BAB 2
LANDASAN TEORI
2.1
Pengertian Peramalan
Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksi hal tersebut diperlukan data yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di masa yang akan datang.
Pada umumnya kegunaan peramalan adalah sebagai berikut : 1. Sebagai alat bantu dalam perencanaan yang efektif dan efisien. 2. Untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Untuk membuat keputusan yang tepat.
Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dalam berbagai kegiatan perusahaan. Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketetapan ramalan
Universitas Sumatera Utara
yang dibuat. Walaupun demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.
2.2
1.
Jenis-Jenis Peramalan
Peramalan Kualitatif
Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman penyusunnya.
2.
Peramalan Kuantitatif
Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.
Baik tidaknya metode
yang dipergunakan
oleh perbedaan
atau
penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode yang digunakan.
Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut : a.
Tersedia informasi (data) tentang masa lalu.
Universitas Sumatera Utara
b.
Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik.
c.
Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut pada masa yang akan datang. Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis
adalah peramalan kuantitatif.
2.3
Metode Peramalan
2.3.1
Pengertian Metode Peramalan
Metode Peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif 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, maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Di samping itu, metode peramalan juga merupakan cara memperkirakan secara kwantitatif, maka oleh karena itu metode peramalan termasuk dalam kegiatan peramalan kwantitatif.
Metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan pragmatis, sehingga metode peramalan sangat berguna untuk dapat memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian metode peramalan diharapkan dapat memberikan objektifitas yang lebih besar. Di samping itu,
Universitas Sumatera Utara
metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan dalam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena argumentasinya sama.
Selain itu, metode peramalan memberikan cara pengerjaaan yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisaan yang lebih maju.
Maka dapat disimpulkan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah-laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat.
2.3.2
Jenis-Jenis Metode Peramalan
1. Metode Peramalan yang didasarkan atas penggunaan analisa hubungan antar variabel yang diperkirakan dengan variabel waktu merupakan deret berkala (time series). Metode Peramalan yang termasuk pada jenis ini yaitu : a. Metode Pemulusan (Smoothing) b. Metode Box Jenkins c. Metode Proyeksi Trend dengan Regresi
Universitas Sumatera Utara
2. Metode Peramalan yang didasarkan atas pengunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat ( metode kausal ). Metode peramalan yang termasuk dalam jenis ini adalah : a. Metode Regresi dan Korelasi b. Metode Ekonometri c. Metode Input Output
2.3.3
Pemilihan Teknik dan Metode Peramalan
Semua tipe organisasi telah menunjukkan keinginan yang telah meningkat untuk mendapatkan ramalan dan menggunakan sumber daya peramalan secara lebih baik. Dengan adanya sejumlah besar metode peramalan tersedia, maka masalah yang timbul bagi para praktisi ialah memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu. Adapun enam faktor yang dapat diidentifikasi sebagai teknik dan metode peramalan, yaitu :
1. Horison 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 antar satu sampai tiga bulan.
Universitas Sumatera Utara
c. Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua tahun. d. Peramalan jangka panjang dengan waktu dua tahun keatas. 2.
Pola data Salah
satu
dasar
pemilihan
metode
peramalan
ialah
dengan
memperhatikan pola data. Ada empat jenis pola data mendasar yang terdapat dalam suatu deretan data yaitu: a. Pola Horisontal (H) terjadi apabila data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini ialah “stasioner” terhadap nilai rata-ratanya ). b. Pola Musiman (M) terjadi apabila suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). c. Pola Siklis (C) terjadi apabila data dipengaruhi oleh fluktuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari suatu siklus yang lain. d. Pola Trend (T) terjadi apabila terdapat kenaikan atau penurunan jangka panjang dalam data. 3.
Jenis dari model Untuk mengklasifikasikan metode peramalan kuanitatif perlu diperhatikan model yang didasarinya. Model sangat penting diperhatikan, karena masing-masing model mempunyai fungsi yang berbeda.
Universitas Sumatera Utara
4.
Biaya yang dibutuhkan Biaya sangat diperlukan dalam meneliti suatu objek, yang termasuk biaya dalam penggunaan metode peramalan antara lain, biaya penyimpanan data, biaya-biaya perhitungan, biaya untuk menganalisa dan biaya-biaya pengembangan.
5.
Ketepatan metode peramalan Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Dalam mengambil keputusan, variasi atau penyimpangan atas peramalan yang dilakukan antatara 10% sampai 15% , sedangkan untuk haln 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 keputusan dan analisisnya.
2.3.4
Metode Pemulusan ( Smoothing )
Metode Pemulusan ( Smoothing ) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun
Universitas Sumatera Utara
kedepan. Secara umum pemulusan ( smoothing ) dapat digolongkan menjadi beberapa bagian : 1. Metode Perataan ( Average ) a. Nilai Tengah ( Mean ) b. Rata-rata Bergerak Tunggal ( Single Moving Average ) c. Rata-rata Bergerak Ganda ( Double Moving Average ) d. Kombinasi Rata-rata Bergerak Lainnya 2. Metode Pemulusan ( Smoothing ) a. Pemulusan Eksponensial Tunggal 1. Satu Parameter ( One Parameter ) 2. Pendekatan Aditif ( ARRES ) Pendekatan ini digunakan untuk data-data yang bersifat stasioner dan tidak menunjukkan pola atau trend. Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai
yang dapat berubah secara terkendali, dengan adanya perubahan
dalam pola datanya.
b. Pemulusan Eksponensial Ganda 1. Metode Linier Satu Parameter dari Brown
Universitas Sumatera Utara
Keterangan : = Nilai eksponensial smoothing tunggal = Nilai eksponensial smoothing ganda = parameter Pemulusan Eksponensial = konstanta pemulusan = hasil peramalan untuk m periode ke depan yang akan diramalkan
2. Metode Dua Parameter dari Holt Metode ini digunakan untuk peramalan data yang bersifat trend. ( =
=
+
,
+
Keterangan : = parameter Pemulusan Eksponensial
c. Pemulusan Eksponensial Triple 1. Pemulusan Kwadratik Satu Parameter dari Brown Dapat digunakan untuk meramalkan data dengan suatu pola trend dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar pola datanya adalah kuadratik, kubik atau orde yang lebih tinggi. 2. Metode kecenderungan dan Musiman Tiga Parameter dari Winter
Universitas Sumatera Utara
Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani musiman.
d. Pemulusan Eksponensial Menurut Klasifikasi Pegels Bentuk umum dari metode Pemulusan Eksponensial adalah :
Keterangan : = Ramalan untuk periode mendatang = Parameter eksponensial yang besarnya 0 <
<1
= Nilai aktual pada periode-t = Ramalan pada periode-t
2.4 Metode Peramalan yang Digunakan
Untuk mendapatkan suatu hasil yang baik dan tepat maka haruslah diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan tingat produksi karet rakyat pada tahun 2013-2014 di Kabupaten Mandailing Natal, maka penulis menggunakan metode smoothing exponensial ganda yaitu “ Smoothing Eksponensial Satu Parameter dari Brown.”
Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari Smoothing Eksponensial Satu Parameter dari Brown adalah
Universitas Sumatera Utara
serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk ternd. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Satu Parameter dari Brown adalah sebagai berikut : ...........................................................................( 2-1 ) .........................................................................( 2-2 ) .........................................................( 2-3 ) .....................................................................................( 2-4 ) ..........................................................................................( 2-5 )
Keterangan : = Nilai
Pemulusan Eksponensial Tunggal ( Single Eksponensial
Smoothing Value ) = Nilai Pemulusan Eksponensial Ganda ( Double Eksponensial Smoothing Value ) = parameter Pemulusan Eksponensial = konstanta pemulusan = hasil peramalan untuk m periode ke depan yang akan diramalkan
Untuk menghitung nilai kesalahn ( error ) ramaln tersebut, dapat digunakan rumus di bawah ini : e=
............................................................................................( 2-6 ) .................................................................................( 2-7 )
Universitas Sumatera Utara
Akhir persamaan ( 2-5 ) menunjukkan bagaimana memperoleh ramalan untuk m periode ke muka dari t. Ramalan untuk m periode ke muka adalah a, di mana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen kecenderungan
. Bila semua hasil hitungan telah didapat, maka
semua data yang telah didapat dimasukkan ke dalam contoh tabel Smoothing Eksponensial Satu Parameter dari Brown berikut ini.
Universitas Sumatera Utara
Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Pada Data Produksi Karet Rakyat Di Kabupaten Mandailing Natal Pada Tahun 2013-2014
(1)
(2)
(3)
(4)
(5)
(6)
Tahun
Periode
Produksi
Pemulusan
Pemulusan
(tahun)
Karet
Eksponensi
Eksponensial
Rakyat
al Tunggal
Ganda
(7)
(8)
Nilai Nilai
Nilai F= Bila m=1
-
-
2000
1
(2-1)
(2-2)
-
2001
2
...
...
2002
3
...
...
...
...
(2-5)
2003
4
...
...
...
...
...
2004
5
...
...
...
...
...
-
-
-
...
...
...
...
...
-
-
-
...
...
...
...
...
N
N
...
...
...
...
...
-
(2-3) (2-4)
Universitas Sumatera Utara
Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Data peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketetapan ramalan. Kriteria ini berupa Mean Absolute Deviation (MAD).
Berikut ini adalah Ketatapan Ramalan Beberapa Kriteria yang digunakan untuk menguji nilai ramalan yaitu :
a. Nilai Tengah Kesalahan Kuadrat ( Mean Square Error ) dirumuskan dengan :
MSE =
b. Nilai Tengah Kesalahan Persentase Absolute ( Mean Absolute Percentage Error ), dirumuskan dengan :
MAPE =
c. Kesalahan Persentase ( Percentage Error )
PE =
Universitas Sumatera Utara
d. Nilai Tengah Deviasi Absolute ( Mean Absolute Deviation ), dirumuskan dengan :
MAD =
e. Jumlah Kuadrat Kesalahan ( Sum Square Error ), dirumuskan dengan :
SSE =
Keterangan : = Kesalahan pada periode ke-i Data aktual pada periode ke-i Nilai ramalan pada periode ke-i n
= Banyaknya periode waktu
Universitas Sumatera Utara
