Pada umumnya perusahaan membeli atau memproduksi barang tanpa memperkirakan berapa banyak yang akan terjual pada periode berikutnya. Hal ini tentu mengakibatkan banyak hal seperti kekurangan yang mengakibatkan perusahaan harus mengalami backorder atau bahkan lostsales, atau kelebihan yang mengakibatkan banyaknya barang yang disimpan di gudang. Jika kekurangan ada 2 tipe customer, yaitu customer yang mau menunggu hingga barang datang (backorder) dan customer yang beralih ke perusahaan lain untuk membeli produk tersebut (lostsales). Kekurangan mengakibatkan kerugian yang tidak langsung. Bayangkan saja berapa keuntungan yang dapat kita dapatkan jika memenuhi seluruh permintaan dibanding dengan sebagian permintaan saja. Kelebihan yang berlebihan juga mengakibatkan kerugian seperti biaya beli atau/dan biaya produksi juga biaya simpan yang tinggi.
Untuk itu diperlukan metode forecast (Forecasting Methods) untuk membuat perencanaan pemenuhan permintaan dimasa mendatang. Saat ini terdapat banyak metode forecast yang tersedia. Tentu tiap metode forecast memiliki keunggulan dan kelemahannya masing-masing. Untuk itu diperlukan ketepatan untuk memilih metode forecast manakah yang terbaik untuk perusahaan anda. Metode forecast yang tepat dapat mengakibatkan tingkat error atau deviasi yang kecil antara hasil metode forecast dan hasil permintaan sebenarnya.
Pemilihan metode forecast ini didasari banyak faktor, seperti tujuan dari metode forecast, data historis permintaan perusahaan, tingkat keakuratan yang diinginkan perusahaan, periode waktu yang diinginkan untuk digunakan sebagai acuan dalam meramal, biaya forecast/keuntungan dari metode forecast tersebut pada perusahaan, dan waktu yang tersedia untuk melakukan metode forecast.
Faktor-faktor ini harus dipertimbangan dengan baik. Sebagai contoh, seorang forecaster harus memilih metode forecast yang dapat memaksimalkan data yang dimilikinya. Jika seorang forecaster tersebut sudah dapat menerapkan metode forecast tersebut dengan tingkat akurasi yang diinginkan perusahaan, forecaster tersebut dapat mencoba metode yang lebih “baik” yang menawarkan tingkat akurasi lebih tinggi. Namun data yang diperlukan untuk melakukan metode forecast tersebut juga harus menjadi bahan pertimbangan sehingga metode dapat diterapkan dan benar-benar akurat.
Metode forecast dibagi menjadi 2, yaitu Metode Kualitatif (Qualitative Methods) dan Metode Kuantitatif (Quantitative Methods).
Metode Kualitatif
Metode ini biasanya digunakan untuk produk baru yang masih belum memiliki data historis permintaan sendiri sehingga memerlukan pendapat orang lain atau data historis dari produk lain yang serupa untuk metode forecastnya. Metode ini terkadang juga biasa digunakan untuk produk yang sudah berjalan lama karena penerapannya yang sangat mudah. Metode kualitatif ini terdiri banyak metode, namun kami hanya akan membahas 5 metode yang paling sering digunakan oleh perusahaan untuk meramal permintaan yaitu Delphi Method, Market Research, Panel Consensus, Visionary Forecast, dan Historical Analogy.
Delphi Method
Merupakan metode forecast dimana para ahli diminta untuk mengisi kuisioner lalu pendapat para ahli dari kuisioner tersebut digabungkan dan dianalisa. Jika terdapat perbedaan pendapat, hasil dari kuisioner sebelumnya digunakan untuk membuat kuisioner berikutnya. Hal ini terus berulang dilakukan hingga pendapat para ahli ini mencapai titik temu atau hingga mereka mencapai kesepakatan pendapat. Tanggapan para ahli ini juga anonim dan tidak diperlukan untuk bertemu secara langsung sehingga tidak ada intimidasi. Pendapat semua ahli memiliki bobot yang sama.
Market Research
Merupakan metode forecast yang menggunakan prosedur sistematis, formal, dan nyata untuk memperbaiki atau menguji hipotesa pasar sesungguhnya. Forecast ini menggunakan data yang didapat dari konsumen melalui survey, kuisioner, telpon, atau bertemu langsung. Metode ini menghabiskan banyak waktu dan tenaga untuk mengumpulkan semua data permintaan konsumen.
Panel Consensus
Merupakan metode forecast dimana segala tingkatan manajemen dan individu diminta untuk mengutarakan pendapat mereka dalam suatu diskusi terbuka. Tentu metode ini memiliki banyak kekurangan seperti pengaruh sosial. Intimidasi dari tingkatan manajemen atau individu yang lebih tinggi membuat dominasi pada diskusi. Membuat pendapat tiap individu menjadi tidak berimbang. Namun metode ini lebih cepat dibanding Delphi Method.
Visionary Forecast
Merupakan metode forecast dimana forecast dilakukan oleh seorang individu. Berdasarkan pendapat, perkiraan, skenario dari seorang individu saja. Metode ini merupakan metode yang tidak berdasarkan sains.
Historical Analogy
Merupakan metode forecast yang menggunakan produk-produk yang serupa untuk dijadikan bahan analisis. Historis dari produk-produk serupa yang sudah ada ini dianalisa. Metode forecast ini didasari oleh pola yang telah dihasilkan dari data analisa produk-produk yang serupa tadi.
Metode Kuantitatif
Metode ini biasa digunakan untuk produk yang sudah jalan dan memiliki data historis permintaan sendiri sehingga tidak memerlukan data produk serupa. Metode ini memiliki 2 tipe forecast, yaitu Time Series dan Causal Model.
Time Series
Metode Time Series menggunakan data historis permintaan dari produk itu sendiri. Namun biasanya metode forecast tipe ini susah diterapkan karena data permintaan kebanyakan bertipe seasonal atau bermusim, juga harga dari produk kadang tidak menentu sehingga susah untuk diterapkan. Metode ini terdiri dari banyak metode, namun disini kami hanya akan membahas beberapa metode forecast yang sering digunakan saja yaitu Moving Average dan Exponential Smoothing
Moving Average
Merupakan metode forecast yang menggunakan data historis permintaan sebelumnya yang dirata-rata. Dinamakan moving average karena rata-rata yang dilakukan selalu bergerak sesuai periode waktu tertentu yang diinginkan. Misal moving average 3 bulan, berarti menggunakan data 3 bulan sebelumnya untuk dirata-rata untuk menentukan hasil forecast pada bulan berikutnya. Moving average memiliki beberapa jenis, yaitu moving average dan weighted moving average (memberi bobot yang berbeda pada tiap periode sesuai keinginan). Data yang diambil haruslah memiliki kesamaan dengan periode berikutnya. Misal jika produk bersifat seasonal maka ambil data dari season yang sama sehingga hasil lebih akurat. Metode ini dapat menggunakan software seperti excel dalam perhitungannya.
Exponential Smoothing
Merupakan metode forecast yang mirip dengan weighted moving average, memberi bobot pada masing-masing periode.Namun bobot yang digunakan merupakan alfa untuk permintaan sesungguhnya pada periode sebelumnya dan satu dikurangi alfa untuk hasil forecast pada periode sebelumnya. Misal pada periode ke 4 maka perhitungannya alfa dikali permintaan periode ke 3 ditambah (satu dikurangi alfa) dikali hasil forecast periode ke 3. Metode ini dapat menggunakan software seperti excel dalam perhitungannya.
Causal Model
Metode Causal Model merupakan metode yang menggunakan hubungan sebab akibat pada metode forecastnya. Causal Model merupakan metode forecast yang paling sulit diantara semua tipe metode forecast. Metode forecast ini terdiri dari beberapa metode, namun kami hanya akan membahas metode yang paling sering digunakan yaitu Regression Model.
Regression Model
Merupakan metode forecast yang menggunakan regresi linier yang menghubungkan periode dan permintaan. Metode ini mencari hubungan antara periode dan permintaan. Seperti perhitungan regresi linier biasa, metode forecast Regression Model mencari pola hubungan menggunakan grafik Metode ini dapat menggunakan software seperti excel dalam perhitungannya.
Dari poin-poin penjelasan di atas, kita memahami bahwa forecast merupakan kebutuhan bagi perusahaan untuk dapat merencanakan rancangan produksi atau pembelian dalam memenuhi permintaan di masa mendatang karena tidaklah memungkinkan untuk menunggu pesanan baru untuk memproduksi atau membeli barang. Untuk itu diperlukan perancangan perkiraan permintaan pada periode mendatang, baik melalui metode kualitatif atau metode kuantitatif, mana yang lebih sesuai bagi masing-masing perusahaan dengan perancangan yang paling tepat untuk dijalankan.
Semoga bermanfaat