You are on page 1of 18

BAB I

PENDAHULUAN

1.1 Latar Belakang
Dalam perkembangan teknologi informasi banyak hal dapat dilakukan
untuk memperkirakan kejadian masa depan dengan melibatkan pengambilan data
masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk
model matematis. Bisa juga merupakan prediksi intuisi yang bersifat subjektif.
Atau bisa juga dengan menggunakan kominasi model matematis yang disesuaikan
dengan pertimbangan yang baik dari seorang manager. Salah satun metode yang
dapat digunakan adalah peramalan dan biaya marginal.
Oleh karena itulah, sangat diperlukan pembahasan mengenai peramalan
dan biaya marginal untuk membantu perkiraan di masa mendatang dalam proses
pengambilan keputusan.

1.2 Rumusan Masalah
1. Apakah definisi dari peramalan?
2. Berapakah jenis peramalan?
3. Bagaimana tujuh langkah sistem peramalan?
4. Apa sajakah pendekatan dalam peramalan?
5. Apakah yang dimaksud dengan biaya marginal ?

1.3 Tujuan
1. Mengetahui definisi dari peramalan
2. Mengetahui jenis-jenis peramalan
3. Mengetahui tujuh langkah sistem peramalan
4. Mengetahui pendekatan dalam peramalan
5. Mengetahui perhitungan biaya marginal

1

Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis. Peramalan jangka panjang. Horison waktu terbagi atas beberapa kategori : 1. umumnya untuk perencanan masa 3 tahun atau lebih. Peramalan jangka pendek biasanya menerapkan metodologi yang berbeda di bandingkan peramalan jangka panjang. pabrik dan proses. Contoh: untuk merencanakan produk baru. Peramalan jangka menengah dan jangka panjang dapat di bedakan dari peramalan jangka pendek dengan melihat tiga hal : 1. Peramalan jangka menengah dan jangka panjang berkaian dengan permasalahan yang lebih menyeluruh dan mendukung keputuan manajemen yang berkaitan dengan perencanaan produk. 2.1 Pengertian Peramalan (Forecasting) Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. umumnya mencakup hitungan bulanan hingga 3 tahun. Contoh: untuk merencanakan pembelian. Faktor-faktor yang mempengaruhi perubahan permintaan 2 . Peramalan jangka pendek. Contoh: untuk merencanakan penjualan. Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya.peramalan ini mencakup jangka waktu hingga 1 tahun tetapi umumnya kurang dari bulan. Peramalan jangka pendek cenderung lebih tepat dibandingkan peramalan jangka panjang. 2. Peramalan adalah tahapan introduction growth maturity decline. 3. Misalnya keputusanakan fasilitas pabrik seperti membuka pabrik atau gedung baru. BAB II PEMBAHASAN 2. Peramalan jangka menengah. 3.

Peramalan Teknologi(technological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik. 3. Peramalan Permintaan(demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. kematangan dan penurunan. ketersediaan uang. Faktor lain yang harus dipertimbangkan saat membuat ramalan penjualan. kapasitas. terutama peramalan penjualan jangka panjang adalah siklus hidup produk. Peramalan penjualan harus diperbaharui secara berkala untuk menjaga nilai dan integritasnya. pemasaran dan sumber daya manusia. Peramalan permintaan mengendalikan 3 . serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan. berubah setiap hari. Hampir semua produk yang berhasil melalui empat tahapan: perkenalan. dana yang dibutuhkan untuk membangun perumahan dan indicator perencanaan lainnya. Dengan demikian. Peramalan Ekonomi(economic forecast) menjelaskan siklus bisnis dengan memprediksi tingkat inflasi. Penjualan produk dan bahkan jasa.2 Jenis Peramalan Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi di masa depan : 1. sejalan dengan semakin panjangnya horizon waktu. 2. yang membutuhkan pabrik dan peralatan baru. yang mengendalikan produksi. tidak terjadi pada tingkat yang konstan sepanjang hidupnya. Peramalan yang baik sangat penting dalam semua aspek bisnis: peramalan merupakan satu-satunya prediksi atas permintaan hingga permintaan yang sebenarnya diketahui. pertumbuhan. Peramalan ini disebut juga peramalan penjualan. ketepatan peramalan seseorang cenderung semakin berkurang. 2. Peramalan harus selalu dikaji ulang dan direvisi pada setiap akhir periode penjualan.

melatih dan memberhentikan pekerja. Menentukan horizon waktu peramalan 4. Berikut ini adalah dampak peramalan produk pada beberapa aktivitas : 1. Mengumpulkan data yang diperlukan untuk melakukan peramalan 6. Memilih unsur apa yang akan diramal 3. kekurangan yang diakibatkannya bisa berarti tidak terjaminnya pengiriman. Memiliki tipe model peramalan 5. 2. harus menyediakan ramalan yang akurat untuk membenarkan ekspansi pabrik TRW. Manajemen Rantai Pasokan Hubungan yang baik dengan pemasok dan harga barang dan komponen yang bersaing. Memvalidasi dan menerapkan hasil peramalan 4 . Sebagai contoh. manufaktur pembuat mobil yang menginginkan TRW Corp. semua tergantung pada permintaan Kapasitas. kehilangan konsumen dan kehilangan pangsa pasar. Menetapkan tujuan peramalan 2. keputusan dibanyak bidang. Membuat peramalan 7. Sumber Daya Manusia Mempekerjakan. menjamin keteresediaan kantung udara yang cukup. yaitu sebagai berikut : 1. bergantung pada peramalan yang akurat.3 Tujuh Langkah Sistem Peramalan Peramalan terdiri dari tujuh langkah dasar. Saat kapasitas tidak mencukupi. 2.

2. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis kualitatif. Model Seri Waktu / Metode deret berkala. peramalan dilakukan dengan mengambil rata-rata data masa lalu (historis).4 Pendekatan dalam Peramalan Terdapat dua pendekatan umum peramalan. terbagi menjadi : 1. 1. sebagaimana ada dua cara mengatasi semua model keputusan. yaitu : a) Model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode Kuantitatif Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis. Rumus untuk metoda linier: Keterangan: d’t = Forecast untuk saat t t = time (independent variable) dt = demand pada saat t n = jumlah data 5 . Metode Constant Dalam Metode Constant.

3.25 12 Sep 9 95 Okt 10 114 Nov 11 103 Des 12 113 ∑ = 1191 2.. Keterangan: d’t = Forecast untuk saat t a  t  d   t  td 2 t t a = intercept n t   t  2 2 b = kemiringan garis t = time (independent variable) n tdt   t  d t dt = demand pada saat t b n = jumlah data n t 2   t  2 6 ... Rumus untuk metoda linier: d 't  a  bt t  1. Metode Linier trend Model ini menggunakan data yang secara random berfluktuasi membentuk garis lurus.. 2. Contoh soal Metode Constant: Bulan t dt Jan 1 90 n Feb 2 111 d t Mar 3 99 d 't  1 n Apr 4 89 Mei 5 87 Jun 6 84 12 Jul 7 104 1191 Aus 8 102 d 't  1  99. .

244.9 d t  b t 5 2490 12450 25 2514. Metode Quadratic Model ini menggunakan data yang secara random berfluktuasi membentuk kurva quadratic.3 2.0 a t 1 t 1 n 6 2620 15720 36 2616. 2.6 d’t = a + bt = 2006.422.    b    2 7 ..6t 3.5 12.7 11.728. .1 620. Contoh Metode Linear trend: t dt tdt t2 d’t (dt.. Rumus untuk model quadratic: d ' (t )  a  bt  ct 2 t  1. n n n n  td t   d t  t d’t)2 b t 1 t 1 t 1 2 n   n n t 2   t  1 2050 2050 1 2108.3 21 14175 51390 91 14175 19. 3.840..9 + 101.0 t 1  t 1  3 2420 7260 9 2311.2 2 2235 4470 4 2210.9 n n 4 2360 9440 16 2413.9 dan b 101.9 620.3 a  2006.5 3.

Contoh Metode Quadratic: T t2 t3 t4 dt tdt t2dt 1 1 1 1 16 16 16 2 4 8 16 24 48 96 3 9 27 81 34 102 306 4 16 64 256 46 184 736 5 25 125 625 60 300 1500 S 15 55 225 979 180 650 2654 8 .

60 25 15 9.42 9.84 4 3 6.50 0.76 9 4 11.20 2.92 0.68 16 5 18.47 2. Metode Exponential Digunakan apabila persamaan a dan b tidak bisa dipecahkan dengan cara konvensional.60 33.92 5. Persamaan metode eksponensial : Keterangan: d’t = Forecast untuk saat t d' (t)  aebt a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta) Persamaan transformasi logaritma : ln d' (t)   ln(a)  ln(e bt )  ln(a)  bt Keterangan: d’t = Forecast untuk saat t a = intercept b = kemiringan garis t = time (independent variable) e = exponential (konstanta) Contoh Metode Eksponensial: T dt Ln(dt) tLn(dt) t2 1 2.4. Digunakan transformasi logaritma ke dalam situasi regresi.42 2.92 14.80 1.8 55 9 .92 1 2 4.12 1.

5t  d ' (6)  2.5e3  50 5.tidak memiliki trend . Kelemahan : tidak cocok untuk pola data trend atau pola data musiman. - Feb 2 12 .tidak dipengaruhi factor musim Peramalan jangka pendek lebih baik dibandingkan jangka panjang. Digunakan untuk peramalan dengan perioda waktu spesifik. - Apr 4 16 (10+12+13)/3=11. Moving Average didefinisikan sebagai : n Keterangan : d t n = jumlah perioda MA n  t 1 dt = demand pada bulan ke t n Contoh Metode Moving Average: Bulan t dt MA 3 bulan MA 5 bulan Jan 1 10 .00 (10+12+13+16+19)/5 = 14 Jul 7 26 (16+19+23)/3=19. - Mar 3 13 .6 10 .33 (12+13+16+19+23)/5 = 16. Metode Moving Average Digunakan bila data-datanya : . ˆ d ' (t )  a ˆ (e)bt  2.66 - Jun 6 23 (13+16+19)/3=16.66 - Mei 5 19 (12+13+16)/3=13.5e0.

79 53. Dihitung berdasarkan hasil peramalan + kesalahan peramalan sebelumnya. smoothing yg dilakukan kecil α kecil.21 51.20 45.30 45.14 44. ES didefinisikan sebagai: Ft 1  Dt  (1   ) Ft Keterangan: Ft+1 = Ramalan untuk periode berikutnya Dt = Demand aktual pada periode t Ft = Peramalan yg ditentukan sebelumnya untuk periode t a = Faktor bobot α besar.29 41.42 9 56 44.37 6 50 40. smoothing yg dilakukan semakin besar α optimum akan meminimumkan MSE.84 53.5 4 37 38.6.61 11 .9 38. Ft+1 Period Demand a=0.83 39.28 38.06 51.68 7 43 43.85 11 55 49.3 a=0.75 5 45 38.84 8 47 43.42 12 54 50.81 50. - 2 40 37 37 3 41 37. MAPE Contoh Metode Exponential Smoothing: Forecast .5 1 37 .71 10 52 47. Metode Exponential Smoothing Kesalahan peramalan masa lalu digunakan untuk koreksi peramalan berikutnya.

3 y = 40.3 148.6 42 29.2 50.7 = 0.7 Perhitungan faktor bobot: S1= D1/SD = 42/148.6 6.6 8.3 10. dll) Formulasi Peramalan Seasonal : SF(i) = (Si). minggu.5 21.20 S3 = 0.15 S4 = 0.3 t Untuk tahun 1995 (t =4) diperoleh 58. Formulasi peramalan pada tahun ke i : d’i = a + bt Keterangan : d’i = peramalan untuk saat ke i t = perioda waktu (bulan.1 1994 15. 7.5 18.97 + 4.17 12 .6 8.1 10.9 55.3 7.(d’t) Contoh Metode Seasonal: Demand (x 1000) Year Kwartal-1 Kwartal-2 Kwartal-3 Kwartal-4 Total 1992 12.5 45 1993 14.3 17.1 19.28 S2 = 0. Nilai/harga faktor seasonal antar 0 dan 1.9 b = 4.6 53. Metode Seasonal Demand meningkat karena pengaruh tertentu atau berdasarkan waktu.37 a = 40.

7) = 16. 13 . Juri dari Opini Eksekutif: metode ini mengambil opini atau pendapat dari sekelompok kecil manajer puncak/top manager (pemasaran. merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang. hasil peramalan dari satu orang dengan orang lain dapat berbeda. yaitu : 1.F5 = . pendidikan dan pengalaman seseorang. Metode regresi dan kolerasi. Meskipun demikian.mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable). Model ekonometri. Oleh karena itu. 2.28 SF2 = 11. Dalam prakteknya jenis metode peramalan ini terdiri dari : 1. Peramalan utk tiap kwartal: SF1 = S1. 2. Metode Kualitatif Metode kualitatif umumnya bersifat subjektif. Model Input Output. emosi. peramalan kualitatif dapat menggunakan teknik/metode peramalan. produksi.63 SF3 = 8. 3.73 SF4 = 21. merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek. Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel lain yang mempengaruhinya tetapi bukan waktu.28 (58. dipengaruhi oleh intuisi. merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.53 b) Model/metode kausal (causal/explanatory model).

merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut. Survei Pasar (market survey): Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. yang membuat kuesioner. teknik. yang seringkali dikombinasikan dengan model-model statistik. 3. Survai dapat dilakukan dengan kuesioner. 4. yaitu para staf. atau wawancara langsung. keuangan dan logistik). 14 . Tahapan tersebut adalah: 1. melihat dari kecenderungan data pada diagram pencar. 3. misalnya memplot demand versus waktu. telepon. Membuat diagram pencar (Plot Data). dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X). misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. 2. Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Metode Delphi: dalam metode ini serangkaian kuesioner disebarkan kepada responden. jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. mengirim. Mendefinisikan tujuan peramalan. Memilih model peramalan yang tepat. yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil peramalan diharapkan mendekati aktualnya. Metode memakan waktu dan melibatkan banyak pihak. Gabungan Tenaga Penjualan: setiap tenaga penjual meramalkan tingkat penjualan di daerahnya. 2.

Qn-1 Qn = Produk ke n Qn-1 = Produk ke n-1 15 . Munculnya biaya marginal diakibatkan adanya perluasan produksi yang dilakukan perusahaan dalam rangka menambah jumah produk yang dihasilkan. sehingga biaya marginal dapat dirumuskan sebagai berikut: ∆𝑇𝐶 MC = ∆𝑄 Keterangan : MC = Biaya marginal (marginal cost) ∆TC = Perubahan biaya total (total cost) ∆TC = TCn – TCn-1 TCn = Biaya produksi total ke n TCn-1 = Biaya produksi total ke n-1 ∆Q = Produk tambahan ∆Q = Qn .5 Biaya Marginal (Marginal Cost ) Biaya marginal adalah biaya tambahan yang diperlukan untuk satu unit produk yang dihasilkan.2.

50 =1 16 .Q0 = 51 .250.Contoh Soal 1.35250 = 5750 ∆Q = Q1 . 35.000.- Kemudian pabrik sepatu itu menambah produksinya menjadi 51 dengan rincian biaya: Biaya tetap(TFC) = Rp.TC0 = 41000 . 6. 29. 250 Q1 = 51 Dik : MC =? Penyelesaian: TC0 = TFC0 + TVC0 = 6000 + 29250 = 35250 TC1 = TFC1 + TVC1 = 6000 + 35250 = 41000 ∆TC = TC1 . 6.000 TVC1 = 35. 250.- Biaya variable total(TVC) = Rp.- Berapaka biaya marginalnya? Jawab: Dik : TFC0 = 6.250 Q0 = 50 TFC1 = 6.000 TVC0 = 29. Sebuah pabrik sepatu menghasilkan 50 pasang sepatu dengan perincian biaya: Biaya tetap(TFC) = Rp.- Biaya variable total(TVC) = Rp.000.

Bila fungsi biaya rata-rata ditunjukkan oleh persamaan AC = 25 -8Q + Q2 tentukan biaya marjinalnya (MC)! Jawab : Untuk mendapatkan MC . maka langkah pertama adalah mencari TC-nya dulu. 𝑇𝐶 AC = 𝑄 TC = Q ∙ AC = Q (25 – 8Q + Q2) = 25Q – 8Q2 + Q3 𝑑𝑇𝐶 MC = 𝑑𝑄 = d (25Q – 8Q2 + Q3) Dq = 25 – 16Q + 3Q2 1 = 25 – 16Q + 3Q2 Jadi. ∆𝑇𝐶 Maka MC = ∆𝑄 5750 = 1 = 5750 2. biaya marjinalnya adalah 25 – 16Q + 3Q2 17 .

18 . Munculnya biaya marginal diakibatkan adanya perluasan produksi yang dilakukan perusahaan dalam rangka menambah jumah produk yang dihasilkan.1 Kesimpulan Peramalan (forecasting) merupakan seni dan ilmu untuk memperkirakan kejadian dimasa depan. peramalan teknologi (technological forecast). sebagaimana ada dua cara mengatasi semua model keputusan. BAB III PENUTUP 3. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis. Terdapat dua pendekatan umum peramalan. peramalan permintaan (demand forecast). Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis kualitatif. biaya marginal adalah biaya tambahan yang diperlukan untuk satu unit produk yang dihasilkan. Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi di masa depan: peramalan ekonomi (economic forecast). Sedangkan.