi cukup untuk memastikan peristiwa yang akan terjadi pada tahun 2008.
Oleh karena itu, perusahaan tersebut harus membuat perkiraan-perkiraan kejadian
pada tahun 2008 yang akan mempengaruhi perencanaan yang dibuat. Perusahaan
harus membuat perkiraan penjualan dan harga barang tahun 2008 untuk menentukan
penerimaan pada tahun 2008. Perusahaan membuat perkiraan harga bahan baku,
biaya overhead pabrik, biaya tenaga kerja langsung, dan biaya-biaya lainnya
untuk menentukan biaya pada tahun 2008. Penerimaan dan biaya tahun 2008 yang
dibuat oleh perusahaan pada tahun 2007, tentu saja merupakan perkiraan.Karena, besaran-besaran
yang dipergnakan untuk menentukan penerimaan dan biaya tersebut berasal dari
hasil perkiraan.
Contoh lain
adalah anggaran yang dibuat oleh organisasi nonprofit (pemerintah). Pemerintah
membuat anggaran pendapatan dan belanja Negara yang akan dilaksanakan pada
tahun mendatang. Dalam membuata anggaran tersebut, pemerintah membuat
perkiraan-perkiraan (dalam APBN disebut dengan istilah ‘asumsi’) tentang
besaran variable ekonomi makro yang akan mempengaruhi besaran pendapatan dan
belanja pemerintah pada tahun yang bersangkutan. Misalnya pemerintah Indonesia
akan menyusun anggaran pendapatan dan belanja Negara (APBN) tahun 2008. APBN
2008 ini disusun pada tahun 2007. Pemerintah perlu membuat perkiraan-perkiraan
tentang besaran variable ekonomi makro pada tahun 2008, seperti pertumbuhan
ekonomi, laju inflasi, nilai tukar rupiah terhadap dolar Amerika, tingkat bunga
SBI (Sertifikat Bank Indonesia), harga minyak mentah dunia, dan produksi minyak
Indonesia. Besaran variable ekonomi makro ini akan mempengaruhi besaran
pendapatan dan belanja pemerintah pada tahun anggaran tersebut. Tingkat
keakuratan perkiraan anggaran pendapatan dan belanja yang dibuat oleh
pemerintah sangat bergantung dari akurasi asumsi yang digunakan untuk menyusun
anggaran tersebut.
E. JENIS PERAMALAN / PROYEKSI
Ketika manajer suatu organisasi dihadapkan pada pengambilan keputusan
bernuansa ketidak-pastian, jenis peramalan apakah yang tersedia untuknya?
Terlebih dahulu prosedur peramalan dapat dikelompokkan menjadi peramalan jangka
panjang dan jangka pendek.Peramalan jangka panjang dibutuhkan untuk
menetapkan tujuan umum jangka panjang suatu organisasi.Dengan demikian hal ini
merupakan fokus khusus bagi manajemen puncak.Peramalan jangka pendek digunakan
dalam merancang langsung strategi dan digunakan oleh manajemen menengah dan
manajemen lini pertama dalam menyesuaikan kebutuhan masa mendatang yang
singkat.
Peramalan
dapat juga dikelompokkan dalam bentuk posisinya pada suatu kesatuan
makro-mikro, yaitu sejauh mana keterlibatannya pada nilai-nilai rincian yang
kecil dibandingkan dengan nilai-nilai rangkuman yang besar.
Prosedur
peramalan dapat pula dikelompokkan sesuai dengan sifatnya yang kuantitatif atau
kualitatif.Di satu sisi, teknik kualitatif yang murni tidak memerlukan
manipulasi data, hanya pendapat pribadi saja yang digunakan forecaster. Disisi
lain, teknik kuantitatif yang murni tidak memerlukan input pendapat pribadi,
hal ini merupakan prosedur mekanis yang menghasilkan hasil-hasil kuantitatif.
Beberapa prosedur kuantitatif memerlukan lebih banyak manipulasi data yang
canggih dibandingkan yang lainnya.Namun demikian, ditekankan bahwa pendapat
pribadi dan akal sehat harus digunakan bersama-sama dengan prosedur mekanis dan
manipulasi data. Hanya dengan cara ilmiah peramalan yang cerdas dapat terjadi.
Metode
peramalan kuantitatif dilakukan menggunakan data yang dikumpulkan dari waktu ke
waktu.Asumsi yang digunakan adalah bahwa perubahan nilai variable mengikuti
pola yang terjadi pada periode yang lalu (historical pattern) dan
memiliki hubungan antarvariabel yang diamati.Dalam penelitian bisnis dan
ekonomi dengan menggunakan metode statistic, asumsi diperlukan untuk membuat
rancangan penelitian (research design).Misalnya peramalan dilakukan
terhadap volume penjualan barang X menggunakan data kuantitatif mengenai volume
penjualan beberapa periode (tahun/bulan) yang lalu. Ramalan dibuat dengan
asumsi bahwa volume penjualan dimasa yang akan datang memiliki pola yang sama
dengan volume penjualan pada masa yang lalu (historical pattern).
Demikian juga asumsi yang lain bahwa antarvariabel yang dialami memiliki
hubungan pengaruh. Misalnya akan dibuat ramalan volume penjualan dimasa yang
akan datang. Volume penjualan dipengaruhi oleh biaya promosi. Semakin banyak
biaya yang dikeluarkan untuk kegiatan promosi, maka volume penjualan akan
semakin tinggi. Peramalan tentang volume penjualan menggunakan dua data
historis, yaitu data mengenai volume penjualan dan data mengenai biaya
promosi.Asumsi yang digunakan adalah bahwa terdapat hubungan pengaruh antara
volume penjualan dengan biaya promosi. Kelemahan dari teknik peramalan adalah
bahwa jika perubahan nilai variable yang akan diramal tidak mengikuti pola masa
lalu (asumsi yang digunakan tidak terpenuhi), maka akan menghasilkan ramalan
yang bias.
Metode
peramalan kuantitatif pada dasarnya ada dua jenis, yakni yang berdasar
deret/runtut waktu (time series) dan berdasar hubungan sebab-akibat (causal).
Metode kuantitatif deret waktu (time series) meliputi metode pemulusan (smoothing)
dan dekomposisi (decomposition). Metode pemulusan (smoothing)
mencakup metode sederhana atau naïve, rata-rata sederhana (single average),
rata-rata bergerak (moving average) dan metode pemulusan eksponensial (exponential
smoothing). Metode peramalan kuantitatif yang berdasar hubungan
sebab-akibat (causal) meliputi metode regresi sederhana dan regresi
berganda.
Untuk
membuat ramalan nilai variable yang perubahannya tidak mengikuti pola historis
dapat dilakukan dengan teknik peramalan kualitatif (qualitative forecasting/
judgement methods).Peramalan nilai variable menggunakan teknik ini sangat
dipengaruhi oleh tingkat intuisi, pengalaman, pengetahuan, dan lain-lain faktor
yang dimiliki oleh pembuat ramalan.Peramalan menggunakan teknik kualitatif
biasanya dilakukan terhadap nilai variabel yang perubahannya berpola random
(dipasar modal dikenal dengan istilah random walk).
Namun
demikian, peramalan dapat pula menggunakan kombinasi keduanya.Peramalan
kuantitatif didasarkan pada pengamatan terhadap pola perubahan data masa
lalu.Untuk membuat ramalan dimasa mendatang diperlukan pula judgement
berdasarkan intuisi dan perasaan yang membuat ramalan.Kedua metode berfungsi
saling melengkapi. Metode kuantitatif biasanya digunakan untuk mengurangi atau
menghilangkan kecenderungan kebiasaan manusia yang memiliki perasaan ekstrim (optimistic
dan underestimate) mengenai kondisi dimasa yang akan dating.
Perasaan ekstrim ini yang sering menimbulkan kesalahan peramalan menggunakan
metode kualitatif.
Penggunaan
hasil peramalan (baik perencana maupun pengambil keputusan) harus waspada
terhadap penggunaan metode peramalan yang keliru (tidak cocok dengan
permasalahan yang dihadapi). Penggunaan metode peramalan yang keliru akan
menghasilkan ramalan yang keliru. Jika ramalan yang keliru tersebut digunakan
untuk merumuskan kebijakan, maka akan menghasilkan kebijakan yang keliru juga.
F. KARAKTERISTIK SITUASI DAN
METODE PERAMALAN
Ketika kita
membuat ramalan, hal yang perlu diperhatikan adalah situasi yang melingkupi apa
yang akan kita ramal. Pemahaman mengenai situasi sangat diperlukan untuk
menentukan metode apa yang cocok (appropriate) digunakan. Berkenaan
dengan masalah situasi ini, Makridakis dan Wheelwright dalam bukunya Forecasting
Methods for Management menjelaskan terdapat 6 macam situasi yang memiliki
peranan penting yang harus diperhatikan agar peramalan dapat efektif :
1 .
Time Horizon
Periode
waktu dimana hasil ramalan tersebut akan menimbulkan pengaruh merupakan faktor
penentu terhadap pemilihan metode peramalan. Periode waktu (rentang waktu) pada
umumnya dikelompokkan menjadi 4, yaitu :
§ Jangka sangat pendek (kurang dari 1 bulan)
§ Jangka pendek (1 sampai dengan 3 bulan)
§ Jangka menengah (3 bulan sampai dengan 2 tahun)
§ Jangka panjang (2 tahun atau lebih)
Penentuan
rentang waktu dalam membuat ramalan tidaklah harus seperti itu. Namun demikian
perlu dipahami bahwa penggunaan rentang waktu peramalan yang keliru akan
menghasilkan ramalan yang tidak valid. Misalnya peramalan menggunakan data
penjualan selama 3 bulan terakhir untuk membuat ramalan penjualan 10 tahun yang
akan datang. Retang waktu yang digunakan dalam peramalan ini tentu saja akan
menghasilkan ramalan yang tidak appropriate.
2.
Level of Aggregate Detail
Ramalan yang
lingkupnya luas biasanya dibuat dengan membagi kegiatan peramalan menjadi
beberapa subramalan.Tujuannya adalah untuk mempermudah dalam melakukan
peramalan dan kegiatan peramalan dapat menjadi lebih sederhana.Misalnya
pemerintah ingin meramal pertumbuhan ekonomi Indonesia. Peramalan tentang
pertumbuhan ekonomi akan menjadi komplek, karena banyak sektor (kegiatan
produksi) yang membentuknya. Agar peramalan tentang pertumbuhan ekonomi
Indonesia lebih mudah dan lebih baik, maka kegiatan peramalan dilakukan
terhadap pertumbuhan setiap sektor ekonomi yang terdapat dalam produksi
nasional tersebut.
3. Number of
Items
Situasi
dimana peramalan dilakukan untuk variabel yang jumlahnya banyak memerlukan
prosedur untuk mempersiapkan kegiatan peramalan menjadi lebih komplek
dibandingkan dengan peramalan dilakukan hanya untuk satu variabel saja.
Jelasnya, seorang manajer pengendalian persediaan dengan 10.000 macam produk
tidak akan menggunakan metode yang sama untuk memperoleh ramalan yang
dibutuhkan dibandingkan dengan staff yang akan membuat ramalan tentang kondisi
perekonomian makro.
4. Control
versus Planning
Dalam
permasalahan pengendalian (contor), management by exception merupakan
prosedur yang umum. Pengendalian dilakukan dengan menggunakan beberapa cara
untuk menentukan sedini mungkin proses yang terjadi diluar kendali (out of
control). Dalam situasi tertentu metode peramalan harus mampu mengenali
perubahan pada pola dasar atau hubungan pada tahap awal. Pada sisi perencanaan
(planning) umumnya berasumsi bahwa Pola yang telah ada akan berlanjut
pada masa yang akan datang, sehingga peramalan ditekankan pada usaha
mengidentifikasi pola yang sudah ada untuk membuat ramalan pada masa yang akan
datang.
5. Constancy
Membuat
ramalan pada situasi yang tidak mengalami perubahan dari waktu ke waktu
sangat berbeda dengan membuat ramalan pada situasi yang terus menerus mengalami
perubahan. Dalam situasi yang stabil, metode peramalan kuantitatif dapat
digunakan dan dilakukan pencermatan secara berkala untuk mengetahui tingkat
keakuratan ramalan.Dalam hal terjadinya perubahan situasi, haruslah metode yang
diperlukan adalah metode yang mampu beradaptasi secara terus menerus agar
ramalan yang diperolah dapat mencerminkan hasilterbaik saat ini dan memberikan
informasi terkini.
6. Existing Planning Procedure.
Setiap
menggunakan metode peramalan umumnya melibatkan perubahan pada prosedur
perencanaan dan pengambilan keputusan.Hal ini tidaklah mudah diterapkan dalam
organisasi bisnis, karena biasanya terdapat faktor resistensi (penolakan).Oleh
karena itu, perubahan sebaiknya dimulai dari hal-hal yang tidak jauh berbeda
dengan prosedur yang sudah ada, kemudian perbaikkan dilakukan secara bertahap.
Terdapat 6
faktor penting dalam menggambarkan berbagai metode peramalan.Faktor-faktor
tersebut mencerminkan kemampuan dan penyesuaian untuk membuat ramalan. Keenam
faktor tersebut adalah sebagai berikut:
1. Time horizon.
Time horizon memiliki keterkaitan dengan metode peramalan individual, yaitu metode
peramalan yang berbeda akan menghasilkan kesesuaian peramalan yang berbeda
untuk rentang waktu berbeda. Misalnya, metode peramalan kualitatif lebih banyak
digunakan untuk membuat ramalan yang berjangka waktu penjang dibandingkan
dengan metode peramalan kuantitatif yang biasanya digunakan untuk membuat
ramalan berjangka menengah atau pendek.Time horizon (rentang waktu) juga
memilike keterkaitan dengan banyaknya periode ramalan waktu yang diinginkan.
Beberapa teknik peramalan ada yang hanya cocok digunakan untuk meramal dalam
rentang waktu 1 atau 2 periode kedepan saja, namun ada juga teknik peramalan
yang cocok meramal lebih dari dua periode kedepan.
Sebagian besar metode peramalan bersasumsi bahwa
pada data yang digunakan dalam membuat ramalan terdapat pola tertentu, seperti
pola musiman, pola trend, pola rata-rata sederhana, pola siklikal (variasi
siklis) atau bahkan pola todak beraturan. Karena kemampuan metode peramalan
berbeda untuk pola data yang berbeda, maka perlua adanya penyelaras antara
metode yang digunakan dengan bentuk pola data yang akan digunakan untuk membuat
ramalan.
3. Cost
Biaya yang diperlakukan untuk membuat peramalan
umumnya berupa biaya pengembangan metode peramalan, biaya mempersiapkan data,
dan biaya melakukan peramalan. Kadangkala diperlukan biaya lain agar supaya
metode tersebut dapat diterapkan. Perbedaan biaya antara menggunakan metode
satu dengan metode yang lainnya tentu saja akan berpengaruh terhadap
ketertarikan dalam menggunakan suatu metode peramalan tertentu dan pada situasi
tertentu.
4. Accuracy
Data atau informasi yang diperlukan dalam
peramalan sangat erat kaitannya dengan tingkat ketepatan ramalan yang
dibutuhkan.Misalnya dalam suatu keputusan, toleransi ketepatan ramalan berkisar
plus minus 10 % dirasa cukup. Namun pada kasus-kasus tertentu, ramalan yang
memiliki variasi sebesar 5 % akan mampu mendatangkan prahara.
5. Intuitive
appeal, simplicity dan easy to application. Prinsip umum dalam penerapan dalam metode ilmiah adalah hanya metode yang
dimengerti oleh perencana atau pengambil keputusan. Peramalan tidak didasarkan
pada sesuatu yang tidak dipahami atau tidak diyakini. Disamping itu, masalah
situasi yang diperlukan dan teknik peramalan harus disesuaikan dengan pihak
yyang akan menggunakan ramalan tersebut.
6. Availability of computer software
Peramalan menggunakan metode kuantitatif
tertentu sering digunakan jika tersedia program computer yang sesuai dengan
yang dibutuhkan.Program computer untuk membuat ramalan harus mudah digunakan,
terdokumentasi dengan baik, dan bebas dari virus, sehingga pembuat ramalan
dapat menggunakannya, dapat memahaminya dan dapat menginterpretasikannya.
G. KRITERIA DATA YANG BERMANFAAT
DAN JENIS DATA PERAMALAN
Empat
kriteria data yang bermanfaat meliputi:
1. Data hendaknya dapat
diandalkan (realiable) dan akurat. Penanganan yang sesuai harus dilakukan pada
data yang dikumpulkan dari sumber-andal dengan memperhatikan keakuratannya.
2. Data hendaknya relevan. Data
harus mewakili keadaan dimana mereka digunakan.
3. Data hendaknya konsisten.
Ketika data yang berkaitan dengan definisi itu berubah, penyesuaian perlu
dilakukan untuk mempertahankan konsistensi pola historis. Hal ini bisa menjadi
masalah,misalnya,ketika pejabat pemerintah merubah komposisi bauran atau (“market
basket”) yang dipakai dalam menghitung indeks biaya hidup. Tiga puluh tahun
lalu computer PC bukan bagian dari bauran produk yang dibeli oleh konsumen.
4. Data hendaknya tepat waktu.
Data dikumpulkan,dirangkum,dan dipublikasikan bedasarkan ketepatan waktu akan
memberikan nilai tertinggi bagi forecaster. Bisa saja data terlalu
sedikit (tidak cukup data historis yang dipakai sebagai basis kejadian masa
depan) atau terlalu banyak (data dari periode historis yang tidak relevan).
Umumnya, dua
jenis data yang diperhatikan dalam peramalan atau proyeksi, yaitu:
1. Data time series, yaitu
data yang ditampilkan berdasarkan waktu, seperti data bulanan, data harian,
data mingguan, atau jenis waktu yang lain.
Contoh data
time series:
- data penjualan bulanan sepeda motor di daerah A dari tahun 2005 – 2010.
- data produksi harian bahan baku X pada bulan September 2010.
- data agregat penjualan dari PT. ABC untuk periode tahun 2005 – 2010.
Ciri dari data time series
adalah adanya rentang waktu tertentu, dan bukannya data pada satu waktu
tertentu.
2. Data cross sectional,
yaitu data yang tidak berdasar waktu tertentu, namun data pada satu (titik)
waktu tertentu.
Contoh data
cross sectional:
-
data biaya promosi di sepuluh area pemasaran produk X selama bulan Januari
2010.
(perhatikan: data hanya diambil untuk satu bulan saja)
- data produksi bahan baku X, Y, dan Z untuk tahun 2010.
(data diambil untuk satu tahun saja)
H. PROSEDUR
PERAMALAN
Prosedur
peramalan formal menggunakan pengalaman pada masa lalu untuk menentukan
kejadian dimasa yang akan datang. Asumsi yang digunakan adalah bahwa apa yang
pernah terjadi dimasa lalu akan terjadi lagi di masa yang akan datang, dengan
pola yang sama atau mirip. Untuk memperoleh gambaran kondisi pada masa lalu dan
kemudian menggunakannya untuk mengetahui (meramal) kondisi pada masa yang akan
datang, diperlukan 5 langkah.
1. Mengumpulkan
data
Langkah awal dari proses peramalan adalah
mengumpulkan data yang lengkap yang diperlukan. Tahap ini relatif sulit, karena
data yang dikumpulkan harus akurat dan dalam jumlah yang cukup untuk membuat
ramalan. Data yag terlalu sedikit akan menyulitkan kita untuk memperoleh pola
perubahannya
2. Mereduksi
data
Data yang terkumpul dapat dilakukan penyaringan
untuk memperoleh data yang relevan.Seringkali pada data yang terkumpul terdapat
data yang tidak relevan dengan permasalahan yang dihadapi.Misalnya kita ingin
membuat ramalan tentang penjualan. Data penjualan pada periode terjadinya
bencana alam tidak perlu dimasukkan (harus direduksi/tidak dipakai), karena
data penjualan tersebut hanya mencerminkan penjualan pada kondisi adanya
bencana alam dan tidak mencerminkan penjualan pada kondisi normal.
3. Membangun
dan Mengevaluasi model
Data yang telah terkumpul harus disesuaikan
dengan model ramalan yang digunakan, agar kesalahan dalam peramalan dapat
diminimalisir. Model yang lebih sederhana dan akan memberikan hasil peramalan
yang lebih baik lebih disukai oleh pengguna ramalan (perencana dan pengambil
keputusan).
4. Melakukan
peramalan/ proyeksi
Model peramalan yang dipilih setelah dicocokan
dengan data yang terkumpul dan telah dilakukan pengurangan (jika perlu), akan
dilanjutkan dengan membuat ramalan menggunakan model peramalan tersebut.
Kadangkala diperlukan data historis untuk mengetahui besarnya kesalahan ramalan
menggunakan model tersebut, yakni dengan cara memasukkan nilai data historis
pada suatu periode kedalam model ramalan untuk memperoleh nilai ramalan pada
periode tersebut. Tujuannya adalah untuk mengetahui keakuratan ramalan.
Setelah selesai membuat model peramalan,
berikutnya dalah membuat ramalan nilai data pada beberapa periode kedepan dan
kemudian membandingkannya dengan data pada periode sebelumnya.Selisih antara
nilai data ramalan dengan nilai data yang sebenarnya (actual) merupakan
kesalahan (error) ramalan.Semakin kecil kesalahan ramalan, semakin baik model
peramalan yang dihasilkan.Besarnya kesalahan peramalan dapat dinyatakan dalam
beberapa satuan, misalnya menggunakan kesalahan ramalan rata-rata (average
forecast error) atau menggunakan jumlah kuadrat kesalahan (sum of square
error).
I. SUMBER KESALAHAN PERAMALAN DAN KETIDAKPASTIAN
Dalam ilmu
fisika, identifikasi dan verifikasi terhadap pola atau hubungan adalah nyata
dan objektif.Dengan demikian, presisi intrumen dapat menurunkan kesalahan
pengukuran sampai pada tingkat nol. Hal ini sangat berbeda dengan ilmu ekonomi
yang sering terjadi kesalahan pengukuran.Faktor penyebabnya adalah situasi
ekonomi yang sangat komplek, perilaku manusia yang tidak konsisten, terdapat
tenggang waktu antara tindakan dan hasilnya, dan masih banyak faktor yang lain,
sehingga kesalahan peramalan dalam ilmu fisika merupakan fakta yang tidak bias
dipungkiri. Besar kecilnya kesalahan pengukuran tergantung dari hal-hal berikut
ini:
1. Kekeliruan
dalam mengidentifikasi pola dan hubungan.
Pola atau hubungan yang bersifat ilusi dapat
diidentifikasi jika memang benar-benar tidak ada.Hal ini dapat terjadi, baik
pada metode peramalan kualitatif (judgement forecasting) maupun pada peramalan
kuantitatif (quantitative forecasting).Dalam model statistik, korelasi semu
dapat terjadi pada penggunaan data observasi yang sedikit. Demikian juga dengan
korelasi antara dua variable akan menjadi palsu (spirous), jika korelasi antara
dua variable tersebut terjadi karena adanya variable lain yang dapat mengubah
dua variable tersebut dengan arah yang sama. Pola atau hubungan yang ada akan
menjadi tidak akurat dapat disebabkan oleh (a) informasi yang tersedia tidak
cukup, (b) kondisi yang sebenarnya sangat kompek untuk dipahami, dan (c) model
analisis menggunakan banyaknya variable yang terbatas. Identifikasi yang semu
atau tidak tepat akan menghasilkan kesalahan ramalan yang serius, jika pola
atau hubungan pada masa yang akan datang berbeda dengan pola dan hubungan masa
lalu.
2. Adanya pola
yang tidak jelas atau hubungan tidak akurat.
Dalam ilmu sosial, sering ditemukan pola
perubahan dari waktu ke waktu yang tidak nyata atau hubungan antar variable yang
tidak tepat.Walaupun secara rata-rata pola atau hubungan dapat diidentifikasi,
namun selalu ada fluktuasi disekitar rata-rata tersebut pada hamper semua
kasus.Tujuan dari panggunaan model statistik adalah untuk mengidentifikasi pola
atau hubungan agar data masa lalu memiliki fluktuasi terhadap rata-rratanya
sekecil mungkin. Ini pun bukan jaminan bahwa besaran kesalahan ramalan pada
masa yang akan datang akan sama dengan masa lalu.
Dalam ilmu-ilmu sosial, pola atau hubungan
secara terus menerus mengalami perubahan yang sulit untuk diperkirakan
sebelumnya.Perubahan pada pola atau hubungan dapat mempengaruhi besarnya
kesalahan yang terjadi dengan besaran yang tidak dapat dikenali
sebelumnya.Besarnya kesalahan bergantung pada besaran dan lamanya perubahan
tersebut.
J. RANGKUMAN
1. Peramalan atau proyeksi adalah
kegiatan yang bersifat teratur, berupaya memprediksi masa depan dengan
menggunakan tidak hanya metode ilmiah, namun juga mempertimbangkan hal-hal yang
bersifat kualitatif, seperti perasaan; pengalaman; dan lainnya.
2. Peramalan (forecasting)
sangat penting dalam bidang bisnis dan ekonomi dalam 2 hal yang mendasar.
Pertama, perencana(planner) dan juga pengambil keputusan (decision
maker) harus membuat perencanaan atau mengambil keputusan saat ini untuk
dilaksanakan masa yang akan datang. Kedua, kondisi dimasa yang akan datang
sulit dipastikan pada saat ini. Dengan kata lain, di masa yang akan datang
terdapat unsur ketidakpastian.
3. Enamkarakteristik situasi
peramalan yang harus diperhatikan agar peramalan dapat efektif meliputi time
horizon, level of aggregate detail, number of items, control versus planning,
constancy, existing planning procedure.
4. Enam karakteristik metode
peramalan meliputi time horizon, pattern of data, cost, accuracy,
intuitive appeal; simplicity dan easy to application, danavailability of
computer software.
5. Empat kriteria data yang
bermanfaat meliputi dapat diandalkan (reliable), relevan, konsisten,
dan tepat waktu. Dua jenis data yang diperhatikan dalam peramalan yakni data time
series dan data cross sectional.
6. Prosedur membuat peramalan
terdiri dari 5 tahap yakni: mengumpulkan data, mereduksi data, membangun dan
mengevaluasi model, melakukan peramalan / proyeksi, mengevaluasi ramalan.
7. Kesalahan peramalan tergantung
dari: kekeliruan dalam mengidentifikasi pola dan hubungan, adanya pola yang
tidak jelas atau hubungan tidak akurat, dan terjadinya perubahan pola atau
perubahan hubungan.
Refferensi: http://chrismamuaja.blogspot.co.id/2015/01/pengertian-proyeksi-bisnis-dan-ruang.html
