PROSEDUR PERAMALAN

PROSEDUR PERAMALAN

PROSEDUR PERAMALAN

PROSEDUR PERAMALAN

Prosedur peramalan formal menggunakan pengalaman pada masa lalu untuk menentukan kejadian dimasa yang akan datang. Asumsi yang digunakan adalah bahwa apa yang pernah terjadi dimasa lalu akan terjadi lagi di masa yang akan datang, dengan pola yang sama atau mirip. Untuk memperoleh gambaran kondisi pada masa lalu dan kemudian menggunakannya untuk mengetahui (meramal) kondisi pada masa yang akan datang, diperlukan 5 langkah.

  1. Mengumpulkan data

Langkah awal dari proses peramalan adalah mengumpulkan data yang lengkap yang diperlukan. Tahap ini relatif sulit, karena data yang dikumpulkan harus akurat dan dalam jumlah yang cukup untuk membuat ramalan. Data yag terlalu sedikit akan menyulitkan kita untuk memperoleh pola perubahannya

  1. Mereduksi data

Data yang terkumpul dapat dilakukan penyaringan untuk memperoleh data yang relevan.Seringkali pada data yang terkumpul terdapat data yang tidak relevan dengan permasalahan yang dihadapi.Misalnya kita ingin membuat ramalan tentang penjualan. Data penjualan pada periode terjadinya bencana alam tidak perlu dimasukkan (harus direduksi/tidak dipakai), karena data penjualan tersebut hanya mencerminkan penjualan pada kondisi adanya bencana alam dan tidak  mencerminkan penjualan pada kondisi normal.

  1. Membangun dan Mengevaluasi model

Data yang telah terkumpul harus disesuaikan dengan model ramalan yang digunakan, agar kesalahan dalam peramalan dapat diminimalisir. Model yang lebih sederhana dan akan memberikan hasil peramalan yang lebih baik lebih disukai oleh pengguna ramalan (perencana dan pengambil keputusan).

  1. Melakukan peramalan/ proyeksi

Model peramalan yang dipilih setelah dicocokan dengan data yang terkumpul dan telah dilakukan pengurangan (jika perlu), akan dilanjutkan dengan membuat ramalan menggunakan model peramalan tersebut. Kadangkala diperlukan data historis untuk mengetahui besarnya kesalahan ramalan menggunakan model tersebut, yakni dengan cara memasukkan nilai data historis pada suatu periode kedalam model ramalan untuk memperoleh nilai ramalan pada periode tersebut. Tujuannya adalah untuk mengetahui keakuratan ramalan.

  1. Mengevaluasi ramalan

Setelah selesai membuat model peramalan, berikutnya dalah membuat ramalan nilai data pada beberapa periode kedepan dan kemudian membandingkannya dengan data pada periode sebelumnya.Selisih antara nilai data ramalan dengan nilai data yang sebenarnya (actual) merupakan kesalahan (error) ramalan.Semakin kecil kesalahan ramalan, semakin baik model peramalan yang dihasilkan.Besarnya kesalahan peramalan dapat dinyatakan dalam beberapa satuan, misalnya menggunakan kesalahan ramalan rata-rata (average forecast error) atau menggunakan jumlah kuadrat kesalahan (sum of square error).

  1.  SUMBER KESALAHAN PERAMALAN DAN KETIDAKPASTIAN

Dalam ilmu fisika, identifikasi dan verifikasi terhadap pola atau hubungan adalah nyata dan objektif.Dengan demikian, presisi intrumen dapat menurunkan kesalahan pengukuran sampai pada tingkat nol. Hal ini sangat berbeda dengan ilmu ekonomi yang sering terjadi kesalahan pengukuran.Faktor penyebabnya adalah situasi ekonomi yang sangat komplek, perilaku manusia yang tidak konsisten, terdapat tenggang waktu antara tindakan dan hasilnya, dan masih banyak faktor yang lain, sehingga kesalahan peramalan dalam ilmu fisika merupakan fakta yang tidak bias dipungkiri. Besar kecilnya kesalahan pengukuran tergantung dari hal-hal berikut ini:

  1. Kekeliruan dalam mengidentifikasi pola dan hubungan.

Pola atau hubungan yang bersifat ilusi dapat diidentifikasi jika memang benar-benar tidak ada.Hal ini dapat terjadi, baik pada metode peramalan kualitatif (judgement forecasting) maupun pada peramalan kuantitatif (quantitative forecasting).Dalam model statistik, korelasi semu dapat terjadi pada penggunaan data observasi yang sedikit. Demikian juga dengan korelasi antara dua variable akan menjadi palsu (spirous), jika korelasi antara dua variable tersebut terjadi karena adanya variable lain yang dapat mengubah dua variable tersebut dengan arah yang sama. Pola atau hubungan yang ada akan menjadi tidak akurat dapat disebabkan oleh (a) informasi yang tersedia tidak cukup, (b) kondisi yang sebenarnya sangat kompek untuk dipahami, dan (c) model analisis menggunakan banyaknya variable yang terbatas. Identifikasi yang semu atau tidak tepat akan menghasilkan kesalahan ramalan yang serius, jika pola atau hubungan pada masa yang akan datang berbeda dengan pola dan hubungan masa lalu.

  1. Adanya pola yang tidak jelas atau hubungan tidak akurat.

Dalam ilmu sosial, sering ditemukan pola perubahan dari waktu ke waktu yang tidak nyata atau hubungan antar variable yang tidak tepat.Walaupun secara rata-rata pola atau hubungan dapat diidentifikasi, namun selalu ada fluktuasi disekitar rata-rata tersebut pada hamper semua kasus.Tujuan dari panggunaan model statistik adalah untuk mengidentifikasi pola atau hubungan agar data masa lalu memiliki fluktuasi terhadap rata-rratanya sekecil mungkin. Ini pun bukan jaminan bahwa besaran kesalahan ramalan pada masa yang akan datang akan sama dengan masa lalu.

  1. Terjadinya perubahan pola atau perubahan hubungan.

Dalam ilmu-ilmu sosial, pola atau hubungan secara terus menerus mengalami perubahan yang sulit untuk diperkirakan sebelumnya.Perubahan pada pola atau hubungan dapat mempengaruhi besarnya kesalahan yang terjadi dengan besaran yang tidak dapat dikenali sebelumnya.Besarnya kesalahan bergantung pada besaran dan lamanya perubahan tersebut.

https://9apps.id/

Author: 2bfmp