BAB 2
LANDASAN TEORI
2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang terjadi pada masa yang akan datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Ramaln adalah peramalan (perkiraaan) mengenai sesuatu yang belum terjadi . 2.2 Jenis-jenis Peramalan Berdasarkan sifatnya peramalan dibedakan atas dua macam yaitu Peramalan Kualitatif dan Peramalan Kuantitatif. 2.2.1 Peramalan Kualitatif Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman penyusunnya.
Universitas Sumatera Utara
2.2.2 Peramalan Kuantitatif Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hal peramalan dibuat sangat tergantung pada metode yang dipergunakan dalam peramlan tersebut. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan antara penyimpangan hasil ramalan dengan kenyataan yang terjadi. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisis sebagai berikut : 1. Adanya informasi masa lalu yang dapat dipergunakan 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data 3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan penting, yaitu : 1. Menganalisis data masa lalu 2. Menentukan metode yang dipergunakan 3. Memproyeksikan data yang lalu dengan menggunakan metodeyang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan.
2.3 Metode Peramalan Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi dimasa depan berdasarkan data yang revelan pada masa lalu. Metode peramalansangat
Universitas Sumatera Utara
berguna untuk membantu dalam mengadakan pendekatan analisis terhadap dari data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis, serta memberikan tingakt keyakinan yang lebih atas ketepatan hasik ramalan yang dibuat.
Menurut Pangestu Subagyo (1986:5) ada beberapa metode peramalan yaitu: 1. Peramalan dengan metode Smoothing Metode Smoothing adalah emngambil dari rata-rata nilai-nilai beberpa tahun untuk menaksir nilai pada suatu tahun. Metode Smoothing ini dilakukan antara lain dengan cara moving averages atau dengan exponential smoothing. 2. Peramalan dengan metode Dekomposisi Metode Dekomposisi sering juga disebut metode time series. Metode ini didasarkan pada kenyataan bahwa biasanya apa yang telah terjadi itu akan berulang kembali dengan pola yang sama. Artinya yang dulu selalu naik maka pada waktu yang akan dating biasanya akan turun juga, yang biasanya berfluktuasi akan berfluktuasi juga dan yang biasanya tidak teratur akan tidak teratur. 3. Peramalan dengan metode Input-Output Metode ini memanfaatkan hubungan antara input dan output untuk membuat peramalan. Hasil suatu sektor industri sebagian akan merupakan input bagian sektor lain. 4. Peramalan dengan metode Regresi sederhana 5. Peramalan dengan metode Auto Regresi dan Auto Korelasi Tidak ada metode peramalan yang paling baik dan selalu cocok digunakan untuk membuat ramalan mengenai suatu hal. Suatu metode peramalan mungkin cocok untuk sesuatu hal tetapi tidak cocok untuk membuat ramalan hal yang lain. Oleh karena itu kita
Universitas Sumatera Utara
harus memilih metode yang cocok, yaitu yang bias meminimumkan kesalahan meramal (Pangestu S, 1986:5-6).
2.4 Data Time Series Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan atau pertumbuhan suatu variabel. Data deret waktu adalah sekumpulan hasil observasi-observasi yang diatur dan didapat menurut urut-urutan kronologis, biasanya dalam interval waktu yang sama (Sudjana, 1981:240). Rangkaian waktu tidak lain adalah serangkaian pengamatan terhadap suatu peristiwa, kejadian gejala, atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urut-urutan waktu terjadinya dan kemudian disusun sebagai data statistic (Sutrisno, 1968 : 432). Dari suatu rangkaian waktu akan dapat diketahui apakah peristiwa, kejadian, gejala variabel yang diamati berkembang mengikuti pola-pola perkembangan yang teratur atau tidak. Jika suatu rangkaian waktu menunjukkan pola yang teratur maka akan dapat dibuat suatu ramalan yang cukup kuat mengenai tingkah laku gejala yang dicatat, dan atas dasar ramalan itu dibuat rencana-rencana yang dipertaggung jawabkan. Analisis rangkaian waktu (time series analisys) adalah suatu analisis terhadap pengamatan, pencatatan, dan penyusunan peristiwa yang diambil dari suatu waktu ke waktu berikutnya berurutan. Menurut J.Supranto time series analisis adalah analisis yang didasarkan atas data berkala (time series) yang sifatnya dinamis dan sudah memperhitungkan perubahan-perubahan, misalnya perubahan dari waktu (t-1) ke t dan
Universitas Sumatera Utara
dari (t+1). Pada umumnya pengamatan dan pencatatan itu dilakukan dalam jangka waktu tertentu. Misalnya: harian, mingguan, enam bulanan, tahunan dan sebaginya.
2.4 Metode Auto Regresi dan Auto Korelasi Metode auto regresi dan auto korelasi membahas mengenai pengaruh dan hubungan antara nilai suatu variabel yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya. Untuk mengetahui besarnya pengaruh menggunakan Auto Regresi, sedangkan untuk mengukur kuat tidaknya hubungan tersebut digunakan koefisien Auto Korelasi. Disebut Auto karena variabel yang menjadi variabel bebas (independent variable) juga digunakan sebagai variable terikat (dependent variable). Besarnya nilai suatu vaiabel tergantung pada nilai suatu variabel itu sendiri yang terjadi sebelumnya. Misalnya jumlah penini kecelakaan pada tahun yang lalu (
tergantung pada jumlah
, jadi secara matematik dapat ditulis.
Jika nilai sutau variabel bergantung pada nilai yangterjadi dua bulan yang lalu dapat ditulis
Untuk menejelaskan hubungan nilai variabel bebas dan variabel terikat, dapat kita lihat pada table dibawah ini:
Universitas Sumatera Utara
Dependent Variabel
Independent Variabel
Nilai Periode 1
-
Nilai Periode 2
Nilai Periode 1
Nilai Periode 3
Nilai Periode 2
Nilai Periode 4
Nilai Periode 3
Nilai Periode T
Nilai Periode T-1
Tabel 1.1 Skema hubungan antara nilai suatu variabel yang terjadi pada suatu periode dan yang terjadi pada suatu periode berikutnya
Dependent Variabel
Independent Variabel
Nilai Periode 1
-
Nilai Periode 2
-
Nilai Periode 3
Nilai Periode 1
Nilai Periode 4
Nilai Periode 2
Nilai Periode T
Nilai Periode T-2
Tabel 1.2
Universitas Sumatera Utara
Skema hubungan antara nilai suatu variabel yang terjadi pada suatu periode dan yang terjadi pada dua periode berikutnya Berikut ini langkah-langkah dalam penyusunannya: 1. Untuk memudahkan penyelesaiannya maka sebaiknya data disusun dalam suatu table. Kita tentukan terlebih dahulu selisih waktu periode, missal: 1 bulan, 2 bulan, 3 bulan, dan seterusnya. 2. Mencari nilai-nilai yang diperlukan untuk menghitung persamaan auto regresi, yaitu:
=
-
=
(
)
Keterangan : N = Banyaknya pasangan data Xt-1 = data periode t-1 X = data periode t Perkiraan dari alpha = Perkiraan dari betha Rata-rata dari Rata-rata dari
Universitas Sumatera Utara
-1 =
Perkiraan Xt-1
3. Rumus untuk mencari koefisien korelasi
4. Setelah melakukan perhitungan auto korelasi kita lakukan tes auto korelasi dengan menentukan: 1. Hipotesis: Ho : r = 0 (tidak ada pengaruh secara signifikan) Ha : r ≠ 0 (ada pengaruh secara signifikan) 2. Hitung nilai t hitung dengan menggunakan rumus:
3. T hitung dibandingkan dengan t table dengan criteria: Tolak Ho jika Terima Ho jika
<
atau <
< dengan
5. Kita dapat lakukan ramalan untuk beberapa periode berikutnya.
Universitas Sumatera Utara
