BAB 2
TINJAUAN PUSTAKA
2.1 Pengertian Peramalan
Peramalan adalah kegiatan memperkirakan apa yang terjadi pada waktu yang akan datang sedangkan rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu rencana diantaranya didasarkan pada suatu proyeksi atau ramalan. Pada hakekatnya banyak keputusan penting yang dilakukan secara pribadi, instansi, maupun perusahaan kepada kejadian-kejadian dimasa yang akan mendatang sehingga memerlukan ramalan tentang keadaan lingkungan masa depan tersebut. Sehingga setiap kebijakan ekonomi tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat dan meningkatkan keberhasilan pembangunan untuk mencapai tujuannya pada masa yang akan datang, dimana kebijaksanaan tersebut dilaksanakan. (Sofjan Assauri, 1984)
2.2 Kegunaan dan Peran Peramalan
Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan pertimbangan apa yang akan terjadi pada waktu keputusan
Universitas Sumatera Utara
itu dilaksanakan. Kurang tepat ramalan yang kita susun atau yang kita buat maka kurang baiklah keputusan yang kita ambil. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahan. Sehingga yang
paling
diperhatikan
adalah
usaha
untuk
memperkecil
kemungkinan
kesalahannya. (Sofjan Assauri, 1984)
2.3 Jenis-jenis Peramalan
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu : 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. 2. Peramalan Kuantitatif Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. (Sofjan Assauri, 1984)
Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut : a. Tersedia informasi (data) tentang masa lalu b. Informasi (data) dapat dikuantitatifkan dalam bentuk data numerik c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut pasa masa yang akan datang.
Universitas Sumatera Utara
Baik tidaknya metode yang digunakan 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.
2.4 Langkah-langkah Dalam Metode Peramalan
Langkah-langkah dalam metode peramalan adalah : a. Langkah pertama adalah mengumpulkan data b. Langkah kedua adalah menyeleksi dan memilih data, data-data yang kurang relevan harus dibuang supaya tidak mempengaruhi akurasi peramalan. c. Langkah ketiga adalah menganalisis data d. Langkah keempat adalah menentukan metode yang dipergunakan e. Langkah kelima adalah memproyeksikan data dengan menggunakan metode yang
dipergunakan
dan
mempertimbangkan
adanya
beberapa
faktor
perubahan.
2.5 Pengertian dan Kegunaan Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan 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 obyektif. Sebagaimana diketahui bahwa metode peramalan merupakan cara berfikir yang sistematis dan pragmatis atas pemecahan suatu masalah. Disamping itu metode
Universitas Sumatera Utara
peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan. Selain itu, metode peramalan memberikan cara pengerjaan yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya penggunaan tekni-teknik penganalisaan yang lebih maju. Dengan penggunaan teknikteknik tersebut, maka diharapkan dapat memberikan kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah. Dari uraian diatas, dapat disimpulkan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisis terhadap tingkah laku atau pola dari data yang lalu. Sehingga dapat memberikan cara pemikiran, pengajaran dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketetapan hasil ramalan yang dibuat atau disusun. (Sofjan Assauri, 1984)
2.6 Jenis-jenis Metode Peramalan
1. Metode peramalan yang digunakan 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 2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antar
variabel
yang
akan diperkirakan dengan
variabel lain
yang
Universitas Sumatera Utara
mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat (metode causal). Metode yang termasuk dalam jenis ini adalah : a. Metode Regresi dan Korelasi b. Metode Ekonometri c. Metode Input Output
2.7 Metode Pemulusan (Smoothing)
Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Smoothing dilakukan dengan dua cara yaitu rata-rata bergerak (moving average) dan pemulusan eksponensial (exponential smoothing).
2.7.1 Rata-rata Bergerak (Moving Average)
Dengan rata-rata bergerak (moving averages) ini dilakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagi ramalan.
1. Rata-rata Bergerak Tunggal (Single Moving Averages) Menetukan ramalan dengan metode rata-rata bergerak tunggal (single moving averages) cukup mudah dilakukan. Bila akan menerapkan 4 bulan rata-rata
Universitas Sumatera Utara
bergerak maka maka ramalan pada bulan Mei dihitung sebesar rata-rata dari 4 bulan sebelumnya, yaitu bulan Januari, Februari, Maret, April. Persamaan Matematis dari teknik ini adalah : Ft 1
X t X t 1 X t 2 ... X t n1 (Indriyo dan Najmudin,2000:8) N
Keterangan : Ft 1
: ramalan untuk periode ke t + 1
X
: nilai riil periode ke t
n
t
: jangka waktu rata-rata bergerak.
a. Karakteristik Khusus Rata-rata Bergerak Tunggal (Single Moving Averages) Metode single moving average memiliki karakteristik khusus. a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selam jangka waktu tertentu. b. Semakin panjang jangka waktu rata-rata bergerak (moving average), efek pelicinan semakin terlihat dalam ramalan atau menghasilkan rata-rata bergerak (moving average) yang semakin halus. Artinya pada rata-rata bergerak (moving average) yang jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan ramalan terbesar menjadi lebih kecil.
b. Menghitung Kesalahan Ramalan Hasil proyeksi yang akurat adalah ramalan yang bisa meminimalkan kesalahan meramal. Besarnya kesalahan meramal dihitung dengan mengurangi data riil dengan besarnya ramalan. Error (E) = X - F (Indriyo dan Najmudin,2000:11) t
t
Universitas Sumatera Utara
Keterangan : X = data riil periode ke-t t
F = ramalan periode ke-t t
Dalam menghitung kesalahan ramalan digunakan. a)Mean Absolute Error Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif maupun negatif. MAE
X
t
Ft
(Indriyo dan Najmudin,2000: 11)
n
b) Mean Squared Error Mean
Squared
X MSE
t
Error
Ft
n
adalah
kuadrat
rata-rata
kesalahan
meramal.
2
(Indriyo dan Najmudin,2000:11)
Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai kelemahan-kelemahan antara lain : (1) perlu data histories yang cukup, (2) data tiap periode diberi weight (bobot) sama, (3) kalau fluktuasi data tidak random, tidak menghasilkan forecasting yang baik. (Pangestu Subagyo, 1986:11).
2. Rata-rata Bergerak Ganda (Double Moving Average)
Menentukan ramalan dengan metode rata-rata bergerak ganda (double moving average) sedikit lebih sulit dibandingkan dengan metode rata-rata bergerak tunggal (single moving average). Ada beberapa langkah dalam menentukan
Universitas Sumatera Utara
ramalan dengan metode rata-rata bergerak ganda (double moving average), antara lain sebagai berikut. 1. Menghitung moving average/ rata-rata bergerak pertama, diberi simbol I
S , dihitung dari data historis yang ada. Hasilnya diletakkan pada periode t
terakhir moving average pertama. II
2. Menghitung moving average/rata-rata bergerak kedua, diberi simbol S , t
dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan pada periode terakhir moving average kedua. 3. Menentukan besarnya nilai a (konstanta) t
a t s I t s I t s II t
4. Menentukan besarnya nilai b (slope) t
2 s I t s II t bt V 1
V adalah jangka waktu moving average. 5. Menentukan besarnya peramalan Ft m a b(m)
m
adalah
jangka
waktu
forecast
kedepan.
(Indriyo
dan
Najmudin,2000:13).
2.7.2 Pemulusan Eksponensial (Exponential Smoothing)
Metode pemulusan eksponensial (exponential smoothing) merupakan pengembangan dari metode rata-rata bergerak (moving averages). Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan
Universitas Sumatera Utara
data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar.
Dua metode dalam pemulusan eksponensial (exponential smoothing) diantaranya pemulusan eksponensial tunggal (single exponential smoothing) dan pemulusan eksponensial ganda (double exponential smoothing).
1. Pemulusan Eksponensial Tunggal (Single Exponential Smoothing)
Pada metode single exponential smoothing bobot yang diberikan pada data yang ada adalah sebesar α untuk data yang terbaru, α(1-α) untuk data yang 2
lama, α(1-α) untuk data yang lebih lama, dan seterusnya. Besarnya α adalah antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Secara matematis besarnya peramalan adalah: F = α X + (1-α) F (Indriyo dan Najmudin,2000:17) t+1
t
F
: ramalan untuk periode ke t + 1
t+1
X
t
: nilai riil periode ke t
t
F
: Ramalan untuk periode ke t
t
Dari persamaan di atas besarnya peramalan periode yang akan datang dijelaskan sebagai berikut. F
= α X + (1-α) F
F
=αX +F -αF
F
= F + αX - α F
F
= F + α (X – F ) (Indriyo dan Najmudin,2000:17)
t+1
t+1
t+1
t+1
t
t
t
t
t
t
t
t
t
t
t
(X - F ) merupakan kesalahan forecast atau forecast error periode ke t. Dengan t
t
dapat dikatakan bahwa forecast pada periode yang akan datang adalah ramalan
Universitas Sumatera Utara
sebelumnya ditambah α (alpha) dikalikan dengan kesalahan forecast periode sebelumnya.
Dalam melakukan peramalan dengan menggunakan metode single exponential smoothing besarnya α (alpha) ditentukan secarat trial dan error sampai diketemukan α (alpha) yang menghasilkan forecast error terkecil. Metode ini lebih cocok digunakan untuk meramal data-data yang fluktuatif secara random (tidak teratur). (Pangestu Subagyo, 1986:22).
2. Pemulusan Eksponensial Ganda (Double Exponential Smoothing)
Pada metode ini proses penentuan ramalan dimulai dengan menentukan alpha secara trial dan error. Sedangkan tahap-tahap dalam menentukan ramalan adalah sebagai berikut. I
1. Menentukan Smoothing pertama (S ) t
I
S
t
X t 1 S I t 1 (Indriyodan Najmudin,2000:23)
I
S X
t
t
: smoothing pertama periode ke t : nilai riil periode t
I
S
t-1
: smoothing pertama periode t - 1 II
2. Menentukan Smoothing kedua (S ) t
S II t S I t 1 S II t 1 (Indriyo dan Najmudin,2000:23) S II t 1 : smoothing kedua periode t-1 3. Menentukan besarnya konstanta (a ) t
a t 2 S I t S II t
Universitas Sumatera Utara
4. Menentukan besarnya slope (b ) t
bt
S I t S II t 1
5. Menentukan besarnya forecast (F + m) t
F + m = a + b (m), dimana m adalah jangka waktu peramalan. t
t
t
Metode pemulusan eksponensial ganda (double exponential smoothing) ini biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan. (Pangestu Subagyo, 1986:2).
2.8 Variabel dan Metode pengumpulan data
1. Variabel Variabel dalam penelitian ini adalah volume besarnya Produk Domestik Regional Bruto (PDRB) Kota Medan tiap tahun. 2. Metode pengumpulan data Metode pengumpulan data yang digunakan adalah sebagai berikut. a. Metode literatur Metode ini digunakan untuk memperkuat teori-teori yang telah ada yaitu dengan membaca buku-buku. b. Metode Dokumentasi Data yang dianalisis diperoleh dari BPS Provinsi Sumatera Utara yaitu Produk Domestik Regional Bruto (PDRB) Kabupaten Dairi dari tahun 2000 sampai dengan tahun 2009.
Universitas Sumatera Utara
2.9 Metode Analisis Data
Metode analisis data yang digunakan dalam tugas akhir ini adalah metode pemulusan (smoothing) dengan pemulusan eksponensial (exponential smoothing). Metode ini adalah pengembangan dari metode perataan (average).Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar.
Dua metode dalam pemulusan eksponensial (exponential smoothing) yang akan digunakan ialah pemulusan eksponensial tunggal (single exponential smoothing) dan pemulusan eksponensial ganda (double exponential smoothing).
2.10 Pengertian Pertanian
Pertanian adalah kegiatan pemanfaatan sumber daya hayati yang dilakukan manusia untuk menghasilkan bahan pangan, bahan baku industri, atau sumber energi, serta untuk mengelola lingkungan hidupnya. Kegiatan pemanfaatan sumber daya hayati yang termasuk dalam pertanian biasa difahami orang sebagai budidaya tanaman atau bercocok tanam (bahasa Inggris: crop cultivation) serta pembesaran hewan ternak (raising), meskipun cakupannya dapat pula berupa pemanfaatan mikroorganisme dan bioenzim dalam pengolahan produk lanjutan, seperti pembuatan keju dan tempe, atau sekedar ekstraksi semata, seperti penangkapan ikan atau eksploitasi hutan. (http://id.wikipedia.org/wiki/Pertanian)
Universitas Sumatera Utara
Dalam Produk Domestik Regional Bruto (PDRB) pertanian merupakan kegiatan pengusahaan dan pemanfaatan benda-benda biologis (hidup) yang diperoleh dari alam dengan tujuan untuk konsumsi. Sektor pertanian meliputi sub sektor tanaman
Bahan makanan, Tanaman Perkebunan, Peternakan dan Hasil-hasilnya,
Kehutanan dan Perikanan.
Jasa pertanian merupakan jasa-jasa khusus yang diberikan untuk menunjang kegiatan ekonomi pertanian berdasarkan suatu pungutan atau kontrak tertentu. Termasuk dalam jasa pertanian adalah penyewaan alat pertanian dengan operatornya dengan syarat pengelolaan dan resiko usaha tersebut dilakukan secara terpisah. Dalam penghitungan nilai tambah sektor pertanian, secara konsep nilai tambah jasa pertanian ini terdistribusi pada masing-masing sub-sektor (misalnya jasa dokter hewan pada sub-sektor peternakan, jasa memetik kopi pada sub-sektor perkebunan). (Produk Domestik Regional Bruto (PDRB) Kabupaten Dairi Tahun 2005 - 2009)
2.11 Produk Domestik Regional Bruto (PDRB)
Produk Domestik Regional Bruto (PDRB) didefinisikan sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit usaha. Kegunaan PDRB antara lain memperlihatkan: a. tingkat pertumbuhan ekonomi Laju pertumbuhan ekonomi regional baik total maupun sektoral umumnya dihitung berdasarkan angka indeks berantai baik total PDRB maupun sektor –
Universitas Sumatera Utara
sektornya. Yang dimaksud dengan pertumbuhan ekonomi adalah perubahan persentase PDRB atas dasar harga konstan dari suatu kurun waktu.
b. tingkat kemakmuran ekonomi Tingkat kemakmuran ekonomi biasanya diukur dengan pendapatan perkapita yang merupakan hasil bagi pendapatan regional dengan angka penduduk pertengahan tahun.
c. tingkat inflasi dan deflasi Tingkat inflasi dan deflasi dapat diketahui bila PDRB atas dasar harga berlaku dibandingkan dengan PDRB atas dasar harga konstan, hasil baginya disebut indeks harga implisit.
d. struktur perekonomian Struktur perekonomian biasanya terdiri atas sektor – sektor menurut klasifikasi lapangan usaha.
Data PDRB disajikan dalam dua bentuk yaitu menurut klasifikasi lapangan usaha (sektoral) dan menurut penggunaannya. a. PDRB menurut lapangan usaha Penyajian PDRB menurut lapangan usaha akan memberikan gambaran mengenai peranan masing – masing sektor. PDRB menurut lapangan usaha dirinci menurut 11 sektor yaitu: 1. sektor pertanian 2. sektor pertambangan dan penggalian 3. sektor industri pengolahan
Universitas Sumatera Utara
4. sektor listrik, gas, dan air minum 5. sektor bangunan 6. sektor perdagangan, hotel dan restoran 7. sektor pengangkutan dan komunikasi 8. sektor bank, lembaga keuangan lainnya 9. sektor sewa rumah 10. sektor pemerintahan dan pertahanan 11. sektor jasa-jasa
Untuk memperoleh angka – angka PDRB menurut lapangan usaha dilakukan penghitungan sebagai berikut: NTB
= NPB – NBA
NP(NPB)
= HP x KP
NBA(BA)
= HBA x KBA
dimana : NTB = nilai tambah bruto NPB
= nilai produksi bruto (nilai produksi)
NBA = nilai biaya antara HP
= harga produksi
KP
= kuantum produksi
HBA = harga biaya antara KBA = kuantum biaya antara
Universitas Sumatera Utara
b. PDRB menurut penggunaannya Penyajian PDRB menurut penggunaannya menggambarkan bagaimana penggunaan barang dan jasa akhir oleh berbagai kegiatan ekonomi. Secara rinci penyajiannya berbentuk sebagai berikut: 1. pengeluaran konsumsi akhir rumah tangga 2. pengeluaran konsumsi lembaga non-profit 3. pengeluaran konsumsi akhir pemerintah 4. pembentukan modal tetap bruto 5. ekspor neto
Untuk memperoleh angka – angka PDRB menurut penggunaannya, dilakukan penghitungan secara langsung pada komponen – komponen yang tercakup. Namun karena mengalami kesulitan dalam kelengkapan data, sehingga data komponen yang dihitung secara rasional berdasar pada penghitungan sektoral. Dari komponen – komponen yang tercakup dalam perhitungan PDRB menurut penggunaan dapat dinotasikan dalam suatu rumus persamaan sebagai berikut: Y + M = C + IF + IS +E dimana : Y
= Produk Domestik Regional Bruto
M
= impor
C
= konsumsi rumah tangga, pemerintah, lembaga swasta tidak mencari untung
If
= pembentukan modal tetap bruto
Is
= perubahan stok
E
= ekspor
Universitas Sumatera Utara
Dengan berdasarkan pada persamaan tersebut maka PDRB menurut penggunaan dapat digolongkan menjadi: 1. pengeluaran konsumsi rumah tangga 2. pengeluaran konsumsi lembaga non-profit 3. pembentukan modal tetap Bruto 4. perubahan stok 5. ekspor neto (ekspor dikurangi impor)
Universitas Sumatera Utara
