PERAMALAN

pict: catatantugasku

Mengapa peramalan menjadi subyek yang cukup penting dalam manajemen rantai pasokan….? Peramalan menjadi penting dalam rantai pasokan karena dalam rantai pasokan terdiri dari beberapa pihak yang terkait antara satu dengan yang lainnya. Satu analisis peramalan harus dapat digunakan untuk seluruh pihak dalam rantai pasok. Apabila setiap pihak memiliki metode peramalan dengan hasil hitungan yang berbeda satu dengan yang lain, Anda dapat bayangkan betapa banyaknya barang yang tidak dapat terserap karena kesalahan dan variasi peramalan, selanjutnya berapa banyak kerugian yang ditanggung.


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.

Gambar Tren

2. SIKLUSSiklus 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.

Gambar Siklus

3. POLA MUSIMANPola 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.

Gambar pola musiman

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.

Gambar 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.