kelompok ahli. Disini ada proses “learning”. Analisis Kelayakan Pabrik Aspek Pasar dan Pemasaran Aspek Pasar dan Pemasaran (2) Teknik Peramalan a. Kualitatif; Bersifat subjektif / “judmental” atau berdasarkan estimasi dan pendapat. Keuntungan: tenaga penjualan ikut tanggungjawab untuk peramalan. Kerugiannya: Pendapat yang diajukan sangat tergantung pengalaman masa lalu. mungkin ada beberapa oknum yang berpengaruh dalam kelompok yang bisa saja berakibat buruk bagi peramalan. Berbagai teknik peramalan kualitatif: 1. Metoda delphi; teknik yang menggunakan prosedur yang sistematis untuk mendapatkan suatu konsensus pendapat-pendapat suatu kelompok ahli. Disini ada proses “learning”. 2. Riset pemasaran; perlu jika data historik tidak lengkap. Berguna untuk meramal permintaan jangka panjang. Melalui beberapa tahap: o Memastikan informasi yang dicari. Memastikan sumber informasi. Menetapkan cara pengadaan atau pengumpulan data. Mengembangkan dan uji pendahuluan peralatan pengukuran. Memformulasikan sampel. Mendapatkan informasi. Melakukan tabulasi dan analisa. Kelemahan: kurang kekuatan prediktif, makan waktu dan biaya 3. Analogi historik; menggunakan pengalaman historik produk sejenis. 4. Konsensus panel; diskusi partisipan: eksekutif, orang penjualan, para ahli, atau langganan. b. Analisis Runtun Waktu (Time Series) Model ini meramalkan kejadian waktu yang akan datang atas dasar serangkaian data masa lalu, berdasarkan berbagai variabel menurut waktu yang biasanya digambarkan dalam bentuk grafik yang menunjukkan perilaku subyek. Model klasik analisis runtun waktu, nilai ramalan (Y) merupakan fungsi perkalian komponen runtun waktu: Y=TxSxCxE Komponen runtun waktu biasa diklasifikasikan sebagai: Aifrid Agustinahttp://www.mercubuana.ac.id 40

daripada dalam permintaan maksimum dalam suatu pola siklus, Analisis Kelayakan Pabrik Aspek Pasar dan Pemasaran o Akan ada suatu kecenderungan. Akan keluar dari fase kelambatan bila data berulang. Ramalan maksimum dengan rata-rata bergerak akan lebih kecil daripada dalam permintaan maksimum dalam suatu pola siklus, sebaliknya ramalan minimum akan melebihi permintaan nyata yang minimum dalam suatu pola siklus. Kebaikan: dapat diterapkan pada jenis data apapun, secara efektif meratakan atau menghaluskan fluktuasi pola data yang ada. Kelemahan: tidak mempunyai persamaan untuk peramalan. Tapi menggunakan nilai rata-rata bergerak terakhir sebagai nilai ramalan periode berikutnya. Disamping metoda rata-rata bergerak sederhana, ada rata-rata bergerak tertimbang dimana pada setiap elemen data kita dapat memberi bobot. Nilai yang lebih terakhir dapat diberi bobot lebih besar:  (bobot) X  bobot MAbt Perhitungan indeks musiman dapat dihitung dengan mencari rerata berbagai rasio penjualan kuartalan nyata terhadap nilai garis trend (T) tiap kuartal. Estimasi penjualan atas dasar analisis runtun waktu yang hanya memasukkan komponen trend dan musiman, tanpa memasukkan siklikal disebut forecast. c. Exponential Smoothing; Merupakan tipe teknik peramalan rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara eksponential sehingga data paling akhir mempunyai bobot atau timbangan lebih besar dalam rata-rata bergerak. Persamaan ramalan eksponential smoothing tunggal: Ft Ft1 ( A t1Ft1 ) Ft Ft-1 α At-1 = ramalan periode sekarang (t) ramalan yang dibuat untuk periode terakhir (t-1) smoothing constant (0 < α < 1) permintaan nyata periode teakhir Aifrid Agustinahttp://www.mercubuana.ac.id 42

nXXnY2Y  Analisis Kelayakan Pabrik Aspek Pasar dan Pemasaran Garis regresi dapat dibuat dengan metoda freehand atau least squares (kuadrat terkecil). Kuadrat terkecil mencari estimasi untuk nilai a dan b dengan meminimumkan jumlah kuadrat jarak antar tiap unit data dan dalam hubungannya dengan titik pada regresi yang dibuat. Rumus Y = a + bX + E dipecah menjadi a Y b X n XY X Y 2 b n X 2 X n = jumlah observasi dalam sampel X = variabel bebas Y = variabel bergantung a = intercept fungsi pada aksis Y bila X=0 X = rata-rata X Y = rata-rata Y kesalahan standar estimasi atau seberapa sesuai garis dengan data dihitung dengan: Y Y n i1 2 i S YX n 2 Analisis korelasi mengukur derajat hubungan antara dua atau lebih variabel, tanpa melihat bentuk hubungan. Derajat korelasi dinyatakan dengan koefisien korelasi (r): n XY X Y 2 r nXXnY2Y  2 2 Analisis regresi berganda; dalam hal ini sejumlah variabel dipertimbangkan dan pengaruh setiap variabel bebas pada variabel bergantung. Cara paling mudah mengukur kesalahan ramalan adalah membandingkan ramalan dengan permintaan yang nyata terjadi. Yang umum digunakan adalah MAD (Mean Absolute Deviation) Kesalahan forecast = /Dt – forecast/ Aifrid Agustinahttp://www.mercubuana.ac.id 44