. PERAMALAN KUANTITATIF
1.
Teknik dan Analisis Runtut Waktu
Teknik runtut waktu dalam prakiraan permintaan sering
dipergunakan, mengingat bahwa teknik ini relatif mudah dijalankan dan siapa
saja mampu untuk melakukannya.
Pengertian runtut waktu sering dikonotasikan sebagai
serangkaian waktu yang beruntutan periodesasinya sepanjang periode dimana
prakiraan permintaan diproyeksikan. Misalnya mingguan, bulanan, kwartalan, dan
tahunan, tergantung keinginan dari pihak-pihak yang melakukan prakiraan
permintaan ini. Kalau diinginkan mingguan atau bulanan atau kwartalan dan tahunan.
Ini sesuai dengan kebutuhan periodik yang akan diharapkan hasilnya sebagai
prediksi volume atau jumlah permintaan atau potensi pertumbuhan permintaan.
Dalam praktek sering digambarkan bahwa waktu berurutan yang dimaksudkan
digambarkan dalam diagram dalam sumbu horizontal atau absis. Pada sumbu absis
atau horizontal digambarkan sebagai timing atau waktu dan periode data
diplotkan. Sedangkan sumbu vertikal digambarkan sebagai nilai atau jumlah
permintaan atau volume dan nilai penjualan yang berhasil direkam sesuai periode
yang ditentukan atau diharapkan.
Perlu diperhatikan disini, bahwa klasifikasi waktu
menurut sifat keruntutannya dapat dikelompokkan dalam empat kategori:
a)
Trend Sekuler
b)
Siklus Fluktuasi
c)
Variasi Musim
d)
Pengaruh Tak Teratur
2.
Trend Sekuler
Peramalan model trend sekuler dilakukan dengan menarik
garis secara kasar atau serampang mengikuti kecenderungan permintaan yang
terjadi secara siklus dari tahun ke tahun.
Kalau kecenderungan permintaan di tahun-tahun yang
akan datang naik maka garis trend yang kita tarik cenderung menaik untuk tahun
yang akan datang. Tetapi kalau kecenderungannya turun maka kita tarik garis
trend menurun untuk tahun-tahun yang akan datang. Model penarikan garis semacam
ini ada sejumlah data atau variabel lain yang perlu kita jadikan sebagai data
atau variabel pendukung serta asumsi yang bisa memperkuat kecenderungan garis
yang telah kita buat itu.
a)
Fluktuasi siklus
Siklus perubahan atau naik turunnya volume permintaan selama tahun-tahun
yang telah lalu dan yang akan datang yang kita telah tarik kecenderungannya
tentu disebabkan atau dipengaruhi oleh sejumlah faktor yang secara periodik dan
tetap harus ada atau terjadi selama periode tahunan yang akan datang. Biasanya
siklusnya telah bisa kita duga sebelumnya bahwa datangnya permintaan yang
meningkat pada periode tertentu sudah bisa kita prediksi kejadiannya. Begitu
juga atas terjadinya penurunan permintaan oleh konsumen kita mesti dapat
menduga sebelumnya pada periode tertentu selama tahun yang bersangkutan.
b)
Metode proyeksi trend
Metode proyeksi trend ini merupakan metode yang paling sederhana
dibanding dengan metode lainnya. Karena di dalam metode ini hanya menarik
secara garis lurus sesuai dengan kecenderungan data time series yang ada. Jika
data time series yang dijadikan pijakan dalam menarik garis lurus ini ada
kecenderungan meningkat, maka garis lurus yang ditarik cenderung naik sesuai
dengan kecenderungan peningkatan yang terjadi atau akan terjadi. Jika
sebaliknya maka cenderung juga sebaliknya dalam menarik garis lurus yang akan
ditarik. Tergantung dari kecenderungan atau trend yang akan diikuti naik atau
turunnya.
Pedoman rumus yang dipakai dalam menarik garis lurus ini adalah formula
berikut ini:
St = So + bt
Dimana St merupakan nilai variabel yang akan diramal pada periode t. So
adalah merupakan nilai estimasi dari time series (nilai konstanta dari fungsi
forecast) pada tahun dasar. Dan b merupakan koefisien kecenderungan kemiringan
garis ramalan yang akan ditarik, atau angka absolut pertumbuhan atau penurunan
per periode. Dan t merupakan lama waktu dimana time series dalam periode yang
diramalkan. Sebagai ilustrasi dapat
dicontohkan data kwartalan sebagai berikut:
Tabel
1 Permintaan Musiman Almari Kulkas di
Indonesia
(dalam
ribuan unit)
|
Periode
|
1999
|
2000
|
2001
|
2002
|
|
|
Kwartal
|
1
2
3
4
|
11
15
12
14
|
12
17
13
16
|
14
18
15
17
|
15
20
16
19
|
Berdasar data dalam contoh di atas, maka dapat kita susun tabel yang akan
menunjukkan secara berurutan kecenderungan volume permintaan sejak 1999 sampai
dengan tahun 2002. Data dalam tabel 1 dapat disusun sebagai berikut dalam tabel
2.
Tabel
2 Data permintaan lemari kulkas di Indonesia
1999 - 2002
(dalam
ribuan unit)
|
Tahun
|
Kwartal
|
Jumlah
|
Perubahan
(%)
|
Keterangan
|
|
1999
|
1
2
3
4
|
11
15
12
14
|
0
+35
-20
+16,6
|
-
naik
turun
naik
|
|
2000
|
5
6
7
8
|
12
17
13
16
|
-14,2
+41,6
-23,5
+23,0
|
turun
naik
turun
naik
|
|
2001
|
9
10
11
12
|
14
18
15
17
|
-12,5
+28,5
-16,6
+13,3
|
turun
naik
turun
naik
|
|
2002
|
13
14
15
16
|
15
20
16
19
|
-11,7
+33,3
-20,0
+18,7
|
turun
naik
turun
naik
|
|
|
n = 15
|
|
Σ +91,6
|
|
So sebagai tahun
dasar adalah tahun 1999 kwartal 1 bernilai 11.
b
= 91,6 = 6,1066 % atau = 0,061066
15
Sehingga forecasting ke depan
dapat diikhtisarkan sebagai berikut:
Tabel
3 Ikhtisar prediksi volume permintaan
tahun 2003
|
Tahun 2003
Kwartal 17
Volume permintaan (St) = 11 + 0,061066(17) = 12,038
18
= 11 + 0,061066(18) = 12,099
19
= 11 + 0,061066(19) = 12,160
20
= 11 + 0,061066(20) = 12,221
21
= 11 + 0,061066(21) = 12,282
dan seterusnya
|
Meramalkan dengan metode seperti ini sangat mudah dan bersifat sembarang
garis yang ditarik. Oleh karena itu hasil prediksinya cukup kasar dan
dimungkinkan terdapat penyimpangan yang cukup besar. Meski demikian bahwa
prediksinya cukup terbimbing dengan kecenderungan yang terarah searah dengan
kecenderungan yang ada dari data yang diperoleh berdasar pengalaman historis.
Jadi kalau pada kuartal 17 sampai dengan kwartal 20 tahun 2003 yang akan
datang ingin diprediksi berapa kecenderungan permintaan akan bergerak maka
kecenderungannya berkisar seperti yang dihasilkan pada tabel 3.
c)
Metode Variasi Musim
Melakukan prakiraan volume permintaan konsumen di waktu-waktu yang akan
datang dapat didasarkan pada gelombang musiman yang melekat pada kultur budaya
atau kebiasaan dari masyarakat. Tetapi dapat juga karena faktor sifat dan
keadaan alam yang melekat pada iklim atau cuaca. Misalnya produksi musim semi,
gugur dan musim penghujan dan bahkan musim kemarau, produk apa yang sedang atau
akan datang musimnya.
Sifat masyarakat yang menimbulkan musiman ini oleh karena faktor budaya
dan kebiasaan misalnya karena musim hari raya keagamaan. Pada saat-saat itu
biasanya masyarakat akan memiliki hajat yang cukup besar dalam melakukan
pemenuhan konsumsi barang keperluan pesta dan sehari-hari. Maka dapat dipastikan
pada periode ini permintaan akan kebutuhan dan keperluan konsumsi akan
meningkat dalam jumlah yang cukup berarti. Demikian juga ketika datang musim
bulan-bulan baik maka banyak masyarakat menggunakan bulan tersebut melaksanakan
hajat perkawinan, pesta perkawinan, dan hajat-hajat yang lain yang memerlukan
pesta dan upacara-upacara sacral yang memerlukan konsumsi dan persediaan barang
kebutuhan untuk keperluan tersebut. Contoh dapat diberikan dalam variasi
musiman ini antar lain misalnya dalam memenuhi kebutuhan konsumsi daya listrik
dapat dilihat sebagai berikut
Tabel
4 Jumlah kebutuhan daya listrik tahun
1999 s/d 2002
(dalam
jutaan kw)
|
Tahun
|
Kwartal
|
Jumlah
Daya
|
|
1999
|
1
2
3
4
|
11
15
12
14
|
|
2000
|
1
2
3
4
|
12
17
13
16
|
|
2001
|
1
2
3
4
|
14
18
15
17
|
|
2002
|
1
2
3
4
|
15
20
16
18
|
Dari data pada tabel 4 ini terlihat bahwa pola pemakaian listrik nampak
atau cenderung memiliki pola yang tetap pada periode kwartalannya. Setiap
kwartalnya pada setiap tahunnya cenderung berpola sama. Yaitu pada kwartal
pertama, kedua, dan ketiga dapat disimpulkan memiliki pola perubahan dan
kenaikan yang seragam. Polanya seragam sebagai gejala naik, turun, dan naik.
Dari gejala ini dapat dipastikan bahwa pemakaian listrik pada kwartal
kedua cenderung naik. Pada kwartal ketiga cenderung menurun. Kemudian pada
kwartal keempat cenderung naik lagi.
Dengan pola seperti itu dapat kita simpulkan bahwa pihak penyedia daya
listrik akan tahu dalam prediksinya atau pola pemakaian daya listrik yang
diminta oleh masyarakat. Kapan harus diturunkan penyediaannya, dan kapan harus
menyediakan dalam jumlah yang cukup oleh karena ada kecenderungan ada
peningkatan pada kwartal-kwartal tertentu yang harus diantisipasi
penyediaannya.
d)
Metode Rata-rata Bergerak
Metode rata-rata bergerak ini delakukan untuk lebih memperbaiki hasil
dari metode trend yang dinilai cukup kasar dan cukup beresiko penyimpangan dari
hasil trend seperti yang kita telah tampilkan sebelum ini. Metode rata-rata
bergerak, sesuai dengan namanya bergerak dilakukan dengan pengelompokkan
periode waktu dihitung rata-ratanya menurut pengelompokkan waktu yang dinilai
dapat mewakili sifat data yang akan dihitung. Misalnya apakah dihitung per
tiga, empat atau lima
bulanan dalam suatu satuan waktu yang akan kita pilih. Ini tergantung dari
sifat data maupun kepentingan peramalan terhadap data yang tersedia.
Sifat data yang akan dihitung rata-ratanya setidaknya dilatarbelakangi
oleh kondisi umum yang normal, dan tidak terjadi gejolak yang tak teratur yang
mencerminkan ketidaknormalan kondisi sehingga data muncul terlalu berfluktuasi
yang sangat tinggi.
Kepentingan peramalan yang akan dipakai apakah dalam skup jangka pendek nilai
ramalan yang diketahui atau dalam jangka atau rentang waktu yang lebih panjang.
Kalau menggunakan rentang waktu yang lebih pendek maka hasil rata-rata bergerak
yang akan kita peroleh akan lebih mendekati kondisi sifat data yang sebenarnya
dan rata-rata yang kita temukan terdistribusi atau tersebar pada kelompok data
faktual. Sedangkan jika satuan waktu yang lebih panjang, rata-rata yang akan
kita peroleh akan lebih mewakili sejumlah data yang lebih banyak dan beraneka
macam fluktuasinya, sehingga rata-rata bergeraknya lebih tersebar dan kurang
mewakili fakta sifat data yang tersebar tersebut. Terkecuali sifat data lebih
homogen dan tidak terlalu fluktuatif.
Angka deviasi dapat diperoleh dengan cara mengurangi angka observasi
dengan angka rata-rata bergerak. Sedangkan deviasi kuadrat adalah menguadratkan
deviasi. Jumlah deviasi kuadrat ini akan kita pergunakan untuk menghitung
penyimpangan atau tingkat error (istilah disini adalah Root Mean Square Error =
RMSE) setiap pengelompokkan rata-rata bergerak ini. Dengan rumus sebagai
berikut:
_____________
RMSE = √ Σ (At – Ft)2___
n
Dimana:
RMSE = Root Mean Square Error
At = Angka
observasi
Ft =
Rata-rata bergerak yang dihasilkan per kelompok waktu
e)
Metode rata-rata tertimbang (Exponential Smoothing)
Metode exponential smoothing ini merupakan metode yang lebih halus lagi
dari pada metode rata-rata bergerak. Jadi metode ini lebih hati-hati dalam
memprediksi atau meramal permintaan yang akan terjadi di masa akan datang.
Apabila kita memperhatikan sifat data time series, maka ada kecenderungan
bahwa metode rata-rata tertimbang akan lebih disukai dipilih daripada metode
rata-rata bergerak. Mengapa demikian, karena di dalam metode rata-rata
tertimbang menyertakan faktor-faktor yang relevan yang menjadi penyebab
tersebarnya data time series. Hal ini diimplementasikan ke dalam perkiraan dari
faktor terjadinya fluktuasi pada data time series ke dalam resiko penyimpangan
prakiraan, sehingga hasil prakiraan dari masing-masing prakiraan lebih kecil
risiko fluktuasi penyimpangan. Dan angka rata-rata tertimbang tertentu yang
dipilih merupakan komposisi persebaran atas terjadinya keakuratan dan resiko
penyimpangan yang mungkin akan terjadi sebagai mendasari prakiraan yang
dihasilkan. Demikian untuk perhitungan prakiraan berikutnya secara berjenjang
dari prakiraan sebelumnya ke prakiraan selanjutnya di dalam periode yang
diramalkan. Hal ini dimaksudkan untuk meratakan resiko penyimpangan sehingga
resiko tersebut berada pada persebaran yang lebih merata keseluruhan periode
yang diprakirakan.
Metode rata-rata tertimbang dilakukan dengan proses perhitungan sebagai
berikut:
Ø
Menentukan angka tertimbang (weight) tertentu bagi data observasi
dengan notasi w antara angka 0 s/d 1.
Ø
Menambahkannya dengan angka tertimbang bagi data
prakiraan dengan notasi (1 - w).
Ø Menghitung
rata-rata keseluruhan dari data time series dengan rumusan A1 + A2
+ ……+ An = F1
n
Ø
Menghitung prakiraan dengan rumusan Ft+1 =
wA + (1 – w )F1
Dimana Ft+1 merupakan prakiraan pada periode kedua, w merupakan angka tertimbang yang
dipilih, A merupakan data observasi, 1 – w
merupakan persebaran atau penghalusan, dan F1 merupakan prakiraan
sebelumnya.
3.
Metode Ekonometri
Metode ekonometri merupakan metode prediksi volume
atau nilai dependen variabel dengan melibatkan berbagai faktor atau variabel
independent yang relevan dan cukup signifikan mempengaruhi dependen variabel
tersebut. Secara ekonomi dari model ekonometri ingin dilihat relevansinya
pengaruh independent variabel terhadap dependen variabel. Bahkan juga ingin
dilihat apakah antar variabel independent itu saling mempengaruhi dan berapa
besar pengaruh mempengaruhi antar variabel independent ini atas besarnya
pengaruh terhadap dependen variabel. Juga ingin dilihat berapa tepat antara
kebenaran statistik dikoreksi dengan kebenaran secara ekonomi.
Jadi secara literatur ekonometrik merupakan suatu pengukuran secara
ekonomi baik secara statistik, matematik maupun secara ekonomi teori sekaligus
dalam konteks hubungan antara variabel-variabel ekonomi. Memang metode
ekonometrik sering lebih kompleks dibanding dengan metode proyeksi trend. Namun
ekonometrik setidaknya memiliki dua keunggulan sebagai alat prakiraan. Pertama
adalah keunggulan dalam memperoleh prediksi nilai variabel yang penting. Ini akan
sangat berguna bagi manajer untuk mengevaluasi kemungkinan pengaruh alternatif
keputusan yang diambil. Kedua adalah metode ekonometrika mengestimasi perilaku
hubungan antara variabel-variabel. Secara mencolok meramalkan dengan dasar
metode lain seperti misalnya survey data hanya memperoleh sesuatu yang lebih
kecil dari penyebab yang hakiki pada hubungan antar variabel-variabel ini
secara umum.
Terdapat empat tahapan yang termasuk di dalam
memformulasi forecast model
ekonometrika ini.
1)
Membangun suatu model teori
2)
Mengumpulkan data
3)
Memilih bentuk persamaan fungsi yang diestimasi
4)
Mengestimasi dan menginterpretasi hasil
a.
Membangun model teori
Dengan menggunakan metode ekonometri, pertama yang harus dilakukan adalah
memformulasi model teori hubungan ekonomi. Model ini harus didasarkan pada
nuansa teori ekonomi dan dinyatakan dalam bentuk fungsi matematik. Pada
dasarnya proses membangun model termasuk menentukan variabel-variabel yang
dimasukkan di dalam model dan jika ada teori yang rasional untuk memprediksi
hubungan dan perilaku keterkaitan antar variabel. Sebagai contoh disini
misalnya kita menginginkan untuk memprakirakan permintaan, maka hubungan antar
harga dan kuantitas dapat menjadi dasar teori yang logis bagi suatu model.
Suatu pernyataan matematik yang sederhana dalam hubungan antar variabel ini
adalah:
Q = f(P)
Teori ekonomi memprediksi suatu hubungan berbalik arah antara harga dan
jumlah barang yang diminta. Jadi ini diharapkan derivasi (dQ/dP) kuantitas dengan harga akan negative. Ini sudah merupakan teori
atau model teruji secara empirik, sehingga sudah merupakan teori sudah terbukti
di lapangan, di masyarakat, dan di pasar dunia dengan sejumlah asumsi.
Namun satu hal bahwa hubungan antara harga dan kuantitas barang yang
diminta oleh masyarakat ditunjukkan adanya hubungan dan respon negatif di dalam
hubungan kedua faktor tersebut. Oleh karena itu pada model ekonometri ingin
ditunjukkan model sejumlah faktor yang mempengatuhi volume permintaan.
Faktor harga yang mempengaruhi volume permintaan tersebut sebenarnya
tidaklah merupakan satu-satunya faktor yang mempengaruhi permintaan, tetapi
banyak faktor lain yang juga ikut mempengaruhi permintaan. Maka secara spesifik
hubungan kausalistik permintaan itu dipengaruhi oleh selain harga, tetapi juga
dipengaruhi misalnya oleh income per kapita (I), harga barang lain (Po), dan Advertensi (A), dan lain-lain.
Karena itu model fungsi yang dikembangkan dalam persamaan ekonometri
sebagaimana ditunjukkan pada pembahasan estimasi permintaan yang dipengaruhi
oleh sejumlah faktor atau variabel antara lain seperti yang dinyatakan sebagai:
Qd = f(P, I, Po,
dan A)
Yang secara ekonomi terbukti secara empirik bahwa fungsi permintaan
dipengaruhi P, I, Po, dan A itu dirumuskan
sebagai fungsi:
Qd = a – bP + cI +
dPo + eA
Dimana Qd merupakan volume permintaan, a merupakan koefisiensi konstanta,
b,c,d,dan e merupakan koefisiensi faktor Harga, Income, Harga Barang Lain, dan
Advertensi
b.
Mengumpulkan data
Kegiatan mengumpulkan data dari faktor-faktor yang mempengaruhi
permintaan yaitu harga, income, harga barang lain, dan advertensi dilakukan
oleh manajer antara lain melalui survey di perusahaan, di biro statistik umum,
lembaga-lembaga konsultasi manajemen, lembaga asosiasi-asosiasi industri atau
pengusaha atau Kadin, dan lain-lain. Survey juga dapat dilakukan langsung pada
pelaku usaha dan masyarakat konsumen selama periode tertentu menurut kebutuhan
pengkajian dan peramalan permintaan dan potensi pasar yang akan dijadikan
sebagai bahan informasi potensi dan peluang serta kendala pasar yang dihadapi
oleh manajer perusahaan yang akan menyusun model atau metode ekonometri yang
akan disusun.
c.
Memilih dan Menentukan Fungsi Permintaan
Setelah data yang dikumpulkan tersebut diolah dalam komputer dan
menghasilkan suatu print out atau tampilan parameter-parameter, uji kesalahan
dan signifikansi serta layak dan tidaknya parameter tersebut, baik secara
statistik maupun secara ekonomi teori dari yang dihasilkan seperti yang telah
dibahas dalam estimasi dalam bab sebelumnya, maka kita dapat memilih dan
menentukan sejumlah variabel atau faktor yang layak dan signifikan sebagai
bahan pertimbangan untuk menyusun fungsi permintaan yang tepat. Sehingga kita
menentukan sebuah fungsi yang benar-benar signifikan secara statistik dan juga
secara ekonomi sesuai dengan kecenderungan perilaku ekonomi yang secara teori
dan empirik teruji dan terbukti kecenderungan perilakunya.
Jika kita telah meyakini bahwa fungsi permintaan pada rumus di atas dan
terbukti signifikan semua parameter semua variabel yang terpilih tersebut, maka
dapat kita pergunakan sebagai alat meramal permintaan dimasa datang, dengan
sejumlah asumsi yang perlu disertakan. Antara lain bahwa fenomena
variabel-variabel itu untuk masa datang masih memiliki bobot pengaruh yang
sama. Tidak ada variabel lain selain yang diprediksi mempengaruhi secara
dominan terhadap permintaan.
d.
Mengestimasi dan interpretasi hasil
Sebagai hasil dari pemilihan bentuk fungsi permintaan, kita akan jadikan
ini sebagai fungsi yang dapat menjelaskan hal-hal berikut ini:
Persamaan fungsi ini kita pilih untuk meramal
berdasar pada teori ekonomi
Estimasi parameter dari persamaan linier ini
mengindikasikan pengaruh perubahan variabel independen
Demikian juga estimasi parameter estimasi itu
dapat kita jadikan sebagai bahan untuk menguji dan mengevaluasi gejala dan
perilaku permintaan dipengaruhi variabel independen
R2 merupakan nilai yang indikasinya
adalah proporsi variasi pada variabel dependen dijelaskan oleh variabel
independen.
0 comments:
Post a Comment