Pada peramalan dg metode kuantitatif memiliki beberapa metode untuk melakukan peramalan. Metode yg digunakan tergantung dari pola data masa lalunya. Beberapa metode tersebut diantaranya : Moving Average, Exponential Smoothing, Regresi dll. Misal : Metode Regresi biasanya dipakai kalau pola data masa lalunya adalah Trend. Jenis-jenis pola data yaitu ; 1) Pola data stasioner yaitu pola data yg cendrung tetap pada harga/permintaan tertentu, 2) Pola data trend yaitu pola data yg cendrung naik atau turun, 3) Pola data musiman yaitu naik turunnya data dipengaruhi oleh musim dan naik turunnya data itu tidak melebihi satu tahun, 4) Pola data siklis yaitu sama dg pola data musiman tapi naik turunya data lebih dari satu tahun.
Keakuratan ramalan akan tercapai apabila metode yg digunakan sesuai dg pola data masa lalunya. Keakuratan ramalan dapat diukur dengan MEAN ABSOLUT PERCENT of ERROR (MAPE). Ramalan yg akurat memberi keuntungan bagi perusahaan terutama dalam efisiensi biaya. Misalnya : karena ramalan yg tidak tepat pada persediaan bahan baku maka jumlah persediaan menjadi lebih banyak. Hal ini menyebabkan biaya persediaan semakin besar yaitu biaya fasilitas gudang,bunga,biaya penyusutan bahan baku,biaya kerusakan bahan baku. Dari semua biaya simpan ini, yg terbesar adalah biaya bunga ( Oppotunity cost) . Sebaliknya jika jumlah persediaan bahan baku lebih sedikit karena ketidak akuratan ramalan maka akan menimbulkan biaya tambahan juga karena proses produksi bisa berhenti sementara tenaga kerja tetap dibayar, fixed cost tetap ada. Proses produksi yg terhenti menyebabkan perusahaan tidak sanggup menepati janjinya terhadap konsumen sehingga konsumen bisa kecewa dan akhirnya bisa meninggalkan perusahaan tersebut. Kalau semua konsumennya meninggalkan perusahaan tsb maka mati lah perusahaan tersebut. Ihhh.... seram juga, gara-gara ramalan yg tidak akurat perusahaan bisa tutup alias bangkrut.
