peramalan (forecasting) PERTEMUAN – 5 Mata Kuliah: Manajemen Operasional Toman Sony Tambunan, S.E, M.Si NIP. 19811203 200604 1 004 (Aparatur Sipil Negara, Akademisi, Penulis, Praktisi) Certified ’Auditor Ahli’ ; Certified ’Analis Kepegawaian Ahli’ Certified ’Keuangan Daerah’ ; Certified ’Pengadaan Barang Jasa Pemerintah’

MATERI : 1. Definisi Peramalan. 2. Fitur Umum untuk semua Ramalan. 3. Unsur-Unsur Ramalan yang Baik. 4. Tahapan dalam Proses Peramalan. 5. Pendekatan Peramalan. 6. Ramalan di Dasarkan Pada Penilaian dan Opini. 7. Ramalan Didasarkan pada Data Deret Berkala. 8. Teknik Peramalan Asosiatif. 9. Keakuratan dan Pengendalian Ramalan. 10. Memilih Teknik Peramalan. 11. Menggunakan Informasi Ramalan. 12. Komputer dalam Peramalan.

1. Definisi Peramalan Ramalan (forecast) adalah pernyataan mengenai nilai yang akan datang dari variabel yang menarik, seperti permintaan. Artinya, ramalan adalah prediksi mengenai masa depan yang lebih baik untuk dapat menjadi keputusan dengan lebih banyak informasi. Peramalan juga merupakan komponen penting dari ’manajemen hasil’, yang berkaitan dengan persentase kapasitas yang digunakan. Ramalan yang akurat dapat membantu para manajer merencanakan taktik (misalnya menawarkan diskon atau tidak menawarkan diskon) untuk menyesuaikan kapasitas dengan permintaan, sehingga akan mencapai tingkat pendapatan yang tinggi. Kegunaan Ramalan, yaitu: -> Membantu manajer untuk merencanakan sistem. -> Membantu manajer untuk merencanakan penggunaan sistem.

2. Fitur Umum untuk semua Ramalan a). Teknik peramalan biasanya berasumsi bahwa sistem sebab akibat serupa yang mendasarinya yang ada di masa lalu akan terus ada di masaa mendatang. b). Ramalan jarang serupa, sehingga hasil aktual biasanya berbeda dari nilai prediksi. Tidak ada seorang pun dapat memprediksi dengan tepat bagaimana sejumlah faktor terkait sering kali akan menimpa variabel yang bersangkutan. c). Ramalan untuk sekelompok objek cenderung lebih akurat dari ramalan untuk satu obyek karena kesalahan peramalan antar objek dalam satu kelompok biasanya memiliki pengaruh membatalkan ramalan. Peluang untuk pengelompokkan mungkin muncul apabila suku cadang atau bahan baku digunakan untuk banyak produk atau apabila produk/jasa diminta oleh sejumlah sumber bebas. d). Keakuratan ramalan menurun ketika periode waktu yang dicakup oleh ramalan rentang waktu meningkat. Secara umum, ramalan jangka pendek harus bersaing dengan ketidakpastian yang lebih sedikit dibandingkan dengan ramalan jangka panjang, sehingga ramalan jangka pendek cenderung lebih akurat.

3. Unsur-Unsur Ramalan yang Baik a). Ramalan harus tepat waktu. Biasanya dibutuhkan sejumlah waktu tertentu agar dapat merespon informasi yang terkandung dalam ramalan. b). Ramalan harus akurat dan tingkat keakuratannya harus dinyatakan. Hal ini akan memungkinkan penggunanya merencanakan kesalahan yang dapat terjadi dan akan menyediakan dasar untuk membandingkan alternatif ramalan. c). Ramalan harus dapat diandalkan dan harus berfungsi terus menerus. Teknik yang terkadang menyediakan ramalan yang bagus dan terkadang menyediakan ramalan yang tidak bagus akan memnuat penggunanya merasa gelisah setiap ramalan baru dimunculkan. d). Ramalan harus dinyatakan dalam unit yang bermakna. Perencana keuangan perlu mengetahui berapa banyak dolar yang dibutuhkan, perencana produksi perlu mengetahui berapa banyak unit yang akan dibutuhkan, serta penyusun jadwal perlu mengetahui mesin dan keterampilan apa yang akan diperlukan. Pilihan unit bergantung pada kebutuhan penggunanya. e). Ramalan harus dilakukan secara tertulis. Meskipun hal ini tidak akan menjamin semua pihak yang menggunakan informasi serupa, setidaknya akan meningkatkan kemungkinan terjadinya ramalan itu. Selain itu, ramalan secara tertulis akan memberikan dasar yang objektif untuk mengevaluasi ramalan segera setelah hasil aktual yang ada.

Lanjutan … Unsur-Unsur Ramalan yang Baik f). Teknik ramalan harus sederhana untuk dipahami dan digunakan. Pengguna ramalan sering kali kurang percaya dengan ramalan yang didasarkan pada teknik canggih. Mereka tidak memahami situasi yang sesuai untuk teknik tersebut atau keterbatasan dari teknik tersebut. Penyalahgunaan teknik adalah konsekuensinya nyata. Tidak mengherankan, teknik peramalan yang cukup sederhana memiliki popularitas yang luas karena pengguna-nya lebih nyaman bekerja dengan teknik ini. g). Ramalan harus memiliki biaya yang efektif. Manfaatnya harus lebih banyak dari biayanya.

4. Tahapan dalam Proses Peramalan a). Menentukan tujuan ramalan. Bagaimana ramalan akan digunakan dan kapan akan dibutuhkan ramalan? Tahapan ini akan memberikan indikasi tingkat rincian yang diperlukan dalam ramalan, jumlah sumber daya (karyawan, waktu, komputer dan biaya) yang dapat dibenarkan, serta tingkat keakuratan yang diperlukan. b). Menetapkan rentang waktu. Ramalan harus mengindikasikan rentang waktu, mengingat bahwa keakuratan menurun ketika rentang waktu meningkat. c). Memilih teknik peramalan. d). Memperoleh, membersihkan, dan menganalisis data yang tepat. Memperoleh data dapat meliputi usaha yang signifikan. Setelah memperoleh data, data mungkin perlu ”dibersihkan” agar dapat menghilangkan objek asing dan data yang jelas tidak benar sebelum analisis. e). Membuat ramalan. f). Memantau ramalan. Ramalan harus dipantau untuk menentukan apakah ramalan ini dilakukan dengan cara yang memuaskan. Jika tidak memuaskan, periksa kembali metode peramalan, asumsi, keabsahan data, dan lain-lain. Kemudian, mengubahnya sesuai kebutuhan serta menyiapkan revisi ramalan.

5. Pendekatan Peramalan a). Kualitatif. Metode kualitatif terdiri atas input subjektif yang sering kali melanggar uraian angka yang tepat. Teknik kualitatif memperbolehkan dimasukkannya informasi lunak (misalnya, faktor manusia, opini pribadi, dugaan) dalam proses peramalan. Faktor-faktor ini sering kali diabaikan atau diremehkan saat teknik kuantitatif digunakan karena faktor-faktor ini sulit atau tidak mungkin diukur. b). Kuantitatif. Metode kuantitatif meliputi proyeksi data historis atau pengembangan model asosiatif yang berupaya memanfaatkan variabel sebab akibat (penjelas) untuk membuat ramalan. Teknik kuantitatif sebagian besar terdiri dari menganalisis tujuan atau data keras. Teknik kuantitatif biasanya menghindari prasangka pribadi yang terkadang mencemarkan metode kualitatif. Dalam praktiknya, salah satu atau kedua pendekatan ini dapat digunakan untuk mengembangkan ramalan.

6. Ramalan di Dasarkan Pada Penilaian dan Opini Ramalan Berdasarkan Penilaian (judgmental forecast) adalah ramalan yang menggunakan input-input subjektif seperti opini dari survei konsumen, staf, penjualan manajer, eksekutif dan ahli. Dalam beberapa situasi, peramal hanya mengandalkan penialian dan opini untuk membuat ramalan. Apabila manajemen harus memiliki ramalan secara cepat, kemungkinan tidak ada cukup waktu untuk mengumpulkan dan menganalisis daata kuantitatif. Di lain waktu, terutama ketika kondisi politik dan ekonomi berubah, data yang tersedia mungkin tidak terpakai dan informasi lebih mutakhir mungkin belum tersedia. Selain itu, pengenalan produk baru dab perancangan ulang produk yang ada atau pengemasan produk yang diperoleh dari kekurangan data historis akan bermanfaat dalam peramalan. Jadi, ramalan didasarkan pada opini eksekutif, survei konsumen, opini staf penjualan, dan opini ahli.

Sambungan … Ramalan di Dasarkan Pada Penilaian dan Opini a). Opini Eksekutif. Sekelompok kecil manajer tingkat atas (misalnya dalam pemasaran, operasi, da keuangan) dapat memenuhi serta mengembangkan ramalan secara kolektif. Pendekatan ini sering digunakan sebagai bagian dari perencanaan jangka panjang dan pengembangan produk baru. Pendekatan ini memiliki keuntungan yaitu menyatukan banyak pengetahuan dan talenta berbagai manajer. b). Opini Tenaga Penjualan. Para staf penjualan atau staf layanan pelanggan sering kali merupakan sumber informasi yang bagus karena mereka berhubungan langsung dengan konsumen. Mereka sering mengetahui setiap rencana yang dapat dipertimbangkan oleh pelanggan untuk masa depan. c). Survei Konsumen. karena pada akhirnya konsumen yang menentukan permintaan, tampaknya kita wajar untuk meminta masukan dari mereka. Dalam beberapa kasus, setiap pelanggan atau calon pelanggan dapat dikontak. Namun demikian, biasanya ada terlalu banyak pelanggan atau tidak ada cara untuk mengidentifikasi seluruh calon pelanggan. Oleh karena itu, organisasi mencari masukan dari konsumen yang biasanya dipergunakan untuk survei konsumen, sehingga memungkinkan mereka untuk mengambil sampel opini konsumen. Keuntungan nyata dari survei konsumen adalah datap menyediakan informasi yang mungkin tidak tersedia di tempat lain. Disisi laib, kita memerlukan jumlah pengetahuan dan keterampilan yang banyak untuk membuat survei, mengelola survei, serta menginterpretasikan hasilnya secara tepat sebagai informasi sah.

Sambungan … Ramalan di Dasarkan Pada Penilaian dan Opini Pendekatan lainnya adalah : Metode Delphi (Delphi Method) yaitu prose berulang yang mana manajer dan staf mengisi serangkaian kuesioner, masing-masing dikembangkan dari kuesioner sebelumnya untuk mencapai ramalan yang telah disepakati bersama. Metode ini mencakup mengedarkan seperangkat kuesioner antarindividu yang memiliki pengetahuan dan kemampuan untuk berkontribusi secara bermakna. Jawaban yang disimpan tanpa nama cenderung mendorong jawaban yang jujur dan mengurangi resiko bahwa opni seseorang akan merata. Setiap kuesioner baru dikembangkan menggunakan informasi yang dikutip dari informasi sebelumnya, sehingga memperbesar cakupan informasi yang dapat digunakan responden untuk mendasarkan penilaian mereka. Metode Delphi diaplikasikan pada berbagai situasi meski tidak semua situasi melibatkan peramalan. Sebagai alat peramalan, Metode Delphi bermanfaat untuk peramalan teknologi, yaitu untuk menilai perubahan teknologi dan dampaknya pada organisasi. Seringkali sasaran dari Metode Delphi adalah memprediksi kapan peristiwa tertentu akan terjadi.

7. Ramalan Didasarkan pada Data Deret Berkala Deret Berkala (time-series) adalah urutan waktu observasi yang diambil dalam jarak waktu teratur (misalnya: setiap jam, harian, mingguan, bulanan, triwulanan, tahunan). Datanya dapat menjadi ukuran dari permintaan, pendapatan, laba, muatan, kecelakaan, output, pengendapan, produktivitas, atau indeks harga konsumen. Teknik-teknik peramalan yang didasarkan pada data deret berkala dibuat dengan asumsi bahwa serangkaian nilai masa depan dapat diestimasi dari nilai masa lalu. Analisis data deret berkala mengharuskan analis untuk mengidentifikasi perilaku yang mendasari deret tersebut. Hal ini sering kali hanya dapat dicapai dengan ’menerencanakan skema data’ dan secara visual menelaah skema tersebut. Satu atau lebih pola dapat muncul seperti trend, variasi musiman, siklus, atau variasi di sekitar rata-rata. Disamping itu, akan ada variasi acak dan mungkin variasi tidak beraturan.

Ramalan Didasarkan pada Data Deret Berkala Perilaku ini dapat diuraikan sebagai berikut: 1). Trend (trend) mengacu pada pergerakan ke atas atau ke bawah data jangka panjang. Pergeseran populasi, perubahan pendapatan, dan perubahan budaya sering kali menjelaskan pergerakan ini. 2). Musiman (seasonality) mengacu pada variasi teratur jangka pendek secara wajar yang biasanya berkaitan dengan faktor-faktor seperti kalender atau waktu waktu dalam hari. Restoran, toko serba ada, serta bioskop mengalami variasi ’musiman’ mingguan dan bahkan harian. 3). Siklus (cycles) adalah variasi berbentuk gelombang dengan jangka waktu lebih dari satu tahun. Siklus ini sering kali berkaitan dengan berbagai kondisi ekonomi, politik, bahkan pertanian. 4). Variasi tidak beraturan (regular variations) disebabkan kondisi-kondisi tidak biasa seperti cuaca parah, serangan atau perubahan utama pada produk atau jasa. Kondisi-kondisi ini tidak mencerminkan perilaku khas dan apabila kondisi-kondisi ini dimasukkan ke deret, dapat mengubah seluruh gambaran. Jika mungkin, kondisi-kondisi ini harus diidentifikasi dan dihilangkan dari data. 5). Variasi Acak (random variations) adalah sisa variasi yang tetap ada setelah semua perilaku lainnya diperhitungkan.

Berbagai Pendekatan Analisis Data Deret Berkala: 1). Metode Ramalan Naif (naïve forecast): ramalan untuk setiap periode yang sama dengan nilai aktual dari periode sebelumnya. Pendekatan naif dapat digunakan dengan deret stabil (variasi di sekitar rata-rata), variasi musiman atau trend. Dengan deret stabil, titik data terakhir menjadi ramalan untuk periode berikutnya. Dengan demikian, apabila permintaan untuk produk minggu terakhir adalah 20 kotak, ramalan untuk minggu itu adalah 20 kotak. 2). Teknik untuk Menghitung Rata-rata: menghasilkan ramalan yang mencerminkan nilai deret berkala terbaru (misalnya, rata-rata nilai selama beberapa periode terakhir). Teknik ini berfungsi paling baik ketika deret cenderung bervariasi di sekitar rata-rata meskipun teknik ini juga dapat menangani perubahan langkah atau perubahan bertahap dalam tingkatan deret. Ada TIGA teknik untuk menghitung rata-rata, yaitu: a). Rata-rata Bergerak (moving average): teknik yang merata-ratakan sejumlah nilai aktual terbaru dan memperbaruinya ketika tersedia nilai baru. b). Rata-rata Bergerak Tertimbang (weight average): nilai terbaru dalam deret diberikan beban lebih besar untuk menghitung ramalan. c) Pemulusan Eksponensial (exponential smoothing): metode untuk menghitung rata-rata tertimbang didasarkan paad ramalan sebelumnya ditambah dengan persentase kesalahan ramalan.

Lanjutan … Berbagai Pendekatan Analisis Data Deret Berkala: 3). Teknik untuk Menghitung Trend. Analisa trend mencakup mengembangkan persamaan yang akan menguraikan trend secara pantas (mengasumsikan bahwa trend ada di dalam data). Komponen trend mungkin linier atau tidak. Persamaan trend linier : Ft = a + bt Keterangan : Ft = Ramalan untuk periode t . a = Nilai Ft pada t=0 b = Kemiringan garis t = Jumlah periode waktu yang ditentukan dari t=0 4). Pemulusan Eksponensial dengan Mempertimbangkan Trend (trend-adjust exponential smoothing) atau pemulusan ganda, yaitu variasi pemulusan eksponensial digunakan ketika deret waktu menunjukkan trend linier. 5). Teknik untuk Menghitung Musiman (seasonal variations) adalah data deret berkala yang mengulangi pergerakan sederet nilai ke atas atau ke bawah secara teratur yang dapat dikaitkan dengan peristiwa berulang. 6). Teknik untuk Menghitung Siklus. Siklus adalah pergerakan ke atas dan ke bawah yang sama dengan variasi musiman, tetapi memiliki jangka waktu lebih lama, misal dua sampai enam tahun diantara puncaknya.

8. Teknik Peramalan Asosiatif Teknik Asosiatif bergantung pada identifikasi variabel terkait yang bisa digunakan untuk memprediksi nilai variabel yang berkepentingan. Contoh: penjualan daging sapi dapat berkaitan dengan harga per kilogram daging sapi dan harga barang penggantinya seperti ayam, dan anak domba; harga real estate biasanya berkaitan dengan lokasi properti dan luas dalam satuan meter persegi; hasil panen berkaitan dengan kondisi tanah serta jumlah dan penentuan waktu penggunaan air dan pupuk. Inti dari teknik asosiatif adalah pengembangan persamaan yang merangkum pengaruh dari variabel penjelas (predictor variables). Metode analisis yang utama disebut juga ’Regresi (regression)’, yaitu teknik untuk menyesuaikan garis dengan serangkaian titik.

Sambungan …Teknik Peramalan Asosiatif 1). Regresi Linier Sederhana. Bentuk regresi yang paling sederhana dan paling umum digunakan meliputi hubungan linier antara dua variabel. Maksud regresi linier adalah untuk mencapai persamaan garis lurus yang memperkecil jumlah kuadrat penyimpangan vertikal titik dara dari garis (misal: kriteria kuadrat terkecil). Garis kuadrat terkecil ini memiliki persamaan sebagai berikut: Yc = a + bx Keterangan: Yc = Prediksi variabel (terikat). X = Prediksi variabel (bebas). b = Kemiringan garis. a = Nilai Yc ketika X=0 (misalnya, ketinggian garis pada titik ptong Y).

Sambungan …Teknik Peramalan Asosiatif 2). Analisi Regresi Lengkung. Yaitu analisis untuk menangani masalah yang berhubungan non-linier. 3). Analisis Regresi Berganda. Yaitu model analisis yang melibatkan lebih dari satu penjelas.

9. Keakuratan dan Pengendalian Ramalan Keakuratan dan pengendalian ramalan adalah aspek penting dari peramalan, sehingga peramal ingin memperkecil kesalahan ramalan. Namun, sifat dari sebagian variabel dunia nyata yang rumit membuatnya hampir tidak mungkin untuk memprediksi dengan benar nilai mendatang dari variabel-variabel ini secara teratur. Konsekuensinya, kita perlu memasukkan indikasi mengenai sejauh mana ramalan dapat menyimpang dari nilai variabel yang benar-benar terjadi. Hal ini akan memberikan perspektif yang lebih baik bagi penggunanya mengenai seberapa jauh ramalan dapat terjadi. Selain itu, pengambil keputusan akan memasukkan keakuratan sebagai salah satu faktor saat memilih di antara berbagai teknik selain faktor biaya. Ramalan yang akurat diperlukan untuk kesuksesan aktivitas harian dari setiap organisasi bisnis. Ramalan adalah dasar untuk jadwal organisasi, dan kecuali kalau ramalan sudah akurat, jadwal akan dihasilkan, sehingga dapat menyediakan terlalu sedikit atau terlalu banyak sumber daya, terlalu sedikit atau terlalu banyak output, output yang salah, atau penentun waktu output yang salah, yang kesemuanya itu dapat mengarah pada biaya tambahan, pelanggan yang tidak puas, dan sakit kepala bagi manajer.

Sambungan … Keakuratan dan Pengendalian Ramalan TIGA ukuran yang digunakan untuk merangkum kesalahan historis adalah: 1). Mean Absolute Deviation (MAD): rata-rata kesalahan absolute. Rumus: MAD = ∑ (Aktual t – Ramalan t) n 2). Mean Squared Error (MSE): rata-rata kesalahan kuadrat. MSE = ∑ (Aktual t – Ramalan t) 2 n – 1 3). Mean Absolute Percent Error (MAPE): rata-rata persentase kesalahan absolute. ∑ (Aktual t – Ramalan t) x 100 MAPE = Aktual t l

Sambungan … Keakuratan dan Pengendalian Ramalan Banyak ramalan dibuat pada jarak waktu yang teratur (misalnya, mingguan, bulanan, atau triwulanan). Karena kesalahan ramalan kebiasaan, bukannya penyimpangan, akan ada penggantian kesalahan ramalan. Menelusuri serta menganalisis kesalahan ramalan dapat memberikan wawasan bermanfaat mengenai apakah ramalan dilakukan secara memuaskan atau tidak. Ramalan biasanya dianggap memenuhi syarat jika kesalahan hanya menunjukkan variasi acak. Oleh karena itu, kunci untuk menilai kapan harus menelaah validitas dari teknik peramalan tertentu adalah apakah kesalahan ramalan tersebut bersifat acak. Apabila kesalahan ramalan tidak bersifat acak, kita perlu menyelidiki untuk menentukan di mana sumbernya dan bagaimana memperbaikinya.

Sambungan … Keakuratan dan Pengendalian Ramalan Alat yang sangat bermanfaat untuk mendeteksi ketidaksembarangan pada kesalahan adalah: 1). Bagan Kendali (control chart): alat visual untuk memantau kesalahan ramalan. Bagan kendali didasarkan pada asumsi bahwa ketika kesalahan bersifat acak, kesalahan tersebut akan di distribusikan sesuai distribusi normal di sekitar rata-rata nol. Ingatlah bahwa untuk distribusi normal, kira-kira 95,9 persen dari nilai (kesalahan pada kasus ini) dapat diharapkan turun pada batas 0 ± 2s (misalnya, 0 ± 2 standar deviasi) dan kira-kira 99,7 persen dari nilai dapat diharapkan turun pada batas ± 3s dari nol. Rumus : Batas kendali : 0 ± z √ MSE

Sambungan … mendeteksi ketidaksembarangan pada kesalahan 2). Sinyal Penelusuran (tracking signal): rasio kesalahan ramalan kumulatif dengan nilai MAD yang sesuai, dipakai untuk memantau ramalan. Tujuannya adalah mendeteksi setiap penyimpangan kesalahan dari waktu ke waktu (misalnya, kecenderungan urutan kesalahan menjadi positif atau negatif). Rumus : Sinyal Penelusuran setiap periode = ∑ (Aktual t – Ramalan t) MAD t

10. Memilih Teknik Peramalan Faktor yang mempengaruhi dalam memilih teknik peramalan, yaitu: a). Biaya. Artinya, berapa banyak uang yang dianggarkan untuk menghasilkan ramalan? Biaya yang mungkin ada dari kesalahan dan manfaat apa yang mungkin diperoleh dari ramalan yang akurat? b). Keakuratan. Secara umum, semakin tinggi keakuratan, semakin besar biaya sehingga kita perlu membandingkan trade-off antara biaya dengan keakuratan secara cermat. Ramalan terbaik belum tentu ramalan yang paling akurat atau ramalan yang paling mahal. Melainkan ramalan terbaik adalah beberapa kombinasi kekauratan dan biaya yang dianggap terbaik oleh manajemen. c). Ketersediaan data historis. d). Ketersediaan perangkat lunak komputer. e). Waktu yang dibutuhkan untuk mengumpulkan dan menganalisis ramalan, serta mempersiapkan ramalan.

Tabel Panduan untuk Memilih Metode Peramalan yang Tepat Jumlah Data Historis Pola Data Waktu Ramalan Waktu Penyusunan Latar Belakang Karyawan Rata-rata bergerak. Pemulusan eksponensial sederhana. Pemulusan eksponensial dengan mempertimbangkan trend. Model trend. Musiman. Model Regresi Kausal. 2 sampai 30 Observasi 5 sampai 10 Observasi 10 sampai 15 Observasi 10 sampai 20, untuk musiman setidaknya 5 observasi per musim Cukup untuk melihat 2 puncak dan 2 lembah 10 Observasi per variabel bebas Data harus seimbang Trend Menangani pola siklis dan musiman Dapat menangani pola yang rumit Pendek Pendek ke menengah Pendek, menengah, atau panjang Waktu pengembangan yang panjang, waktu implementasi yang pendek Sedikit mengesankan Cukup mengesankan Sangat mengesankan

11. Menggunakan Informasi Ramalan Manajer dapat mengambil pendekatan reaktif atau proaktif untuk suatu ramalan. Pendekatan reaktif memandang ramalan sebagai permintaan di masa mendatang yang mungkin ada dan manajer akan bereaksi untuk memenuhi permintaan (misalnya, menyesuaikan tingkat produksi, persediaan, tenaga kerja). Pendekatan proaktif berusaha agar dapat memengaruhi permintaan secara aktif (misalnya, dengan menggunakan iklan, penentuan harga atau perubahan produk/jasa). Secara umum, pendekatan proaktif membutuhkan model penjelas (misalnya regresi) atau penilaian pengaruh yang subjektif pada permintaan. Manajer dapat membuat dua ramalan, yaitu: -> Ramalan untuk memprediksi apa yang akan terjadi berdasarkan keadaan tetap. -> Ramalan didasarkan pada pendekatan ’bagaimana jika’, jika hasil dari ramalan keadaan tetap tidak dapat diterima.

12. Komputer dalam Peramalan Komputer memainkan peranan penting dalam menyusun ramalan yang didasarkan pada data kuantitatif. Penggunaan komputer memungkinkan manajer untuk mengembangkan dan merevisi ramalan secara cepat dan tanpa beban perhitungan dengan menggunakan tangan. Ada beberapa paket perangkat lunak untuk peramalan yaitu: ”Formulir Excel”. Terdapat ”Formulir Excel” untuk rata-rata bergerak, pemulusan eksponensial, persamaan trend linier, pemulusan eksponensial dengan mempertimbangkan trend, dan regresi linier sederhana.

SEKIAN & TERIMA KASIH