Supply Chain Management

PERAMALAN DEMAND

2.1 Defenisi Peramalan

Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Sementara menurut Supranto (1984), forecasting atau peramalan adalah memperkirakan sesuatu pada waktu-waktu yang akan datang berdasrkan data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode statistika. Sedangkan menurut Sofjan Assauri (1993), peramalan merupakan seni dan ilmu dalam memprediksi kejadian yang mungkin dihadapi pada masa yang akan datang.

Berdasarkan defenisi dari beberapa ahli di atas maka dapat disimpulkan bahwa prediksi, estimasi, proyeksi atau perkiraan akan suatu peristiwa yang tidak pasti di masa yang akan datang didasarkan pada data historis agar kesalahan yang mungkin terjadi dapat diperkecil.

Prinsip peramalan adalah peramalan umumnya tidak tepat dan setiap peramalan selalu melibatkan estimasi kesalahan.

2.2 Defenisi Demand (Permintaan)

Permintaan adalah ungkapan keinginan dan kemampuan seorang pembeli untuk memperoleh jumlah tertentu dari suatu barang dalam berbagai kemungkinan harga yang mungkin dapat ditawarkan oleh pembeli.

Hukum permintaan yang berbunyi “Permintaan akan bertambah apabila harga turun dan akan berkurang apabila harga naik.”

Ada beberapa faktor yang mempengaruhi permintaan diantaranya :

1.      Harga barang.

2.      Tingkat pendapatan konsumen.

3.      Harga barang lain.

4.      Selera konsumen.

5.      Perkiraan harga barang di masa yang akan datang.

6.      Pertambahan penduduk.

7.      Perubahan mode.

8.      Persaingan.

2.3 Peramalan Demand

   Merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret historis.

Ada 9 langkah yang harus diperhatikan untuk menjamin efektifitas dan efisiensi dari sistem peramalan dalam manajemen permintaan yaitu :

a.       Tentukan tujuan dari peramalan.

b.      Pemilihan teori yang relevan.

c.       Pengumpulan data.

d.      Analisi data.

e.       Pengestimasian model sementara.

f.       Evaluasi model dan revisi model.

g.      Penyajian ramalan sementara kepada manajemen. .

h.      Pembuatan revisi final.

i.        Pendistribusian hasil peramalan.

j.        Penentuan langkah-langkah pemantauan.

Dilihat dari waktu, tujuan peramalan adalah :

-  Jangka Pendek (Short Time)

Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian ataupun mingguan dan ditentukan oleh Low Management.

-  Jangka Menengah (Medium Term)

Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management.  

- Jangka Panjang (Long Term)

Merencanakan kuantitas dan waktu dari fasilitas produksi biasanya bersifat tahunan  (5 tahun, 10 tahun ataupun 20 tahun) dan ditentukan oleh Top Management.

            Karakteristik peramalan yang baik :

1-      Akurasi

Akurasi dari suatu hasil peramlan diukur  dengan kebiasaan dan konsistensi peramalan tersebut. Hasil peramalan dikatakan bias bila peramaln tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi segera akibatnya perusahaan berkemungkinanan akan kehilangan pelanggan dan kehilangan keuntungan penjualan.sedangkan peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal yaitu meminimasi penumpukan persediaan dan memaksimasi tingkat pelayanan.   Sementara hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.

2-      Biaya

Biaya yang diperlukan untuk pembuatan suatu peramalan tergantung dari jumlam item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Pemilihan metode peramalan tersebut harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin didapat misalnya item-item yang penting yang akan diramalkan dengan metode yang canggih dan mahal sedangkan item-item yang kurang penting bisa diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari Hukum Pareto (Analisis ABC).

3-      Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan membeerikan keuntungan bagi perusahaan. 

           

            Terdapat beberapa peraturan yang harus diperhatikan sebelum melakukan peramalan yaitu

Þ    Tidak boleh meramalkan produk-produk yang tergolong ke dalam dependent demand.

Dependent Demand adalah permintaan untuk suatu item yang terkait dengan permintaan untuk item yang lain. Contoh item yang ada dalam struktur produk (Bill of Material) untuk pembntukan akhir.  Produk-produk yang tergolong dalam dependent demand harus direncanakan atau dihitung. Peramalan hanya boleh dilakukan terhadap produk-produk yang tergolong ke dalam independent demand dimana permintaan untuk suatu item terjadi secara terpisah tanpa terkait dengan permintaan untuk item yang lain. Contoh permintaan untuk produk akhir, part atau produk yang digunakan untuk percobaan dan suku cadang untuk pemeliharaan.

Þ    Penentuan horizon peramalan berdasarkan kondisi aktual sistem manufaktur dan tujuan dari peramalan.

Semakin jauh periode di masa mendatang yang diramalkan dengan asumsi faktor-faktor lain, ramalan akan semakin kurang akurat.

Þ    Di samping berdasarkan waktu, peramalan juga dapat dilakukan berdasarkan lokasi geografis, kelompok produk, yang dikenal sebagai peramalan berdasarkan dimensi agregasi dan disagregasi.

Peramalan pada tingkat agregasi yang lebih tinggi akan lebih akurat dibandingkan peramalan pada tingkat yang lebih rendah atau pada tingkat disagregasi.

2.5 Mencocokkan Supply (Penawaran) dan Demand (Permintaan)

Penawaran adalah sejumlah barang yang ditawarkan  pada tingkat harga tertentu dan waktu tertentu. Dalam rangka menjawab kebutuhan konsumen, pihak produsen menyediakan berbagai barang dan jasa. Barang dan jasa hasil produksi ini kemudian dijual kepada konsumen di pasar menurut tingkat harga tertentu. permintaan bersangkut paut dengan pembelian dan pemakainan sedangkan penawaran bersangkut paut dengan peneyediaan dan penjualan. Jadi penawaran adalah jumlah barang dan jasa yang tersedia untuk dijual pada berbagai tingkat harga dan situasi.

Permintaan selalu berhubungan dengan pembeli, sedangkan penawaran berhubungan dengan penjual. Apabila antara penjual dan pembeli berinteraksi, maka terjadilah kegiatan jualbeli. Pada saat terjadi kegiatan jual beli di pasar, antara penjual dan pembeli akan melakukan tawar-menawar untuk mencapai kesepakatan harga. Pembeli selalu menginginkan harga yang murah, agar dengan uang yang dimilikinya dapat memperoleh barang yang banyak. Sebaliknya, penjual menginginkan harga tinggi, dengan harapan ia dapat memperoleh keuntungan yang banyak.

Perbedaan itulah yang dapat menimbulkan tawar-menawar harga. Harga yang telah disepakati oleh kedua belah pihak disebut harga pasar. Pada harga tersebut jumlah barang yang ditawarkan sama dengan jumlah barang yang diminta. Dengan demikian harga pasar disebut juga harga keseimbangan (ekuilibrium).

2.4 Teknik Peramalan

            A. Metode Kualitatif

               Metode kualitatif digunakan jika data historis atau empiris dari variabel yang akan diramal tidak ada, tidak cukup, atau kurang dapat dipercaya. Metode ini juga disarankan jika lingkungan dan teknologi sedang atau diperkirakan akan mengalami perubahan drastis. Sebagai gantinya, input utama metode ini adalah judgment, opini, dan pengalaman. Karena alasan itu, metode ini juga dinamakan judgmental, subjective, intuitive, or technological forecasting method.

Beberapa teknik yang termasuk dalam kelompok ini antara lain :

1)      Grass Roots

Peramalan dihasilkan dari menyimpulkan hasil masukan ujung tombak hirarki organisasi. Contoh : peramalan penjualan dilakukan berdasarkan dari masukan para salesmen dan berbagai territory.

2)      Metode Delphi

Tahapan yang dilakukan adalah :

-  Tentukan beberapa pakar sebagai partisipan (sebaikanya bervariasi dengan latar belakang disiplin ilmu yang berbeda).

-   Melalui kuesioner diperoleh peramalan dari seluruh partisipan.

-   Simpulkan hasilnya kemudian distribusikan kembali hasilnya kepada partisipan dengan pertanyaan yang baru.

- Simpulkan kembali, revisi peramalan dan kondisi, kemudian dikembangkan dengan pertanyaan yang baru.

-    Apabila diperlukan ulangi tahap 4 (revisi peramalan) seluruh hasil akhir didistribusikan kepada seluruh partisipan.

3)      Market Research

Melakukan pengumpulan data melalui survei, interview dsb serta untuk menguji hipotesa pasar. Hal ini kerap digunakan untuk perencanaan jangka panjang dan penjualan produk baru.

4)      Panel Concesus

Peramalan dilakukan melaui diskusi terbuka dari semua tingkatan manajemen dan individu. Dalam hal ini, akan muncul ksulitan dimana karyawan yang lebih rendah akan diintimidasi oleh tingkatan yang lebih tinggi.

5)      Hystorical Analogy

Peramalan untuk produk baru berdasarkan pada pengalaman masa lalu terhadap produk yang hampir sama atau produk yang sudah digenerasi dari produk yang sudah ada.

            B. Metode Kuantitatif

               Metode kuantitatif memerlukan data historis atau empiris dan ini menuntut variabel yang digunakan mempunyai satuan ukuran atau dapat diukur. Metode ini umumnya beranggapan bahwa pola masa lalu akan berulang.

               Persyaratan penggunaan metode kuantitatif adalah

1.      Tersedia informasi tentang masa lalu.

2.      Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.

3.      Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Termasuk dalam kelompok ini adalah : Times Series Model. Times Series Model (dengan menggunakan Simple Moving Average/SMA) merupakan suatu periode waktu yang terdiri dari sejumlah data, dirata-ratakan untuk kemudian dibagi dengan jumlah periode.

Rumus :

F_t=

Dimana Ft = peramalan untuk periode mendatang.

n = jumlah periode pengamatan

A_t-1 = data aktual satu periode yang lalu.

Contoh :

T	Permintaan	3 minggu	5 minggu
1	800
2	1400
3	1000
4	1500	1067
5	1500	1300
6	1300		1240

Hasil analisis data dengan metode SMA untuk rata-rata bergerak 3 perode (n=3 minggu) dan 5 periode (n=5 minggu) ditunjukkan pada tabel di atas. Cara perhitungannya sbb :

-          Rata-rata bergerak 3 periode : 

untuk T-4 maka F₄ = (800 + 1400 + 1000) / 3= 1067

untuk T-5 maka F₅ =(1400+1000+1500) / 3=1300

-          Rata-rata bergerak 5 periode : 

untuk T-4 maka F₄ = (800 + 1400 + 1000+1500+1500) / 5= 1240

2.5 Akurasi Peramalan

            Suatu prediksi yang dihasilkan oleh teknik peramalan hanya akan mengurangi ketidakpastian dari suatu kondisi yang akan terjadi dimasa yang akan datang. Dengan demikian hasil peramalan masih mengandung kesalahan (error). Kesalahan peramalan merupakan perbedaan antara nilai yang terjadi dan nilai yang diprediksi

Berkaitan dengan kesalahan peramalan ini, maka seorang analis harus melakukan:

1.      Pengukuran akurasi yang dihasilkan dari setiap metode peramalan yang cocok dengan plotting data. Tingkat akurasi ini menjadi parameter pemilihan teknik/ metode peramalan

2.      Monitoring atau control peramalan untuk menjaga agar peramalan selalu berada dalam batas control.

Ukuran keakuratan peramalan (akurasi peramalan)

Pengukuran akurasi peramalan dapat dilakukan dengan beberapa cara, sebagai berikut: (parameter akurasi)

1.      MAD (Mean absolute Deviation) = Rata-rata Deviasi Mutlak

MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :

2   MSE  (Mean Square Error) = Rata-Rata Kuadrat Kesalahan

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap perioda dan membaginya dengan jumlah perioda peramalan.

3.      Rata-Rata Kesalahan Peramalan ( Mean Forecast Error = MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama perioda peramalan dan membaginya dengan jumlah perioda peramalan.

4.      Rata-Rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error / MAPE).

MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD  karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama perioda tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.