PENGERTIAN
PROYEKSI BISNIS
DAN
RUANG LINGKUPNYA
TUJUAN INSTRUKSIONAL:
Setelah mempelajari bagian ini,
mahasiswa dapatmemahamitentang:
1. Arti
proyeksi / peramalan
2. Sejarahproyeksi
/ peramalan
3. Manfaatproyeksi
/ peramalan bisnis
4. Jenis
peramalan
5. Karakteristik
situasi dan metode peramalan
6. Kriteria
data yang bermanfaat dan jenis data peramalan
7. Prosedur
peramalan
A.
P
E N D A H U L U A N
Kegiatan
peramalan, disebut juga proyeksi atau prediksi, dilakukan oleh hampir setiap
orang, baik itu pelaku bisnis, pejabat pemerintah, atau orang awam.Topik yang
diprediksi pun sangat bervariasi, dari sekedar skor pertandingan bola, tingkat
hujan di sebuah daerah, pemenang sebuah kegiatan pilkada, sampai tingkat
inflasi atau pertumbuhan ekonomi yang berdampak luas.
Salah
satu bidang yang banyak menerapkan peramalan (forecasting) atau proyeksi adalah dunia usaha. Hal ini dapat
dipahami, karena sebuah perusahaan pada umumnya ada dalam sebuah lingkungan
usaha yang dinamis dan sering berubah dengan cepat.
Apa sebenarnya peran
penting kegiatan peramalan atau proyeksi dalam dunia usaha atau organisasi
nirlaba? Mengapa banyak perusahaan sebaiknya melakukan kegiatan peramalan atau
proyeksi sebelum mengambil sebuah tindakan strategis? Peramalan atau proyeksi
dapat membantu seseorang atau sekelompok orang dalam pengambilan keputusan,
baik itu bersifat strategis dan berpengaruh dalam jangka panjang, ataupun
keputusan tersebut bersifat taktis dan berjangka pendek.
B.
ARTI
PROYEKSI / PERAMALAN
Definisi peramalan atau
proyeksi sendiri sebenarnya beragam. Berikut beberapa definisi tentang
peramalan atau proyeksi:
- Perkiraan
munculnya sebuah kejadian di masa depan, berdasarkan data yang ada di masa
lampu.
- Proses menganalisis data historis dan data saat ini, untuk menentukan trend di masa datang.
- Proses menganalisis data historis dan data saat ini, untuk menentukan trend di masa datang.
- Proses
estimasi dalam situasi yang tidak diketahui.
- Pernyataan
yang dibuat tentang masa depan.
- Penggunaan
ilmu dan teknologi untuk memperkirakan situasi di masa depan.
- Upaya
sistematis untuk mengantisipasi kejadian atau kondisi di masa depan yang penuh
dengan ketidakpastian.
Dari beberapa definisi
di atas, dapat disimpulkan bahwa peramalan atau proyeksi berkaitan dengan upaya
memperkirakan apa yang akan terjadi di masa depan, berbasis pada metode ilmiah
(ilmu dan teknologi) serta dilakukan secara sistematis. Walaupun demikian,
kegiatan peramalan tidaklah semata-mata berdasarkan prosedur ilmiah atau
terorganisir, karena ada kegiatan peramalan yang menggunakan intuisi (perasaan)
atau lewat diskusi informal dalam sebuah grup.
Peramalan atau proyeksi
adalah kegiatan yang bersifat teratur, berupaya memprediksi masa depan dengan
menggunakan tidak hanya metode ilmiah, namun juga mempertimbangkan hal-hal yang
bersifat kualitatif, seperti perasaan; pengalaman; dan lainnya.
C.
SEJARAH
PROYEKSI / PERAMALAN
Berkembangnya
teknik-teknik peramalan yang lebih canggih yang seiring dengan kemajuan komputer,
khususnya pada perkembangan komputer personal dan piranti-lunaknya, telah
membuat peramalan menerima lebih banyak lagi perhatian.Setiap manajer kini
mempunyai kemampuan menggunakan teknik analisis data yang sangat canggih untuk
keperluan peramalan dan pemahaman teknik-teknik tersebut kini merupakan hal
yang penting bagi para manajer bisnis. Untuk alas an yang sama, konsumen
peramalan harus waspada dengan ketidaktepatan penggunaan teknik peramalan
karena ketidakakuratan ramalan akan menghasilkan keputusan yang buruk.
Teknik-teknik
baru peramalan terus dikembangkan sebagaimana kepedulian manajer terhadap
proses peramalan yang terus berkembang. Fokus tertentu atas perhatian ini
terletak pada kesalahan yang merupakan bagian yang melekat pada setiap prosedur
peramalan. Prediksi mengenai kejadian masa depan jarang sekali yang akurat,
pelaku peramalan hanya dapat berusaha untuk membuat sekecil mungkin kesalahan
yang tak terelakan.
D.
MANFAAT
PERAMALAN / PROYEKSI BISNIS
Peramalan (forecasting) sangat penting dalam bidang
bisnis dan ekonomi.Terdapat 2 hal yang mendasar. Pertama, perencanaan (planner) dan juga pengambil keputusan (decision maker) harus membuat
perencanaan atau mengambil keputusan saat ini untuk dilaksanakan masa yang akan
dating. Kedua, kondisi di masa yang akan datang sulit dipastikan pada saat ini.
Dengan kata lain, di masa yang akan datang terdapat unsur ketidakpastian.
Siapa yang membutuhkan
ramalan?Setiap organisasi, apakah organisasi besar ataupun organisasi kecil,
apakah organisasi bisnis yang berorientasi laba (profit oriented organizations), maupun organisasi yang tidak
berorientasi laba (nonprofit oriented
organizations) pada umumnya menggunakan ramalan, baik secara eksplisit
maupun secara implicit. Hal ini dikarenakan setiap organisasi harus membuat
perencanaan mengenai apa yang akan dilakukan pada masa yang akan dating. Suatu
perusahaan membuat anggaran pada saat ini untuk digunakan pada masa yang akan
datang. Permasalahan utama yang dihadapi oleh sebuah organisasi dalam membuat
anggaran adalah adanya ketidakpastian mengenai kejadian (kondisi yang dihadapi)
dimasa yang akan datang. Beberapa pertanyaan berikut ini dapat digunakan untuk
lebih memahami pentingnya membuat ramalan bagi suatu organisasi:
·
Jika suatu perusahaan
menambah pengeluaran untuk iklan, bagaimana pengaruhnya terhadap penjualan?
·
Jika pemerintah
menaikkan tariff pajak penapatan sebesar 5%, berapa pendapatan pemerintah dapat
ditingkatkan?
·
Bank sentral menurunkan
suku bunga Sertifikat Bank Indonesia (SBI). Bagaimana pengaruhnya terhadap
inflasi?
·
Faktor-faktor apa saja
yang mempengaruhi (menentukan) penjualan?
·
Bagaimana perkembangan
produksi nasional (GDP) Indonesia pada 5 tahun kedepan?
·
Apakah kondisi
perekonomian Indonesia saat ini mengalami resesi? Jika ya, kapan resesi ini
dimulai? Seberapa hebat resesi yang melanda perekonomian Indonesia saat ini?
Kapan resesi ini berakhir?
·
Berapa kebutuhan
karyawan sampai pada 5 tahun kedepan.
Pertanyaan-pertanyaan
tersebut diatas menambah pemahaman bahwa organisasi, baik bisnis maupun
nonbisnis (pemerintah) memerlukan ramalan.Mengapa? Karena yang akan diketahui
adalah kondisi dimasa yang akan datang, sementara saat ini tidak tersedia
informasi mengenai apa yang akan terjadi dimasa ayang akan datang tesebut.
Organisasi bisnis
(perusahaan) pada tahun 2007 membuat anggaran pendapatan dan biaya yang akan
dilaksanakan pada tahun 2008. Organisasi bisnis tersebut tidak memiliki
informasi cukup untuk memastikan peristiwa yang akan terjadi pada tahun 2008.
Oleh karena itu, perusahaan tersebut harus membuat perkiraan-perkiraan kejadian
pada tahun 2008 yang akan mempengaruhi perencanaan yang dibuat. Perusahaan
harus membuat perkiraan penjualan dan harga barang tahun 2008 untuk menentukan
penerimaan pada tahun 2008. Perusahaan membuat perkiraan harga bahan baku,
biaya overhead pabrik, biaya tenaga kerja langsung, dan biaya-biaya lainnya
untuk menentukan biaya pada tahun 2008. Penerimaan dan biaya tahun 2008 yang
dibuat oleh perusahaan pada tahun 2007, tentu saja merupakan perkiraan.Karena,
besaran-besaran yang dipergnakan untuk menentukan penerimaan dan biaya tersebut
berasal dari hasil perkiraan.
Contoh lain adalah
anggaran yang dibuat oleh organisasi nonprofit (pemerintah). Pemerintah membuat
anggaran pendapatan dan belanja Negara yang akan dilaksanakan pada tahun
mendatang. Dalam membuata anggaran tersebut, pemerintah membuat
perkiraan-perkiraan (dalam APBN disebut dengan istilah ‘asumsi’) tentang
besaran variable ekonomi makro yang akan mempengaruhi besaran pendapatan dan
belanja pemerintah pada tahun yang bersangkutan. Misalnya pemerintah Indonesia
akan menyusun anggaran pendapatan dan belanja Negara (APBN) tahun 2008. APBN
2008 ini disusun pada tahun 2007. Pemerintah perlu membuat perkiraan-perkiraan
tentang besaran variable ekonomi makro pada tahun 2008, seperti pertumbuhan
ekonomi, laju inflasi, nilai tukar rupiah terhadap dolar Amerika, tingkat bunga
SBI (Sertifikat Bank Indonesia), harga minyak mentah dunia, dan produksi minyak
Indonesia. Besaran variable ekonomi makro ini akan mempengaruhi besaran
pendapatan dan belanja pemerintah pada tahun anggaran tersebut. Tingkat
keakuratan perkiraan anggaran pendapatan dan belanja yang dibuat oleh
pemerintah sangat bergantung dari akurasi asumsi yang digunakan untuk menyusun
anggaran tersebut.
E.
JENIS
PERAMALAN / PROYEKSI
Ketika manajer suatu organisasi
dihadapkan pada pengambilan keputusan
bernuansa ketidak-pastian, jenis peramalan apakah yang tersedia
untuknya? Terlebih dahulu prosedur peramalan dapat dikelompokkan menjadi
peramalan jangka panjang dan jangka pendek.Peramalan jangka panjang
dibutuhkan untuk menetapkan tujuan umum jangka panjang suatu organisasi.Dengan
demikian hal ini merupakan fokus khusus bagi manajemen puncak.Peramalan jangka
pendek digunakan dalam merancang langsung strategi dan digunakan oleh manajemen
menengah dan manajemen lini pertama dalam menyesuaikan kebutuhan masa mendatang
yang singkat.
Peramalan dapat juga dikelompokkan dalam bentuk
posisinya pada suatu kesatuan makro-mikro, yaitu sejauh mana keterlibatannya
pada nilai-nilai rincian yang kecil dibandingkan dengan nilai-nilai rangkuman
yang besar.
Prosedur peramalan dapat pula dikelompokkan sesuai
dengan sifatnya yang kuantitatif atau kualitatif.Di satu sisi, teknik
kualitatif yang murni tidak memerlukan manipulasi data, hanya pendapat pribadi
saja yang digunakan forecaster. Disisi lain, teknik kuantitatif yang murni
tidak memerlukan input pendapat pribadi, hal ini merupakan prosedur mekanis
yang menghasilkan hasil-hasil kuantitatif. Beberapa prosedur kuantitatif
memerlukan lebih banyak manipulasi data yang canggih dibandingkan yang
lainnya.Namun demikian, ditekankan bahwa pendapat pribadi dan akal sehat harus
digunakan bersama-sama dengan prosedur mekanis dan manipulasi data. Hanya
dengan cara ilmiah peramalan yang cerdas dapat terjadi.
Metode peramalan
kuantitatif dilakukan menggunakan data yang dikumpulkan dari waktu ke
waktu.Asumsi yang digunakan adalah bahwa perubahan nilai variable mengikuti
pola yang terjadi pada periode yang lalu (historical
pattern) dan memiliki hubungan antarvariabel yang diamati.Dalam penelitian
bisnis dan ekonomi dengan menggunakan metode statistic, asumsi diperlukan untuk
membuat rancangan penelitian (research
design).Misalnya peramalan dilakukan terhadap volume penjualan barang X
menggunakan data kuantitatif mengenai volume penjualan beberapa periode
(tahun/bulan) yang lalu. Ramalan dibuat dengan asumsi bahwa volume penjualan
dimasa yang akan datang memiliki pola yang sama dengan volume penjualan pada
masa yang lalu (historical pattern).
Demikian juga asumsi yang lain bahwa antarvariabel yang dialami memiliki
hubungan pengaruh. Misalnya akan dibuat ramalan volume penjualan dimasa yang
akan datang. Volume penjualan dipengaruhi oleh biaya promosi. Semakin banyak
biaya yang dikeluarkan untuk kegiatan promosi, maka volume penjualan akan
semakin tinggi. Peramalan tentang volume penjualan menggunakan dua data
historis, yaitu data mengenai volume penjualan dan data mengenai biaya
promosi.Asumsi yang digunakan adalah bahwa terdapat hubungan pengaruh antara
volume penjualan dengan biaya promosi. Kelemahan dari teknik peramalan adalah
bahwa jika perubahan nilai variable yang akan diramal tidak mengikuti pola masa
lalu (asumsi yang digunakan tidak terpenuhi), maka akan menghasilkan ramalan
yang bias.
Metode peramalan
kuantitatif pada dasarnya ada dua jenis,
yakni yang berdasar deret/runtut waktu (time
series) dan berdasar hubungan sebab-akibat (causal). Metode kuantitatif deret waktu (time series) meliputi metode pemulusan (smoothing) dan dekomposisi (decomposition).
Metode pemulusan (smoothing) mencakup
metode sederhana atau naïve, rata-rata sederhana (single average), rata-rata bergerak (moving average) dan metode pemulusan eksponensial (exponential smoothing). Metode peramalan
kuantitatif yang berdasar hubungan sebab-akibat (causal) meliputi metode regresi sederhana dan regresi berganda.
Untuk membuat ramalan
nilai variable yang perubahannya tidak mengikuti pola historis dapat dilakukan
dengan teknik peramalan kualitatif (qualitative forecasting/ judgement
methods).Peramalan nilai variable menggunakan teknik ini sangat dipengaruhi
oleh tingkat intuisi, pengalaman, pengetahuan, dan lain-lain faktor yang
dimiliki oleh pembuat ramalan.Peramalan menggunakan teknik kualitatif biasanya
dilakukan terhadap nilai variabel yang perubahannya berpola random (dipasar
modal dikenal dengan istilah random walk).
Namun demikian,
peramalan dapat pula menggunakan kombinasi keduanya.Peramalan kuantitatif
didasarkan pada pengamatan terhadap pola perubahan data masa lalu.Untuk membuat
ramalan dimasa mendatang diperlukan pula judgement berdasarkan intuisi dan
perasaan yang membuat ramalan.Kedua metode berfungsi saling melengkapi. Metode
kuantitatif biasanya digunakan untuk mengurangi atau menghilangkan
kecenderungan kebiasaan manusia yang memiliki perasaan ekstrim (optimistic dan
underestimate) mengenai kondisi dimasa yang akan dating. Perasaan
ekstrim ini yang sering menimbulkan kesalahan peramalan menggunakan metode
kualitatif.
Penggunaan hasil
peramalan (baik perencana maupun pengambil keputusan) harus waspada terhadap
penggunaan metode peramalan yang keliru (tidak cocok dengan permasalahan yang
dihadapi). Penggunaan metode peramalan yang keliru akan menghasilkan ramalan
yang keliru. Jika ramalan yang keliru tersebut digunakan untuk merumuskan
kebijakan, maka akan menghasilkan kebijakan yang keliru juga.
F.
KARAKTERISTIK SITUASI
DAN METODE PERAMALAN
Ketika kita membuat
ramalan, hal yang perlu diperhatikan adalah situasi yang melingkupi apa yang
akan kita ramal. Pemahaman mengenai situasi sangat diperlukan untuk menentukan
metode apa yang cocok (appropriate) digunakan. Berkenaan dengan masalah
situasi ini, Makridakis dan Wheelwright dalam bukunya Forecasting Methods
for Management menjelaskan terdapat 6 macam situasi yang memiliki peranan
penting yang harus diperhatikan agar peramalan dapat efektif :
1. Time Horizon
Periode waktu dimana
hasil ramalan tersebut akan menimbulkan pengaruh merupakan faktor penentu
terhadap pemilihan metode peramalan. Periode waktu (rentang waktu) pada umumnya
dikelompokkan menjadi 4, yaitu :
§ Jangka
sangat pendek (kurang dari 1 bulan)
§ Jangka
pendek (1 sampai dengan 3 bulan)
§ Jangka
menengah (3 bulan sampai dengan 2 tahun)
§ Jangka
panjang (2 tahun atau lebih)
Penentuan rentang waktu
dalam membuat ramalan tidaklah harus seperti itu. Namun demikian perlu dipahami
bahwa penggunaan rentang waktu peramalan yang keliru akan menghasilkan ramalan
yang tidak valid. Misalnya peramalan menggunakan data penjualan selama 3 bulan
terakhir untuk membuat ramalan penjualan 10 tahun yang akan datang. Retang waktu
yang digunakan dalam peramalan ini tentu saja akan menghasilkan ramalan yang
tidak appropriate.
2. Level of Aggregate
Detail
Ramalan yang lingkupnya
luas biasanya dibuat dengan membagi kegiatan peramalan menjadi beberapa
subramalan.Tujuannya adalah untuk mempermudah dalam melakukan peramalan dan
kegiatan peramalan dapat menjadi lebih sederhana.Misalnya pemerintah ingin
meramal pertumbuhan ekonomi Indonesia. Peramalan tentang pertumbuhan ekonomi
akan menjadi komplek, karena banyak sektor (kegiatan produksi) yang
membentuknya. Agar peramalan tentang pertumbuhan ekonomi Indonesia lebih mudah
dan lebih baik, maka kegiatan peramalan dilakukan terhadap pertumbuhan setiap
sektor ekonomi yang terdapat dalam produksi nasional tersebut.
3.
Number
of Items
Situasi dimana
peramalan dilakukan untuk variabel yang jumlahnya banyak memerlukan prosedur
untuk mempersiapkan kegiatan peramalan menjadi lebih komplek dibandingkan
dengan peramalan dilakukan hanya untuk satu variabel saja. Jelasnya, seorang
manajer pengendalian persediaan dengan 10.000 macam produk tidak akan
menggunakan metode yang sama untuk memperoleh ramalan yang dibutuhkan
dibandingkan dengan staff yang akan membuat ramalan tentang kondisi
perekonomian makro.
4.
Control
versus Planning
Dalam permasalahan pengendalian (contor), management
by exception merupakan prosedur yang umum. Pengendalian dilakukan dengan
menggunakan beberapa cara untuk menentukan sedini mungkin proses yang terjadi
diluar kendali (out of control). Dalam situasi tertentu metode peramalan
harus mampu mengenali perubahan pada pola dasar atau hubungan pada tahap awal.
Pada sisi perencanaan (planning) umumnya berasumsi bahwa Pola yang telah
ada akan berlanjut pada masa yang akan datang, sehingga peramalan ditekankan
pada usaha mengidentifikasi pola yang sudah ada untuk membuat ramalan pada masa
yang akan datang.
5.
Constancy
Membuat ramalan pada situasi yang tidak mengalami
perubahan dari waktu ke waktu sangat
berbeda dengan membuat ramalan pada situasi yang terus menerus mengalami
perubahan. Dalam situasi yang stabil, metode peramalan kuantitatif dapat
digunakan dan dilakukan pencermatan secara berkala untuk mengetahui tingkat
keakuratan ramalan.Dalam hal terjadinya perubahan situasi, haruslah metode yang
diperlukan adalah metode yang mampu beradaptasi secara terus menerus agar
ramalan yang diperolah dapat mencerminkan hasilterbaik saat ini dan memberikan
informasi terkini.
6.
Existing Planning
Procedure.
Setiap menggunakan metode peramalan umumnya
melibatkan perubahan pada prosedur perencanaan dan pengambilan keputusan.Hal
ini tidaklah mudah diterapkan dalam organisasi bisnis, karena biasanya terdapat
faktor resistensi (penolakan).Oleh karena itu, perubahan sebaiknya dimulai dari
hal-hal yang tidak jauh berbeda dengan prosedur yang sudah ada, kemudian
perbaikkan dilakukan secara bertahap.
Terdapat 6 faktor penting dalam menggambarkan
berbagai metode peramalan.Faktor-faktor tersebut mencerminkan kemampuan dan penyesuaian
untuk membuat ramalan. Keenam faktor tersebut adalah sebagai berikut:
1.
Time horizon.
Time horizon memiliki
keterkaitan dengan metode peramalan individual, yaitu metode peramalan yang
berbeda akan menghasilkan kesesuaian peramalan yang berbeda untuk rentang waktu
berbeda. Misalnya, metode peramalan kualitatif lebih banyak digunakan untuk
membuat ramalan yang berjangka waktu penjang dibandingkan dengan metode
peramalan kuantitatif yang biasanya digunakan untuk membuat ramalan berjangka
menengah atau pendek.Time horizon (rentang
waktu) juga memilike keterkaitan dengan banyaknya periode ramalan waktu yang
diinginkan. Beberapa teknik peramalan ada yang hanya cocok digunakan untuk
meramal dalam rentang waktu 1 atau 2 periode kedepan saja, namun ada juga
teknik peramalan yang cocok meramal lebih dari dua periode kedepan.
Sebagian besar metode peramalan bersasumsi bahwa
pada data yang digunakan dalam membuat ramalan terdapat pola tertentu, seperti
pola musiman, pola trend, pola rata-rata sederhana, pola siklikal (variasi
siklis) atau bahkan pola todak beraturan. Karena kemampuan metode peramalan
berbeda untuk pola data yang berbeda, maka perlua adanya penyelaras antara
metode yang digunakan dengan bentuk pola data yang akan digunakan untuk membuat
ramalan.
3.
Cost
Biaya yang diperlakukan untuk membuat peramalan
umumnya berupa biaya pengembangan metode peramalan, biaya mempersiapkan data,
dan biaya melakukan peramalan. Kadangkala diperlukan biaya lain agar supaya
metode tersebut dapat diterapkan. Perbedaan biaya antara menggunakan metode
satu dengan metode yang lainnya tentu saja akan berpengaruh terhadap
ketertarikan dalam menggunakan suatu metode peramalan tertentu dan pada situasi
tertentu.
4.
Accuracy
Data atau informasi yang diperlukan dalam peramalan
sangat erat kaitannya dengan tingkat ketepatan ramalan yang dibutuhkan.Misalnya
dalam suatu keputusan, toleransi ketepatan ramalan berkisar plus minus 10 %
dirasa cukup. Namun pada kasus-kasus tertentu, ramalan yang memiliki variasi
sebesar 5 % akan mampu mendatangkan prahara.
5. Intuitive appeal,
simplicity dan easy to application.
Prinsip umum dalam penerapan dalam metode ilmiah adalah hanya metode yang
dimengerti oleh perencana atau pengambil keputusan. Peramalan tidak didasarkan
pada sesuatu yang tidak dipahami atau tidak diyakini. Disamping itu, masalah
situasi yang diperlukan dan teknik peramalan harus disesuaikan dengan pihak
yyang akan menggunakan ramalan tersebut.
6.
Availability of
computer software
Peramalan menggunakan metode kuantitatif tertentu
sering digunakan jika tersedia program computer yang sesuai dengan yang dibutuhkan.Program
computer untuk membuat ramalan harus mudah digunakan, terdokumentasi dengan
baik, dan bebas dari virus, sehingga pembuat ramalan dapat menggunakannya,
dapat memahaminya dan dapat menginterpretasikannya.
G.
KRITERIA
DATA YANG BERMANFAAT DAN JENIS DATA PERAMALAN
Empat kriteria data
yang bermanfaat meliputi:
1. Data
hendaknya dapat diandalkan (realiable) dan akurat. Penanganan yang sesuai harus
dilakukan pada data yang dikumpulkan dari sumber-andal dengan memperhatikan
keakuratannya.
2. Data
hendaknya relevan. Data harus mewakili keadaan dimana mereka digunakan.
3. Data
hendaknya konsisten. Ketika data yang berkaitan dengan definisi itu berubah,
penyesuaian perlu dilakukan untuk mempertahankan konsistensi pola historis. Hal
ini bisa menjadi masalah,misalnya,ketika pejabat pemerintah merubah komposisi
bauran atau (“market basket”) yang
dipakai dalam menghitung indeks biaya hidup. Tiga puluh tahun lalu computer PC
bukan bagian dari bauran produk yang dibeli oleh konsumen.
4. Data
hendaknya tepat waktu. Data dikumpulkan,dirangkum,dan dipublikasikan bedasarkan
ketepatan waktu akan memberikan nilai tertinggi bagi forecaster. Bisa saja data terlalu sedikit (tidak cukup data
historis yang dipakai sebagai basis kejadian masa depan) atau terlalu banyak
(data dari periode historis yang tidak relevan).
Umumnya, dua jenis data
yang diperhatikan dalam peramalan atau proyeksi, yaitu:
1. Data
time series, yaitu data yang
ditampilkan berdasarkan waktu, seperti data bulanan, data harian, data mingguan,
atau jenis waktu yang lain.
Contoh data time
series:
- data penjualan bulanan
sepeda motor di daerah A dari tahun 2005 – 2010.
- data produksi harian
bahan baku X pada bulan September 2010.
- data agregat penjualan
dari PT. ABC untuk periode tahun 2005 – 2010.
Ciri
dari data time series adalah adanya rentang waktu tertentu, dan bukannya data
pada satu waktu tertentu.
2. Data
cross sectional, yaitu data yang
tidak berdasar waktu tertentu, namun data pada satu (titik) waktu tertentu.
Contoh data cross sectional:
- data biaya promosi di
sepuluh area pemasaran produk X selama bulan Januari 2010.
(perhatikan:
data hanya diambil untuk satu bulan saja)
- data produksi bahan
baku X, Y, dan Z untuk tahun 2010.
(data diambil untuk
satu tahun saja)
H.
PROSEDUR
PERAMALAN
Prosedur peramalan formal menggunakan pengalaman
pada masa lalu untuk menentukan kejadian dimasa yang akan datang. Asumsi yang
digunakan adalah bahwa apa yang pernah terjadi dimasa lalu akan terjadi lagi di
masa yang akan datang, dengan pola yang sama atau mirip. Untuk memperoleh
gambaran kondisi pada masa lalu dan kemudian menggunakannya untuk mengetahui
(meramal) kondisi pada masa yang akan datang, diperlukan 5 langkah.
1. Mengumpulkan data
Langkah awal dari proses peramalan adalah
mengumpulkan data yang lengkap yang diperlukan. Tahap ini relatif sulit, karena
data yang dikumpulkan harus akurat dan dalam jumlah yang cukup untuk membuat
ramalan. Data yag terlalu sedikit akan menyulitkan kita untuk memperoleh pola
perubahannya
2. Mereduksi data
Data yang terkumpul dapat dilakukan penyaringan
untuk memperoleh data yang relevan.Seringkali pada data yang terkumpul terdapat
data yang tidak relevan dengan permasalahan yang dihadapi.Misalnya kita ingin
membuat ramalan tentang penjualan. Data penjualan pada periode terjadinya
bencana alam tidak perlu dimasukkan (harus direduksi/tidak dipakai), karena
data penjualan tersebut hanya mencerminkan penjualan pada kondisi adanya
bencana alam dan tidak mencerminkan
penjualan pada kondisi normal.
3. Membangun dan Mengevaluasi
model
Data yang telah terkumpul harus disesuaikan dengan
model ramalan yang digunakan, agar kesalahan dalam peramalan dapat
diminimalisir. Model yang lebih sederhana dan akan memberikan hasil peramalan
yang lebih baik lebih disukai oleh pengguna ramalan (perencana dan pengambil
keputusan).
4. Melakukan peramalan/
proyeksi
Model peramalan yang dipilih setelah dicocokan
dengan data yang terkumpul dan telah dilakukan pengurangan (jika perlu), akan
dilanjutkan dengan membuat ramalan menggunakan model peramalan tersebut.
Kadangkala diperlukan data historis untuk mengetahui besarnya kesalahan ramalan
menggunakan model tersebut, yakni dengan cara memasukkan nilai data historis
pada suatu periode kedalam model ramalan untuk memperoleh nilai ramalan pada
periode tersebut. Tujuannya adalah untuk mengetahui keakuratan ramalan.
Setelah selesai membuat model peramalan, berikutnya
dalah membuat ramalan nilai data pada beberapa periode kedepan dan kemudian
membandingkannya dengan data pada periode sebelumnya.Selisih antara nilai data
ramalan dengan nilai data yang sebenarnya (actual) merupakan kesalahan (error)
ramalan.Semakin kecil kesalahan ramalan, semakin baik model peramalan yang
dihasilkan.Besarnya kesalahan peramalan dapat dinyatakan dalam beberapa satuan,
misalnya menggunakan kesalahan ramalan rata-rata (average forecast error) atau
menggunakan jumlah kuadrat kesalahan (sum of square error).
I.
SUMBER
KESALAHAN PERAMALAN DAN KETIDAKPASTIAN
Dalam ilmu fisika, identifikasi dan verifikasi
terhadap pola atau hubungan adalah nyata dan objektif.Dengan demikian, presisi
intrumen dapat menurunkan kesalahan pengukuran sampai pada tingkat nol. Hal ini
sangat berbeda dengan ilmu ekonomi yang sering terjadi kesalahan
pengukuran.Faktor penyebabnya adalah situasi ekonomi yang sangat komplek,
perilaku manusia yang tidak konsisten, terdapat tenggang waktu antara tindakan
dan hasilnya, dan masih banyak faktor yang lain, sehingga kesalahan peramalan
dalam ilmu fisika merupakan fakta yang tidak bias dipungkiri. Besar kecilnya
kesalahan pengukuran tergantung dari hal-hal berikut ini:
1. Kekeliruan
dalam mengidentifikasi pola dan hubungan.
Pola atau hubungan yang bersifat ilusi dapat
diidentifikasi jika memang benar-benar tidak ada.Hal ini dapat terjadi, baik
pada metode peramalan kualitatif (judgement forecasting) maupun pada peramalan
kuantitatif (quantitative forecasting).Dalam model statistik, korelasi semu
dapat terjadi pada penggunaan data observasi yang sedikit. Demikian juga dengan
korelasi antara dua variable akan menjadi palsu (spirous), jika korelasi antara
dua variable tersebut terjadi karena adanya variable lain yang dapat mengubah
dua variable tersebut dengan arah yang sama. Pola atau hubungan yang ada akan
menjadi tidak akurat dapat disebabkan oleh (a) informasi yang tersedia tidak
cukup, (b) kondisi yang sebenarnya sangat kompek untuk dipahami, dan (c) model
analisis menggunakan banyaknya variable yang terbatas. Identifikasi yang semu
atau tidak tepat akan menghasilkan kesalahan ramalan yang serius, jika pola
atau hubungan pada masa yang akan datang berbeda dengan pola dan hubungan masa
lalu.
2. Adanya
pola yang tidak jelas atau hubungan tidak akurat.
Dalam ilmu sosial, sering ditemukan pola perubahan
dari waktu ke waktu yang tidak nyata atau hubungan antar variable yang tidak
tepat.Walaupun secara rata-rata pola atau hubungan dapat diidentifikasi, namun
selalu ada fluktuasi disekitar rata-rata tersebut pada hamper semua
kasus.Tujuan dari panggunaan model statistik adalah untuk mengidentifikasi pola
atau hubungan agar data masa lalu memiliki fluktuasi terhadap rata-rratanya
sekecil mungkin. Ini pun bukan jaminan bahwa besaran kesalahan ramalan pada
masa yang akan datang akan sama dengan masa lalu.
Dalam ilmu-ilmu sosial, pola atau hubungan secara
terus menerus mengalami perubahan yang sulit untuk diperkirakan
sebelumnya.Perubahan pada pola atau hubungan dapat mempengaruhi besarnya
kesalahan yang terjadi dengan besaran yang tidak dapat dikenali
sebelumnya.Besarnya kesalahan bergantung pada besaran dan lamanya perubahan
tersebut.
J.
RANGKUMAN
1. Peramalan
atau proyeksi adalah kegiatan yang bersifat teratur, berupaya memprediksi masa
depan dengan menggunakan tidak hanya metode ilmiah, namun juga mempertimbangkan
hal-hal yang bersifat kualitatif, seperti perasaan; pengalaman; dan lainnya.
2. Peramalan
(forecasting) sangat penting dalam
bidang bisnis dan ekonomi dalam 2 hal yang mendasar. Pertama, perencana(planner) dan juga pengambil keputusan (decision maker) harus membuat
perencanaan atau mengambil keputusan saat ini untuk dilaksanakan masa yang akan
datang. Kedua, kondisi dimasa yang akan datang sulit dipastikan pada saat ini.
Dengan kata lain, di masa yang akan datang terdapat unsur ketidakpastian.
3. Enamkarakteristik
situasi peramalan yang harus diperhatikan agar peramalan dapat efektif meliputi
time horizon, level of aggregate detail,
number of items, control versus planning, constancy, existing planning
procedure.
4. Enam
karakteristik metode peramalan meliputi time
horizon, pattern of data, cost, accuracy, intuitive appeal;
simplicity dan easy to application, danavailability of computer software.
5. Empat
kriteria data yang bermanfaat meliputi
dapat diandalkan (reliable), relevan,
konsisten, dan tepat waktu. Dua jenis data yang diperhatikan dalam peramalan
yakni data time series dan data cross sectional.
6. Prosedur
membuat peramalan terdiri dari 5 tahap yakni: mengumpulkan data, mereduksi
data, membangun dan mengevaluasi model, melakukan peramalan / proyeksi,
mengevaluasi ramalan.
7. Kesalahan
peramalan tergantung dari: kekeliruan dalam mengidentifikasi pola dan hubungan,
adanya pola yang tidak jelas atau hubungan tidak akurat, dan terjadinya
perubahan pola atau perubahan hubungan.
K.
TES
FORMATIF
1. Jelaskan
arti peramalan atau proyeksi, berkaitan dengan dunia usaha atau bisnis !
2. Jelaskan
manfaat dari peramalan atau proyeksi bisnis dan berikan contoh !
3. Jelaskan
jenis peramalan dilihat dari berbagai sudut !
4. Jelaskan
enam karakteristik situasi peramalan yang
memiliki peranan penting untuk efektifnya peramalan !
5. Jelaskan
enam karakteristik metode peramalan yang mencerminkan kemampuan dan penyesuaian
dalam peramalan !
6. Jelaskan
kriteria data yang bermanfaat dalam peramalan !
7. Jelaskan
perbedaan data time series dan cross sectional ! Berikan contoh
masing-masing dalam bisnis atau ekonomi !
8. Jelaskan
tahapan peramalan atau proyeksi !
9. Jelaskan
sumber-sumber kesalahan peramalan !
Pengertian Proyeksi Bisnis dan Ruang Lingkupnya