Forecasting (Peramalan)

Endi Nurhafi 1402568

Irfan Yuda Tansiri 1402215

Petra Patria Diah P 1403000

U P I

• Tebak angka selanjutnya dari deretangka berikut

a) 3.7, 3.7, 3.7, 3.7, 3.7, ?

b) 2.5, 4.5, 6.5, 8.5, 10.5, ?

c) 5.0, 7.5, 6.0, 4.5, 7.0, 9.5, 8.0, 6.5, ?

• Tebak angka selanjutnya dari deretangka berikut

a) 3.7, 3.7, 3.7, 3.7, 3.7,

b) 2.5, 4.5, 6.5, 8.5, 10.5,

c) 5.0, 7.5, 6.0, 4.5, 7.0, 9.5, 8.0, 6.5,

3.7

12.5

9.0

Definsi Forecasting

Junaidi (2008): suatu proses memperkirakansecara sistematik tentang sesuatu yg paling mungkin terjadi dimasa depan berdasar kaninformasi masa lalu dan sekarang agar kesalahannya (selisih antara sesuatu yang terjadidengan hasil perkirakaan) dapat diperkecil

Muslich (2008) :Forecasting adalah meramal ataumemperkirakan apa yang akan terjadi dimasadatang berdasar variabel atau kemungkinan yang ada.

Definisi 2Meramalkan, memproyeksikan, atau

mengadakan perkiraaan/ taksiran terhadapberbagai kemungkinan yang akan terjadisebelum suatu rancana pendidikan dilakukan

dilakukan dengan melibatkan pengambilandata historis dan memproyeksikannya ke masamendatang dengan suatu bentuk model matematis yang disesuakan denganpertimbangan yang baik dari seorang manager

Latar Belakang• Dalam hal manajemen dan administrasi,

perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untukpengambilan keputusan dapat berkisar daribeberapa tahun (untuk kasus penanamanmodal) sampai beberapa hari atau bahkanbeberapa jam (untuk penjadwalan produksidan transportasi).

• Peramalan merupakan alat bantu yang pentingdalam perencanaan yang efektif dan efisien

Langkah-langkah Proses Peramalan

Manfaat Peramalan

• telah terjadi kemajuan yang pesat dalam bidangperamalan selama beberapa abad terakhir.

• Terdapat sejumlah besar fenomena yang saat inihasilnya dapat diramalkan dengan mudah.

• Terbitnya matahari, berapa kecepatan bendayang jatuh, awal timbulnya kelaparan, kehausanatau kelelahan, musim hujan, dan beribu-ribuperistiwa lain, telah dapat diramalkan.

Keberhasilan Peramalan1. keberhasilan peramalan tidak selalu bermanfaat secaralangsung bagi para manajer dan pihak lainnya.

• Lebih dari 100 tahun yang lalu, Jules Vememeramalkan akan adanya kemajuan teknologi seperti kapal selam, energi nuklir, dan perjalanan ke bulan.

• Demikian pula dalam pertengahan abad ke-19, Charles Babbage tidak hanya meramalkan kebutuhan akankomputer, juga mengusulkan desain komputertersebut. Sekalipun ramalan ini tepat, tetapinilainya kecil dalam membantu organisasi

Keberhasilan Peramalan

2. pembedaan antara• peristiwa eksternal yang di luar kendali (yang

berasal dari ekonomi nasional, pemerintah, pelanggan, dan pesaing) dan

• peristiwa internal yang dapat dikendalikan(seperti keputusan perusahaan dalam hal pemasaranatau manufaktur).

• Keberhasilan suatu perusahaan bergantung padakedua jenis peristiwa tersebut.

• Peramalan mempunyai peranan langsung pada jenisperistiwa pertama (eksternal), sedangkanpengambilan keputusan berperanan pada jenisperistiwa yang kedua (internal).

Keberhasilan Peramalan

• Suatu sistem peramalan harus mempunyai kaitan di antara ramalan- ramalanyang dibuat pada bidang manajemen yang lain.

• Jika peramalan ingin berhasil, maka harus diperhatikan adanya salingketergantungan yang tinggi di antara ramalan berbagai divisi atau departemen.

• Sebagai contoh :

Kesalahan dalam proyeksi penjualan dapat menimbulkan reaksi berantai yang

mempengaruhi ramalan anggaran, pengeluaran operasi, arus kas, tingkat

persediaan, harga, dan seterusnya. Demikian pula, kesalahan penganggaran

dalam memproyeksikan jumlah uang yang tersedia pada setiap divisi akan

mempengaruhi pengembangan produk, modernisasi peralatan, penerimaan

pegawai, dan biaya advertensi. Hal ini pada gilirannya akan mempengaruhi

kelangsungan hidup organisasi jika tidak menentukan tingkat penjualan, biaya

operasi, dan arus kas.

Keterkaitan antara penjualan dan bidang peramalan yang

lain dalam organisasi

Peramalan bagi Organisasi

• peramalan merupakan bagian integral darikegiatan pengambilan keputusan manajemen.

• Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-faktor lingkungan, lalumemilih tindakan yang diharapkan akanmenghasilkan pencapaian sasaran dan tujuantersebut

• Peramalan menjadi lebih ilmiah sifatnya dalammenghadapi lingkungan manajemen. Karena setiapbagian organisasi berkaitan satu sama lain, baikburuknya ramalan dapat mempengaruhi seluruhbagian organisasi.

Peranan penting peramalan bagi

Organisasi

• Penjadwalan sumberdaya yang tersedia.Penggunaan sumberdaya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya

• Penyediaan sumber daya tambahan.Peramalan diperlukan untuk menentukan kebutuhan sumberdaya di masa mendatang

• Penentuan sumberdaya yang diinginkan. Setiap organisasi menentukan sumberdaya yang ingin dimiliki dalam jangka panjang.

Metode dan Model Peramalan 1

• Dua pola menyeluruh untuk membantu para praktisi

dalam memilih metoda yang tersedia pada situasi

tertentu telah dikembangkan oleh Chambers dan

Kanan Kawan (1971, 1974) dan oleh Wheelwright

dan Makridakis (1980)

• Teknik tersebut dibagi ke dalam dua kategori utama,

yaitu metode kuantitatif dan metode kualitatif

atau teknologi

Metode dan Model Peramalan 2

Barry Render, Ralph M. Stair, JR, Michael E. Hanna, membagi jadi 3:

• Time – Series Models

• Causal Models

• Qualitative Models

Kuantitatif: menggunakanmodel matematis atau statistikdalam meramalkan

Metode kuantitatif

• Dapat dibagi ke dalam deret berkala (time series) dan metode kausal. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:

1. Tersedia informasi tentang masa lalu.2. Informasi tersebut dapat dikuantitatifkan dalam

bentuk data numerik.3. Dapat diasumsikan bahwa beberapa aspek pola masa

lalu akan terus terlanjut di masa mendatang.• Prosedur peramalan kuantitatif terletak di antara dua

ekstrim rangkaian kesatuan, yaitu: 1. metode naif atau instuitif, dan2. metode kuantitatif formal yang didasarkan atas

prinsip-prinsip statistika.

Model deret berkala (time series) dan Model

Kausal

1. Model deret berkala (time series) seringkali dapat digunakan dengan mudah untuk meramal

2. Model Kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau sebagai fungsi dan variabel bebas, kemudian diuji.

• Langkah penting dalam memilih suatu metode deret berkala (time series) yang tepat adalahdengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebutdapat diuji.

Contoh data time series (1)

Contoh data time series (2)

Pola data dalam Time Series

• Konstan

• Kecenderungan (trend)

• Musiman (seasonal),

• Siklus (cyclical),

• Residu atau variasi acak

Pola Data

1. Pola horisbntal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan.

2. Pola musiman (S) terjadi bilamana suatu deretdipengaruhi oleh faktor musiman (misalnyakuartal tahun tertentu, bulanan, atau hari- haripada minggu tertentu).

3. Pola siklis (C) terjadi bilamana datanyadipengaruhi oleh fluktuasi ekonomi jangkapanjang seperti yang berhubungan dengan siklusbisnis

4. Pola trend (T) terjadi bilamana terdapat kenaikanatau penurunan sekuler jangka panjang dalamdata.

Time series

Metode time series terbagi menjadi:

• Metode rata-rata bergerak (moving average)

• Metode penghalusan eksponensial (exponential smoothing)

• Metode proyeksi tren (trend projection)

Moving Average

• adalah metode peramalan yang menggunakanrata-rata periode terakhir data untukmeramalkan periode berikutnya

• Rumusnya adalah :

Contoh Moving Average

?n = 3 bulan sebelumnya

Exponential smoothing (1)

• Peramalan dilakukan dgn mengulangperhitungan scara terus menerus menggunakandata terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar.

Exponential smoothing (2)

• Rumus metode eksponential smoothing :

dimana : Ft = Peramalan baru

Ft-1 = Peramalan sebelumnya

α = Konstanta penghalusan (0≤α≥1)

At-1 = Permintaan aktual periode lalu

Contoh Exponential smoothing

?

Trend Projection

• Metode peramalan yang menyesuaikan sebuahgaris tren pada sekumpulan data masa lalu, dankemudian diproyeksikan dalam garis untukmeramalkan masa depan

Trend Projection

Contoh Trend Projection

Th Penjualan

Buku

X Y XY X²

2003 2.874 -2 2.847 -5.748 4

2004 3.685 -1 3.685 -3.685 1

2005 4.065 0 4.065 0 0

2006 5.789 1 5.789 5.789 1

2007 7.639 2 7.639 155.278 4

=0 =24.052 =11.634 =10

2008 ?

2009 ?

Contoh Trend Projection

Th Penjualan Y

2008 ? 4.810,4 + 1.164,4 (3) =8.300,6

2009 ? 4.810,4 + 1.164,4 (4) =9.464

bxay

a = Y/n = 24.052 / 5 = 4.810,4

b = XY/X² = 11.634 / 10 = 1.164,4

Causal Models (sebab-akibat)

• Metode ini menggunakan pendekatan sebab-akibat,

• Bertujuan untuk meramalkan keadaan dimasa depan dgn menemukan & mengukurbeberapa variabel bebas (independen) ygpenting beserta pengaruhnya terhadapvariabel tidak bebas yang akan diramalkan.

• Metode ini meliputi metode: regresi korelasi, ekonometri, dan metode input output

Regresi dan Korelasi:

• Metode ini menggunakan teknik “least squares”/kuadrat terkecil. Hubungan yang ada pertama-tama dianalisis secara statistik.

• Sangat baik untuk peramalan jangka pendek

• banyak digunakan untuk peramalanpenjualan, perencanaan keuntungan, peramalan permintaan dan permalankeadaan ekonomi.

• Data yang dibutuhkan untuk penggunaanmetoda ini adalah data kuartalan daribeberapa tahun lalu.

Contoh

Pekan

Pelanggan (x)

Penjualan ditoko buku (x)

x2 xy

1 16 330 256 5280

2 12 270 144 3240

3 18 380 324 6840

4 14 300 196 4200

∑x = 60 ∑y = 1280 ∑x2= 920∑xy = 19560

Data berikut berhubungan dengan nilai penjualan pada tokobuku Jika peramalan menunjukkan bahwa akan datang 20 pelanggan pekan depan, berapakah penjualan yang diharapkan.?

PekanPelanggan

(x)Penjualan di toko

buku (x)1 16 3302 12 2703 18 3804 14 3005

20 410

Maka

Metode naif atau instuitif, dan metode kuantitatif formal

• Metode naif bersifat sederhana dan mudah dipakai, tetapi tidak selalu tepat seperti metode kuantitatifformal. Karena keterbatasan ini, maka penggunaan-nya terdesak oleh metode formal yang semakinpopuler.

• Matoda statistika formal dapat Juga menyangkuteksplorasi, tetapi hal ini dilakukan mengikuti carayang standar dengan menggunakan pendekatansistematis yang meminimumkan kesalahan (error) paramalan.

Metode peramalan kualitatif atau teknologi

• Metode peramalan kualitatif tidak memerlukandata yang serupa seperti metode peramalankuantitatif. Input yang dibutuhkan tergantung padametode tertentu dan biasanya merupakan hasil daripemikiran intuitif, perkiraan (judgment), danpengetahuan yang telah didapat(pengalaman)

• dibagi menjadi metode ekspliriatas dan metode normatif

• Metode ini dapat menggunakan: metode delphi, expert judgement ( penilaian para ahli), market survey (survei pasar)

Metode Ekonometrik

• Metoda ini didasarkan atas peramalansistem persamaan regresi yang diestimasikan secara simultan.

• Sering digunakan untuk perencanaanekonomi nasional dalam jangka pendekmaupun jangka panjang. Contoh: meramalkan besarnya indikator moneterbeberapa tahun ke depan

Metode Input Output• Metoda ini dipergunakan untuk

menyusun proyeksi trend ekonomi jangkapanjang

• Contoh: meramalkan pertumbuhandomestik bruto (PDB) untuk beberapaperiode tahun ke depan 5-10 tahunmendatang

• Data yang dibutuhkan untuk model iniadalah data tahunan dalam kurun waktusepuluh sampai lima belas tahun

• metode delphi: serangkaian kuesionerdisebarkan kepada responden. Jawabannya diringkas dan diberikanke panel ahli untuk dibuat perkiraan

• expert judgement: metode inimengambil opini atau pendapatdari sekelompok kecil manajerpuncak/top manager

• Survei pasar: Masukan diperoleh darikonsumen terhadap suatu rencanapada periode yang diamati.

Contoh Penerapan Forecasting dalam

bidang pendidikan• Meramalkan jumlah siswa yang akan mendaftar

di SMK

• Meramalkan kebutuhan pengajar di suatudaerah dalam kurun waktu tertentu

• Meramalkan demand (permintaan) untukpendidikan pascasarjana

1. Metode eksploratoris

• Dimulai dengan masa lalu dan masa kini sebagaititik awalnya dan bergerak ke arah masa depansecara heirustik, seringkali dengan melihat semuakemungkinan yang ada.

2. Metode normatif

• dimulai dengan menetapkan sasaran dan tujuanyang akan datang, kemudian bekerja mundur untukmelihat apakah hal ini dapat dicapai, berdasarkankendala, sumberdaya, dan teknologi yang tersedia.

Metode teknologi

• Dapat digunakan secara berhasil bersama dengan metode kuantitatif seperti dalam bidang pengembangan produk, pengeluaran modal, perumusan sasaran dan tujuan, dan penggabungan organisasi skala sedang atau pun kecil. Apa pun kelemahan metode teknologi, seringkali alternatif lain yang mungkin hanyalah tidak melakukan ramalan sama sekali.

Peramalan Pendidikan

• Teknik peramalan pendidikan menggunakan beberapa metode dengan memperhatikan berbagai aspek (masyarakat, perubahan ekonomi dan aktivitas lainnya) dan sistem pendidikan secara menyeluruh. Sebelum melakukan peramalan perlunya membuat asumsi dasar dan asumsi khusus.

• Asumsi dasar merupakan asumsi yang berkenaandengan faktor kelahiran, kematian, rata-rata populasi migrasi, bentuk pemerintahan, politik, ekonomi organisasi. Sedangkan asumsi khususmerupakan asumsi yang dipusatkan pada kondisilokal.

Metode/teknik operasional

peramalan dalam Pendidikan• 1. Metode Cohort Survival

Keterangan :xxx* = survivorsxxx** = Net Migrants

Kelompok Umur

Pe

rio

de

5 t

ah

un

tahun 0-4 5-9 10-14 15-19 20-24 dst

1994 1067 1097xxx*

xxx* *

1127 1157 1206

1995 xxx* 1

1996 xxx* 1

1997 xxx* 1

1998 xxx* 1

2. Metode Migration and NaturalTahun Populasi Migrasi Populasi*

(±)Pertumbuhan angkaPertambahan murni

Populasi*(±)

Rata-rata (+)Jumlah (+)

Rata-rata (+)Jumlah (+)

1995

1996

1997

***

2015

Keterangan :

* = populasi setelah penyesuaian migrasi

*** = populasi setelah penyesuaian antara angka pertumbuhan murni

dengan tingkat migrasi sebagai prediksi peramalan untuk tahun

berikutnya.

3. Metode Least Square

• Mengarah kepada kurva logistik dengan cara melihat kecenderungan arah grafik yang ada untuk melihat kecenderungan di tahun yang akan datang

• Memperhitungkan angka kelahiran, kematian dan migrasi

4. Metode MatrixAge group

Sector

Matrix Survivorship

0 -b2 b3 b4 b5 b6 b7 ... sn

0-4 S1 0 0 0 0 0 0

5-9 0 S2 0 0 0 0 0

10-14 0 0 S3 0 0 0 0

...

100 0 0 S3 0 0 0 0...sn

Keterangan :

B2, b3, b4, b5, b6, b7, ..., bn = Angka rata-rata kelahiran

S2, S3, ..., Sn = Merupakan kemungkinan probabilitas jumlah

angka penduduk yang hidup dari n sampai dengan n+5 untuk jangka waktu lima tahun

Secara umum metode perhitungan jumlah penduduk:

Pn= p0 + B – D ± MKeterangan:

Pn = jumlah penduduk yang diproyeksikan tahun ini

p0 = jumlah penduduk yang tercatat pada tahun dasar (0)

B = jumlah kelahiran

D = jumlah kematian

M = jumlah migrasi (perpindahan, datang/masuk dan atau pergikeluar)

Masa Depan Peramalan

• Memasukkan pendugaan tentang masa depan peramalan tampaknya hanya sesuai dilakukan pada suatu buku peramalan. Barangkali titik awal terbaik untuk pendugaan seperti itu adalah melihat kembali sejarah peramalan akhir-akhir ini, dimulai dengan evolusi bidang ilmu keputusan, komputer dan perencanaan yang berkaitan erat.

Kesimpulan

• Dengan adanya berbagai metode peramalan dan perkembangan yangtelah disebutkan di atas, kami berpendapat bahwa manfaat terbesar dalam mempraktekkan peramalan pada dekade 1980-an akan berasal dari aplikasi dan implementasi yang lebih baik, bukan berasal dari metode baru. Sementara tidak diragukan lagi akan adanya beberapa peningkatan dalam metodologi yang ada, pengetahuan manajemen dan penggunaan metode yang ada dapat ditingkatkan dalam konteks organisasi tertentu.