BAB 2 LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan adalah suatu proses memperkirakan secara sistematik tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi di masa lalu dan masa sekarang yang dimiliki agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Peramalan dapat juga diartikan sebagai suatu usaha memperkirakan perubahan. Peramalan tidak memberi jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari yang sedekat mungkin dengan yang terjadi. Kegunaan dari peramalan ini terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Ramalan diperlukan untuk memberikan informasi sebagai dasar untuk membuat suatu keputusan yang dianggap memiliki kesalahan terkecil dalam berbagai kegiatan. 2.2 Jenis – jenis Peramalan
Universitas Sumatera Utara
Berdasarkan sifat penyusunannya, maka peramalan dapat dibagi dalam 2 kategori utama yaitu: 1. Peramalan yang Subjektif Peramalan yang subjektif adalah peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut. 2. Peramalan yang Objektif Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu dengan menggunakan teknik-teknik dan metodemetode dalam penganalisaan data tersebut (Assauri, Sofyan, 1991). Berdasarkan jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas 2 kategori yaitu: 1. Peramalan Jangka Panjang Peramalan jangka panjang adalah peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya lebih dari setengah tahun. Misalnya diperlukan penyusunan rencana pembangunan suatu Negara atau daerah dan lain sebagainya. 2. Peramalan Jangka Pendek Peramalan jangka pendek adalah peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya penyusunan rencana produksi, rencana penjualan, rencana persediaan dan lain sebagainya.
Universitas Sumatera Utara
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas atas dua kategori utama, yaitu peramalan kualitatif dan peramalan kuantitatif.
2.2.1 Peramalan Kualitatif 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 dari penyusunnya.
2.2.2 Peramalan Kuantitatif Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu.Peramalan kuantitatif ini memerlukan data historis atau empiris dan ini menuntut variabel yang digunakan mempunyai satuan ukuran atau dapat diukur. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut : a. Tersedia informasi ( data ) tentang masa lalu. 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.
Universitas Sumatera Utara
Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah peramalan kuantitatif.
2.3 Metode Peramalan Metode peramalan adalah cara memperkirakan apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu. Kegunaan Metode Peramalan ini adalah untuk memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Metode peramalan terbagi dalam dua jenis yaitu metode peramalan kualitatif dan peramalan kuantitatif.
2.3.1 Metode Kualitatif Metode peramalan kualitatif digunakan dimana tidak ada model matematik yang dikarenakan data yang ada tidak cukup resprensatif untuk meramalkan masa yang akan datang. Peramalan ini menggunakan pertimbangan pendapat para pakar yang ahli dibidangnya. Teknik model peramalan kualitatif berusaha untuk menggunakan penilaian (judgement) atau faktor subjektif individu dalam peramalan. Model ini sangat penting atau ketika data kuantitatif yang akurat sulit didapatkan.
Universitas Sumatera Utara
2.3.2 Metode Kuantitatif
Metode peramalan kuantitatif sangat beragam, dikembangkan dari berbagai disiplin ilmu dan untuk berbagai maksud. Setiap teknik yang akan dipilih memiliki sifat, ketepatan, tingkat kesulitan dan biaya tersendiri yang harus dipertimbangkan. Beberapa metode peramalan kuantitatif antara lain: a. Peramalan dengan metode Smoothing. Metode Smoothing adalah mengambil dari rata-rata dari nilai-nilai pada beberapa tahun untuk menaksir nilai pada suatu tahun. Metode Smoothing ini dilakukan antara lain dengan cara moving averages atau dengan exponential smoothing. b. Peramalan dengan metode Dekomposisi. Metode Dekomposisi sering juga disebut metode time series. Metode ini didasarkan pada kenyataan bahwa biasanya apa yang yang telah terjadi itu akan berulang kembali dengan pola yang sama. Artinya yang dulu selalu naik maka pada waktu yang akan datang biasanya akan naik juga, sedangkan yang dulu selalu turun maka pada waktu yang akan datang biasanya akan turun juga, yang biasanya berfluktuasi akan berfluktuasi juga dan yang biasanya tidak teratur biasanya akan tidak teratur.
Universitas Sumatera Utara
c. Peramalan dengan metode Input-Ouput. Metode ini memanfaatkan hubungan antara input dan output untuk membuat peramalan. Hasil suatu sektor industri sebagian akan merupakan input bagian sektor lain, dan sebagian akan dibeli oleh pemakai akhir d. Peramalan dengan metode Regresi sederhana. Meramal dengan metode regresi sederhana berarti meramal sesuatu dengan melihat faktor lain yang mempengaruhi. Kita menganggap bahwa terdapat hubungan antara variabel yang ingin diramalkan dengan variabel lain. Variabel yang ingin diramalkan disebut dengan variabel dependen dan sedangkan variabel lain disebut variabel independen. e. Peramalan dengan metode Auto Regresi Metode ini membahas mengenai pengaruh dan hubungan antara nilai suatu variabel yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya. Disebut Auto karena variabel yang menjadi variable bebas (independent variable ) juga digunakan sebagai variable terikat (dependent variable). Besarnya nilai suatu variabel tergantung pada nilai suatu variabel itu sendiri yang terjadi sebelumnya.
2.4 Analisa Deret Berkala
Universitas Sumatera Utara
Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan atau pertumbuhan suatu variabel. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain. Metode Times Series merupakan metode peramalan kuantitatif didasarkan atas data-data berkala (time series) yang sifatnya dinamis dan sudah memperhitungkann perubahan-perubahan, misalnya perubahan dari waktu (t-1) ke t dan dari t ke (t+1). Pada umumnya pengamatan dan pencatatan itu dilakukan dalam jangka waktu tertentu. Misalnya: harian, mingguan, bulanan, caturwulan, enam bulanan, tahunan dan sebagainya. Secara lengkap pengertian analisa deret berkala dapat dituliskan sebagai berikut : 1. Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan ,jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb). 2. Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.
2.5
Metode Peramalan Yang Digunakan
Dalam meramalkan tingkat produksi padi pada tahun 2012 – 2014 di Provinsi Sumatera Utara, maka penulis menggunakan metode auto regresi. Metode auto regresi 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
Universitas Sumatera Utara
untuk mengukur kuat tidaknya hubungan tersebut digunakan koefisien Auto Korelasi. Disebut Auto karena variabel yang menjadi variable bebas (independent variable ) juga digunakan sebagai variable terikat (dependent variable). Besarnya nilai suatu variabel tergantung pada nilai suatu variabel itu sendiri yang terjadi sebelumnya. Misalnya jumlah produksi tahun ini ( ) tergantung pada jumlah produksi 1 tahun yang lalu (
). Jadi secara matematik dapat ditulis :
= (
)
Untuk lebih menjelaskan antara dependent variable dan independent variable, dapat kita lihat tabel di bawah ini Tabel 2.1. Skema hubungan nilai suatu variabel antara yang terjadi pada suatuperiode dengan yang terjadi pada 1 periode berikutnya
Dependent Variable
Independent Variable
( )
(
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
)
Universitas Sumatera Utara
Berikut ini langkah-langkah penyusunannya : 1. Untuk memudahkan penyelesaian maka sebaiknya data di susun dalam suatu tabel. Kita tentukan terlebih dahulu selisih waktu periode. Misalnya : 1 tahun, 2 tahun ,3 tahun, dan seterusnya. 2. Mencari nilai-nilai yang diperlukan untuk menghitung auto regresi, yaitu : ∑(
=
=
) (∑
∑(
∑
)(∑
) (∑
)
)
∑
Keterangan : = Banyaknya pasangan data = Selisih waktu antara dependent dan independent variable = data periode t-s = data periode Dengan demikian persamaan auto regresinya, =
+
(
)
Sehingga untuk peramalan periode berikutnya dapat ditentukan dengan persamaan auto regresi tersebut. 3. Mencari koefisien auto korelasi Untuk menentukan koefisien korelasi ( ) digunakan rumus sebagai berikut :
Universitas Sumatera Utara
∑(
= (∑
2.5.1
) (∑
) (∑
)
∑
) ( (∑
) (∑
) )
Uji terhadap koefisien auto korelasi
Setelah melakukan perhitungan auto korelasi dan untuk mengetahui apakah antara variabel independen dengan variabel dependen betul-betul erat maka nilai r perlu di uji. Adapun prosedur pengujian sebagai berikut : a) Menentukan hipotesis Ha :
≠ 0 ( ada pengaruh secara signifikan)
Ho :
= 0 (tidak ada pengaruh secara signifikan)
b) Menghitung t hitung dengan rumus
=
√ √
c) Menentukan kriteria penerimaan dan penolakan Tolak H0 jika – Terima H0 jika –
/
(
/
<
)
(
)
<
> <
/
(
/
)
(
)
dengan df = N-2
d) Setelah dihitung maka kita dapat mengambil kesimpulan yang nantinya akan digunakan untuk meramal beberapa periode-periode berikutnya.
Universitas Sumatera Utara
