20
BAB 2 LANDASAN TEORI
2.1. Pengertian Peramalan
Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret waktu karena memiliki karakteristik bahwa data yang dianalisis bersifat deret waktu. Periode waktu dari deret waktu dapat berupa tahunan, mingguan , bulanan, semester, kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan, bahwa pola data cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk menganalisis data tersebut.
Beberapa bentuk analisis data deret waktu dapat dikelompokkan ke dalam beberapa kategori: •
Metode pemulusan (smoothing), metode pemulusan dapat dilakukan dengan dua pendekatan yakni metode perataan (average) dan metode pemulusan eksponensial (Eksponential Smoothing).
•
Model ARIMA (Autoregressive Integrated Moving Average), model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data. Pada model ARIMA diperlukan penetapan karakteristik data deret berkala seperti stasioner, musimam, dan sebagainya., yang memerlukan suatu pendekatan
Universitas Sumatera Utara
21
sistematis, dan akhirnya akan membantu umtuk mendapatkan gambaran yang jelas mengenai model-model dasar yang ditangani. •
Analisis Deret Berkala Multivariate Model ARIMA digunakan untuk analisis data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan model-model univariate. Untuk data-data dengan katagori deret berkala ganda (multiple), tidak bisa dilakukan analisis menggunakan model ARIMA, oleh karena itu diperlukan model-model multivariate
Peramalan (Assauri, 1991) adalah kegiatan untuk memeperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen.
2.2. Kebutuhan dan Kegunaan Peramalan
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir tergantung pada faktor-faktor yang dapat diketahui, maka perencenaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Universitas Sumatera Utara
22
Dalam hal menajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun (untuk kasus penanaman modal) sampai beberapa hari atau bahkan beberapa jam (untuk penjadwalan produksi dan transportasi).
2.3. Peranan Teknik Peramalan Dewasa Ini
Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumberdaya peramalan secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor: yang
pertama
adalah
karena
meningkatnya
kompleksitas
organisasi
dan
lingkungannya, hal ini membuat pengambil keputusan semakin sulit untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat. Keempat, pengambilan keputusan telah semakin sistematis yang mencakup pembenaran tindakan individu secara eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima dan mungkin ini yang terpenting, bahwa pengembangan metode peramalan dan pengetahuan yang menyangkut aplikasinya telah lebih memungkinkan adanya penerapan secara langsung oleh para praktisi daripada hanya dilakukan oleh para teknisi ahli.
Universitas Sumatera Utara
23
Dengan adanya sejumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.
Situasi peramalan sangat beragam dalam horison waktu peramalan, faktor yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk menghadapi penggunaan yang luas seperti itu, beberapa teknik telah dikembangkan. Teknik tersebut dibagi dalam dua kategori utama, yaitu metode kuantitatif dan metode kualitatif atau teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normatif.
Model deret berkala seringkali dapat digunakan dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis dan trend yaitu: •
Pola horisontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai ratarata yang konstan. (deret seperti itu “stasioner” terhadap nilai rata-ratanya). Suatu produk penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis itu.
Universitas Sumatera Utara
24
•
Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini.
•
Pola siklis (S) terjadi bilaman datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja, dan peralatan utama lainnya.
•
Pola trend (T) terjadi bilaman terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP) dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu pola trend selama perubahannya sepanjang waktu.
2.4. Metode Pemulusan Eksponensial Ganda (Metode Linier Satu Parameter Dari Brown)
Kelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponensial. Seperti halnya dengan rata-rata bergerak, metode eksponensial terdiri atas tunggal, ganda, dan metode yang lebih rumit. Semuanya mempunyai sifat yang sama, yaitu nilai yang lebih baru diberikan bobot yang relatif besar dibanding nilai pengamatan yang lebih lama. Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai pengamatan merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi dalam pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan yang
Universitas Sumatera Utara
25
ditentukan secara eksplisit, dan hasil pilihan ini menentukan bobot yang dikenakan pada nilai observasi. Dengan cara analogi yang dipakai pada waktu berangkat dari rata-rata bergerak tunggal ke pemulusan (smoothing) eksponensial tunggal kita juga dapat berangkat dari rata-rata bergerak ganda ke pemulusan eksponensial ganda. Perpindahan seperti ini mungkin menarik karena salah satu keterbatasan dari rata-rata bergerak linier, kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N1. pemulusan eksponensial linier dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk α . Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai daripada rata-rata bergerak linier sebagai suatu metode peramalan dalam berbagai kasus utama.
Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linier satu parameter dari Brown sebagai berikut:
S t' = αX t + (1 − α )S t'−1 S t'' = αS t' + (1 − α )S t"−1
Universitas Sumatera Utara
26
(
)
at = S t' + S t' − S t" = 2 S t' − S t"
bt =
α ( S t' − S t" ) 1−α
Ft + m = at + bt m
Dimana: S t' adalah nilai pemulusan eksponensial tunggal S t" adalah nilai pemulusan eksponensial ganda
m adalah jumlah periode ke depan yang diramalkan
Jenis inisialisasi muncul dalam setiap metode pemulusan eksponensial. Jika parameter pemulusan α tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika α mendekati nol, proses inisialisasi tersebut dapat memainkan peranan yang nyata selama periode waktu ke depan yang panjang.
Beberapa kriteria untuk menguji ketepatan ramalan yaitu: 1. ME (Mean Error) / nilai tengah kesalahan N
ME = ∑ i =1
ei N
2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat
ei2 MSE = ∑ i =1 N N
3. MAE (Mean Absolut Error) / nilai tengah kesalahan absolut
Universitas Sumatera Utara
27
N
ei
i =1
N
MAE = ∑
4. MAPE (Mean Absolut Percentage Error) / nilai tengah kesalahan persentase absolut N
PEi
i =1
N
MAPE = ∑
5. MPE (Mean Percentage Error) / nilai tengah kesalahan persentase N
MPE = ∑ i =1
PEi N
Dimana: ei
= X t − Ft ( kesalahan pada periode ke t)
Xt
= data aktual pada periode ke t
PEi
X − Ft = t Xt
Ft
= nilai ramalan pada periode ke t
N
= banyaknya periode waktu
x100 ( kesalahan persentase pada periode ke t)
2.5. Metode Peramalan
Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama yaitu: 1. Metode peramalan kualitatif atau teknologis Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan dari
Universitas Sumatera Utara
28
orang yang menyusunnya. Metode kualitatif ini sendiri dapat dibagi menjadi metode eksploratoris dan normatif. 2. Metode peramalan kantitatif Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi, yaitu: 1. Adanya informasi tentang masa lalu 2. Informasi tersebut dapat dikuntitatifkan dalam bentuk data 3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan. Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
Metode-metode peramalan dengan analisa deret waktu yaitu:
Universitas Sumatera Utara
29
1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang 2. Metode Regresi Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang 3. Metode Box-Jenkins Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.
2.5.1 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu: 1. Horizon Waktu Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang. Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan. 2. Pola Data Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.
Universitas Sumatera Utara
30
3. Jenis dari Model Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan. 4. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan 5. Kemudahan dalam Penerapan Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan 6. Biaya yang Dibutuhkan Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan
Universitas Sumatera Utara