Universitas Sumatera Utara

Universitas Sumatera Utara

BAB 2

LANDASAN TEORI

Landasan teori ini merupakan hasil dari tinjauan literatur-literatur yang ada kaitannya dengan metode-metode peramalan maupun dengan konteks lainnya dalam penulisan Tugas Akhir ini. Adapun dalam landasan teori ini akan diuraikan hal-hal sebagai berikut:

2.1 Pengertian Peramalan

Peramalan kadangkala dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan didefinisikan sebagai kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang dengan menggunakan data dan informasi yang ada. Sedangkan ramalan adalah suatu situasi atau kondisi yang memperkirakan apa yang akan terjadi di masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal dengan metode peramalan.


Metode peramalan adalah cara memperkirakan secara kuantitatif dan kualitatif apa yang akan terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Metode peramalan dapat memberikan manfaat yang sangat besar bagi kita apabila dikaitkan dengan keadaan informasi atau data yang dipunyai. Metode peramalan akan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah, sehingga dengan demikian dapat dimungkinkan penggunaan teknik-teknik analisa 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 terjadi secara ilmiah.

2.2 Kegunaan Metode Peramalan

Metode peramalan sangat berguna, baik dalam penelitian, perencanaan maupun pengambilan keputusan karena akan membantu dalam mengadakan pendekatan analisa terhadap perilaku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran pengerjaan, dan pemecahan yang sistematis, serta memberikan tingkat kepercayaan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau yang disusun.

Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat, demikian pula dengan baik tidaknya keputusan dan rencana yang disusun juga sangat ditentukan oleh ketepatan ramalan yang dibuat. Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu disadari bahwa suatu ramalan tetap ramalan, dimana selalu ada unsur kesalahannya.


Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahan tersebut. Pada dasarnya, baik tidaknya suatu ramalan yang disusun sangat tergantung pada orang yang melakukannya, langkah-langkah peramalan yang dilakukannya, serta metode peramalan yang digunakan. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, selalu ada unsur kesalahan. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahannya.

Di dalam bagian organisasi terdapat beberapa kegunaan metode peramalan, diantaranya:

1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah tingkat permintaan konsumennya atau si pelanggan.

2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang untuk memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat berkisar antara beberapa tahun. Peramalan dapat digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.

3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus sumber daya yang dimiliki dalam jangka panjang. Keputusan sepanjang ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan ini memerlukan peramalan yang


baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan ramalan jangka pendek, menengah, dan panjang.

2.3 Jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi, tergantung dari cara melihatnya. Apabila dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:

1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu negara atau daerah, rencana investasi atau rencana ekspansi dari suatu perusahaan.

2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu kurang dari satu setengah tahun. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional, dan anggaran, contohnya penyusunan rencana produksi,


rencana penjualan, rencana pengadaan, rencana persediaan, anggaran produksi, anggaran pemasaran, dan anggaran perusahaan.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:

1. Peramalan Kualitatif atau teknologis 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 pemikiran yang bersifat intuisi, pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Bisaanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan, seperti Delphi, analogies, dan didasarkan atas ciri-ciri normatif seperti decision matrices atau decision trees. metode kualitatif dapat dibagi menjadi metode eksploratoris dan normatif. 2. Peramalan Kuantitatif Peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Pada dasarnya metode peramalan kuantitatif ini meliputi metode peramalan yang didasarkan pada penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu, atau pola deret berkala (time-series) dan metode peramalan yang didasarkan pada penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, metode ini disebut metode korelasi atau sebab-akibat (Causal).


Metode peramalan dengan menggunakan analisa pola deret berkala (time series) antara lain adalah:

a. Adanya informasi tentang keadaan yang lain. b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data. c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

Metode-metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu atau analisa deret waktu, yaitu: 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak, sering digunakan untuk ramalan jangka pendek dan jarang digunakan 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, dan jangka panjang.

2.4 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 analisis keadaan dalam mempersiapkan peramalan.


Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:

1. Horizon Waktu Ada dua aspek horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang, untuk mana perbedaan dari metode peramalan yang digunakan sebaiknya sesuai. Aspek kedua adalah jumlah periode untuk peramalan yang akan diinginkan.

2. Pola Data Dasar utama dari metode peramalan adalah anggapan bahwa macam-macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model Model-model dari suatu deret di mana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Jenis model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya yang Dibutuhkan Umumnya ada empat unsur biaya yang tercakup di dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan kesempatan dalam penggunaan teknik-teknik dan metode lainnya.


5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

6. Kemudahan dalam Penerapan Teknik dan metode peramalan harus dapat disesuaikan dengan kemampuan analis yang akan menggunakan metode ramalan tersebut. Metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan untuk memenuhi kebutuhan dari keadaan.

2.5 Analisis Deret Berkala

Deret berkala (Time series) adalah data yang dikumpulkan dari waktu untuk memberikan gambaran tentang perkembangan suatu kegiataan dari waktu ke waktu. Analisis deret berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian lainnya.

Metode deret berkala merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan deret berkala ini mencakup menelliti 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 terdapat pertumbuhan ataupun penurunan data. Data seharusnya horizontal sepanjang waktu atau dengan kata lain fluktasi data tetap konstan setiap waktu.


2.6 Penentuan Pola Data

Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Secara umum pola data dapat dibedakan menjadi empat, yaitu:

1. Pola Horisontal (H) Terjadi bilamana nilai data berfluktuasi disekitar nilai rata-rata yang konstan (Deret seperti itu stasioner terhadap nilai rata-ratanya). Suatu produk yang tidak meningkat atau menurun selama waktu tertentu termasuk dalam jenis ini.

2. Pola Musiman (S) Pola yang menunjukkan perubahan yang berulang-ulang secara periodic dalam deret waktu terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).

3. Pola Siklis (C) Pola data yang menunjukkan gerakkan naik turun dalam jangka panjang dari suatu kurva trend, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang yang berhubungan dengan siklus bisnis.

4. Pola Trend (T) Terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.


2.7 Metode Pemulusan (Smoothing)

Metode Smoothing adalah suatu metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing 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 (DoubleMoving Average) 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

(2.1)

Keterangan : Ft+1 = Ramalan satu periode ke depan Xt

= Data aktual pada periode ke-t

Ft

= Ramalan pada periode ke-t

α

= Parameter pemulusan


Metode Pemulusan Eksponensial terdiri atas:

1. Pemulusan Eksponensial Tunggal a. Satu parameter b. Pendekatan adaptif

2. Smoothing Eksponensial Ganda a. Metode Linear Satu Parameter dari Brown b. Metode Dua Parameter dari Holt

3. Smoothing Eksponensial Tripel a. Metode Kuadratik Satu Parameter dari Brown b. Metode Tiga Parameter untuk kecenderungan dan musiman dari Winter 4. Smoothing Eksponensial menurut klasifikasi Pegels.

2.8 Metode Smoothing yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan Time series yang digunakan untuk meramalkan produksi karet pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu ” Smoothing Eksponensial Lineaar Satu Parameter dari Brown “.

Persamaan yang dipakai dalam pelaksanaan Pemulusan Eksponensial Linear Satu Parameter dari Brown adalah sebagai berikut:


Ft + m = at + bt (m )

(2.2)

S t' = αX t + (1 − α )S t'−1

(2.3)

S t" = αS t' + (1 − α )S t"−1

(2.4)

α t = S t' + (S t' − S t" ) = 2S t' − S t"

(2.5)

bt =

α (S t' − S t" ) 1−α

(2.6)

Keterangan : S’ t

= Nilai pemulusan eksponensial tunggal

S” t = Nilai pemulusan eksponensial ganda at

= Konstanta untuk m periode ke muka

bt

= Komponen kecendrungan

Ft+m = Hasil ramalan untuk m periode ke depan yang akan diramalkan α

= Parameter pemulusan eksponensial besarnya adalah 0< α<1

2.9 Ketepatan Ramalan

Ketepatan ramalan adalah satu 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 akan datang, untuk ,menguji kebenaran ramalan ini digunakan ketepatan ramalan.


Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:

1. ME (Mean Error): Nilai Tengah Kesalahan n

ME =

∑e t =1

t

(2.7)

n

2. MAE (Mean Absolute Error): Nilai Tengah Kesalahan Absolut n

MAE =

∑e t =1

t

(2.8)

n et = X t − Ft

Dengan :

3. SSE (Sum of Squared Error): Jumlah Kuadrat Kesalahan n

SSE = ∑ et2

(2.9)

t =1

4. MSE (Mean Squared Error): Nilai Tengah Kesalahan Kuadrat n

MSE =

∑e t =1

2 t

(2.10)

n

5. SDE (Standard Deviation of Error): Deviasi Standard Kesalahan n

SDE =

∑e t =1

2 t

(n − 1)

(2.11)


6. MPE (Mean Percentage Error): Nilai Tengah Kesalahan Persentase n

MPE =

∑ PE t =1

t

(2.12)

n

7. MAPE (Mean Absolut Percentage Error): Nilai Tengah Kesalahan Persentase Absolut n

MAPE =

∑ PE t =1

t

(2.13)

n  X − Ft PEt =  t  Xt

Dengan :

  

Keterangan : X t = Nilai data periode ke-t Ft

= Nilai ramalan periode ke-t

n

= banyaknya data

et

= Kesalahan atau galat

PE t = Galat persentase


Universitas Sumatera Utara

Recommend Documents