BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Kegunaan peramalan dalam suatu penelitian dapat dilihat ketika memperkirakan situasi dan kondisi yang akan datang setelah situasi tesebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk mencapai suatu tujuan, terdapat perbedaan waktu antara kegiatan apa saja yang perlu dilakukan, dan kapan waktu pelaksanaan. Perencanaan dan peramalan sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana, dimana dalam penyusunan ini melibatkan peramalan juga. Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena dapat membantu menganalisis data dari masa lalu, sehingga melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.
Universitas Sumatera Utara
2.2 Jenis-jenis Peramalan
Pada umumnya peramalan dapat dibedakan dalam beberapa pembagian tergantung dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas 2 macam, yaitu :
1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini dipandang dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.
2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan pada masa yang lalu, dengan menggunakan tehnik-tehnik dan metode dalam menganalisa data tersebut.
Disamping itu, jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas 2 macam, yaitu :
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan jangka waktu lebih dari satu setengah tahun atau tiga semester. Peramalan yang seperti ini biasanya diperlukan dalam penyusunan rencana pembangunan suatu Negara atau daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan.
2. Peramalan jangka pendek, yaitu peramalan yang di lakukan untuk penyusunan hasil ramalan dalam jangka waktu yang kurang dari satu setengah tahun atau tiga semester . Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional, dan anggaran. Contoh dalam penyusunan
Universitas Sumatera Utara
rencana produksi, rencana penjualan, rencana persediaan, anggaran produksi dan anggaran perusahaan.
Berdasarkan sifat peramalan yang telah disusun ,maka peramalan dapat dibedakan atas dua macam, yaitu :
1. Peramalan Kualitatif adalah 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 pendapat dan pengetahuan serta pengalaman orang yang menyusunnya.
2. Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat tergantung kepada hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Adapun yang perlu diperhatikan dari penggunaan metode-metode peramalan tersebut adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara
hasil
ramalan
dengan
kenyatan
yang
terjadi.
(Menurut
Makridakis,Wheelright, dan McGee 1999)
Peramalan Kuantitatif dapat digunakan bila memenuhi syarat sebagai berikut: a. Adanya informasi (data) tentang masa lalu. b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
Universitas Sumatera Utara
c. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa yang lalu akan terus berlanjut dimasa yang akan datang dan kondisi ini disebut dengan kondisi yang konstan.
Peramalan Kuantitatif dibedakan atas:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang diperkirakan dengan variabel waktu yang merupakan deret berkala (Time Series). Metode peramalan yang termasuk dalam jenis ini adalah: a. Metode pemulusan ( smooting) b. Metode Box Jenkins c. Metode Proyeksi trend dengan Regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhiya. Metode peramalan yang termasuk dalam jenis ini adalah : a. Metode Regresi dan Korelasi b. Metode Ekonometri c. Metode Input Output
Dalam hal ini digunakan Metode Peramalan yang didasarkan pada analisa pola hubungan antar variabel yaitu Metode regresi yang masih dibagi dua yaitu Metode Regresi Linier Sederhana dan Metode Regresi Linier Berganda. Metode peramalan yang dipakai dalam penelitian ini adalah Metode Regresi Linier Sederhana yang digunakan untuk menganalisa data yang telah diperoleh kemudian dari persamaan
Universitas Sumatera Utara
yang akan diperoleh dapat ditentukan rumus untuk peramalan yang juga adalah persamaan regresi tersebut.
2.3 Langkah – langkah Peramalan
Kualitas atau mutu dari hasil suatu peramalan yang di susun sangat ditentukan oleh proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting, yaitu :
1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat diketahui pola data tersebut.
2. Menentukan metode yang di gunakan. Masing-masing metode akan memberikan
hasil
peramalan
yang
berbeda.
Dimana
metode
yang
menghasilkan peyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.
3. Memproyeksi
data
yang
lalu
dengan
menggunakan
metode
yang
dipergunakan, dan mempertimbangkan adanya beberapa faktor perubahan. Faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakankebijakan yang terjadi termasuk kebijakan pemerintah.
Universitas Sumatera Utara
2.4 Metodologi Penelitian
2.4.1 Analisis Regresi Sederhana
Regresi Linier Sederhana adalah analisis regresi yang memperkirakan suatu pola hubungan yang berbentuk garis lurus antar satu variabel atau variabel terikat (variabel dependen) yang diramalkan dengan satu variabel yang mempengaruhinya atau variabel bebas (variabe independen). Pola hubungan yang ditunjukan oleh analisa regresi sederhana ini diasumsikan bahwa hubungan diantara dua variabel tersebut dinyatakan dengan satu garis lurus.
Dalam penerapan metode ini, dapat dilakukan secara mudah dengan menetapkan atau memplot titik-titik dari data observasi pada kertas gambar atau grafik untuk melihat asumsi yang dapat digunakan bagi analisa regresi linier. Selanjutnya digambarkan atau ditarik suatu garis lurus yang tepat untuk mewakili titik tersebut, yang bentuknya merupakan garis lurus.
2.4.2 Persamaan Garis Regresi Linier Sederhana
Pada perinsipnya teknik dan metode yang ada berdasarkan proses analisanya pada usaha untuk mendapatkan suatu garis lurus yang tepat melalui atau mendekati titiktitik yang berserakan dari data observasi. Bentuk umum persamaan linier sederhana yang menunjukkan hubungan antara dua variabel, yaitu variabel X sebagai variabel independen (bebas) dan variabel Y sebagai variabel dependen (terikat).
Universitas Sumatera Utara
Garis tersebut dinyatakan sebagai : Ŷ = a + bX dengan : Ŷ = Nilai penduga bagi variabel Y a = Dugaan bagi parameter konstanta b = Dugaan bagi parameter koefisien regresi X = Variabel Independen
Kesalahan ramalan (penyimpangan) adalah : ei = Yi – Ŷ = Yi - a - bXi Sehingga Yi = a + bXi + ei Dengan : i = 1,2,3,...,n. e = galat (error)
Dalam e terkandung galat yang sifatnya acak dan juga penyimpangan model dari keadaan yang sesungguhnya ( Model Stokhastik). Maka nilai harapannya adalah 0 (nol), dan nilai Y = Ŷ.
Adapun formula umum dari teknik dan metode kuadrat terkecil yaitu : a= atau a=
-b
Universitas Sumatera Utara
dan
b=
Sehingga b= atau b= Dengan : n
= Jumlah data yang digunakan sebagai sampel
i
= 1,2,3,...,n.
a
= Intersep kurva estimasi (menaksir titik potong kurva terhadap sumbu Y)
b
= Slope kurva estimasi yang baik (menaksir kemiringan kurva)
2.4.3 Koefisien Determinasi (R2)
Koefisien Determinasi (Coefisien of Determination Test) adalah suatu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel. Misalnya nilai R2 pada suatu persamaan regresi yang menunjukkan hubungan pengaruh (fungsional) antara variabel Y sebagai variabel depeden dan variabel X sebagai variabel independen yang di peroleh dari hasil perhitungan tertentu.
Nilai R2 tersebut berkisar 0 sampai dengan 1 atau (0
. Yang artinya
bila nilai R2 mendekati 1 maka sangat besar pengaruh variabel X terhadap variabel Y dan sebaliknya, bila nilai R2 mendekati 0 maka semakin kecil pengaruh variabel X
Universitas Sumatera Utara
terhadap variabel Y (R.K Sembiring). R2 biasanya dinyatakan dalam persen (%). Dengan menggunakan koefisien penentu (Coefisient of Determination Test) dapat pula dicari koefisien korelasi determinasi. Dengan koefisien korelasi dapat ditunjukkan kuatnya hubungan antara dua variabel, dimana nilai dari koefisien korelasi (r) terletak antara -1 dan +1. •
Jika r = +1, terjadi korelasi positf sempurna antara variabel X dan Y
•
Jika r = -1, terjadi korelasi negatif sempurna antara variabel X dan Y
•
Jika r = 0, tidak terjadi korelasi antara variabel X dan Y
•
Jika 0 < r < 1, terjadi korelasi positf variabel X dan Y
•
Jika -1
r
0, terjadi korelasi negatif variabel X dan Y
Dari koefisien korelasi maka dapat kita cari nilai koefisien determinasi, ada pun rumus untuk mencari koefisien korelasi yaitu:
Rumus untuk menghitung nilai koefisien korelasi (r) adalah :
r=
Dengan: r
= Besarnya nilai koefisien korelasi
n
= Banyaknya data
Xi
= Nilai variabel X ke-i
Yi
= Nilai variabel Y ke-i
Dan rumus untuk menghitung nilai koefisien Determinasi (R2) adalah : R2 = r2 x 100 %
Universitas Sumatera Utara
2.5 Uji Koefisien Regresi Linier Sederhana
Untuk mengetahui apakah regresi yang dipergunakan dalam penelitian ini benar linier, dimana data observasi tepat berada disekitar garis regresi linier tersebut, maka perlu dilakukan Uji Signifikan yang
juga disebut dengan “ Significant Test ”. Kalau
ternyata dari hasil test yang telah dilakukan diperoleh hasilnya tidak signifikan, maka kurang tepatlah regresi linier yang dipergunakan dalam penyusunan ramalan tersebut. Dan sebaliknya, kalau ternyata hasil dari test yang telah dilakukan diperoleh hasilnya signifikan, maka tepatlah regresi linier yang dipergunakan dalam penyusunan ramalan tersebut. Dimana dalam hal ini ada 2 cara pengujian yang perlu dilakukan, yaitu :
2.5.1 Uji F
Sistematika Uji F 1. Formula Hipotesis Ho : Tidak ada hubungan yang linier antara Penjualan Listrik terhadap Produksi Listrik H1 : Adanya hubungan yang linier antara Penjualan Listrik terhadap Produksi Listrik 2. Menghitung nilai F hitung Formula yang digunakan adalah:
F
=
=
Universitas Sumatera Utara
Dengan : n = Jumlah Tahun (banyaknya Sampel) k = Jumlah Variabel (dalam regresi linier sederhana k = 2) 3. Menghitung Ftabel dengan ketentuan sebagai berikut : Taraf signifikansi 0,05 dan derajat kebebasan (dk) dengan ketentuan (k – 1) untuk pembilang dan derajat kebebasan(dk) untuk penyebut (n- k). 4. Menentukan kriteria uji hipotesis: kriteria pengujiannya : Jika Fhitung > Ftabel maka H0 ditolak dan H1 diterima Jika Fhitung ≤ Ftabel maka H0 diterima dan H1 ditolak 5. Pengambilan keputusan
2.5.2 Uji t
Sistematika Uji t 1. Formula Hipotesis Ho : Tidak ada hubungan yang linier antara penjualan listrik terhadap produksi Listrik. H1 : Ada hubungan yang linier antara penjualan listrik terhadap produksi listrik 2. Menghitung besarnya nilai thitung thitung = r
n−2 1− r2
3. Menghitung besarnya ttabel dengan ketentuan sebagai berikut Taraf signifikansi dimana ttabel = tα/2;n-2
Universitas Sumatera Utara
4. Menentukan Kriteria •
Jika thitung
ttabel maka H0 ditolak dan H1 diterima yang artinya analisa
regresi bersifat linier sehingga baik atau tepat dalam peramalan. •
Jika thitung
ttabel maka H0 diterima dan H1 ditolak yang artinya analisa
regresi bersifat non linier sehingga tidak baik atau tidak tepat dalam peramalan. 5. Pengambilan keputusan
Universitas Sumatera Utara
