MENGENAL METODE PERAMALAN (FORECASTING) DALAM DUNIA INDUSTRI

MENGENAL METODE PERAMALAN (FORECASTING) DALAM DUNIA INDUSTRI

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu, karena suatu keputusan itu berpengaruh terhadap keadaan masa dapan yang penuh dengan resiko dan ketidak pastian. Resiko itu menunjuk keadaan yang tingkat ketidakpastiannya lebih rendah karena telah mempergunakan data yang tersedia untuk meramalkan terjadinya suatu keadaan tertentu. Sedangkan ketidakpastian menunjuk ada suatu keadaan yang benar-benar tidak ada data yang dapat dipergunakan untuk memprediksi atau meramalkan terjadinya peristiwa tertentu. Meskipun perusahaan tidak dapat membuat peramalan yang sama persisi dengan kenyataan, namun peramalan sangat penting sebagai pedoman dalam membuat rencana.

Peramalan dapat dilakukan untuk jangka pendek, jangka menengah, maupun jangka panjang. Untuk peramalan jangka pendek biasanya digunakan untuk merencanankan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi. Untuk peramalan jangka menengah misalnya mencakup penjualan, anggaran produksi, anggaran kas, dan analisis bermacam-macam operasi. Sedangkan untuk jangka panjang diguakan untuk merencanakan produk baru, pembelanjaan modal lokasi atau pembangunan fasilitas serta enelitian pengembangan.

Analisis Time Series

Analisis time series adalah salah satu model/teknik dalam forecasting dimana banyak dilakukan dalam berbagai bidang, misal pertanian, teknik, ekonomi, geofisik dan kedokteran.

Pengertian Forecast

Sebelum mengupas lebih dalam mengenai Time Series Model alangkah lebih baik kita tahu apa yang dimaksud dengan forecasting. Forecasting atau peramalan adalah proses untuk membuat pernyataan atas suatu kejadian dimana kejadian tersebut belum diketahui atau diobservasi (www.wikipedia.org).
Menurut (Arman hakim: 2003, hal 25) peramalan adalah proses untuk memperkirakan beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam ranka memenuhi permintaan barang ataupun jasa.

Menurut Heizer (2005) Peramalan/forecasting adalah seni dan ilmu untuk memperikirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model yang matematis, dan bisa juga dalam bentuk prediksi intuisi yang bersifat subjektif. Ataupun bisa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer.
Kemudian apakah perbedaannya peramalan dengan perencanaan?? Jelas berbeda, Rencana adalah penentuan apa yang akan dilakukan oleh perusahaan pada waktu yang akan datang, sedang dengan peramalan hanya perkiraan apa yang akan terjadi , namun belum tentu dapat di laksanakan.
Setelah memahami berbagai istilah forecast menurut pendapat orang lain seperti di atas, jadi forecast menurut saya adalah suatu kegiatan yang memperkirakan/menaksirkan suatu kejadian yang akan datang dengan merujuk/menganalisis data-data yang ada, yang kemungkinan dapat terjadi ataupun tidak terjadi.

b) Model/tenik forecast

Teknik peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa mendatang secara sistematis dan pragmatis atas dasar data yang relevan pada masa yang lalu, sehingga dengan demikian teknik peramalan diharapkan dapat memberikan objectivitas yang lebih besar. Metode/teknik peramalan memberikan cara pengerjaan yang teratur dan terarah, dengan demikian dapat dimungkinkan pengguna teknik-teknik pengaalisisan yang lebih maju, yang dapat diharapkan memberikan tingkat kepercayaan atau keyakinan yang lebih besar, karana dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.

Forecast/Peramalan berdasarkan horizon

Forecast/Peramalan biasanya dapat diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya. Berikut ini adalah kategori peramalan berdasarkan horizon waktu:

1. Peramalan jangka pendek

Peramalan ini mancakup jangka waktu hingga 1 tahun tetapi umumnya kurang dari 3 bulan. Peramalan ini biasanya digunakan untuk merencanakan pembelian, penjadwalan kerja, penjualan, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi

2.  Peramalan jangka menengah

Peramalan ini umumnya mencakup hitungan bulanan hingga waktu 3 tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas, dan menganalisis bermacam-macam rencana operasi.

3.  Peramalan jangka panjang

Umunya untuk waktu perencanaan masa 3 tahun atau lebih. Permalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang).

Forecast/Peramalan Berdasarkan Aspek Strategis

Sedangakan tipe peramalan berdasarkan aspek strategis dalam perencanaan operasi di masa depan antara lain:

Peramalan ekonomi (economic forecast)

Peramalan ini menjelaskan/meramalkan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indicator perencanaan lainnya.

Peramalan teknologi (technological forecast)

Memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.

Peramalan permintaan (demand forecast)

Adalah 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, dan sumber daya manusia.

2 Metode Peramalan Forecast

Secara umum teknik atau metode peramalan dapat dibagi menjadi dua kategori, yang masing-masing kategori terdiri dari beberapa model. Hal ini dapat dijelaskan sebagai berikut (Spyros Makridakis, 1993 hal 8-10)

1. Metode Kualitatif

Metode ini lebih menekankan pada keputusan-keputusan hasil diskusi pendapat pribadi seseorang, dan intuisi yang meskipun kelihatannya kurang ilmiah tetapi dapat memberikan hasil yang baik. Metode ini dibagi menjadi 2 yakni
a) Metode eksploritas
b)  Metode normati

2. Metode kuantitatif

Merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dalam menunjukan hububgan antara permintaan dengan satu atau lebih variabel yang mempengaruhinya. Peramalan kuantitatif mengasumsikan bahwa tingkat keeratan dan macam dari hubungan antara variabel-variabel bebas dengan permintaan yang terjadi pada masa lalu akan berulang pada masa akan datang.
Prosedur umum yang digunakan dalam peramalan secara kuantitatif
adalah:

Definisikan Tujuan Peramalan ( forecast) 

Pembuatan diagram pencar.
Pilih minimal dua metode peramalan yang dianggap sesuai.
Hitung parameter – parameter fungsi peramalan.
Hitung kesalahan setiap metode peramalan.
Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
Lakukan verifikasi peramalan.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:

1. Tersedianya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang.

Time series model

Time series model didasarkan pada serangkaian data-data berurutan yang berjarak sama (misalnya: mingguan , bulanan, tahunan, dll). serangkaian data ini yang merupakan serangkaian observasi berbagai variabel menurut waktu, biasanya ditabulasikan dan digambarkan dalam bentuk grafik yang menunjukan perilaku subyek. Time series sangat tepat dipakai untuk meramalkan permintaan yang berpola permintaan dimasa lalunya cukup konsisten dalam periode waktu yang lama, sehingga pola tersebut masih akan tetap berlanjut.
Analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri dari komponen-komponen, yaitu: Pola kecenderungan (T), Pola siklus/cycle (C), Pola musim (S), Variasi acak(R)
Seperti yang terlihat pada tabel di atas Time series model mempunya beberapa metode, antara lain yakni : ARIMA, bayesian, Autocorelation, filter kalman, multivariate, smooting dan regresion.

Casual model (model sebab akibat)

Model casual model adalah model peramalan yang mempertimbangkan variabel-variabel atau vaktor-vaktor yang bisa mempengaruhi jumlah yang sedang diramalkan. Atau lebih mudahnya bahwa Metode ini menggunakan pendekatan sebab-akibat, dan bertujuan untuk meramalkan keadaan di masa yang akan datang dengan menemukan dan mengukur beberapa variabel bebas (independen) yang penting beserta pengaruhnya terhadap variabel tidak bebas yang akan diramalkan. Pada metode kausal terdapat tiga kelompok metode yang sering dipakai :
Metoda regresi dan korelasi memakai teknik kuadrat terkecil (least square). Metoda ini sering digunakan untuk prediksi jangka pendek. Contohnya: meramalkan hubungan jumlah kredit yang diberikan dengan giro, deposito dan tabungan masyarakat.
Metoda ekonometri berdasarkan pada persamaan regresi yang didekati secara simultan. Metoda ini sering digunakan untuk perencanaan ekonomi nasional dalam jangka pendek maupun jangka panjang. Contohnya: meramalkan besarnya indikator moneter buat beberapa tahun ke depan, hal ini sering dilakukan pihak BI tiap tahunnya.

Metoda input output biasa digunakan untuk perencanaan ekonomi nasional jangka panjang. Contohnya: meramalkan pertumbuhan ekonomi seperti pertumbuhan domestik bruto (PDB) untuk beberapa periode tahun ke depan 5-10 tahun mendatang. Tahapan perancangan peramalan Secara ringkas terdapat tiga tahapan yang harus dilalui dalam perancangan suatu metoda peramalan, yaitu :

• Melakukan analisa pada data masa lampau. Langkah ini bertujuan untuk mendapatkan gambaran pola dari data bersangkutan.
• Memilih metoda yang akan digunakan. Terdapat bermacam-macam metoda yang tersedia dengan keperluannya. Metoda yang berlainan akan menghasilkan sistem prediksi yang berbeda pula untuk data yang sama. Secara umum dapat dikatakan bahwa metoda yang berhasil adalah metoda yang menghasilkan penyimpangan (error) sekecilkecilnya antara hasil prediksi dengan kenyataan yang terjadi.
• Proses transformasi dari data masa lampau dengan menggunakan metoda yang dipilih. Kalau diperlukan, diadakan perubahan sesuai kebutuhannya.
• 
  

II.     Analisis Time Series model

Time series adalah suatu himpunan pengamatan yang dibangun secara berurutan dalam waktu. Waktu atau periode yang dibutuhkan untuk melakukan suatu peramalan itu biasanya disebut sebagai lead time yang bervariasi pada tiap persoalan. Berdasarkan himpunan pengamatan yang tersedia maka time series dikatakan kontinu jika himpunan pengamatan tersebut adalah kontinu dan dikatakan diskrit bila himpunan pengatamatan tersebut juga diskrit.

a. Pendekatan dalam analisis data time series:

• Pendekatan Ekonomi
• Pendekatan Statistik
• Pendekatan Visual

b. Komponen data time series ini sebagai penentuan pola data:

1) Siklus è Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek (sekitar 2‑10 tahun). Lamanya dan besarnya fluktuasi juga sangat beragam dari perusahaan ke perusahaan, dan dari industri ke industri.

Gerakan / variasi siklis adalah gerakan / variasi jangka panjang disekitar garis trend (berlaku untuk data tahunan). Gerakan siklis ini bisa terulang setelah jangka waktu tertentu dan bisa juga terulang dalam jangka waktu yang sama. contoh gerakan siklis yakni kemakmuran (prosperity), kemunduran (recession), depresi (depression), dan pemulihan (recovery)
Penjualan produk dapat memiliki siklus yang berulang secara periodik. Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki kecenderungan periodic. Komponen siklis ini sangat berguna dalam peramalan jangka menengah. Pola data ini terjadi bila data memiliki kecendrungan untuk naik atau turun terus-menerus.

2) Musiman è Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada beberapa penyebab timbulnya fluktuasi musiman seperti disebutkan di muka:
     (1) Karena peristiwa tertentu, misal karena peristiwa lebaran atau tahun baru,
     (2) Karena cuaca, misal musim hujan dan musim kemarau.
Perkataan musim menggambarkan pola penjualan yang berulang setiap periode. Komponen musim dapat dijabarkan ke dalam faktor cuaca, libur, atau kecenderungan perdagangan. Pola musiman berguna dalam meramalkan penjualan dalam jangka pendek. Pola data ini terjadi bila nilai data sangat dipengaruhi oleh musim
Gerakan / variasi musiman adalah gerakan yang mempunyai pola tetap dari waktu ke waktu, misalnya naiknya harga pohon cemara menjelang Natal, menurunnya harga beras pada waktu panen, dan lain sebagainya. Walaupun pada umumnya gerakan musiman terjadi pada data bulanan yang dikumpulkan dari tahun ke tahun, namun juga berlaku bagi data harian, mingguan, atau satuan waktu yang lebih kecil lagi.

3) Ketidakeraturan è Fluktuasi semacam ini disebabkan karena faktor‑faktor yang munculnya tidak teratur, dengan jangka waktu yang pendek.
Misalkan suatu perusahaan mengalami musibah karena salah satu gudangnya terbakar, maka data keuntungan perusahaan pada periode tersebut akan terpengaruh. Dalam beberapa situasi, analis ingin memecaha data time-series ke dalam empat komponen tersebut
Gerakan / variasi yang tidak tetap adalah gerakan / variasi yang sifatnya sporadis, misalnya naik-turunnya produksi akibat banjir yang datangnya tidak teratur.

4) Trend merupakan pergerakan time series dalam jangka panjang, bisa merupakan tren naik atau turun. Diperlukan waktu jangka panjang (15 atau 20 tahun) untuk melihat pola tren tersebut. Tren tersebut bisa dipengaruhi oleh perubahan jumlah penduduk, perubahan teknologi, dan semacamnya.
Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah perkembangan secara umum (kecenderungan menaik / menurun). Garis trend sangat berguna untuk membuat ramalan (forecasting) yang sangat diperlukan bagi perencanaan.
c.       Beberapa metode dalam time series
Seperti yang sudah di sebutkan di atas sebelumnya bahwa metode dalam time series ada beberapa yaitu:
   1.    ARIMA (Autoregressive Integrated Moving Average) pada dasarnya menggunakan fungsi eret waktu, metode ini memerlukan pendekatan model identification serta penaksiran awal dari paramaternya.
Model ARIMA musiman digunakan pada data yang mempunyai korelasi yang tinggi pada periode waktu (musim) yang sama. Model ARIMA musiman satu periode dapat dinyatakan sebagai berikut (Cryer, 1986; Wei, 1990; Box dkk., 1994).
Adapun  adalah panjang periode musiman,  adalah operator mundur atau back shift operator, dan  adalah suatu deret white noise dengan rata-rata nol dan varians konstan.
2.     Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk memisahkan sinyal dari noise yang masuk ke sistem. Metoda ini menggunakan pendekatan model state space dengan asumsi white noise memiliki distribusi Gaussian.
Bayesian merupakan metode yang menggunakan state space berdasarkan model dinamis linear (dynamical linear model). Sebagai contoh: menentukan diagnosa suatu penyakit berdasarkan data-data gejala (hipertensi atau sakit jantung).
Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang bersifat musiman dengan cara membuat keseimbangan rata-rata dari data masa lampau.
Metode Rata – Rata
Metode rata-rata bergerak tunggal
Metode rata-rata bergerak ganda
–        Menghitung rata-rata bergerak pertam è
–        Menghitung rata-rata bergerak kedua è
–        Menentukan besarnya nilai at (konstana) è
–        Menentukan besarnya nilai bt (slope). è
Dimana V= jangka waktu rata-rata bergerak
–        Menentukan ramalan. è
Dimana  m =jangka waktu peramalan ke depan
Metode Pemulusan (Smoothing) Eksponensial
Bentuk umumnya è
Ft+1 = αXt + (1 – α)Ft
Ft+1 = αXt + α(1 – α)Xt-1 +α(1 – α)2Xt-2 + ……………+ (1 – α)N Ft+(N-1)
Dengan :
Ft+1 = ramalan suatu periode ke depan
Xt = data aktual periode t
Ft = ramalan pada periode
α = parameter pemulusan (0<α<1)
Regresi menggunakan dummy variabel dalam formulasi matematisnya. Sebagai contoh: kemampuan dalam meramal sales suatu produk berdasarkan hargan
Time series regression merupakan model yang digunakan untuk tujuan peramalan dimana variabel dependen ( yt ) dan variabel prediktor merupakan deretan waktu. Model time series regression sebagaimana tertulis pada Bowerman dan O’Connell (1993) adalah
,
dengan
=  nilai observasi pada periode  t
= trend pada periode t
= faktor musiman pada periode t
= error pada periode t
Pada model musiman dengan pendekatan regresi maka faktor musiman  dimodelkan  melalui variabel dummy (Cryer, 1986; Bowerman dan O’Connell, 1993)

Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain :

Peramalan berdasarkan jangka waktu :
1. Peramalan jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi),

2. Peramalan jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis berbagai rencana operasi),

3. Peramalan jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan).

Peramalan berdasarkan rencana operasi
Ramalan ekonomi  : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya,
Ramalan teknologi :       berkaitan dengan tingkat kemajuan teknologi dan  produk baru,
Ramalan permintaan : berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjadualan perusahaan.


Peramalan berdasarkan metode / pendekatan :
1. Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan  data historis dan atau variabel-variabel kausal untuk meramalkan permintaan.

2. Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan.

METODE PERAMALAN 2

Peramalan berdasarkan metode terbagi menjadi 2 yaitu:

1. Metode Kuantitatif

Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :
Model seri waktu / metode deret berkala (time series)  metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu,
Model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).
1. Model Seri Waktu / Metode deret berkala, terbagi menjadi :

Rata-rata bergerak (moving averages),
Penghalusan eksponensial (exponential smoothing),
Proyeksi trend (trend projection)
Penjelasan:

1. Rata-rata bergerak (moving averages),

Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil  :
Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru :
2. Penghalusan eksponensial (exponential smoothing),

Penghalusan Eksponensial : metode peramalan dengan menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotan/timbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial.

3. Proyeksi trend (trend projection)

Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.

2. Model / metode kausal (causal/explanatory model)

Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari :

Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.
Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.
Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.
Peramalan menggunakan metode regresi:

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan.

Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :

Adanya informasi masa lalu
Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)
Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.
Adapun data- data yang ada dilapangan adalah :

Musiman (Seasonal)
Horizontal (Stationary)
Siklus (Cylikal)
Trend
Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu
Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi.
Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu :

Analisis deret waktu untuk regresi sederhana linier
Analisis deret untuk regresi sederhana yang non linier
Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti:

Y = F (x)

Dimana :

Y = Dependent variable (variabel yang dicari)

X = Independent variable (variabel yang mempengaruhinya)

Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

Y = a + b x

Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :



kemudian nilai b dapat dicari dengan rumus :



2. Metode Kualitatif

Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalamanseseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan teknik/metode peramalan, yaitu :

Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik.
Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.
Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung.
Memantau Ramalan

Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan.
Salah satu cara untuk memantau peramalan  guna menjamin keefektifannya adalah menggunakan isyarat arah.
Isyarat Arah (Tracking Signal) : adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik
Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi absolut mean (MAD)
Prosedur Peramalan

Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah:

Mendefinisikan Tujuan Peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.

Membuat diagram pencar (Plot Data)
Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).

       3.      Memilih model peramalan yang tepat

Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut.

Melakukan Peramalan


Menghitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:

et = Y(t) – Y’(t)

Dimana : Y(t)  = Nilai data aktual pada periode t

Y’(t) = Nilai hasil peramalan pada periode t

t       = Periode peramalan

Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) danEstimasi Standar Error (SEE – Standard Error Estimated)

SSE = S e(t)2 = S[Y(t)-Y’(t)]2

Memilih Metode Peramalan dengan kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut.

Melakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.

METODE PERAMALAN LAINNYA

Metode Market Experiment (Percobaan Pasar)
Yaitu suatu cara untuk membuat peramalan permintaan dengan melakukan uji coba pada segmen atau bagian pasar tertentu. Uji coba dilakukan dengan memberikan perlakuan tertentu terhadap faktor-faktor yang mempengaruhi permintaan. Metode ini biasanya digunakan untuk produk baru atau produk yang mengalami inovasi atau pengembangan.

–          Contoh: Pada produk Rokok Halim diberikan kepada konsumen secara gratis selama 1 bulan di berbagai tempat untuk mengetahui respon konsumen terhadap produk tersebut atau memberi diskon saat produk ini launching. Setelah respon masyarakat bagus, lalu Hilam dijual secara bertahap yaitu Rp 2.500,00 lalu dijual secara stabil pada harga Rp 4.000,00 karena termasuk produk baru oleh karena itu tetap dijual di bawah harga pasar agar dapat menarik minat konsumen.

Metode Peramalan Dengan Pendekatan Marketing Research


Dalam melakukan peramalan permintaan konsumen, berbagai metode dapat digunakan terutama dengan pendekatan penelitian pemasaran (Marketing Research) karena bagian pemasaranlah yang secara langsung berhubungan dengan konsumen. Metode peramalan yang sering digunakan yaitu:

–          Survey Pelanggan

Survey pelanggan merupakan suatu metode yang digunakan untuk mengetahui sikap dan persepsi konsumen atau pelanggan dengan cara mewawancarai konsumen secara langsung atau memberikan kuisioner yang sudah dipersiapkan. Biasanya juga disertakan nomer telephone atau alamat pada suatu produk agar konsumen bisa secara leluasa menyampaikan saran ataupun kritik.