Pengertian Peramalan, Tracking Signal dan Agregasi

David Wahyudi

Rabu, 26 Juni 2019

LANDASAN TEORI

1 Peramalan

Peramalan (forecast) adalah salah satu dari usaha perusahaan yang menjadi pengambilan keputusan untuk strategi yang dilakukan pada perusahaan itu sendiri. Perusahaan yang baik akan meramalkan produksi peroduk yang akan dicapai untuk masa yang akan datang. Sehingga perusahaan perlu mengembangkan pengetahuan tentang pasar mereka. Perusahaan menginginkan informasi agar bisa membantu mereka untuk menginterpretasikan kinerja masa lalu dan menjadwalkan kegiatan di masa yang akan datang (Nugraha, 2017).

Cara mengatasi permasalahan dalam forecasting yaitu perlu dilakukan prediksi kemungkinan terjadinya kenaikan atau penurunan pada penjualan dalam periode di masa yang akan datang, dengan melakukan pengumpulan data atau informasi yang akurat. Sehingga perusahaan bisa melakukan peramalan atau forecasting dengan metode-metode tertentu. Peramalan sebagai alat bantu pada perusahaan untuk merencanakan produk yang akan diproduksi seefektif dan seefisisien mungkin (Nugraha, 2017).

Peramalan permintaan sangat membantu sekali pada perusahaan untuk pertimbangan dalam melakukan proses produksi dalam beberapa periode kedepan. Untuk mengetahui peramalan dapat menentukan dulu metode yang cocok untuk digunakan dengan mengetahui pola dan data historis. Peramalan dapat membantu kondisi fluktuatif yang umumnya sering menjadi masalah di perusahaan. Fluktuatif merupakan permintaan konsumen dengan produk tinggi tetapi perusahaan tidak dapat memenuhi kebutuhan. Jika permintaan konsumen terhadap produk rendah maka produk yang sudah diproduksi tidak terjual dan harus disimpan di gudang. Oleh karena itu peramalan sangat membantu untuk mengantisipasi kasus ini pada perusahaan (Nugraha, 2017).

  

Menurut (Nugraha, 2017) Terdapat tujuh tahap dasar untuk melakukan peramlaan permintaan, yakni :

1. Menentukan terlebih dahulu penggunaan dari peramalan itu sendiri.

2. Memilih kuantitas yang ingin dilakukan peramalan.

3. Menentukan atau memilih pada horizon peramalan.

4. Menentukan model peramalan

5. Mengumpulkan data masa lalu atau historis untuk melakukan peramalan.

6. Melalukan peramalan dengan metode-metode yang ada.

7. Memvalidasi peramalan.

2 Metode –Metode Peramalan Kuantitatif

a. Metode Naif

    Metode naif menggunakan peramalan dengan cara memanfaatkan permintaan periode berikutnya sama dengan permintaan periode terakhir. Metode ini juga digunakan untuk peramalan dalam jangka pendek. Contohnya seperti peramalan bulan depan sama dengan data bulan yang sebelumnya. Rumusnya yaitu :

Permintaan periode mendatang = permintaan periode terakhir ..........................(1)

b. Metode Simple Moving Average

Metode simple moving average memanfaatkan sejumlah data aktual masa lalu untuk memprediksi peramalan di masa yang akan datang.                                

Rataan bergerak =.......................(2)

c. Metode Exponential Smoothing

Metode exponential smoothing yaitu metode peramalan rataan bergerak dengan pembobotan titik-titik dimana-mana, dan dibobotkan oleh data fungsi eksponensial. Fungsi metode ini yaitu menyesuaikan antar hasil peramalan dengan data aktual.

Ft = F_t-1 + α + (A_t-1 – F_t-1 ).........................................................................(3)

Dimana : F_{t =} peramalan baru

F_{t-1 =} peramalan sebelumnya

A_{t- =} permintaan aktual periode lalu

α = kontanta penghalusan

d. Proyeksi terhadap tren

Proyeksi terhadap tren merupakan teknik menyesuaikan garis tren menggunakan data masa lalu, dan menggambarkan garis di masa yang akan datang untuk peramalan jangka panjang.

y= a+bx.....................................................................................................(4)

Dimana : y = nilai terhitung pada variabel yang akan diramalkan

               a = persilangan sumbu y

x = variabel bebas

               b = kemiringan garis regresi

3 Ukuran Kesalahan Peramalan

a. Mean Squared Error

    Nilai MSE digunakan ketika besarnya residual merata. Nilai mse diperoleh dari selisih antara data aktual dengan data peramalan yang dikuadratkan lalu dibagi banyaknya deret waktu peramalan.

 ...........................................................................................(5)

b. Mean Absolute Percentage error

Mean absolute percentage error digunakan untuk mengetahui sejauh mana bias metode peramalan yang digunakan

.........................................................................................(6)

c. Mean Absolute Error

Mean absolute error digunakan apabila terdapat satu atau dua residual yang besar saat melakukan peramalan

 ...................................................................................................(7)

4 Tracking Signal

Tracking signal digunakan untuk melihat batas-batas yang bisa diterima. Grafik pada batas-batas yang diterima dengan menggunakan batas atas +4 yang berarti nilai  aktual permintaan lebih besar daripada data peramalan, sedangkan batas bawah -4 menunjukkan nilai aktual permintaan lebih kecil daripada data peramalan. Suatu tracking signal dikatakan baik jika mempunyai RSFE yang kecil atau rendah dan memiliki positif error yang sama banyak yaitu seimbang pada negatif error. Sehingga pusat pada tracking signal mendekati nol (Febrina, 2013).

5 Agregasi

Menurut Sidiq (2017), agregasi merupakan proses penyeragaman untuk memudahkan perecanaan produksi, seperti saat melalakukan peramalan dengan menggabungkan jenis produk berdasarkan letak geografis dan waktu. Sedangkan disagregasi merupakan pengubahan pada hasil rencana produksi agregat dengan menjadikan jumlah yang diroduksi pada setiap akhir produk. Jika jenis produk lebih dari satu jenis, maka harus melakukan agregasi demand dengan melibatkan fakor konversi sehingga menghasilkan data demand agregat.