BAB II
LANDASAN TEORI
2.1 Pengertian peramalan (Forecasting)
Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (Assauri, 1991). Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut didasarkan atas bermacam-macam cara, diantaranya adalah Metode Pemulusan (Smoothing) Eksponensial, Metode perataan (Average), dan Metode Box Jenkins. Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramalan ini digunakan dalam peramalan yang bersifat objektif.
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang, berdasarkan data yang relevan pada masa lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat kuantitatif. Serta teknik dan metode peramalannya.
Universitas Sumatera Utara
Metode peramalan dapat memberikan cara pengajaran yang teratur dan terarah, sehingga
dengan
demikian
dapat
dimungkinkan
penggunaan
teknik-teknik
penganalisaan yang lebih maju. Dengan penggunaan teknik-teknik tersebut, maka diharapkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang teruji secara ilmiah.
Disamping itu, metode peramalan juga memberikan urutan pengajaran dan pemecahan atas pendekatan suatu masalah dalam peramalan. Sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan maka akan didapat dasar pemikiran dan pemecahan yang sama.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan. selama data maupun informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.
2.2 Kegunaan Peramalan
Kegunaan peramalan terlihat pada saat pengambilan keputusan, keputusan adalah keputusan yang didasarkan atas pertimbangan-pertimbangan yang akan terjadi pada waktu keputusan itu dilaksanakan.
Universitas Sumatera Utara
Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting.
Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Apalagi saat ini, telah terjadi kemajuan yang pesat dalam bidang peramalan. beberapa kegunaan peramalan dalam bagian organisasi yaitu :
1. Bagi Dinas Pendapatan Kabupaten Deli Serdang dapat memperkirakan seberapa besar penerimaan pajak untuk tahun mendatang, dimana pajak merupakan nilai tambah bagi pendapatan dearah itu sendiri. 2. Mempermudah Pemerintahan Daerah Deli Serdang dalam perencanaan pembangunan untuk tahun mendatang dengan perkiraan yang telah diramalkan dari sector pajak. Sehingga pelaksanaan otonomi daerah terlaksana diharapkan dan diupayakan dapat menjadi penyangga utama dalam membiayai kegiatan pembangunan daerah. 3. ilmu yang di dapat semenjak mengikuti perkuliahan untuk diterapkan di instansi-instansi pemerintah maupun swasta dalam penyelesaian permasalahan pajak. Terutama peramalan perkiraan nilai pajak.
Universitas Sumatera Utara
Dari uraian diatas dikatakan bahwa metode peramalan sangat berguna karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematika sehingga memberikan ketepatan hasil analisis.
2.3 Jenis Peramalan
Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dalam dua kategori utama yaitu :
1. Peramalan yang subjektif Peramalan yang subjektif adalah peramalan yang didasarkan atas perasaan atau institusi 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 metode dalam penganalisaan data tersebut.
Universitas Sumatera Utara
Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua kategori yaitu : 1. Peramalan jangka panjang Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan 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 penyusunan hasil ramalan yang jangka waktunya kurang dari setengah tahun. Misalnya peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan dan lain sebagainya.
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu : 1. Peramalan yang Kualitatif atau Teknologis Peramalan kualitatif adalah peramalan yang didasarkan atas dasar kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapatan dan pengetahuan dari orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode eksploratoris dan normatif.
Universitas Sumatera Utara
2. Peramalan Kuantitatif Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode berbeda maka akan diperoleh hasil peramalan yang berbeda pula. Baik tidaknya
metode
yang
digunakan
ditentukan
oleh
perbedaan
atau
penyimpangan hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kasual.
Pada akhir ini telah dikembangkan beberapa metode atau teknik-teknik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Peramalan dibedakan atas peramalan kuantitatif dan kualitatif. Dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas akhir ini adalah cara memperkirakan sesuatu yang akan terjadi dimasa depan secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif dibedakan atas :
1. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series).
Universitas Sumatera Utara
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal methods).
Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama, yaitu metode peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time series”.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu :
1. Adanya informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data 3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang. Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (asumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua
metode
peramalan
kuantitatif
dan
banyak
metode
peramalan
teknologis,terlepas dari bagaimana canggihnya metode tersebut.
Universitas Sumatera Utara
2.4 Jenis-Jenis Metode Peramalan
Metode-metode peramalan dengan analisa deret waktu yaitu: 1. Metode pemulusan eksponensial dan rata-rata bergerak Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang. 2. Metode Regresi Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang 3. Metode Box-Jenkins Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dari jangka panjang.
Dalam penulisan Tugas Akhir ini, yang akan digunakan adalah metode time series yang pertama, yaitu metode pemulusan ekponensial.
2.4.1 Analisa Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisa data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.
Universitas Sumatera Utara
Metode time series merupakan metode peramalan kuantitatif atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa yang akan datang. Stationer itu sendiri berarti bahwa tidak dapat pertumbuhan atau penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktasi data tetap konstan setiap waktu.
2.4.2 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan yaitu :
1. Horizontal waktu Ada dua aspek dari horizontal waktu yang berhubungan dengan masingmasing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan datang. Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan.
Universitas Sumatera Utara
2. Pola data Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati didalam data yang diramalkan akan berkelanjutan.
3. Jenis dan Model Model- model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan kerena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan. 4. Biaya yang dibutuhkan Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur
peramalan.
Yakni
biaya-biaya pengembangan,
penyimpanan
(storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknikteknik dan metode peramalan.
5. Ketepatan metode peramalan Tingkat ketepatan yang dibutuhkan sangat serta kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam penerapan Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.
Universitas Sumatera Utara
2.4.3 Penentuan Pola Data
Hal penting yang harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut : 1. Pola data Horizontal Pola ini terjadi bila berfluktasi disekitar nilai rata-rata yang konstan.
2. Pola Data Musiman (Seasonal) Pola data yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Siklis (Cyclical) Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.
4. Pola Data Trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.
Universitas Sumatera Utara
2.5 Metode Pemulusan (Smoothing)
Metode pemulusan (Smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode pemulusan diklasifikasikan menjadi dua bagian yaitu : 1. Metode Rata-rata Metode rata-rata dibagi atas empat bagian yaitu : a. Nilai tengah (mean) b. Rata-rata bergerak tunggal (Single Moving Average) c. Rata-rata bergerak ganda (Double Moving Avarage) d. Kombinasi rata-rata bergerak lainnya. Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode pemulusan Eksponensial Bentuk umum dari metode pemulusan eksponensial :
Ft +1 = αX t + (1 − α ) Ft Dimana :
Ft +1
= ramalan suatu periode ke depan
Xt
= data aktual pada periode ke-t
Ft
= ramalan pada periode ke-t
α
= parameter pemulusan
Universitas Sumatera Utara
Bila bentuk umum tersebut diperluas maka akan berbentuk menjadi :
Ft +1 = αX t + (1 − α ) X t −1 + α (1 − α ) 2 X t −2 + ... + α (1 − α ) N X t −( N −1)
Dari pemulusan bentuk umum diatas dapatlah dikatakan bahwa metode pemulusan eksponensial merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang lebih tua. Metode ini terdiri atas : 1. Metode Eksponensial a. Satu parameter (One Parameter). b. Pendekatan Aditif Digunakan untuk data yang bersifat stationer dan tidak menunjukkan pola data atau trend.
2. Metode smoothing Eksponensial Ganda a. Metode linier satu parameter dari Brown. b. Metode Dua Parameter dari Holt.
3. Metode eksponensial Triple a. Metode Kuadratik satu parameter dari Brown Digunakan untuk pola kuadratik, kubik atau orde yang lebih tinggi. b. Metode kecenderungan dan musim tiga parameter dari Winter Dapat digunakan untuk data berbentuk trend dan musiman.
Universitas Sumatera Utara
2.5.1 Metode yang Digunakan
Untuk menggunakan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan penerimaan pajak. Dengan menggunakan Metode Smoothing Eksponensial Ganda satu parameter dari Brown.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari metode smoothing Eksponensial Linier satu parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebelumnya.
Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier satu parameter dari Brown adalah sebagai berikut :
S t' = αX t + (1 + α ) S t'−1 S t" = αS t' + (1 + α ) S t"−1 at = 2 S t' − S t"
bt =
α 1−α
( S t' − S t" )
Universitas Sumatera Utara
Dimana :
S t' = Smoothing tunggal periode t S t" = Smoothing eksponensial ganda periode t
α
= Parameter Pemulusan Eksponensial
at , bt = Konstanta pemulusan Ft + m = Ramalan untuk m periode ke muka
2.6 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah : 1. M E (Mean Error) / Nilai Tengah Kesalahan N
∑e ME =
t =1
t
N
Universitas Sumatera Utara
2. M S E (Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat N
∑e MSE =
2 t
t =1
N
3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut N
∑e MAE =
t
t =1
N
4. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan
N
SSE = ∑ et
2
t =1
5. S D E (Standard Deviation Of Error) / Devisi Standard Kesalahan N
∑e SDE =
6.
t =1
2 t
N
M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase Absolut N
∑ PE MAPE =
t =1
t
N
Universitas Sumatera Utara
7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase N
∑ PE MPE =
t =1
t
N
Dimana : et = Xt –Ft (Kesalahan pada period ke-t) Xt = data aktual pada periode ke-t Ft = Nilai ramalan pada periode ke-t N = banyaknya periode waktu
X − Ft PEt = t Xt
(100 ) (Kesalahan persentase pada periode ke-t)
Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang terkecil.
Universitas Sumatera Utara
