Mohon tunggu...
Riah Manik
Riah Manik Mohon Tunggu... Lainnya - Dream : Tetap langsing sekalipun banyak makan 😅

Diberkati Untuk Memberkati

Selanjutnya

Tutup

Catatan

RAMALAN YANG AKURAT

12 November 2011   11:19 Diperbarui: 25 Juni 2015   23:45 1067
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Bagikan ide kreativitasmu dalam bentuk konten di Kompasiana | Sumber gambar: Freepik

Sebelum membuat rencana maka perusahaan melakukan peramalan. Peramalan adalah proses untuk menghasilkan ramalan. Didalam peramalan dibutuhkan pengumpulan data,pengolahan data. Peramalan dapat dilakukan secara kualitatif dan kuantitatif. Peramalan kualitatif berdasarkan perasaan (feeling) tapi bukan sembarang perasaan, biasanya diambil dari perasaan orang-orang yg sudah sangat berpengalaman dibidangnya masing-masing  sementara peramalan kuantitatif adalah berdasarkan perhitungan mate-matika/statistik. Kedua metode  tsb dipergunakan untuk kegiatan peramalan.

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.

Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H

Mohon tunggu...

Lihat Catatan Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun