Metode Peramalan Variasi Musim (Seasonal Variation)

Peramalan Metode Variasi Musim (Seasonal Variation)

Metode peramalan variasi musim atau yang biasanya lebih sering disebut seasonal forecast pada dasarnya mirip seperti peramalan tahunan, yang membedakan adalah adanya fluktuasi musiman dalam tahun/periode tersebut.

Misalnya seperti penjualan payung yang meningkat pada musim hujan, penjualan sweater yang meningkat pada musim salju/dingin, dan yang lain sebagainya akibat dari perubahan musim.

Pola dari fluktuasi data tersebut dapat dihitung dalam minggu-an, bulan-an, triwulan-an, caturwulan-an, dan yang lain sebagainya yang merupakan indeks musim.

Dalam perhitungan peramalan variasi musim, diperlukan juga menggunakan metode peramalan least square untuk mengetahui jumlah permintaan pada tahun mendatang.

Iklan

Langkah-Langkah Peramalan Variasi Musim

  1. Ramalkan permintaan pada tahun mendatang dengan menggunakan Metode Peramalan Kuadrat Terkecil (Least Square).
  2. Hitunglah rata-rata data setiap periode (kuartal/ cawu/ semester/ dsb).
  3. Mencari rata-rata data periode selama tahun data dengan menjumlahkan seluruh nilai rata-rata data setiap periode yang dibagi dengan total periode tersebut. (Contoh : Jika kuartal/ triwulan dibagi 4,jika caturwulan dibagi 3, jika semester dibagi 2, dan seterusnya.
  4. Menghitung indeks musim untuk setiap periode dengan menghitung rata-rata data masing-masing periode dibagi dengan rata-rata data periode selama tahun data.
  5. Mencari nilai data setiap periode dengan cara mengalikan indeks musim dengan total data tahunan yang telah diprediksi dengan metode least square, dan dibagi dengan periodenya. (Contoh : jika kuartal/ triwulan dibagi 4, jika caturwulan dibagi 3, jika semester dibagi 2, dan seterusnya.

Contoh Soal 1: Per Semester

Mr. Dounkey adalah pedagang sayur dan berikut adalah penjualan sayur yang dilakukan olehnya selama 5 tahun terakhir :

Tahun20122013201420152016
Semester I1003006001.0002.000
Semester II2004008001.5002.500

Berdasarkan seluruh data penjualan tersebut, ramalkan penjualan sayur Mr. Dounkey setiap semester dengan variasi musim untuk tahun 2018.

Langkah 1

Ramalkan total penjualan tahun 2018 dengan metode least square. Untuk Lebih jelas tentang metode least square dapat dilihat di : Peramalan metode kuadrat terkecil (Least Square)

TahunPenjualan (Y)XXYX2
2012300-2-6004
2013700-1-7001
20141.400000
20152.50012.5001
20164.50029.0004
Σ9.400010.20010

Y2018 = a + bX
Y2018 = 1.880 + 1.020 (4)
Y2018 = 5.960  

Langkah 2

TahunSemester ISemester II
2012100200
2013300400
2014600800
20151.0001.500
20162.0002.500
Σ4.0005.400

Rata-rata semester I = 4.000/5 = 800
Rata-rata semester II = 5.400/5 = 1.080
Rata-rata Semester I & II = (800+1.080)/2 = 940

Langkah 3

Indeks S-I = 800/940 = 0,8511
Indeks S-II = 1.080/940 = 1,1489

Langkah 4

FSem I-2018 = (0,8511 x 5.960)/2 = 2536,278 ≃ 2.536
FSem II-2018 = (1,1489 x 5.960)/2 = 2536,278 ≃ 3.424

Kesimpulan

Jadi, penjualan sayur Mr. Dounkey tahun 2018 dengan metode variasi musim adalah sebanyak 2.536 unit di semester I dan 3.424 unit di semester II.

Iklan

Contoh Soal 2: Per Kuartal

PT. Dounkey memproduksi kaca mata dan hendak memperkirakan jumlah permintaan untuk tahun 2018. Berikut data permintaan perusahaan selama 6 tahun terakhir :

TahunPermintaan (unit)
Kuartal IKuartal IIKuartal IIIKuartal IV
201260455580
201370485885
201466526079
201565496383
201668456582
201770507084

Dari data di atas, ramalkan jumlah permintaan tiap kuartal untuk tahun 2018 dengan menggunakan metode indeks musim ! (awali peramalan tahunan dengan menggunakan metode least square)

Langkah 1

TahunPermintaan (unit)Total
Kuartal IKuartal IIKuartal IIIKuartal IV
201260455580240
201370485885261
201466526079257
201565496383260
201668456582260
201770507084274

Ramalkan total penjualan tahun 2018 dengan metode least square

TahunPenjualan (Y)XXYX2
2012240-5-1.20025
2013261-3-7839
2014257-1-2571
201526012601
201626037809
201727451.37025
Σ1.552017070
Perhitungan Metode Variasi Musim Per Kuartal 1
Perhitungan Metode Variasi Musim Per Kuartal 2

Ŷ2018 = a + bX
Ŷ2018 = 258,6667 + 2,4286 (7)
Ŷ2018 = 275,6669 ≃ 276 unit

Langkah 2

TahunPermintaan (unit)
Kuartal IKuartal IIKuartal IIIKuartal IV
201260455580
201370485885
201466526079
201565496383
201668456582
201770507084
Total399289371493
Rata-Rata399/6 = 65,5289/6 = 48,1667371/6 = 61,8333493/6 = 82,1667

Rata-rata Kuartal I-IV = (65,5 + 48,1667 + 61,8333 + 82,1667)/4 
Rata-rata Kuartal I-IV = 64,4167

Langkah 3

Indeks K-I = 65,5/64,4167 = 1,0168
Indeks K-II = 48,1667/64,4167 = 0,7477
Indeks K-III = 61,8333/64,4167 = 0,9599
Indeks K-IV = 82,1667/64,4167 = 1,2755

Langkah 4

F Kuartal I-2018 = 1,0168 x 276/4 = 70,1592 ≃ 70 unit  
F Kuartal II-2018 = 0,7477 x 276/4 = 51,5913 ≃ 52 unit  
F Kuartal III-2018 = 0,9599 x 276/4 = 66,2331 ≃ 66 unit  
F Kuartal IV-2018 = 1,2706 x 276/4 = 87,6714 ≃ 88 unit

Kesimpulan

Jadi, penjualan kacamata PT. Dounkey tahun 2018 dengan metode variasi musim adalah sebanyak 70 unit pada kuartal-I, 52 unit pada kuartal-II, 66 unit pada kuartal ke-III, dan 88 unit pada kuartal ke-IV.

Peramalan Metode Rata-Rata (Average)

Peramalan Metode Rata-Rata (Average)

Metode peramalan rata-rata merupakan salah satu dari sekian banyak metode peramalan lainnya. Untuk lebih jelasnya mengenai metode peramalan secara umum dapat dilihat pada postingan sebelumnya di : Metode Peramalan (Forecasting) Untuk Memprediksi Penjualan.

Metode peramalan rata-rata adalah metode yang digunakan untuk meramalkan/memprediksi sesuatu yang terjadi di masa depan dengan menggunakan data-data sebelumnya dan dirata-ratakan untuk mendapat jumlah peramalan periode berikutnya secara kuantitatif. Misalnya seperti ramalan penjualan suatu perusahaan.

Iklan

Terdapat 2 metode peramalan untuk menggunakan metode rata-rata (average), meliputi :

1. Metode Rata-Rata Bergerak (Moving Average)

Metode rata-rata bergerak atau yang biasa disebut moving average adalah metode peramalan dimana dalam menghitung peramalan di masa depan didapat dari penjumlahan data-data lampau dan kemudian dibagi dengan jumlah data yang ada.

Jumlah data-data yang harus diambil untuk perhitungan rata-rata bergerak (moving average) berjumlah bebas, namun tentunya harus disesuaikan dengan ketersediaan data-data lampau yang ada.

Data yang digunakan pun harus berurut dari tahun terbaru sampai tahun yang paling lama, karena data terbarulah yang dianggap jauh lebih akurat dibanding data-data yang lama.

Biasanya dalam perhitungan rata-rata bergerak (moving average), data yang diambil adalah data 3 periode sebelumnya. Karena data 3 tahun yang lalu, dianggap paling relevan dengan keadaan yang akan datang. Namun, tetap saja, jumlah data yang diambil adalah bebas sesuai dengan selera masing-masing.

Rumus peramalan dengan metode rata-rata bergerak (moving average) adalah :  

Rumus Metode Rata-Rata Bergerak (Moving Average)

Keterangan :
Ft = Peramalan untuk periode yang akan datang
n = Jumlah periode peramalan moving average
At~1 = Data aktual satu periode sebelum peramalan
At~2 = Data aktual dua periode sebelum peramalan
At~3 = Data aktual tiga periode sebelum peramalan
At~n = Data aktual satu n sebelum peramalan

Jumlah ke-n harus disesuaikan dengan persoalan yang diminta. Jika menggunakan moving average 3 tahunan, maka otomatis jumlah n dan data aktual akan berjumlah 3 pula.

Contoh Soal:

Dounkey adalah perusahaan kemeja, diketahui penjualan pada periode sebelumnya adalah sebagai berikut:

TahunPenjualan (Unit)
20121.500
20131.800
20141.700
20152.200
20161.500
20172.000

Dengan menggunakan metode rata-rata bergerak, carilah peramalan untuk tahun 2018 dengan metode moving average (3 tahunan) dan moving average (4 tahunan)

Moving Average (3 Tahunan)

Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.900 unit pada tahun 2018 dengan menggunakan metode moving average (3 tahunan).

Moving Average (4 Tahunan)

Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.850 unit pada tahun 2018 dengan menggunakan metode moving average (4 tahunan).

Iklan

2. Metode Weighted Moving Average

Metode rata-rata bergerak tertimbang atau yang biasa disebut weighted moving average adalah metode untuk menghitung data masa depan / periode mendatang dengan menjumlahkan data-data lampau yang telah diberikan bobotnya masing-masing.

Alasan setiap data diberikan bobot karena pengaruh data yang lebih baru akan lebih berpengaruh pada data keadaan di masa mendatang. Sehingga bobot yang diberikan pada data terbaru tentunya haruslah lebih besar dari data terdahulunya.

Mirip dengan metode rata-rata bergerak (moving average), kita bebas menentukan berapa jumlah data yang ingin dimasukkan untuk perhitungan, namun harus diingat data yang diambil harus berurut dari data terbaru, begitu pula dengan bobotnya juga diurutkan dimana data terbaru = bobot terbesar.

Misalnya diketahui data penjualan tahun 2014, 2015, 2016, 2017 dengan bobot (2:4:3:1). 

Kita tidak dapat mengasumsikan bobot 2014 = 2, bobot 2015 = 4, bobot 2016 = 3, dan bobot 2017 = 1.

Melainkan bobotnya harus diurutkan (ingat !! data terbaru, bobot terbesar).

Sehingga menjadi : bobot 2014 = 1, bobot 2015 = 2, bobot 2016 = 3, dan bobot 2017 = 4.

Rumus perhitungan metode rata-rata bergerak tertimbang (weighted moving average) adalah sebagai berikut :

Rumus Metode Rata-Rata Tertimbang (Weighted Moving Average)

Contoh Soal:

Dounkey adalah perusahaan pakaian, diketahui penjualan pada periode sebelumnya adalah sebagai berikut :

TahunPenjualan (Unit)
20121.500
20131.800
20141.700
20152.200
20161.500
20172.000

Jika diketahui bobot sebesar (2:4:1:3) Maka, ramalkan berapa besar penjualan pada tahun 2018.  

Jawab :

Pertama-tama, harus kita urutkan bobotnya menjadi (4:3:2:1)

Sehingga didapatkan :

Perhitungan Metode Moving Average 1
Perhitungan Metode Moving Average 1

Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.860 unit pada tahun 2018 dengan menggunakan metode rata-rata berjalan tertimbang (weighted moving average).

Metode Peramalan Kuadrat Terkecil (Least Square)

Peramalan Metode Kuadrat Terkecil / Least Square

Metode peramalan (forecasting) kuadrat terkecil atau yang biasa disebut sebagai metode least square adalah metode peramalan yang menggunakan persamaan linear untuk menemukan garis paling sesuai untuk kumpulan data lampau guna meramalkan data di masa depan.

Berikut adalah kira kira gambaran dalam metode peramalan least square.

Grafik Peramalan Least Square
Grafik Peramalan Least Square

Rumus Least Square

Rumus untuk metode peramalan dengan metode kuadrat terkecil adalah :

Υ = a +bx

Dimana :
Υ = Besarnya nilai yang diramal
a = Trend pada periode dasar
b =  tingkat perkembangan nilai yang diramal
X = Unit waktu yang dihitung dari periode dasar

Iklan

Contoh

Terdapat 2 cara untuk menghitung besarnya nilai a dan b, meliputi :

1. Metode titik tengah sebagai tahun dasar (ΣX = 0)

Dalam metode ini, jumlah dalam skala X harus sama dengan nol, sehingga nilai a dan b menggunakan rumus berikut:

Rumus Metode Least Square metode titik tengah untuk mencari nilai a
Rumus Metode Least Square metode titik tengah untuk mencari nilai b

Dengan titik tengah sebagai tahun dasar, maka nilai X pada titik tengah tersebut akan bernilai nol.

Hanya saja, ada sedikit perbedaan untuk menentukan titik tengah pada data yang berjumlah ganjil dan genap.

Contohnya:

Data Ganjil

TahunPenjualan (Y)XX.Y X2
20121.200-2-2.4004
20131.000-1-1.0001
20141.400000
20151.50011.5001
20161.30022.6004
Σ 6.400070010

Karena data berjumlah ganjil, maka tahun 2014 memiliki nilai X sebesar nol, sehingga jumlah data X otomatis akan berjumlah nol. Nilai X akan bernilai negatif ke data yang lebih lama dan bernilai positif ke data yang lebih baru.

Sehingga peramalan penjualan untuk tahun 2017 adalah :

Hasil nilai a metode least square data ganjil
Hasil nilai b metode least square data ganjil

Jadi, jika dimasukkan dalam rumus menjadi :
Y = a + bX
Y2017 = 1.280 + 70 (3)
Y2017 = 1.490

Nilai X diatas dimasukkan sebesar 3 karena yang ingin diramal adalah data tahun 2017, jadi jika dilihat pada tabel diatas, nilai x untuk tahun 2017 dapat diketahui adalah sebesar 3.

Data Genap

TahunPenjualan (Y)XX.Y X2
20111.100-5-5.50025
20121.200-3-3.6009
20131.000-1-1.0001
20141.40011.4001
20151.50034.5009
20161.30056.50025
Σ 7.50002.30070

Pada data genap, karena data tengah berada di tengah-tengah antara tahun 2013 dan 2014, maka otomatis nilai nol berada di tengah kedua data tersebut. Sehingga loncatan dari nilai X tersebut adalah kelipatan 2.  

Analoginya sebagai berikut :

Analogi Data Genap Metode Least Square

Sehingga, peramalan untuk tahun 2017 adalah sebagai berikut :

Hasil nilai a metode least square data genap
Hasil nilai b metode least square data genap

Jadi, jika dimasukkan dalam rumus menjadi :
Y = a + bX
Y2017 = 1.250 + 32,86 (7)
Y2017 = 1.480,02

2. Metode Nol Bebas (ΣX ≠ 0)

Sesuai dengan namanya, pada metode nol bebas skala X (ΣX) adalah bebas, berbeda dengan metode titik tengah yang skala X nya harus nol. Biasanya metode nol bebas berlaku jika ditentukan suatu tahun dasar dalam suatu periode.

Rumus untuk perhitungan a dan b untuk metode nol bebas adalah sebagai berikut :

Rumus Least Square metode nol bebas untuk mencari nilai b
Rumus Least Square metode nol bebas untuk mencari nilai a

Contohnya:

TahunPenjualan (Y)
20121.200
20131.000
20141.400
20151.500
20161.300
Σ6.400

Diminta untuk menentukan ramalan penjualan pada tahun 2017 dengan menggunakan data tahun 2015 sebagai tahun dasar.

Maka, didapatkan:

TahunPenjualan (Y)XX.YX2
20121.200-3-3.6009
20131.000-2-2.0004
20141.400-1-1.4001
20151.500000
20161.30011.3001
Σ6.400-5-5.70015

Letak nol pada kolom X bukan berada di tengah-tengah data lagi, melainkan pada data tahun 2015 karena ditetapkan sebagai tahun dasar.

Jika dilihat pada data diatas, karena ΣX ≠ 0, maka rumus yang dipakai untuk menghitung a dan b adalah rumus metode nol bebas. Sehingga didapatkan :

Hasil nilai b metode least square nol bebas
Hasil nilai a metode least square nol bebas

Jadi, jika dimasukkan dalam rumus menjadi :
Y = a + bX
Y2017 = 1.350 + 70 (2)
Y2017 = 1.490

Untuk lebih jelas tentang jenis-jenis peramalan lainnya dapat dilihat pada artikel berikut :
Metode Peramalan (Forecasting) Untuk Memprediksi Penjualan

Metode Peramalan (Forecasting) Untuk Memprediksi Penjualan

Peramalan Untuk Memprediksi Penjualan

Pengertian Peramalan

Peramalan adalah seni dan ilmu untuk memprediksi peristiwa di masa depan. Peramalan memerlukan pengambilan data historis (data terdahulu) dan memproyeksikannya ke masa depan dengan berbagai metode.

Iklan

Jenis-Jenis Peramalan

Peramalan dapat dikelompokkan menjadi 3 kategori berdasarkan jangka waktunya, meliputi:

1. Peramalan Jangka Pendek

Peramalan jangka pendek adalah peramalan yang rentang waktunya mencapai satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan jangka pendek biasanya digunakan untuk memecahkan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan dan tingkat produksi.

2. Peramalan Jangka Menengah

Peramalan jangka menengah biasanya memiliki jangka 1 tahun sampai 3 tahun. Peramalan ini sangat bermanfaat dalam perencanaan penjualan, perencanaan dan penganggaran produksi, penganggaran kas, dan menganalisis berbagai rencana operasi

3. Peramalan Jangka Panjang

Peramalan jangka panjang adalah peramalan yang memiliki rentang waktu 3 tahun atau lebih, dan biasanya digunakan dalam merencanakan produk baru, pengeluaran modal, lokasi fasilitas, ekspansi dan penelitian serta pengembangan.


Peramalan jangka menengah dan panjang mempunyai 3 ciri yang membedakan keduanya dengan peramalan jangka pendek, yaitu:

  1. Peramalan jangka menengah dan panjang berhubungan dengan isu yang lebih kompetitif dan mendukung keputusan manajemen berkaitan dengan perencanaan dari produk, pabrik, dan proses.
  2. Peramalan jangka pendek biasanya menggunakan metodologi yang berbeda dari pada peramalan yang lebih panjang.
  3. Peramalan jangka pendek cenderung lebih akurat daripada peramalan jangka yang lebih panjang.

Peramalan Berdasarkan Jenisnya

1. Ramalan Ekonomi

Membahas siklus bisnis dengan memprediksi tingkat inflasi, supply uang dan indikator perencanaan lain.  

2. Ramalan Teknologi

Berkaitan dengan tingkat kemajuan teknologi yang akan melahirkan produk baru yang mengesankan, membutuhkan pabrik dan peralatan baru.  

3. Ramalan Permintaan

Merupakan proyeksi permintaan untuk produk atau jasa perusahaan. Ramalan ini disebut juga ramalan penjualan, produksi, kapasitas, dan sistem penjadwalan perusahaan dan bertindak sebagai masukan untuk perencanaan keuangan, pemasaran, dan sumber daya manusia.

Iklan

Fungsi Peramalan

Peramalan sangat baik dan penting dalam seluruh aspek bisnis. Ramalan hanyalah estimasi permintaan produk sampai permintaan aktual diketahui.

Ramalan permintaan mengarahkan keputusan di dalam banyak bidang. Ramalan produk berpengaruh terhadap 3 fungsi yaitu :

Sumber Daya Manusia

Memperkerjakan, melantik dan memberhentikan para pekerja tergantung pada permintaan produk yang diantisipasi.

Jika departemen SDM harus menambah pekerja tanpa ada pembatasan, maka jumlah pelatihan dan mutu angkatan kerja akan merosot.

Kapasitas

Bila kapasitas tidak tepat, akan muncul masalah seperti salah pengiriman yang tidak terjamin, kehilangan pelanggan dan kehilangan pangsa pasar.

Supply Chain Management

Hubungan antara pemasok yang baik dan keunggulan kerja yang terjamin untuk bahan baku dan suku cadang tergantung pada ramalan yang akurat.


Metode Peramalan

Ada 2 pendekatan umum dalam metode peramalan yaitu :

Peramalan Kuantitatif

Peramalan kuantitatif adalah berbagai model matematis yang menggunakan data historis dan atau variabel-variabel kasual untuk meramalkan permintaan

Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang memanfaatkan faktor-faktor penting seperti inflasi, pengalaman pribadi, dan sistem nilai pengambilan keputusan.

Sebagian perusahaan menggunakan satu pendekatan, sebagian lagi menggunakan pendekatan lain. Tetapi, dalam prakteknya, kombinasi atau campuran dari kedua jenis peramalan itu biasanya lebih efektif.

Iklan

4 Teknik Peramalan Kualitatif

Jury of executive opinion

Metode ini mengambil opini dari sekelompok kecil manajer tingkat tinggi, sering kali dikombinasikan dengan model statistik dan menghasilkan estimasi permintaan kelompok.  

Sales force composite

Dalam pendekatan ini, setiap wiraniaga mengestimasi jumlah penjualan di wilayahnya, ramalan ini kemudian dikaji ulang untuk meyakinkan realistisnya, lalu dikombinasikan pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh.  

Delphi Method

Pendekatan ini merupakan diskusi panel yang mencakup beberapa ahli atau yang dianggap memiliki pengetahuan yang memadai mengenai kegiatan yang akan diramalkan.

Dalam menghasilkan ramalan itu, mereka tidak berkomunikasi secara langsung tetapi melalui fasilitator secara tertulis.  

Consumer market survey

Metode memperbesar masukan dari pelanggan atau calon pelanggan tanpa melihat rencana pembelian masa depanya.

Metode ini bisa membantu tidak hanya dalam menyiapkan ramalan, tetapi juga dalam memperbaiki desain produk baru.


4 Teknik Peramalan Metode Kuantitatif

Terdapat 4 teknik yang seringkali digunakan dalam peramalan metode kuantitatif.

Semua metode tersebut memiliki caranya masing masing dalam menentukan perkiraan masa depan.

Jadi, jika perusahaan harus mengetahui metode kuantitatif mana yang paling cocok untuk perusahaannya.

Berikut adalah 4 metode peramalan kuantitatif:

  1. Metode Kuadrat Terkecil
  2. Metode Rata-Rata
  3. Metode Variasi Musim
  4. Regresi dan Korelasi Sederhana