BAB 2
TINJAUAN TEORITIS
2.1 Produk Domestik Regional Bruto (PDRB)
Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam penghitungan PDRB, seluruh lapangan usaha dikelompokkan menjadi sembilan sektor ekonomi. Ini sesuai dengan pembagian yang digunakan dalam penghitungan Produk Domestik Bruto (PDB) ditingkat nasional.
Hal ini juga memudahkan para analis untuk
membandingkan PDRB antar provinsi dan antara PDRB dengan PDB. Sembilan sektor yang dimaksud adalah: 1. Sektor Pertanian a. Subsektor tanaman bahan makanan b. Subsektor tanaman perkebunan c. Subsektor peternakan dan hasil-hasilnya d. Subsektor kehutanan e. Subsektor perikanan 2. Sektor Pertambangan dan Penggalian a. Subsektor minyak dan gas
b. Subsektor pertambangan dan migas c. Subsektor penggalian
3. Sektor Industri Pengolahan a. Subsektor industri besar dan sedang b. Subsektor pengilangan minyak c. Industri kecil rumah tangga
4. Sektor Listrik, Gas, dan Air bersih a. Subsektor listrik b. Subsektor gas kota c. Subsektor air bersih
5. Sektor Bangunan
6. Sektor Perdagangan, Hotel dan Restoran a. Subsektor perdagangan besar dan kecil b. Subsektor hotel c. Subsektor restoran
7. Sektor Pengangkutan dan Komunikasi a. Subsektor pengangkutan 1) Angkutan rel 2) Angkutan laut, sungai dan danau 3) Angkutan udara
4) Angkutan penunjang dan pengangkutan b. Subsektor komunikasi
8. Sektor Keuangan, Persewaan dan Jasa Perusahaan a. Subsektor bank b. Subsektor lembaga keuangan bukan bank c. Subsektor jasa penunjang keuangan d. Subsektor sewa bangunan
9. Sektor Jasa-jasa a. Subsektor pemerintahan b. Subsektor swasta 1) Sosial kemasyarakatan 2) Hiburan dan rekreasi 3) Perorangan dan rumah tangga
2.2 Penghitungan Pendapatan PDRB
Penghitungan Pendapatan PDRB ini dibagi menjadi dua bagian, yaitu:
2.2.1 Perhitungan Atas Dasar Harga Berlaku
PDRB atas dasar harga berlaku merupakan jumlah seluruh NTB atau nilai barang dan jasa akhir yang dihasilkan oleh unit-unit produksi dalam suatu periode tertentu, biasanya satu tahun, yang dinilai dengan harga tahun yang bersangkutan.
NTB atas dasar harga berlaku yang didapat dari pengurangan Nilai Produksi Bruto (NPB) dengan biaya antara masing-masing dinilai atas dasar harga berlaku. NTB menggambarkan perubahan volume/kuantum produksi yang dihasilkan dan tingkat perubahan harga dari masing-masing kegiatan, subsektor, dan sektor.
2.2.2 Perhitungan Atas Dasar Harga Konstan
DRB atas dasar harga konstan dapat mencerminkan perkembangan real ekonomi secara keseluruhan dari tahun ke tahun yang digambarkan melalui laju pertumbuhan ekonomi.
Nilai Tambah Bruto (NTB) atas harga konstan ini hanya menggambarkan perubahan volume/kuantum produksi saja. Perhitungan atas dasar harga konstan ini berguna untuk melihat perubahan ekonomi secara keseluruhan maupun secara sektoral. Juga untuk melihat perubahan struktur perekonomian suatu kota di provinsi dari tahun ke tahun.
2.3 Pengertian Peramalan
Peramalan berasal dari kata ramalan yang artinya suatu situasi atau kondisi yang akan terjadi pada masa yang akan datang. Sedangkan peramalan adalah bentuk kegiatannya. Peramalan adalah memperkirakan atau mengestimasikan apa yang akan terjadi pada masa yang akan datang, tetapi belum tentu bisa dilaksanakan. Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu (Limif Rokhah, 2004:10).
Makridakis (1994: 39-40) menyatakan bahwa ada tiga sumber utama untuk mengidentifikasi ketidakakuratan dalam peramalan, yaitu: 1. Kesalahan dalam identifikasi pola dan hubungan Pola atau hubungan mungkin tidak teridentifikasi dengan benar karena informasi tidak cukup tersedia, karena model dibuat dengan jumlah variabel yang terbatas. 2. Pola yang tidak tepat dan hubungan yang tidak pasti Walaupun pola dan hubungan rata-rata dapat di identifikasi, fluktuasi di sekitarnya terjadi pada hampir kasus. Dan tujuan dari model statistic ini adalah untuk mengidentifikasi pola atau hubungan sedemikian rupa sehingga fluktuasi diusahakan sekecil mungkin. 3. Perubahan pola atau hubungan Perubahan pola atau hubungan tersebut tentu saja dapat menyebabkan kesalahan peramalan yang tingkat kesalahannya tidak dapat ditetapkan sebelumnya.
Metode peramalan adalah cara untuk memperkitakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data relevan dengan masa
yang lalu. Jenis dari metode ramalan ini dapat dibagi menjadi beberapa metode, diantaranya adalah metode Pemulusan (Smoothing), metode Box-Jenkins (Arima) dan metode Regresi.
2.4 Manfaat Peramalan
Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Waktu tenggang merupakan suatu alasan untuk perencanaan dan peramalan. Bila waktu tenggang ini besarnya nol atau sangat kecil, maka tidak dibutuhkan peramalan. Bila waktu tenggang tersebut panjang dan hasil yang diperoleh membutuhkan faktorfaktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan penting, maka peramalan terjadi atau dibutuhkan sehingga tindakan yang tepat dapat dilakukan.
Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang terjadi pada saat pengambilan keputusan. Apabila keputusan yang diambil kurang tepat, sebaiknya keputusan tersebut tidak dilaksanakan. Pengambilan keputusan merupakan masalah yang selalu dihadapi karena peramalan berkaitan erat dengan pengambilan suatu keputusan. Baik tidaknya suatu peramalan sangat bergantung terhadap metode peramalan yang digunakan. Oleh karena itu, ketepatan dari metode yang dipakai sangat penting
untuk dipertimbangkan. Walaupun demikian perlu diketahui bahwa suatu ramalan selalu ada unsur kesalahannya. Baik kesalahan ketika pengumpulan data maupun dalam pengolahan data. Sehingga yang penting adalah usaha bagaimana kesalahan itu diminimalisir. Dan pada akhirnya keputusan atau ramalan yang diperoleh baik untuk digunakan.
2.5 Jenis-jenis Peramalan
Jenis peramalan dapat dibedakan berdasarkan jangka waktu, ruang lingkup, dan metode yang digunakan. Jika ditijau dari jangka waktu, peramalan dapar dibedakan menjadi peramalan jangka pendek dan peramalan jangka panjang. Berdasarkan ruang lungkupnya, peramalan dibedakan menjadi peramalan mikro dan peramalan makro. Dan jika berdasarkan metode peramalan yang digunakan, peramalan dibedakan menjadi metode kualitatif dan metode kuantitatif.
Menurut Makridakis (1999:19), peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut: 1. Tersedia informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan dalam data numerik 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang. Peramalan bertujuan mendapatkan peramalan atau prediksi yang bisa meminimumkan kesalahan dalam meramal yang biasanya diukur dengan mean squared error.
2.6 Langkah-langkah Peramalan
Hampir semua metode peramalan formal dilakukan dengan cara mengekstrapolasi kondisi masa lalu untuk masa yang akan datang. Hal ini dikarenakan bahwa asumsi kondisi masa lalu sama dengan kondisi masa yang akan datang. Berdasarkan pemikiran ini, maka langkah-langkah dalam metode peramalan adalah: 1. Pengumpulan data Langkah pertama ini merupakan langkah yang sangat penting. Karena apabila data yang dikumpulkan kurang tepat, maka hasil dari peramalan akan kurang tepat. 2. Menyeleksi data Pada langkah yag kedua ini, data yang kurang relevan harus dibuang supaya tidak mengganggu akurasi peramalan. 3.
Memilih model peramalan Dalam pemilihan metode peramalan ini, salah satu yang sering dipakai adalah kesalahan peramalan. Semakin kecil kesalahan peramalan, semakin baik metode yang dipakai. Karena semakin mendekati data aktual.
4. Menggunakan model yang dipilih untuk dijadikan alat peramalan
2.7 Metodologi Penelitian
Metode yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Ruang lingkup Pengambilan data dilakukan di BPS Sumatera Utara. Data yang diambil adalah data PDRB Sektor Pertanian kota Padangsidimpuan tahun 2002-2009.
2. Variabel Variabel yang diteliti adalah PDRB Sektor Pertanian Kota Padangsidimpuan tahun 2002-2009 sebagai dasar untuk meramalkan pada tahun 2012.
3. Metode Pengambilan Data Metode pengambilan data yang dilakukan adalah: a. Pengumpulan Data Metode ini digunakan untuk mendapatkan data tentang PDRB Sektor Pertanian Kota Padangsidimpuan tahun 2002-2009. Data yang diambil merupakan data sekunder karena diperoleh dari BPS Sumatera Utara. b. Literatur Penulis mengumpulkan dan memilih sumber bacaan (buku-buku) yang berkaitan dengan Tugas Akhir ini.
4. Metode Analisa data
Metode analisa data yang dipakai adalah metode Pemulusan Eksponensial Ganda: metode Linier Satu Parameter dari Brown digunakan untuk data runtut waktu yang memiliki komponen trend yang linier. Peramalan dengan menggunakan metode Exponensial Smoothing yang linier dapat dilakukan dengan perhitungan yang hanya membutuhkan tiga buah nilai data dan satu nilai α.
Metode pemulusan eksponensial terkadang lebih efisien bila dibandingkan dengan meode peramalan yang lainnya. Tahap-tahap yang dilakukan dalam menentukan ramalan ini adalah: a. Menentukan pemulusan pertama ( S’t ) S’t
= α Xt + (1- α) S’t -1
b. Menentukan pemulusan kedua ( S’’t ) S”t
= α S’t + (1- α)S”t -1
c. Menentukan besarnya konstanta ( at ) at
= S’t + (S’t – S’’t) = 2S’t - S”t
d. Menentukan besarnya pemulusan ( bt ) bt
=
α (S’t – S”t) 1−α
e. Menentukan besarnya peramalan ( Ft+m ) Ft+ m = at + bt m
Dengan: m
= jumlah periode ke muka yang diramalkan
S’t
= nilai pemulusan eksponensial tunggal
S”t
= nilai pemulusan eksponensial ganda
α
= parameter pemulusan eksponensial besarnya adalah 0< α<1
at
= nilai konstanta pada periode ke t
bt
= nilai konstanta pemulusan
Ft + m
= hasil peramalan untuk m periode kedepan (Makridakis, 1999:112).
2.8 Ketepatan Metode Peramalan
Walaupun pemulusan eksponensial ini sederhana, namun metode ini juga mempunyai masalah. Dalam pemodelan deret-berkala, sebagian data yang diketahui dapat digunakan untuk meramalkan sisa data berikutnya sehingga memungkinkan orang untuk mempelajari ketepatan ramalan secara lebih langsung. Untuk memilih α yang tepat caranya dicari nilai α yang bisa meminimumkan mean squared error. Metode double exponential smoothing biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan. Maksudnya data tersebut
mengalami kenaikan dari periode satu ke periode berikutnya dan penurunan jumlahnya tidak terlalu drastis (Makridakis, 1993:10).
Ukuran yang digunakan untuk menguji ketepatan metode peramalan ini adalah nilai tengah kesalahan kuadrat (Mean Squared Error), dengan kriteria bahwa semakin kecil MSE, berarti model itu semakin tepat untuk digunakan. MSE dapat dicari dengan rumus sebagai berikut: n
∑e MSE =
2
i
i =1
n
Dengan: et
= Xt – Ft ( kesalahan pada periode ke t )
Xt
= data aktual pada periode ke t
Ft
= nilai ramalan pada periode ke t
n
= banyaknya periode waktu yang dianalisa (Makridakis, 1999:59)
