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
 BAB II
PEMBAHASAN

2.1 Pengertian Peramalan (Forecasting)

Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan
kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan
data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu
bentuk model matematis. Peramalan adalah tahapan introduction growth maturity
decline.

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa

depan yang dicakupnya. Horison waktu terbagi atas beberapa kategori :

1. Peramalan jangka pendek,peramalan ini mencakup jangka waktu hingga 1

tahun tetapi umumnya kurang dari bulan. Contoh: untuk merencanakan
pembelian.
2. Peramalan jangka menengah, umumnya mencakup hitungan bulanan
hingga 3 tahun. Contoh: untuk merencanakan penjualan.
3. Peramalan jangka panjang, umumnya untuk perencanan masa 3 tahun
atau lebih. 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, pabrik dan proses.
Misalnya keputusanakan fasilitas pabrik seperti membuka pabrik atau
gedung baru.
2. Peramalan jangka pendek biasanya menerapkan metodologi yang berbeda
di bandingkan peramalan jangka panjang.
3. Peramalan jangka pendek cenderung lebih tepat dibandingkan peramalan
jangka panjang. Faktor-faktor yang mempengaruhi perubahan permintaan

2
 berubah setiap hari. Dengan demikian, sejalan dengan semakin panjangnya
horizon waktu, ketepatan peramalan seseorang cenderung semakin
berkurang. Peramalan penjualan harus diperbaharui secara berkala untuk
menjaga nilai dan integritasnya. Peramalan harus selalu dikaji ulang dan
direvisi pada setiap akhir periode penjualan.

Faktor lain yang harus dipertimbangkan saat membuat ramalan penjualan,

terutama peramalan penjualan jangka panjang adalah siklus hidup produk.
Penjualan produk dan bahkan jasa, tidak terjadi pada tingkat yang konstan
sepanjang hidupnya. Hampir semua produk yang berhasil melalui empat tahapan:
perkenalan, pertumbuhan, kematangan dan penurunan.

2.2 Jenis Peramalan

Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama
dalam perencanaan operasi di masa depan :

1. Peramalan Ekonomi(economic forecast) menjelaskan siklus bisnis dengan

memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan
untuk membangun perumahan dan indicator perencanaan lainnya.
2. Peramalan Teknologi(technological forecast) memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralatan baru.
3. Peramalan Permintaan(demand forecast) adalah proyeksi permintaan
untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga
peramalan penjualan, yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran dan sumber daya manusia.

Peramalan yang baik sangat penting dalam semua aspek bisnis: peramalan
merupakan satu-satunya prediksi atas permintaan hingga permintaan
yang sebenarnya diketahui. Peramalan permintaan mengendalikan

3
 keputusan dibanyak bidang. Berikut ini adalah dampak peramalan produk
pada beberapa aktivitas :

1. Sumber Daya Manusia

Mempekerjakan, melatih dan memberhentikan pekerja, semua
tergantung pada permintaan Kapasitas. Saat kapasitas tidak mencukupi,
kekurangan yang diakibatkannya bisa berarti tidak terjaminnya
pengiriman, kehilangan konsumen dan kehilangan pangsa pasar.

2. Manajemen Rantai Pasokan

Hubungan yang baik dengan pemasok dan harga barang dan
komponen yang bersaing, bergantung pada peramalan yang akurat.
Sebagai contoh, manufaktur pembuat mobil yang menginginkan TRW
Corp. menjamin keteresediaan kantung udara yang cukup, harus
menyediakan ramalan yang akurat untuk membenarkan ekspansi pabrik
TRW.

2.3 Tujuh Langkah Sistem Peramalan

Peramalan terdiri dari tujuh langkah dasar, yaitu sebagai berikut :

1. Menetapkan tujuan peramalan

2. Memilih unsur apa yang akan diramal
3. Menentukan horizon waktu peramalan
4. Memiliki tipe model peramalan
5. Mengumpulkan data yang diperlukan untuk melakukan peramalan
6. Membuat peramalan
7. Memvalidasi dan menerapkan hasil peramalan

4
2.4 Pendekatan dalam Peramalan
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara
mengatasi semua model keputusan. Yang pertama adalah analisis kuantitatif dan
yang kedua adalah analisis kualitatif.
1. Metode Kuantitatif
Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis,
yaitu :

a) Model seri waktu / metode deret berkala (time series) metode yang
dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi
dari waktu,

Model Seri Waktu / Metode deret berkala, terbagi menjadi :

1. Metode Constant
Dalam Metode Constant, peramalan dilakukan dengan mengambil
rata-rata data masa lalu (historis). Rumus untuk metoda linier:

Keterangan:

d’t = Forecast untuk saat t

t = time (independent variable)

dt = demand pada saat t

n = jumlah data

5
 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
 99.25
12
Sep 9 95
Okt 10 114
Nov 11 103
Des 12 113
∑ = 1191

2. Metode Linier trend

Model ini menggunakan data yang secara random berfluktuasi
membentuk garis lurus. Rumus untuk metoda linier:

d 't  a  bt t  1, 2, 3, ..... 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
 Contoh Metode Linear trend:
t dt tdt t2 d’t (dt- 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 2108,5 3.422,2

2 2235 4470 4 2210,1 620,0 t 1  t 1 

3 2420 7260 9 2311,7 11.728.9
n n
4 2360 9440 16 2413,3 2.840,9
d t  b t
5 2490 12450 25 2514,9 620,0 a t 1 t 1

n
6 2620 15720 36 2616,5 12,3

21 14175 51390 91 14175 19.244,3 a  2006,9 dan b 101,6

d’t = a + bt
= 2006,9 + 101,6t

3. Metode Quadratic
Model ini menggunakan data yang secara random berfluktuasi
membentuk kurva quadratic. Rumus untuk model quadratic:

d ' (t )  a  bt  ct 2 t  1, 2, 3, ....   
b
   2

7
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
4. Metode Exponential
Digunakan apabila persamaan a dan b tidak bisa dipecahkan
dengan cara konvensional. Digunakan transformasi logaritma ke dalam
situasi regresi. 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 2.50 0.92 0.92 1
2 4.12 1.42 2.84 4
3 6.80 1.92 5.76 9
4 11.20 2.42 9.68 16
5 18.47 2.92 14.60 25
15 9.60 33.8 55

9
 ˆ
d ' (t )  a
ˆ (e)bt  2.5e0.5t  d ' (6)  2.5e3  50

5. Metode Moving Average

Digunakan bila data-datanya :
- tidak memiliki trend
- tidak dipengaruhi factor musim
Peramalan jangka pendek lebih baik dibandingkan jangka panjang.
Kelemahan : tidak cocok untuk pola data trend atau pola data musiman.
Digunakan untuk peramalan dengan perioda waktu spesifik.
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 - -
Feb 2 12 - -
Mar 3 13 - -
Apr 4 16 (10+12+13)/3=11,66 -
Mei 5 19 (12+13+16)/3=13,66 -
Jun 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14
Jul 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6

10
6. Metode Exponential Smoothing
Kesalahan peramalan masa lalu digunakan untuk koreksi
peramalan berikutnya. Dihitung berdasarkan hasil peramalan + kesalahan
peramalan sebelumnya.
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, smoothing yg dilakukan kecil
α kecil, smoothing yg dilakukan semakin besar
α optimum akan meminimumkan MSE, MAPE

Contoh Metode Exponential Smoothing:

Forecast , Ft+1
Period Demand
a=0.3 a=0.5
1 37 - -
2 40 37 37
3 41 37.9 38.5
4 37 38.83 39.75
5 45 38.28 38.37
6 50 40.29 41.68
7 43 43.20 45.84
8 47 43.14 44.42
9 56 44.30 45.71
10 52 47.81 50.85
11 55 49.06 51.42
12 54 50.84 53.21
51.79 53.61

11
 7. Metode Seasonal
Demand meningkat karena pengaruh tertentu atau berdasarkan waktu.
Nilai/harga faktor seasonal antar 0 dan 1.
Formulasi peramalan pada tahun ke i :
d’i = a + bt
Keterangan :
d’i = peramalan untuk saat ke i
t = perioda waktu (bulan, minggu, dll)

Formulasi Peramalan Seasonal :

SF(i) = (Si).(d’t)

Contoh Metode Seasonal:

Demand (x 1000)
Year
Kwartal-1 Kwartal-2 Kwartal-3 Kwartal-4 Total
1992 12.6 8.6 6.3 17.5 45
1993 14.1 10.3 7.5 18.2 50.1
1994 15.3 10.6 8.1 19.6 53.6
42 29.5 21.9 55.3 148.7

Perhitungan faktor bobot:

S1= D1/SD = 42/148.7 =
0.28
S2 = 0.20
S3 = 0.15
S4 = 0.37
a = 40.9
b = 4.3
y = 40.97 + 4.3 t
Untuk tahun 1995 (t =4) diperoleh 58.17

12
 Peramalan utk tiap kwartal:

SF1 = S1.F5 = .28 (58.7) = 16.28

SF2 = 11.63
SF3 = 8.73
SF4 = 21.53

b) Model/metode kausal (causal/explanatory model),mengasumsikan variabel

yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu
atau beberapa variabel bebas (independent variable). Merupakan metode
peramalan yang didasarkan kepada hubungan antara variabel yang
diperkirakan dengan variabel lain yang mempengaruhinya tetapi bukan
waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari :

1. Metode regresi dan kolerasi, merupakan metode yang digunakan baik

untuk jangka panjang maupun jangka pendek dan didasarkan kepada
persamaan dengan teknik least squares yang dianalisis secara statis.
2. Model Input Output, merupakan metode yang digunakan untuk peramalan
jangka panjang yang biasa digunakan untuk menyusun trend ekonomi
jangka panjang.
3. Model ekonometri, merupakan peramalan yang digunakan untuk jangka
panjang dan jangka pendek.

2. Metode Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi
oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena
itu, hasil peramalan dari satu orang dengan orang lain
dapat berbeda. Meskipun demikian, peramalan kualitatif dapat
menggunakan teknik/metode peramalan, yaitu :

1. Juri dari Opini Eksekutif: metode ini mengambil opini atau pendapat dari
sekelompok kecil manajer puncak/top manager (pemasaran, produksi,

13
 teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan
model-model statistik.
2. Gabungan Tenaga Penjualan: setiap tenaga penjual meramalkan tingkat
penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi
dan nasional untuk mencapai ramalan secara menyeluruh.
3. Metode Delphi: dalam metode ini serangkaian kuesioner disebarkan
kepada responden, jawabannya kemudian diringkas dan diberikan kepada
para ahli untuk dibuat peramalannya. Metode memakan waktu dan
melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner,
mengirim, merangkum hasilnya untuk dipakai para ahli dalam
menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih
profesional sehingga hasil peramalan diharapkan mendekati aktualnya.
4. Survei Pasar (market survey): Masukan diperoleh dari konsumen atau
konsumen potensial terhadap rencana pembelian pada periode yang
diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau
wawancara langsung.

Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika

menggunakan metode kuantitatif. Tahapan tersebut adalah:

1. Mendefinisikan tujuan peramalan, misalnya peramalan dapat digunakan

selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.
2. Membuat diagram pencar (Plot Data), misalnya memplot demand versus
waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).
3. Memilih model peramalan yang tepat, melihat dari kecenderungan data
pada diagram pencar, maka dapat dipilih beberapa model peramalan yang
diperkirakan dapat mewakili pola tersebut.

14
2.5 Biaya Marginal (Marginal Cost )

Biaya marginal adalah biaya tambahan yang diperlukan untuk satu unit

produk yang dihasilkan. 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 - Qn-1

Qn = Produk ke n

Qn-1 = Produk ke n-1

15
Contoh Soal

1. Sebuah pabrik sepatu menghasilkan 50 pasang sepatu dengan perincian biaya:

Biaya tetap(TFC) = Rp. 6.000,-
Biaya variable total(TVC) = Rp. 29.250,-
Kemudian pabrik sepatu itu menambah produksinya menjadi 51 dengan
rincian biaya:
Biaya tetap(TFC) = Rp. 6.000.-
Biaya variable total(TVC) = Rp. 35. 250.-
Berapaka biaya marginalnya?
Jawab:
Dik : TFC0 = 6.000
TVC0 = 29.250
Q0 = 50
TFC1 = 6.000
TVC1 = 35. 250
Q1 = 51
Dik : MC =?
Penyelesaian:
TC0 = TFC0 + TVC0
= 6000 + 29250
= 35250
TC1 = TFC1 + TVC1
= 6000 + 35250
= 41000
∆TC = TC1 - TC0
= 41000 - 35250
= 5750
∆Q = Q1 - Q0
= 51 - 50
=1

16
 ∆𝑇𝐶
Maka MC =
∆𝑄
5750
=
1
= 5750

2. 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, biaya marjinalnya adalah 25 – 16Q + 3Q2

17
 BAB III
PENUTUP

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

18