BAB I PENDAHULUAN
1.1.
Latar Belakang Peramalan (forecasting) merupakan suatu kegiatan untuk mengetahui apa
yang
akan
terjadi
di
masa
mendatang
dengan
memperhatikan
dan
mempertimbangkan data-data yang tersedia dari masa lampau. Peramalan kerap kali digunakan sebagai perencanaan dan operasi kontrol dalam berbagai bidang seperti manajemen produksi, sistem inventori, kontrol kualitas, perencanaan keuangan, dan analisis investasi. Selain itu, peramalan juga digunakan sebagai alat pembuatan keputusan untuk pengeluaran, perencanaan, dan estimasi pertumbuhan di masa yang akan datang. Pada umumnya, metode peramalan terbagi menjadi dua yaitu metode kualitatif dan metode kuantitatif. Metode kualitatif lebih kepada mengandalkan intuisi yang dimiliki manusia daripada penggunaan data historis sehingga metode ini juga disebut metode peramalan subjektif. Metode ini banyak digunakan dalam mengambil keputusan sehari-hari dalam keadaan yang mendesak. Sedangkan metode kuantitatif adalah metode permalan menggunakan data-data yang dapat dikuantitatifkan dalam bentuk numerik. Metode ini terbagi menjadi dua yaitu metode kausal dan metode time series atau runtun waktu. Metode kausal juga sering disebut dengan metode regresi yaitu metode yang menguji beberapa variabel independen yang dianggap dapat mempengaruhi variabel dependen. Metode ini biasa menggunakan analisis regresi untuk menentukan variabel mana saja yang mempengaruhi variabel dependen secara signifikan. Sedangkan metode time series adalah metode yang digunakan untuk memprediksi masa depan dengan menggunakan data historis. Metode time series berguna untuk kebutuhan peramalan dalam berbagai kasus. Peramalan akan menghasilkan informasi baru yang akan terjadi di masa depan sehingga informasi yang demikian akan sangat penting bagi para pengambil keputusan, pembuat kebijakan, dan pebisnis. Namun, tidak setiap data mudah didapat atau data yang diperoleh memiiki jumlah yang kecil.
1
2
Oleh karena itu, Deng (1982) memperkenalkan Grey Forecasting Model yang merupakan pengembangan dari Grey System Theory yaitu mengenai informasi yang tidak lengkap (Liu dan Lin, 2010). Grey Forecasting Model atau GM (1,1) mampu memberikan hasil peramalan yang cukup akurat meskipun hanya menggunakan sejumlah data kecil. GM (1,1) adalah model peramalan Grey yang menggunakan bentuk diferensial tingkat pertama dan satu variabel dengan menggunakan prinsip bentuk diskrit untuk mengestimasi parameternya dan menggunakan bentuk kontinu untuk mengestimasi nilai peramalannya. GM (1,1) telah berhasil diterapkan untuk data permintaan pariwisata di Taiwan yang volatilitasnya tinggi (Huang dan Lee, 2011). Peramalan dengan GM (1,1) dapat digunakan untuk peramalan barisan, prediksi interval, peramalan bencana alam, peramalan musim, dan peramalan pasar modal. Pada skripsi ini, akan dibahas peramalan dengan menggunakan Discrete Grey Model (1,1) yang merupakan salah satu bentuk dari Grey Forecasting Model dengan menawarkan prinsip utama menggunakan bentuk diskrit baik dalam mengestimasi parameter maupun dalam mengestimasi nilai prediksi. Selanjutnya, akan dilakukan optimisasi untuk model Discrete Grey (1,1) agar diperoleh hasil peramalan yang lebih baik dan akurat untuk menangani peramalan untuk jumlah data yang kecil atau terbatas.
1.2.
Batasan Masalah Dalam penelitian ini, pembatasan masalah sangat diperlukan untuk
menjamin keabsahan dalam kesimpulan yang diperoleh dan agar tidak terjadi penyimpangan dari tujuan semula dan pemecahan masalah lebih terkonsentrasi. Pada skripsi ini, penulis membatasi masalah hanya pada teori dan analisis peramalan dengan menggunakan metode optimisasi Discrete Grey (1,1). Kemudian melakukan perbandingan dengan menggunakan metode double exponential smoothing.
3
1.3.
Tujuan Penelitian Berdasarkan latar belakang dan rumusan masalah di atas, penulisan skripsi
dilakukan dengan tujuan: 1. mempelajari metode peramalan jangka pendek untuk sampel data terbatas; 2. mengetahui dan mempelajari metode peramalan jangka pendek dengan menggunakan metode optimisasi Discrete Grey (1,1) untuk sampel data terbatas; 3. mengetahui penerapan atau penggunaan metode peramalan jangka pendek dengan optimisasi Discrete Grey (1,1); 4. mengetahui metode terbaik antara Double Exponential Smoothing dengan optimisasi Discrete Grey Model (1,1).
1.4.
Tinjauan Pustaka Penulisan skripsi ini didasarkan pada beberapa penelitian dengan tema
yang serupa. Salah satu penelitian tersebut adalah Widyaningsih (2015) yang ingin memperkenalkan salah satu metode pengembangan dari model grey yaitu metode adaptive grey yang memiliki dua bagian, yang pertama perhitungan nilai metode penelusuran tren dan potensi atau biasa disebut Tren and Potency Tracking Method (TPTM) dengan menggunakan inisialisasi minimal empat data pertama dan yang kedua pembentukan model peramalan. Deng (1989) dalam jurnalnya memperkenalkan teori dasar dari sistem grey yang telah berhasil diterapkan dalam berbagai bidang agrikultur, ekologi, ekonomi, meteorologi, dan sebagainya. Liu dan Lin (2010) dalam bukunya
memperkenalkan metode Grey
Forecasting Model dengan beberapa pengembangannya serta aplikasi dari metode tersebut. Nuswantri (2014) dalam jurnalnya membahas tentang modifikasi dari model GM (1,1) dengan menggunakan deret Fourier untuk meningkatkan keakuratan ramalan jangka pendek untuk data yang terbatas.
4
Lin dan Xie (2008) dalam jurnalnya menjelaskan tentang Discrete Grey Forecasting Model sebagai pengembangan dari model GM (1,1) dengan menggunakan bentuk diskrit untuk mengestimasi parameter dan nilai simulasi serta ramalan untuk data yang terbatas. Selanjutnya, jurnal tersebut oleh penulis dijadikan sebagai tema utama dalam skripsi ini. Dimana dilakukan pendugaan parameter dan nilai simulasi serta ramalan untuk discrete grey model (DGM) yang kemudian dilakukan analisis lanjut untuk optimisasi model DGM agar diperoleh nilai inisialisasi yang tidak mempengaruhi model peramalan.
1.5.
Metode Penelitian Metode penelitian yang digunakan dalam penelitian skripsi ini adalah studi
literatur dan studi kasus. Untuk studi literatur, penulis menggunakan berbagai referensi yang diperoleh dari buku-buku, jurnal-jurnal, serta bahan pendukung lainnya yang diperoleh dari perpustakaan ataupun media lain seperti internet. Untuk studi kasus, penulis menggunakan data jumlah Usaha Kecil dan Menengah jenis perdagangan di Kota Yogyakarta pada tahun 2005 sampai tahun 2015.
1.6.
Sistematika Penulisan BAB I
: PENDAHULUAN Bab ini berisi pendahuluan dari tema yang diangkat dalam penulisan skripsi ini, meliputi latar belakang, rumusan masalah, tujuan penelitian, tinjauan pustaka, metode penelitian, dan sistematika penulisan.
BAB II
: LANDASAN TEORI Dalam bab ini, penulis memaparkan teori-teori yang digunakan sebagai landasan dalam penulisan skripsi ini. Landasan teori ini berisi tentang matriks, estimasi kuadrat terkecil, metode peramalan, grey system theory, dan model peramalan dengan grey model.
5
BAB III
: OPTIMISASI DISCRETE GREY MODEL (1,1) SEBAGAI
METODE
PERAMALAN
UNTUK
JUMLAH DATA KECIL Bab ini berisi konsep untuk mengestimasi parameter dan mencari nilai peramalan denganmenggunakan metode Discrete Grey Model (1,1), generalisasi, dan optimisasi dari Discrete Grey Model (1,1).
BAB IV
: STUDI KASUS Bab ini berisi tentang aplikasi dari metode Discrete Grey Model (1,1) dan optimisasi Discrete Grey Model (1,1) dalam mengestimasi parameter dan meramalkan nilai pada periode berikutnya dengan menggunakan data jumlah Usaha Kecil dan Menengah jenis perdagangan di Kota Yogyakarta.
BAB V
: PENUTUP Dalam bab ini berisi kesimpulan yang berdasarkan materi yang telah dibahas dalam bab-bab sebelumnya dan saran untuk pengembangan dalam penelitian selanjutnya.
