Metode Pengukuran dan Peramalan Permintaan

Pada penelitian Poppy Marselina Kristiani dan David Andrian
menjelaskan bahwa pengambilan keputusan dalam suatu perusahaan sangatlah
penting. Salah satunya perlu dilakukan peramalan untuk menentukan jumlah
produksi pada suatu periode. 

Jumlah produksi harus sejalan dengan jumlah
permintaan untuk menghindari penumpukan persediaan digudang. Adapun
metode penyelesaian untuk melakukan suatu peramalan yaitu Moving Average
dan Exponential Smoothing. Kedua metode itu kemudian dianalisis dan
dibandingkan mana nilai kesalahan (eror) yang paling sedikit untuk digunakan.
Oleh karena itu, untuk mengukur nilai kesalahan terdapat 3 metode yang
dilakukan yaitu Mean Percent Error (MAPE), Mean Squared Error (MSE), dan
Mean Absolute Deviation (MAD). 

Setelah menghitung nilai kesalahan,
perusahaan memutuskan untuk menggunakan metode Exponential Smoothing
untuk peramalan produksi dan pencapaian permintaan (Poppy Marselina Kristiani
& David Andrian, 2023). Hal ini disetujui oleh penelitian Rizal Rachman yang
menyatakan dalam memenuhi permintaan dan menyesuaikan produksi yang
bersifat fluktuatif, metode Exponential Smoothing merupakan metode yang paling
baik digunakan untuk peramalan permintaan karena memiliki nilai kesalahan yang
paling sedikit. Metode pengukuran yang digunakan ialah Mean Absolute
Deviation (MAD) dan Mean Squared Error (MSE). 

Dalam menghitung nilai kesalahan perusahaan harus mengetahui seperti apa tujuan sehingga perlu
dilakukannya sebuah pengukuran peramalan (Rizal Rachman, 2018). Pada
penelitian Eva Nurmufida Maftuhah dan I Wayan Kemara Giri juga menjelaskan
bahwa metode Exponential Smoothing adalah metode yang paling banyak
digunakan untuk kegiatan perusahaan dalam jangka pendek seperti dari periode
bulan lalu ke bulan yang sekarang. Untuk perusahaan dengan tingkat permintaan
yang fluktuatif, sebaiknya menggunakan metode Exponential Smoothing. Adapun
untuk mengukur nilai kesalahannya menggunakan metode Mean Absolute
Deviation (MAD) dan Mean Squared Error (MSE), metode pengukuran ini
dihitung berdasarkan besarnya barang yang diramalkan jika barang mencapai
ribuan nilai MAD dan MSE akan menjadi lebih besar. Untuk mengatasi masalah
ini, metode Mean Absolute Percent Error (MAPE) perlu digunakan untuk
mencari perbedaan nilai rata-rata yang diramalkan dan aktualnya (Eva Nurmufida
Maftuhah & I Wayan Kemara Giri, 2018).

Pada penelitian utama metode yang digunakan adalah Exponential
Smoothing karena jangka waktu yang digunakan bukan jangka panjang dan data
relatif stabil. Akan tetapi pada penelitian Rudy Ariyanto dan kawan-kawan
mengungkapkan bahwa seringkali dalam suatu perusahaan produk yang dijualkan
memiliki nilai trend atau musiman. Oleh karena itu, penggunakan Double
Exponential Smoothing lebih baik untuk digunakan karena menunjukkan
informasi mengenai kecenderungan peningkatan dan penurunan suatu produk
dalam jangka panjang (Rudy Ariyanto, dkk, 2017). 

Dalam penelitian Titania Dwi
Andini dan Probo Auristandi menjelaskan bahwa suatu produk yang memiliki
unsur trend setiap tahunnya harus dilakukan peramalan produksi secara berganda.
perusahaan tidak bisa hanya mengandalkan peristiwa periode sebelumnya saja
untuk melihat Trend suatu produk. Oleh karena itu perlu digunakan metode
Double Exponential Smoothing (Titania Dwi Andini & Probo Auristandi, 2016).
Suatu peramalan dilakukan untuk menyeimbangkan produksi suatu produk
terhadap jumlah permintaan. Dalam penelitian Safhira Nanda Rahmadhani dan
kawan-kawan mengungkapkan bahwa dalam meramalkan penjualan pada periode
berikutnya dengan proses produksi yang tidak diketahui batas waktunya
sebaiknya menggunakan metode Weighted Moving Average untuk perusahaan
yang memproduksi suatu produk. Metode ini juga pantas digunakan untuk
kegiatan produksi jangka panjang seperti bulanan dan tahunan. WMA
menganalisis peramalan penjualan berdasarkan data historis penjualan (Safhira
Nanda Rahmadhani, dkk, 2022). 

Dalam penelitian Zhan Silvya dan kawan-kawan
menjelaskan bahwa metode yang baik digunakan ialah metode Weighted Moving
Average karena memberikan informasi mengenai peramalan jumlah persediaan
produk yang harus dibeli dari produsen agar dapat mengoptimalkan jumlah
permintaan yang ada pada suatu periode (Zhan Silvya, dkk, 2020).

Pada penelitian utama dalam pengukuran peramalan dilakukan metode
Mean Percent Error (MAPE), Mean Squared Error (MSE), dan Mean Absolute
Deviation (MAD). Akan tetapi dalam penelitian Monanda Wandita Rini dan
Nessa Ananda menjelaskan bahwa dalam pengukuran peramalan perlu dilakukan
Tracking Signal untuk memastikan bahwa metode peramalan memiliki kinerja
yang baik dan memprediksi nilai yang sebenarnya. Pengukuran ini menghitung
tingkat kesalahan peramalan setiap periode dan menetapkan batasnya (Monanda
Wandita Rini & Nessa Ananda, 2022).

Kesimpulan pada penelitian Poppy Marselina Kristiani dan David Andrian
menjelaskan bahwa suatu keputusan dalam perusahaan merupakan hal penting.
Salah satu keputusan yang harus dipertimbangkan adalah berapa permintaan dan
jumlah produksi di periode berikutnya untuk mengoptimalkan ketersediaan bahan
baku dan modal perusahaan. Oleh karena itu setiap perusahaan perlu melakukan
analisa perhitungan untuk mengetahui metode peramalan permintaan yang baik
untuk perusahaan sehingga dapat diambil keputusan berikutnya.