TAKSONOMI PERAMALAN / FORECASTING

click, to get the pdf version 
APA ITU PERAMALAN???
Peramalan / forecasting adalah prediksi, proyeksi, atau estimasi mengenai satu atau beberapa aktivitas masa depan, atau kemunculan terhadap suatu fenomena.

JENIS PERAMALAN
  1. Peramalan Ekonomi : memprediksi keragaman indikator ekonomi seperti money supply, tingkat inflasi, tingkat bunga, dan lain-lain.
  2. Peramalan Berbasis Teknologi : PMempredksi tingkat perkembangan teknologi dan inovasi.
  3. Peramalan Permintaan (demand) : memperediksi permintaan untuk barang atau jasa sebuah perusahaan / organisasi
METODE YANG DIGUNAKAN DALAM PERAMALAN
  • Peramalan Kualitatif : Berdasarkan penilaian, pendapat, intuisi, emosi, atau pengalaman personal. Tidak bergantung pada perhitungan matematis.
  • Peramalan Kuantitatif : Peramalan tipe ini berdasarkan model matematis atau kuantitatif, dan bersifat objektif. Ia bergantung pada perhitungan matematis.
PERAMALAN METODE KUALITATIF TERDIRI ATAS :

  1. Pendapat Eksekutif : Pendekatan dimana sekelompok manajer bertemu dan mengembangkan metode peramalan secara kolektif berdasarkan pendapat mereka.
  2. Survey Pasar : Pendekatan yang menggunakan wawancara dan survey untuk menilai preferensi konsumen dan memperkirakan tingkat permintaan.
  3. Data Pemasar : Pendekatan ini menuntut setiap pemasar dapat memperkirakan nilai penjualan di daerahnya masing-masing.
  4. Metode Delphi : Pendekatan dimana kesepakatan atau konsensus dicapai oleh beberapa ahli.
PERAMALAN METODE KUANTITATIF TERDIRI ATAS :
  1. Model Time Series : model ini melihat pola masa lalu data dan berusaha memprediksi masa depan berdasarkan fenomena yang diamati dari kejadian di masa lalu. 
  2. Model Kausal : Mengasumsikan bahwa variabel yang diamati terkait terhadap variabel lain sesuai bidangnya. Model ini berusaha memproeksikan berdasarkan keterkaitan satu variabel dengan variabel lainnya dalam model. lihat bahasan metode kausal disini.
PERAMALAN DENGAN MODEL TIME SERIES
  1. Metode Naive : menggunakan nilai aktual periode terakhir sebagai hasil peramalan. lihat bahasannya disini
  2. Simple Average : Menggunakan rata-rata data masa lalu sebagai hasil peramalan. lihat bahasannya disini
  3. Simple Moving Average : Menggunakan rata-rata angka spesifik dari pengamatan terbaru, dengan masing-masing pengamatan diberikan penekanan yang sama (weighted). lihat bahasannya disini
  4. Weighted Moving Average : Menggunakan rata-rata angka tertentu dari pengamatan terbaru, dengan masing-masing pengamatan diberikan penekanan yang berbeda (weighted). lihat bahasannya disini
  5. Exponential Smoothing : Prosedur weighted average dengan penekanan yang terus menurun secara eksponensial, dengan asumsi data akan menjadi semakin tidak relevan. lihat bahasannya disini
  6. Proyeksi Trend : Teknik yang menggunakan metode kuadrat terkecil untuk mencocokkan terhadap proyeksi garis lurus data pada kurva peramalan. lihat bahasannya disini
  7. Indeks Musiman : Sebuah mekanisme untuk menyesuaikan nilai peramalan terhadap setiap pola musiman yang dimiliki data masa lalu. lihat bahasannya disini
DEKOMPOSISI TIME SERIES
adalah pola-pola yang mungkin muncul dalam analisis time series yang terdiri atas :
  • Trend : Data yang menunjukkan pertumbuhan yang lambat atau menurun sepanjang waktu.
  • Musiman : Data mengalami kenaikan atau penurunan dalam waktu yang relatif singkat atau menengah, biasanya dalam waktu 1 tahun.
  • Siklus : Data menunjukkan pola kenaikan atau penurunan pada waktu yang relatif lama atau jangka panjang. 
  • Komponen Acak : Dinamika kenaikan dan penurunan data tidak data diprediksi dan cenderung bergerak tak terarah tanpa ada pola yang jelas.
  • Lihat bahasan tentang Dekomposisi Time Series disini






Berikut ini adalah taksonomi metode peramalan kuantitatif menurut Wheelwright, Makridakis, McGee dalam Maarif, 2003 :

METODE DERET BERKALA:
Melihat sejarah yang akan berulang di masa datang.
  1. Naive : Metode yang sangat sederhana, hanya dengan asumsi penambahan sama setiap tahun
  2. Dekomposisi : Data diurutkan menurut komponennya, yaitu kecenderungan musiman, siklik, dan acak.
  3. Time Series Sederhana : Ramalan diperoleh dari perataan (smoothing) nilai-nilai pengamatan masa lampau.
  4. Time Series Lanjutan : Ramalan diperoleh dari kombinasi nilai-nilai observasi masa lampau dan atau errornya.
METODE KAUSAL
Ramalan dapat dilakukan dengan memahami hubungan sebab akibat. Bagaimana variasi factor-faktor tertentu menjelaskan variasi suatu peubah.
  1. Regresi sederhana : Variasi pada suatu peubah yang akan diramalkan dapat dijelaskan oleh variasi pada suatu peubah lainnya (peubah penjelas).
  2. Regresi Berganda : Variasi pada suatu peubah yang akan diramalkan dapat dijelaskan oleh beberapa peubah penjelas.
  3. Model Sistem Persamaan : Peramalan dilakukan dengan pendekatan system persamaan simultan, ketergantungan antara semua peubah diperhitungkan.
  4. Metode Analisis Multivariat : Pendekatan statistik yang memungkinkan prediksi melalui analisis multivariate time series.
MONITORING
Metode utama dari monitoring adalah Tracking Signals yaitu identifikas terhadap faktor non acak sehingga signal peringatan didapatkan.(yoso)