[ TECHNOLOGY FORECASTING ]

2013 [ TECHNOLOGY FORECASTING ] [ANGKY WAHYU P. ] [116100317011002]

Sebagai Tugas Untuk Mata Kuliah Manajemen Teknologi

PROGRAM MAGISTER TEKNOLOGI INDUSTRI PERTANIAN JURUSAN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS BRAWIJAYA MALANG

A. PENGERTIAN PERAMALAN  Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang.  Peramalan merupakan sebuah alat bantu yang penting dalam perencanaan yang efesien dan efektif.  Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.  Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang.  Peramalan dilakukan dengan memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang kegiatan di masa yang akan datang.  Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu.  Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess). B. TUJUAN PERAMALAN Tujuan peramalan dilihat dengan waktu: 1. Jangka pendek (Short Term) Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian ataupun mingguan dan ditentukan oleh Low Management. 2. Jangka Menengah (Medium Term) Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management. 3. Jangka Panjang (Long Term) Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management.

Brawijaya University | [email protected]

2

C. KARAKTERISTIK PERAMALAN YANG BAIK Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut : 1. Akurasi. Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut bila terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil. 2. Biaya. Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banayak data yang dibutuhkan, bagaimana pengolahan datanya ( manual atau komputerisasi), bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah.

3. Kemudahan Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi. D. KEGUNAAN ATAU MANFAAT PERAMALAN Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka atau bilangan yang harus dipergunakan begitu saja. Penggunaannya masih memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil ramalan biasanya didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah seperti waktu sebelumnya. Kegunaan peramalan terlihat pada saat pengambilan keputusan atau menetapkan berbagai kebijakan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Ramalan Brawijaya University | [email protected]

3

diperlukan untuk memberikan informasi sebagai dasar untuk membuat suatu keputusan dalam berbagai kegiatan, seperti penerbangan, peternakan, perkebunan dan sebagainya. Pertimbangan tentang peramalan telah tumbuh karena beberapa faktor, antara lain sebagai berikut : 1.

karena meningkatnya kompleksitas organisasi dan lingkungan. Hal ini menyebabkan semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara memuaskan.

2.

meningkatnya ukuran organisasi menyebabkan bobot dan kepentingan suatu keputusan meningkat pula.

3.

lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Peramalan diperlukan karena adanya perbedaan-perbedaan waktu antara kebijakan

baru dengan waktu pelaksanaan tersebut. Oleh karena itu dalam menentukan kebijakan sangat diperlukan pemanfaatan kesempatan yang ada, dan gangguan yang mungkin terjadi pada saat kebijakan baru tersebut dilaksanakan. Peramalan diperlukan untuk mengantisipasi suatu peristiwa yang dapat terjadi pada masa yang akan datang, sehingga dapat dipersiapkan kebijaksanaan atau tindakan-tindakan yang perlu dilakukan. Adapun manfaat dari peramalan adalah sebagai berikut: 1.

Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan tepat.

2.

Merupakan suatu pedoman dalam menentukan tingkat persediaan perencanaan dapat bekerja secara optimal.

3.

Sebagai masukan untuk penentuan jumlah investasi.

4.

Membantu menentukan pengembangan suatu pekerjaan untuk periode selanjutnya.

E. BEBERAPA SIFAT HASIL PERAMALAN Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu : 1. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut. 2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.


4

3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi permintaan relatif masih konstan sedangkan masih panjang periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.

F. METODE PERAMALAN Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan didasarkan atas data yang relevan pada masa lalu, sehingga metode peramalan ini dipergunakan dalam peramalan yang objektif. Metode peramalan sangat berguna untuk membantu dalam mengadakan pendekatan analisis terhadap pola data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis, serta memberi tingkat keyakinan yang lebih atas ketepatan hasil ramalan yang dibuat. Keberhasilan dari suatu peramalan ditentukan oleh: 1. Pengetahuan teknik tentang informasi masa lalu yang dibutuhkan, informasi ini bersifat kuantitatif. 2. Teknik dan metode peramalan Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktorfaktor penentu kejadian sebenarnya, jenis-jenis pola data dan beberapa pola lain. Hal yang sangat mempengaruhi terhadap kesuksesan dalam menentukan ramalan adalah pemilihan teknik yang tepat. Ada enam faktor utama yang dapat didefinisikan sebagai teknik dan metode peramalan yaitu: 1. Horizon waktu  Merupakan pemilihan yang didasarkan atas jangka waktu peramalan yaitu: a. Peramalan yang segera dilakukan dengan waktu kurang dari satu bulan. b. Peramalan jangka pendek dengan waktu antara satu sampai tiga bulan. c. Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua tahun. d. Peramalan jangka panjang dengan waktu tiga tahun ke atas. 2. Pola Data  Salah satu dasar pemilihan metode peramalan adalah dengan memperhatikan pola. Ada empat jenis pola data mendasar yang terdapat dalam suatu deretan data yaitu:


5

a. Apabila pola data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya), maka disebut dengan Pola Horisontal (H).

Pola Data Horizontal b. Apabila pola data terjadi saat suatu deret dipengaruhi oleh faktor musiman (misalnya: kuartalan, bulanan, atau hari-hari pada minggu), maka disebut dengan Pola Musiman (M).

Pola Data Musiman c. Apabila pola data terjadi saat data dipengaruhi oleh fluktuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari satu siklus yang lain, maka pola ini disebut dengan Pola siklis (C).

Pola Data Siklis d. Apabila pola data terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam data, maka disebut dengan Pola Trend (T).

Pola Data Trend Brawijaya University | [email protected]

6

3. Jenis dari model  Untuk mengklasifikasikan metode peramalan kuantitatif perlu diperhatikan model yang didasarinya. Model sangat penting diperhatikan, karena masing-masing model mempunyai fungsi yang berbeda. 4. Biaya yang dibutuhkan  Biaya sangat diperlukan dalam meneliti suatu objek, yang termasuk biaya dalam penggunaan metode peramalan antara lain, biaya penyimpangan data, biaya perhitungan, biaya untuk menganalisisa dan biaya pengembangan. 5. Ketepatan metode peramalan  Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Dalam pengambilan keputusan, variasi atau penyimpangan atas peramalan yang dilakukan antara 10% sampai 15% bagi maksumaksud yang diharapkan, sedangkan untuk hal atau kasus lain mungkin menganggap bahwa adanya variasi atau penyimpangan atas ramalan sebesar 5% adalah cukup berbahaya. 6. Kemudahan dalam penerapan  Metode peramalan yang digunakan adalah metode yang mudah dimengerti dan mudah diterapkan dalam pengambilan dan analisanya.

G. JENIS-JENIS PERAMALAN Dalam hal peramalan ini beberapa teknik telah dikembangkan dan dapat dikelompokkan ke dalam dua metode yaitu :

a. Metode Kuantitatif Metode Kuantitatif adalah metode peramalan yang sangat mengandalkan pola data historis yang dimiliki atau atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan antara penyimpangan hasil ramalan dengan kenyataan yang terjadiPeramalan kuantitatif ini dipergunakan bila terdapat kondisi sebagai berikut : a. Tersedianya informasi tentang masa lalu b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data Brawijaya University | [email protected]

7

c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus berlanjut sampai ke masa datang. Metode kuantitatif ini dibagi menjadi dua yaitu : 1. Metode Deret Berkala (Time series)  Metode Deret Berkala adalah peramalan di masa datang didasarkan pada nilai sebuah variabel masa lalu atau kesalahan yang dilakukan sebelumnya.  Tujuannya yaitu meneliti pola data yang digunakan untuk meramalkan dan melakukan ekstrapolasi ke masa depan. Metode peramalan ini menggunakan time series sebagai dasar peramalan data aktual lalu yang akan diramalkan untuk mengetahui pola data yang diperlukan untuk menentukan metode peramalan yang sesuai. Metode-metode peramalan dengan menggunakan time series yaitu : a. Metode Smoothing : 1). Metode Data Lewat 2). Metode Rata-rata Kumulatif 3). Metode rata-rata bergerak (Moving Average) 4). Metode Eksponensial Smoothing b. Metode Box-Jenkins c. Metode Perkiraan Trend dengan Regresi 2. Metode Kausal  Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas. Metode peramalan dengan kuasalitas yaitu : a. Metode Regresi dan Korelasi b. Metode Ekonometrika c. Metode Analisis Input-output Salah satu metode yang mencampurkan pendekatan deret berkala dan pendekatan kausal yaitu metode fungsi transfer (adakalanya disebut multivariat ARIMA atau MARIMA). Hal ini disebabkan karena model multivariat menggabungkan beberapa karakteristik dari model ARIMA univariat dan beberapa karakteristik analisa regresi berganda.


8

b. Metode Kualitatif (Teknologi) Peramalan Kualitatif merupakan peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman penyusunan. Metode peramalan kualitatif ini tidak memerlukan data yang serupa seperti metode peramalan kuantitatif. Input yang dibutuhkan tergantung pada pemikiran intuitif, pertimbangan, dan pengetahuan yang telah di dapat. Metode ini dibagi menjadi dua, yaitu: 1. Metode Eksploratoris  Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak kearah masa depan dengan melihat semua kemungkinan yang ada. 2. Metode Normatif  Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai berdasarkan kendala, sumber daya, dan teknologi yang tersedia.

H. PEMILIHAN TEKNIK PERAMALAN Faktor utama yang mempengaruhi pemilihan teknik peramalan adalah identifikasi dan mengetahui pola dari data. Beberapa teknik peramalan yang dapat digunakan antara lain : 1. Teknik peramalan untuk data stasioner Data stasioner dapat didefinisikan data yang nilai rata-ratanya tidak berubah dari waktu ke waktu atau dapat dikatakan data bersifat stabil. Seperti situasi yang berkembang ketika ada peningkatan pola data yang mempengaruhinya maka teknik ini akan relatif stabil. a. Teknik peramalan stasioner digunakan jika : 

Data stabil, lingkungan yg berpengaruh relatif tetap. Contoh :

angka kerusakan perminggu pada pemasangan bagian-bagian perakitan mesin memiliki rata-rata produksi yang sama, kumpulan penjualan produk atau layanan dalam perkembangan proses


9

kehidupan dan jumlah hasil penjualan dari tingkat usaha yang konstan. 

Butuh model yang sangat sederhana karena keterbatasan data, atau memudahkan dalam penjelasan dan pelaksanaan. Contoh :

ketika bisnis atau organisasi itu baru dan hanya sedikit data historis yang tersedia



Adanya asumsi tertentu sehingga data menjadi lebih stabil. Contoh :

mengganti pendapatan ke pendapatan perkapita atau mengganti penjualan dolar ke jumlah dolar konstan.



Adanya transformasi data sehingga menjadi stabil. Contoh :

mentransformasi rangkaian dengan menggunakan logaritma, akar kuadrat atau pembedaan.



Data adalah himpunan eror dari teknik peramalan yang dianggap cukup baik (memadai).

b. Teknik yang bisa digunakan 

Naïve



Simple averaging



Moving average



Autoregressive moving average (ARMA)

2. Teknik peramalan untuk data trend Rangkaian Trend ditandai dengan adanya kecenderungan arah data bergerak naik (growth) atau turun (decline) pada jangka panjang. Dengan kata lain runtun waktu dikatakan mempunyai Trend jika nilai rata-ratanya berubah sewaktuwaktu sehingga diharapkan untuk menambah atau mengurangi selama periode untuk ramalan yang mana yang diinginkan.

a. Teknik peramalan untuk data trend digunakan jika  Daya produksi yang meningkat atau kemajuan teknologi yang mendorong perubahan gaya hidup (misal: permintaan barang elektronik) Contoh :

permintaan komponen elektronik, yang meningkat dengan adanya komputer dan pemakaian jalan kereta api yang menurun karena adanya pesawat terbang.

 Pertambahan jumlah penduduk yang mendorong pada permintaan barang dan jasa.


10

Contoh :

pajak penjualan barang-barang konsumsi, permintaan konsumsi energi, dan penggunaan bahan mentah.

 Daya beli dolar yang mempengaruhi perekonomian ( inflasi ) Contoh :

gaji,biaya produksi dan harga

 Penerimaan pasar meningkat. Contoh :

periode pertumbuhan dalam putaran produk baru.

b. Teknik yang bisa digunakan 

Moving average



Holt’ linear exponential smoothing



Simple regression



Growth curve



Exponential



Autoregressive integrated moving average

3. Teknik peramalan untuk data musiman Rangkaian musiman didefinisikan sebelumnya sebagai runtun waktu dengan pola pergantian yang berulang dari tahun ke tahun. Satu cara untuk mengembangkan peramalan musiman melibatkan pemilihan metode dekomposisi perkalian atau pembagian dan kemudian mengestimasi indeks musiman dari sejarah / histori rangkaian. Indeks ini kemudian digunakan untuk memasukkan musiman pada ramalan atau menghilangkan efek dari nilai yang diobservasi. Proses terakhir diarahkan sebagai pengaturan data musiman. a. Teknik peramalan untuk data musiman digunakan jika :  Musim mempengaruhi variabel minat Contoh :

konsumsi yang berhubungan dengan listrik, kegiatan musim panas dan musim dingin (seperti olaharaga: ski), pakaian, musim tanam.

 Kalender tahunan (hari libur, hari besar) mempengaruhi variabel minat Contoh :

penjualan tiket masuk obyek wisata dipengaruhi musim libur, 3 hari liburan, dan kalender sekolah.

b. Teknik yang bisa digunakan  Clasical decomposition  Census X-12 Brawijaya University | [email protected]

11

 Winter’s exponential smoothing  Multiple regression  Autoregressive integrated moving average

4. Teknik peramalan untuk data siklis Efek siklis didefinisikan sebelumnya sebagai fluktuasi bergelombang disekitar Trend. Pola siklis sulit untuk dimodelkan karena pola mereka secara tipikal tidak stabil/ tetap. Fluktuasi seperti gelombang yang naik–turun disekitar trend jarang terulang di interval waktu yang tetap dan besarnya fluktuasi cenderung bervariasi. Metode dekomposisi dapat diperluas untuk menganalisis data siklis. Akan tetapi, karena sifat yang tidak teratur dari siklus,penganalisaan komponen siklis dari rangkaian sering memerlukan penemuan kejadian yang kebetulan atau kepemimpinan indikator ekonomi. a. Teknik peramalan untuk data siklis digunakan jika  Putaran bisnis mempengaruhi variabel minat Contoh :

ekonomi, pasar dan faktor persaingan.

 Adanya pergantian selera,mode, dll Contoh :

fashion,musik,makanan,dll.

 Terjadinya perubahan dalam penduduk. Contoh :

perang, kelaparan, wabah penyakit dan bencana alam

 Adanya pergantian siklus produk Contoh :

pengenalan, pertumbuhan, kematangan dan kejenuhan pasar, dan penurunan.

b. Teknik yang bisa digunakan  Clasical decompotition  Economic indicator  Econometrics model  Multiple regression  ARIMA


12

I.

CONTOH PERAMALAN TEKNOLOGI

PEMANFAATAN INFORMASI POTENSI DAERAH DALAM PERAMALAN TEKNOLOGI (Studi Kasus Provinsi Bali , Sulawesi Selatan dan Papua)

1. PENDAHULUAN Pada

tahun

Perencanaan BPPT

2003

telah

mengenai

dilaksanakan kegiatan

peramalan

teknologi

di

lingkungan

masa depan

Biro

(technology

forecasting). Kegiatan ini bertujuan untuk memperoleh gambar dari teknologi masa depan yang mungkin terjadi di Indonesia. Pada kegiatan tersebut

dianalisis

teknologi satelit untuk aplikasi pertanian. Hasil yang diperoleh dari kegiatan tahun 2003 tersebut yang berupa potensi daerah akan digunakan dalam penulisan makalah ini. Pada makalah ini akan dilihat teknologi masa depan yang sesuai dengan kondisi dan potensi daerah Bali , Sulawesi Selatan dan Papua Adanya perbedaan yang cukup tajam dalam sumberdaya dan pengaruhnya terhadap perkembangan

wilayah

sekitar

menjadi pertimbangan

ketiga

daerah

tersebut

diambil sebagai studi kasus. Teknologi masa depan yang akan dilihat adalah di bidang

teknologi

satelit

pendukung pangan,

sesuai

kesinambungan

dengan

kegiatan TF 2003. 2. POTENSI DAERAH Hasil TF 2003 berupa data primer yang didapat dari BPS hasil survei tahun 2001 , dapat diperoleh melalui server lokal di Biro perencanaan. Dalam pangkalan data ini terdapat informasi daerah mengenai:  Cuaca

 Neraca gula pasir

 Ekspor menurut komoditas

 Neraca tepung terigu

 Ekspor menurut negara tujuan

 Luas lahan

 Gunung

 Produksi padi

 Impor menurut barang

 Produksi ketela pohon

 Jumlah perusahaan yang bergerak di

 Produksi ketela rambat

 Sektor industri

 Produksi jagung

 Investasi dan tenaga kerja yang Diserap

 Produksi kacang tanah

 Jumlah dan kapasitas pabrik

 Produksi kacang hijau

 Kondisi tenaga listrik pada sektor industri

 Produksi kacang kedelai

 Kependudukan

 Produksi buah-buahan Brawijaya University | [email protected]

13

 Potensi tenaga kerja

 Sarana pendidikan

 Neraca volume ekspor/impor

 Sarana kesehatan

 Jumlah perusahaan yang bergerak di

 Bencana alam

 Sektor perdagangan

Berdasarkan informasi yang diperoleh dari pangkalan data ini, diusahakan untuk memperoleh potensi daerah baik dari segi iklim, lahan yang potensial, maupun jumlah penduduknya. Daerah yang menjadi perhatian dari penelitian ini adalah Bali, Sulawesi Selatan dan Papua. Kondisi yang akan diamati adalah: a. Cuaca : parameter cuaca sangat menentukan dalam menentukan teknologi masa depan pendukung pangan, dikarenakan ketergantungan yang sangat besar komoditi pangan terhadap cuaca b. Gunung : parameter ketinggian gunung akan sangat berguna dalam menentukan kemampuan daerah mengembangkan komoditi yang sangat bergantung pada ketinggian tanah. Selain itu keberadaan gunung akan sangat menentukan dalam ketelitian informasi satelit yang dapat dipergunakan. c. Kependudukan dan potensi tenaga kerja: parameter kependudukan akan sangat berguna dalam menentukan seberapa besar kebutuhan akan tenaga kerja dalam mengembangkan komoditi pertanian di daerah tersebut. Selain itu sangat menentukan apakah teknologi masa depan akan lebih banyak menggunakan otomatisasi atau dengan menggunakan tenaga kerja yang lebih banyak. d. Luas lahan: parameter luas lahan sangat berguna dalam menentukan kemampuan produksi dari daerah yang bersangkutan. e. Produksi komodit i: data ini berguna untuk menentukan kecocokan kandungan tanah dengan komoditi pertanian di daerah tersebut. Apabila suatu komoditi berjumlah banyak di suatu daerah maka salah satu sebabnya adalah kondisi tanah yang mendukung di daerah tersebut selain dari faktor harga dan kebudayaan yang ada. f. Sarana pendidikan : parameter ini sangat berguna dalam menentukan apakah dalam lima tahun kedepan dapat diperoleh sumber daya manusia yang cukup handal dalam kualitas pendidikannya. g. Sarana kesehatan : parameter ini akan sangat berguna dalam menentukan apakah dalam lima tahun kedepan pelayanan kesehatan akan berimbang dengan perkembangan jumlah penduduk.


14

h. Bencana alam : paremeter ini meskipun sangat jarang terjadi tetapi akan sangat menentukan jenis teknologi masa depan. Teknologi masa depan diharapkan dapat mengurangi efek dari bencana alam tersebut.

3. METODE Metode yang digunakan dalam penelitian ini adalah metode TRIZ yang merupakan teknologi Rusia. Beberapa metode teknologi forecasting banyak yang telah ketinggalan

jaman

disebabkan

oleh

karena

pada

saat

pengembangannya

permasalahan yang dihadapi sangat berbeda dengan keadaan saat ini. Sebagai contoh, pada saat ini terdapat masalah yang berhubung dengan adanya perubahan iklim yang global serta munculnya micro dan nano teknologi, tissues tenhnology, global governance, macro dan global engineering. TRIZ berusaha untuk mengakomodasi beberapa permasalahn tersebut pada analisisnya. Apabila kita membandingkan beberapa metode yang telah ada dapat dikategorikan seperti dalam tabel berikut :

Metode Proses hirarki analitis Delphi TRIZ Visi Generasi Difusi Modelling

Tabel Metode peramalan Family Kuantitatif/kualitatif Nilai / ekonomi / statistik Kuantitatif Pendapat expert Kualitatif Kreatif Kuantitatif Kreatif Kualitatif Modelling dan simulasi Kuantitatif

Dalam penelitian terdahulu digunakan model TRIZ dalam melakukan analisa peramalan teknologi. Pilihan ini berdasarkan bahwa dalam melakukan peramalan teknologi diharapkan teknologi dimasa depan yang dituju adalah teknologi yang innovative. Oleh karena itu creative family menjadi salah satu kriteria yang diambil. Problem yang dihadapi merupakan problem yang dikategorikan sebagai hard, dimana hasilnya bersifat kuantitattif. Sedangakn vision generation mempunyai kelebihan apabila soft solution atau solusi yang bersifat kuantitatif ingin deperoleh. Metode TRIZ sangat berdasarkan pada input yang menjadi parameternya. TRIZ merupakan suatu temuan yang menggunakan pendekatan secara mormatif. Sistim ini menggunakan masukan dalam bentuk paten yang ada di dunia untuk melihat solusi potensial bagi teknologi masa depan. Salah satu karakteristik dalam penggunaan TRIZ adalah untuk menggunakan pemikiran yang telah ada unnutk menciptakan inovasi


15

baru. Metode TRIZ pada implementasinya dapat dilakukan dengan perangkat lunak CREAX Software ini digunakan pula dalam penelitian ini. Pada penelitian kali ini, hasil dari peramlan teknologi 2003 akan digunakan. Selanjutnya masukan dari data tabular dan spasial spesifik di daerah Bali, Sulawesi Selatan dan Papua akan digunakan untuk mempertajam hasil dari peramalan teknologi 2003. Penajaman dilakukan dengan menggunkaan sistem pembobotan pada setiap variabel yang ada di setiap provinsi sebagaimana diberikan pada gambar berikut :

Gambar Metode Pemanfaatan Hasil TF 2003

4. HASIL PERAMALAN TEKNOLOGI 2003 a.

Idea 1: kategori: innovative, feasible 

Laser gattering Dengan menggunakan proses dimana passive reaktan diaktivasi secara

fotokimia dengan menggunakan laser (radiasi ultraviolet), untuk membersihkan / menambahkan impurities tanah dari substansi lain. Di masa depan kemungkinan idea 1 dapat digunakan di teknologi satelit pendukung opangan. Dimana laser transmitter digunakan do satelit dalam rangka meningkatkan komoditas pangan di Indonesia. Laser diarahkan dengan menggunakan informasi yang tersedia satelit (penggabungan GPS /komunikasi/cuaca, dsb). Laser dikirimkan sesuai kebutuhan tanah pada wilayah tersebut sehingga dapat meningkatkan kualitas dan kuantitas produksi pangan di daerah tersebut. Metode laser feasible dikarenakan ketelitian dari laser sangat tinggi sehingga kekhawatiran akan melebarnya sideeffect keluar target kecil


16

b.

ldea 2. Kategori: Innovative, Feasible 

Thermal Desorption Menggunakan metode Thermal desorption untuk membersihkan tanah

yang terkontaminasi atau kurang subur, kemudian menambahkan dengan metode electron impact desorpsion seperti proses panas matahari yang menyinari bulan dan mengakibatkan bulan mengeluarkan atom sodium Di masa depan metode ini dapat diterapkan dalam satelit, dengan menggunakan bantuan satelit cuaca / GPS / komunikasi. Kekhawatiran yang ada dikarenakan transmisi termal yang aman dan murah c.

Idea 3: kategori Innovative, not feasible 

Ultrasonic oscillation Ultrasonic oscillation menggunakan proses di mana vibrasi digunakan pada

tanah (lingkungan) menggunakan gelombang suara Frekuensi linggi. Misal: Saringan

industri

digetarkan

mula-mula

pada

frekuensi

rendah

untuk

mendistribusikan produk secara seragam diikuti dengan getaran pada frekuensi ultrasonik dengan menjadikannya sebagai gelombang ultrasonik. Hal ini memungkinkan gerakan yang lebih cepat melalui saringan tersebut dengan mencegah penghentian dari lubang pada saringan dan juga membantu memisahkan partikel besar dan kecil dalam produk tersebut

5. KESIMPULAN DAN TINDAK LANJUT Pada saat ini telah diperoleh hasil dari Teknologi Forecasting 2003 berupa tiga alternatif teknologi satelit di masa depan dan data Potensi Daerah dari tiga propinsi: Bali, Sulawesi Selatan dan Papua. Dengan menggunakan dua data dasar ini akan dapat menjadi awal dari langkah berikut berupa penajaman teknologi masa depan Pada penelitian berikutnya diharapkan data potensi daerah akan diberikan pembobotan berdasarkan tingkatan kepentingannya dalam menerapkan tiga alternalif teknologi satelit tersebut. Setelah diperoleh pembobotan yang sesuai， akan dapat digunakan metode optimalisasi yang berbasiskan: neural network, adaptive algorithm, maupun optimalisasi metode lainnya.


17

J. REFERENSI

Anonim. 2012. Bab IX. Teknik Peramalan. http://www.scribd.com/doc/108921442/Tdi437-Handout-Peramalan1. diakses tanggal 12 November 2012. Hanke, John E.1992. Business Forecasting.Edisi ke-8. New Jersey: Pearson Education International. Riris. 2011. Metode Peramalan. http://ririez.blog.uns.ac.id/ . Jurusan matematika. Fakultas matematika dan ilmu pengetahuan alam. UNS. Solo Santoso, Singgih.2009. Business Forecasting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS, PT Elex Media Komputindo, Jakarta. Septiawan, R., dan Mustadjab Djamsari. 2004. Pemanfaatan Informasi Potensi daerah Dalam Peramalan Teknologi. Jurnal Perencanaan Iptek, Vol. 2, No. 2.


18

[ TECHNOLOGY FORECASTING ]

Recommend Documents