BAB 2 LANDASAN TEORI

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjangan waktu (timelag) antara kesadaran dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jika perbedaan waktu tersebut panjang, maka peran peramalan begitu penting dan sangat dibutuhkan terutama dalam penentuan waktu kapan akan terjadinya sesuatu, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

Metode peramalan 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 atas ketepatan hasil ramalan yang dibuat.

Universitas Sumatera Utara

2.2 Jenis-jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan atas dua macam, yaitu : 1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau “judgement” dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut . 2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan pada masa lalu dengan menggunakan teknik-teknik dan metode dalam penganalisaan data tersebut .

Disamping itu, dilihat dari jangka waktu ramalan yang disusun. Maka peramalan dapat dibedakan atas dua macam pula,yaitu: a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan itu pun seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu negara atau suatu daerah, corporate planning, rencana investi atau rencana ekspansi dari suatu perusahaan. b. Peramalan jangka pendek, yaitu peramalan yang dilakukan 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, penyusunan rencana produksi, rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran perusahaan.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan menjadi dua macam, yaitu: 1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan. 2. Peramalan kuantitatif, yaitu peramalan didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Ada pun yang perlu diperhatikan dari penggunaan metode-metode tersebut adalah baik tidaknya metode yang dipergunakan, dimana sangat ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut:


a. Adanya informasi tentang keadaan yang lain b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

2.3

Langkah-langkah Peramalan

Kualitas atau mutu dari hasil peramalan yang disusun, 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 yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat diketahui pola data tersebut 2. Menentukan metode yang digunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda. Dimana metode peramalan

yang

baik

adalah

metode

yang

menghasilkan

penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin 3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan. Faktor-faktor perubahan tersebut antara lain


terdiri dari perubahan kebijakan-kebijakan yang mungkin terjadi, termasuk kebijakan pemerintah.

Proyeksi adalah adanya suatu kecenderungan sesuatu hal yang masih belum diketahui dan mempunyai nilai pada masa yang akan datang yang merupakan petunjuk tentang jumlah sesuatu hal pada masa mendatang.

2.4

Metode Peramalan

Peramalan adalah kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan dapat didasarkan atas bermacammacam cara yang kita kenal dengan metode peramalan.

Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu, dan karena itu maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Metode peramalan ini sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang disusun.


Seperti yang telah diuraikan pada pembahasan diatas, dimana metode peramalan menggunakan peramalan kuantitatif. Oleh karena itu dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas: 1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time-series). 2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang memepengaruhinya, yang bukan waktu dan bisa disebut dengan sebab akibat (causal methods).

Dalam pembahasan ini penulis membatasi mengenai metode peramalan yang berhubungan deret waktu, karena penulis akan menggunakan salah satu diantara metode-metode peramalan yang berhubungan dengan deret waktu (time series). Adapun metode-metode tersebut adalah sebagai berikut: 1. Metode smoothing, yaitu digunakan untuk mengurangi ketidak-teraturan musiman dari data yang lalu maupun kedua-duanya, dengan membuat ratarata tertimbang dari sederetan data yang lalu. Ketepatan dari peramalan dengan metode ini akan terdapat pada peramalan jangka pendek, sedangkan


untuk peramalan jangka panjang ketepatannya akan berkurang. Data yang dibutuhkan untuk penggunaan metode ini minimal selama dua tahun. 2. Metode box jenkins, yaitu dengan menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat diminimalkan. Oleh karena itu penggunaan metode ini membutuhkan identifikasi model dan estimasi parameternya. Metode ini sangat baik ketepatannya untuk peramalan jangka pendek, sedangkan peramalan untuk jangka panjang ketepatannya kurang baik. Data yang dibutuhkan penggunaan metode peramalan ini minimum dua tahun dan lebih baik bila data yang dimiliki lebih dari dua tahun. 3. Metode proyeksi trend dengan regresi merupakan dasar garis trend untuk persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek

maupun

jangka

panjang,

ketepatan

peramalan

dengan

menggunakan metode ini sangat baik. Berdasarkan penjelasan di atas dan data yang diperoleh oleh penulis, maka pada tugas akhir ini penulis akan menggunakan metode proyeksi trend dengan regresi yang akan dijelaskan pada pembahasan selanjutnya.


2.5

Metode Proyeksi Trend dengan Regresi

Pada dasarnya analisis regresi diinterpretasikan sebagai suatu analisis yang berkaitan dengan studi ketergantungan (hubungan kasual) dari suatu variabel tak bebas (dependent variabel) dengan satu atau lebih variabel penjelas (independent variabel) dengan maksud untuk menduga atau memperkirakan nilai rata-rata populasi atau nilainilai tertentu dari variabel penjelas atau variabel bebas. Analisis regresi juga telah dipergunakan secara luas dalam berbagai bidang ilmu pengetahuan. Analisis regresi telah dipakai untuk menerangkan fungsi konsumsi, fungsi produksi, fungsi penawaran, fungsi biaya dan investasi. Ada tiga macam atau jenis dari analisis regresi ini, yaitu : 1. Analisis regresi yang mempelajari hubungan kausal antara satu variabel tak bebas dan satu variabel bebas yang disebut analisis regresi sederhana (simple regression analysis). 2. Analisis regresi yang mempelajari hubungan kausal antara satu variabel tak bebas dan dua atau lebih variabale bebas disebut analisis regresi berganda (multiple regression analysis). 3. Analisis regresi yang mempelajari hubungan kausal antara sekumpulan variabel tak bebas (dua atau lebih variabel tak bebas) dan sekumpulan variabel bebas (dua atau lebih variabel bebas) disebut analisis regresi multivariate (multivariate regression analysis).


Didalam penulisan tugas akhir

ini akan dibahas persoalan dengan

menggunakan jenis analisis regresi yang pertama, yakni analisis regresi sederhana (simple regression analysis).

Untuk analisis regresi sederhana ini ada dua pilihan, yaitu analisis regresi sederhana yang bersifat linier maupun analisis regresi sederhana yang bersifat nonlinier. Adapun yang dimaksud dengan dua pilihan tersebut adalah : a. Analisis regresi linier yang sederhana adalah suatu pola hubungan yang berbentuk garis lurus antara suatu variabel yang diramalkan dengan satu variabel yang mempengaruhinya atau variabel bebas. Dalam analisa deret waktu variabel bebasnya adalah waktu. b. Analisis regresi nonlinier yang sederhana adalah suatu pola hubungan yang berbentuk garis tidak lurus antar suatu variabel yang diramalkan dengan satu variabel yang mempengaruhinya atau variabel bebas. Dalam analisa deret waktu variabel bebasnya adalah waktu.

Untuk menyelesaikan persoalan dalam penulisan tugas akhir ini, maka penulis akan menggunakan analisis sederhana yang pertama, yaitu analisis regresi sederhana yang bersifat linier dengan menggunakan variabel waktu.


2.6

Regresi Linier Sederhana dari Analisis Deret Waktu

Regresi sederhana adalah satu pola hubungan yang merupakan fungsi dimana hanya terdapat satu variabel yang menentukan atau variabel bebas (independent variable). Dengan notasi matematis, maka bentuk hubungan tersebut adalah Y = f(X), dengan: Y = Variabel yang diramalkan atau yang dicari (dependent variable) X = variabel bebas (independent variable)

Analisa/model deret waktu (time series) adalah teknik atau metode peramalan dengan menggunakan analisa hubungan antara variabel yang dicari atau diramalkan dengan hanya ada satu-satunya variabel bebas yang mempengaruhinya yang merupakan variabel waktu. Jadi dalam analisa ini, variabel yang menentukan atau variabel bebas (independent variable) hanyalah variabel waktu. Dalam Y = f(X), maka Y adalah variabel yang diramalkan dan X adalah variabel waktu.

Regresi linier sederhana adalah suatu pola hubungan yang berbentuk garis lurus antara suatu variabel

yang diramalkan dengan satu variabel

yang

mempengaruhinya atau variabel bebas. Pola hubungan yang ditujukan oleh analisa regresi sederhana ini mengasumsikan bahwa hubungan diantara dua variabel tersebut dinyatakan dengan satu garis lurus. Dalam penerapan metode ini, dapat dilakukan secara mudah dengan menempatkan atau memplot titik-titik dari data observasi pada


kertas gambar atau grafik untuk melihat asumsi yang dapat digunakan bagi analisa regresi sederhana. Selanjutnya digambarkan atau ditarik suatu garis lurus yang tepat untuk mewakili titik-titik tersebt, yang bentuknya merupakan garis lurus. Regresi sederhana yang merupakan pola garis lurus yaitu : Y = a + bX Dengan : Y = Variabel yang diramalkan X = Variabel waktu a dan b = Parameter atau koefisien regresi

Garis lurus yang dicari adalah garis lurus yang mendekati titik-titik dari data historis. Untuk mencari garis lurus tersebut, kita perlu mencari besaran a dan b, besaran tersebut merupakan nilai konstan yang tidak berubah-ubah di dalam penganalisaan yang dilakukan. Artinya bila diperoleh nilai atau besaran a dan b, maka untuk setiap nilai X atau variabel waktu akan diperoleh besaran Y atau variabel dicari untuk nilai X tersebut.

Terdapat beberapa teknik dan metode yang dapat dipergunakan untuk mencari atau mengestimasi nilai a dan b dalam hubungan fungsional dari regresi sederhana. Pada prinsipnya teknik dan metode yang ada mendasarkan proses analisanya pada usaha untuk mendapatkan suatu garis lurus yang dapat melalui atau mendekati titiktitik yang berserakan dari data observasi. Garis tersebut dinyatakan sebagai berikut :


= a + bX

Dari persamaan di atas dapat diperoleh hasil persamaan di bawah ini, yang merupakan formula umum dari teknik dan metode yang disebut “least square.” Kedua persamaan tersebut adalah :

a=

b=

2.7

– –

atau

a=

atau

b=

-b –

Significant Test

Untuk meneliti apakah persamaan regresi yang dipergunakan dalam penyusunan ramalan atau benar linier, dimana data observsinya tepat berada disekitar garis regresi linier tersebut, maka perlu dilakukan apa yang disebut “significant test.” Kalau ternyata dari hasil test yang dilakukan diperoleh hasil yang tidak signifikan, maka kurang tepat bila persamaan regresi linier yang dipergunakan dalam penyusunan ramalan tersebut. Dalam significint test ini, kita ingin mengetahui apakah benar secara statistik bahwa hubungan yang ada antara variabel yang diramalakan dengan variabel waktu adalah Y = a + bX. Untuk pengetesan ini, perlu dilakukan dua macam test, yaitu :


(a). Test untuk mengetahui apakah koefisen b secara statistik dari 0 (nol), hal ini dikenal sebagai “F-Test” (b). Test untuk mengetahui apakah nilai estimasi dari a dan b dapat bervariasi karena pengaruh sampling dan pengaruh random, dengan apa yang dikenal sebagai “T-test”

a. F Test

Distribusi F adalah ratio dari dua variabel seperti terlihat pada persamaan berikut ini.

F=

Dimana, n adalah jumlah tahun atau jumlah observasi (besarnya sampel) dan k adalah jumlah variabel (dalam regresi sederhana k=2).

Setelah diperoleh nilai Fratio, maka kemudian dilakukan perbandingan antara nilai Fratio ini dengan nilai Ftabel atau Ftest. Apabila nilai Fratio adalah lebih besar dari nilai Ftabel atau Ftest, maka secara statistik koefisien b adalah significant terhadap 0 (nol). Dengan kata lain, koefisien b tidak sama dengan 0 (nol) secara statistik, sehingga persamaan regresi tersebut dapat dipergunakan untuk peramalan tersebut.


b. T Test

Pengujian ini merupakan suau teknik untuk menguji apakah benar variabel yang diramalkan dengan variabel yang mempengaruhinya yaitu waktu mempunyai pola hubungan yang bersifat garis lurus (linier). Mengenai perhitungannya akan dijabarkan sebagai berikut :

Dengan

Dimana nilai S e dapat dicari dengan :

Dengan : =

Selanjutnya kita akan membandingkan antara lain t ratio dengan nilai ttabel dengan tingkat keyakinan tertentu. Jika nilai yang diperoleh dari hasil perhitungan t ratio adalah lebih besar dari nilai yang diperoleh dari t tabel, maka dapatlah disimpulkan


bahwa nilai koefisien regresi yaitu a atau b secara statistik signifikan terhadap 0 (nol) atau dengan kata lain, koefisien a atau b tidak sama dengan 0 (nol).

Demikianlah uraian mengenai penerapan dan maksud dari analisa atau model peramalan deret waktu. Sebagai tambahan perlu kita ketahui bahwa : 1. Analisa atau model peramalan deret waktu yang berbentuk regresi sederhana sering disebut dengan analisa trend. 2. Analisa atau model peramalan deret waktu dengan deret waktu regresi sederhana akan memberikan kesimpulan yang lebih baik, bila jumlah observasi sebagai sebagai sampel diperbanyak, sehingga ramalan secara individual akan lebih mendekati nilai rata-rata dari garis regresi. Lebih baik hasil ramalan tersebut adalah karena dengan memperbanyak jumlah sampel, maka standar error akan semakin kecil.


BAB 2 LANDASAN TEORI

Recommend Documents