Peramalan
Peramalan dapat
diartikan sebagai suatu prediksi atau perkiraan tentang apa yang akan terjadi
di masa yang akan datang. Peramalan mempunyai peran yang sangat besar dalam
operasi sebuah perusahaan bahkan dalam keseluruhan bisnis. Sebagai contoh bahwa
terjadinya deviasi yang kecil antara peramalan terhadap aktual penjualan akan
berdampak pada perubahan kapasitas produksi, persediaan dan penjadwalan ulang
permintaan dari pelanggan. Tetapi bila deviasi yang terjadi cukup besar maka
akan dapat mengacaukan bisnis secara keseluruhan karena akan terjadi perubahan
besar pada operasi perusahaan yang dapat berdampak pada keuangan perusahaan
terutama menyangkut masalah modal kerja.
TIPE PERMINTAAN
Terdapat
tiga tipe perilaku permintaan, yaitu pola
tren, siklus, dan musiman.
1.
TREN
Tren menunjukkan pergerakan
permintaan dengan pola pergerakan naik atau turun secara bertahap dalam jangka
panjang. Contohnya, permintaan komputer menunjukkan permintaan yang semakin
meningkat pada dekade terakhir tanpa adanya kecenderungan penurunan permintaan
di pasar. Tren merupakan pola paling mudah untuk mendeteksi perilaku permintaan
dan seringkali juga menjadi titik awal untuk mengembangkan peramalan.
2. SIKLUS
Siklus merupakan pergerakan
permintaan yang naik dan turun yang berulang dan terjadi dalam jangka panjang
(lebih dari satu tahun). Contohnya, permintaan peralatan olahraga musim dingin
akan naik tajam setiap empat tahun sebelum dan sesudah diadakannya olimpiade
musim dingin. Gambar berikut menunjukkan suklus. Pada gambar tersebut Anda
dapat perhatikan bahwa pola naik dan turun selalu berulang dalam jangka waktu
yang kurang lebih sama.
3. POLA MUSIMAN
Pola musiman merupakan pola permintaan yang bergerak
bebas dan muncul secara periodik dalam jangka pendek serta berulang. Pola
musiman seringkali berkaitan dengan kondisi musim. Contohnya, pada musim hujan
permintaan payung dan jas hujan semakin meningkat, atau meningkatnya permintaan
seragam pada setiap awal tahun ajaran baru. Namun demikian, pola musiman dapat
muncul harian maupun mingguan. Contohnya, restauran akan mengalami jam-jam
sibuk pada saat waktu makan siang dan gedung bioskop lebih ramai pada akhir
minggu. Gambar berikut menunjukkan pola musiman ketika perilaku permintaan yang
sama selalu berulang setiap tahun pada waktu yang sama.
Disamping ketiga macam pola perilaku
permintaan tersebut, seringkali permintaan muncul dalam pola perilaku secara
bersama, misalnya pola musiman juga mengikuti tren meningkat. Contohnya,
walaupun permintaan akan peralatan olahraga ski meningkat setiap musim dingin
tiba, namun demikian terdapat tren permintaan yang meningkat dalam dua dekade
terakhir. Gambar berikut menunjukkan tren dengan pola musiman.
Peramalan permintaan merupakan dasar dari
keseluruhan keputusan perencanaan strategik dalam suatu rantai pasok. Proses
produksi sangat dipengaruhi oleh peramalan, baik push process maupun pull
process. Untuk proses produksi yang bersifat push process (jumlah produksi ditentukan oleh manajemen),
semua proses dilakukan sebagai bentuk respon terhadap permintaan pelanggan.
Untuk push process, manajer harus merencanakan tingkat produksi. Apabila
permintaan naik, maka perusahaan harus mampu mengakomodasi kenaikan tersebut. Sedangkan
pada pull process, manajer harus merencanakan
tingkat ketersediaan kapasitas dan persediaan. Untuk kepentingan tersebut,
manajer mula-mula harus meramalkan bagaimanakah pola permintaan pelanggan
nantinya.
Peramalan memiliki karakteristik tertentu. Perusahaan
harus bersikap hati-hati terhadap karakteristik peramalan sebagai berikut:
1.
Peramalan selalu salah atau tidak tepat, oleh karenanya selalu terdiri dari
nilai yang diharapkan sekaligus pengukuran kesalahan peramalan. Untuk memahami
pentingnya pengukuran kesalahan peramalan, perhatikan contoh berikut. Terdapat
dua dealer mobil, salah satu dari mereka berharap penjualan berada pada kisaran
100 dan 1.900 sedangkan yang lain berharap penjualan berkisar pada 900 dan
1.100. Walaupun kedua dealer tersebut mengantisipasi permintaan dengan menghitung
rata-rata sebesar 1.000, sumber peramalan kedua dealer tersebut tentunya
tidaklah sama. Oleh karenanya, kesalahan peramalan (atau ketidakpastian
permintaan) haruslah digunakan sebagai input utama dalam keseluruhan keputusan
rantai pasok. Perkiraan mengenai ketidakpastian permintaan seringkali dilupakan
dalam melakukan peramalan, sehingga menghasilkan estimasi yang sangat luas
diantara tahap-tahap dalam rantai pasok.
2.
Peramalan jangka panjang seringkali kurang akurat dibandingkan dengan
peramalan jangka pendek. Oleh karena itu, peramalan jangka panjang memiliki
standar deviasi yang lebih besar daripada peramlaan jangka pendek. Contohnya
perusahaan 7-Eleven Japan menggunakan proses yang menyebabkan mereka pmampu
merespon permintaan pelanggan dalam hitungan jam. Contohnya, jika datang
pesanan pada jam 10.00, maka pesanan tersebut akan dipenuhi pada jam 19.00 pada
hari yang sama. Manajer, oleh karenanya harus meramalkan apa yang mungkinakan
terjual malam itu kurang dari 12 jam sebelum pembelian senyatanya terjadi.
Peramalan jangka pendek tersebut mengakibatkan perhitungan yang lebih tepat
daripada jika manajer melakukan peramalan secara mingguan.
3.
Peramalan agregat seringkali lebih akurat daripada peramalan disagregat
karena memiliki standar deviasi relatif terhadap mean yang lebih besar.
Contohnya, untuk menghitung Gross
Domestic Product (GDP) suatu negara pada suatu tahun tertentu akan lebih
mudah dengan menggunakan kesalahan kurang dari dua persen. Namun sebaliknya,
untuk menghitung peramalan pendapatan tahunan suatu perusahaan akan sangat
sulit jika menggunakan kesalahan kurang dari dua persen. Demikian pula jika melakukan peramalan
pendapatan dari suatu produk akan lebih sulit lagi jika menggunakan tingkat
kesalahan yang sama. Perbedaan ketiga macam peramalan tersebut adalah pada
tingkat agregasi. Perhitungan GDP merupakan kumpulan atau agregasi dari
berbagai perusahaan dan penghasilan perusahaan merupakan kumpulan dari berbagai
lini produk. Semakin besar tingkat agregasi, maka semakin akurat peramalan yang
dilakukan.
4.
Pada umumnya, semakin jauh rantai pasok dari pelanggan mengakibatkan
semakin besarnya distorsi informasi yang diterima. Contohnya, adalah adanya bullwhip effect yaitu ketika variasi
permintaan semakin menjauh dari permintaan konsumen akhir. Hasilnya, semakin
panjang rantai pasok, semakin besar tingkat kesalahan peramalan. Kombinasi
peramalan berdasarkan penjualan konsumen akhir dapat membantu perusahaan
mengurangi tingkat kesalahan.
No comments:
Post a Comment