BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan

BAB 2
TINJAUAN TEORI
2.1 Pengertian Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas
bermacam-macam cara yaitu Metode Pemulusan Eksponensial atau Rata-rata
Bergerak, Metode Box Jenkis dan Metode Regresi. Semua itu dikenal dengan metode
peramalan. Metode peramalan adalah cara untuk memperkirakan secara kuantitatif
apa yang akan terjadi pada masa yang akan datang dasar data yang relevan pada masa
lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang
bersifat objektif.
Disamping itu metode peramalan memberikan urutan pengerjaan dan pemecahan
atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan
Universitas Sumatera Utara
yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, maka akan
dapat dasar pemikiran dan pemecahan yang sama.
Baik tidaknya suatu peramalan yang disusun, di samping ditentukan oleh metode
yang digunakan, juga ditentukan baik tidaknuya informasi yang digunakan. Selama
informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang
disusun juga agar sukar dipercaya akan ketepatannya.
2.2 Jenis-Jenis Metode Peramalan
Metode sistem peramalan yang sering digunakan dapat dilihat di bawah ini :
Metode Peramalan :
a. Metode Deret Waktu
1. ARIMA ( Box-Jenkins)
2. Bayesian
3. Aulocorelation
4. Filter Kalman
5. Multivariate
6. Smoothing
7. Regression
b. Metode Kausal
1. Ekonometri
2. Input Output
3. Regresi Korelasi
Universitas Sumatera Utara
a. Metode Deret Waktu ( Time Series Method )
Metode peramalan ini menggunakan deret waktu (time series) sebagai dasar
peramalan memerlukan data aktual lalu yang akan diramalakan untuk mengetahui
pola data yang diperlukan untuk menentukan metode peramalan yang sesuai. Beberpa
metode dalam time series yaitu sebagai berikut :
1. ARIMA ( Autoregressive Integrated Moving Average ) pada dasarnya
menggunakan fungsi deret waktu, metode ini memerlukan pendekatan model
identification serta penaksiran awal dari parameternya.
2. Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk
memisahkan sinyal dari noise
yang masuk ke sistem. Metoda ini
menggunakan pendekatan model state space dengan asumsi white noise
memiliki distribusi Gaussian.
3. Bayesian merupakan metode yang menggunakan state space berdasarkan
model dinamis linear ( dynamical linear model ). Sebagai contoh :
menentukan diagnosa suatu penyakit berdasarkan data-data gejala (hipertensi
atau sakit jantung).
4. Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang
bersifat musiman dengan cara membuat keseimbangan rata-rata dari data
masa lampau.
5. Regresi menggunakan dummy variabel dalam formulasi matematisnya.
Sebagai contoh: kemampuan dalam meramal sales suatu produk berdasarkan
harganya.
Universitas Sumatera Utara
b. Metode Kausal
Metode ini menggunakan pendekatan sebab-akibat, dan bertujuan untuk meramalkan
keadaan di masa yang akan datang dengan menemukan dan mengukur beberapa
variabel bebas (independen) yang penting beserta pengaruhnya terhadap variabel
tidak bebas yang akan diramalkan. Pada metode kausal terdapat tiga kelompok
metode yang sering dipakai.
1. Metode regresi dan korelasi memakai teknik kuadrat terkecil (least
square).Metode ini sering digunakan untuk prediksi jangka pendek.
Contohnya : meramalkan hubungan jumlah kredit yang diberikan dengan
giro,deposito dan tabungan masyarakat
2. Metode ekonometri berdasarkan pada persamaan regresi yang didekati secara
simultan. Metode ini sering digunakan untuk perencanaan ekonomi nasional
dalam jangka pendek maupun jangka panjang. Contohnya : meramalkan
besarnya indikator moneter buat beberapa tahun kedepan, hal ini sering
dilakukan pihak BI tiap tahunnya.
3. Metode input output biasa digunakan untuk perencanaan ekonomi nasional
jangka panjang. Contohnya : meramalkan pertumbuhan ekonomi seperti
pertumbuhan domestik bruto (PDB) untuk beberapa periode tahun ke depan 510 tahun mendatang. Tahapan perancangan peramalan : Secara ringkas
terdapat tiga tahapan yang harus dilalui dalam perancangan suatu metode
peramalan, yaitu :
Universitas Sumatera Utara
a. Melakukan analisa pada data masa lampau. Langkah ini bertujuan untuk
mendapatkan gambaran pola dari data bersangkutan.
b. Memilih metode yang akan digunakan. Terdapat bermacam-macam
metode yang tersedia dengan keperluannya. Metode yang berlainan akan
menghasilkan sistem prediksi yang berbeda pula untuk data yang sama.
Secara umum dapat dikatakan bahwa metoda yang berhasil adalah metoda
yang menghasilkan penyimpangan (error) sekecil-kecilnya antara hasil
prediksi dengan kenyataan yang terjadi.
c. Proses transformasi dari data masa lampau dengan menggunakan metoda
yang dipilih. Kalau diperlukan, diadakan perubahan sesuai kebutuhannya.
2.3
Kegunaan Peramalan
Sering terdapat senjang waktu (Time Lag) antara kesadaran akan peristiwa. Adanya
waktu tenggang (Lead Time) ini merupakan alasan utama bagi perencanaan dan
peramalan. Dalam situasi itu peramalan diperlukan untuk menetapkan kapan suatu
peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat akan dilakukan.
Dalam perencanaan di Organisasi atau perusahaan peramalan merupakan
kebutuhan yang sangat penting, dimana baik buruknya peramalan dapat
mempengaruhi seluruh bagian organisasi, karena waktu tenggang untuk pengambilan
keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang
Universitas Sumatera Utara
penting dalam perencanaan yang efektif dan efisien. Di dalam bagian organisasi
terdapat kegunaan peramalan, yaitu :
a. 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 ramalan tingkat permintaan akan konsumennya atau pelanggan.
b. Berguna dalam menyediakan sumber daya tambahan waktu tenggang (Lead
Time) untuk memperoleh bahan baku, menerima pekerja baru, atau membeli
mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa
tahun. Peramalan diperlyukan untuk menentukan kebutuhan sumber daya di
masa datang.
c. Untuk menentukan sumber daya yang diinginkan. Setiap organisadi harus
menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan
semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan
pengembangan sumber daya keuangan. Semua penentuan ini memerlukan
ramalan yang baik dan menejer yang dapat menafsirkan pendugaan serta
membuat keputusan yang baik.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan namun, tiga
kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek,
menengah dan panjang.
Universitas Sumatera Utara
Dari uraian di atas dapat dikatakan Metode Peramalan sangat berguna, karena
akan membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga
dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan
yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat atau
disusun.
2.4 Metode Peramalan
Berdasarkan sifatnya teknik peramalan dibagi dalam 2 (dua) kategori utama yaitu :
1. Metode peramalan kualitatif atau tekhnologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang
yang menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan
pengetahuan dari orang yang menyusunnya. Metode kualitatif atau
tekhnologis dapat dibagi menjadi metode eksploratoris dan normatif.
2. Metode peramalan kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada
metodeyang dipergunakan dalam peramalan tersebut. Denagn metode yang
berbeda akan diperoleh hasil peramalan yang berbeda. Baik tidaknya metode
yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil
peramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan
Universitas Sumatera Utara
antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang
dipergunakan semakin baik.
Metode kuantitatif dapat dibagi dalam deret berkala (Time Series) dan metode
kausal. Peramalan kuantitatif dapat digunakan bila terdapat 3 (tiga) kondisi yaitu :
a. Adanya informasi tentang masa lalu
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
c. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa
lalu akan terus berlanjut di masa yang akann datang.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan
(Asumtion of Continuity), asumsi ini merupakan modal yang mendasari semua
metode peramalan kuantitatif dan banyak metode peramalan tekhnologis, terlepas
dari bagaimana canggihnya metode tersebut.
2.5
Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciriciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan
dalam mempersiapkan peramalan.
Ada 6 (enam) faktor utama yang diidentifikasi sebagai teknik dan metode
peramalan, yaitu :
Universitas Sumatera Utara
1. Horizon Waktu
Ada 2 (dua) aspek dari Horizon Waktu yang berhuungan dengan masingmasing metode peramalan. Pertama adalah cakuoan waktu dimasa yang
akan datang, kedua adalah jumlah periode untuk peramalan yang
diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa mnacammacam dari pola yang didapati di dalam data yang diramalakan 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 karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisa keadaan untuk pengambilan
keputusan.
4. Biaya yang Diutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan
suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpanan
(Storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan
teknik-teknik dan metode lainnya.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan.
Universitas Sumatera Utara
6. Kemudahan dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.6
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 perkemabngan suatu kejadian
atau beberapa kejadian serta hubungannya dengan kejadian yang lain.
Metode Time Series merupakan metode peramlan kuantitatif yang didasarkan
atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan
dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang
digunakan untuk meramalkan apakah data tersebut stasionerr atau tidak dan
ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak
terdapat pertumbuhsan/penurunan pada data. Data secara kasar harus horizontal
sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.
1. Penentuan Pola Data
Hal yang penting diperhatikan dalam metode deret berkala adalah menentukan
jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data
Universitas Sumatera Utara
historis tersebut dapat diuji, dimana pola data pada umumnya dapat dibedakan
sebagai berikut :
a. Gerakan Trend Jangka Panjang (Long Tern Movement or Secular
Trend).
Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah
perkembangan secara umum (kecendrungan menaik/menurun). Garis trend
sangat berguna untuk membuat ramalan yang sangat diperlukan bagi
perencanaan.
b. Gerakan/Variasi Siklis (cyclical Movements or Variations)
Gerakan/variasi siklis adalah gerakan/variasi jangka panjang disekitar garis
trend (berlaku untuk data tahunan). Gerakan siklis ini bisa terukang setelah
jangka waktu tertentu dan bisa juga terulang dalam jangka aktu yang sama.
Contoh gerakan siklis yakni kemakmuran, kemunduran, depresi, dan
pemulihan.
c. Gerakan/Variasi Musiman (Seasonal Movements or variation)
Gerakan/variasi musiman adalah gerakan yang memounyai pola tetap dari
waktu ke waktu, misalnya naik turunnya harga pohon cemara menjelang
Natal, menurunnya harga beras pada waktu panen, dan lain sebagainya.
Walaupun pada umumnya gerakan musiman terjadi pada data bulanan yangn
Universitas Sumatera Utara
dikumpulkan dari tahun ke tahun, namun juga berlaku bagi data harian,
mingguan, atau satuan waktu yang leih kecil lagi.
d. Gerakan/Variasi yang Tidak Teratur (Iregular or Random
Movements)
Gerakan/variasi yang tidak tetap adalah gerakan/variasi yang sifatnya
sporadis, misalnya naik turunnya produksi akibat banjir yang datangnya tidak
teratur.
2.7
Metode Pemulusan (Smoothing)
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk
menaksir niai pada beberapa tahun ke depan. Secara umum metode smoothing
diklasifikasikan menjadi 2 (dua) bagian, yaitu :
1. Metode Rata-rata
a. Metode rata-rata bergerak tunggal
Jika data berkala tidak terjadi gejala trend naik maupun turun, musiman,
dan lainnya, melainkan sulit diketahui polanya, maka metode yang
digunakan
adalah
metode
rata-rata
bergerak
tunggal
(Pangestu
Subagyo,1986:13). Metode ini cocok untuk melakukan peramalan yang
Universitas Sumatera Utara
bersifat random. Untuk menentukan ramalan pada periode yang akan
datang memerlukan data historis selama jangka waktu tertentu. Rumus
umumnya adalah:
∑
b. Metode rata-rata bergerak ganda
Metode ini sedikit lebih sulit jika dibandingkan dengan metode rata-rata
bergerak tunggal. Ada beberapa langkah yangn harus ditentukan dalam
meramal dengan rata-rata bergerak ganda yaitu :
1. Menghitung rata-rata bergerak pertama, diberi simbol St’. Ini dihitung
dari data historis yang ada. Hasilnya diletakkan pada periode terakhir
rata-rata bergerak pertama.
2. Menghitung rata-rata bergerak kedua, diberi simbol St”. Ini dihitung
dari rata-rata bergerak pertama. Hasilnya diletakkan pada periode
terakhir rata-rata bergerak kedua.
Universitas Sumatera Utara
3. Menentukan besarnya nilai at (konstanta).
4. Menentukan besarnya nilai bt (slope).
v = jangka waktu rata-rata bergerak
5. Menentukan ramalan.
m = jangka waktu peramlan ke depan
2. Metode Pemulusan (Smoothing) Eksponensial
Bentuk umum dari metode pemulusan (Smoothing) Eksponensial ini adalah :
Dengan :
ramalan suatu periode ke depan
data aktual periode t
ramalan pada periode
parameter pemulusan ( 0
Universitas Sumatera Utara
Bila bentuk umum tersebut diperluas maka akan berubah menjadi :
Dari perluasan bentuk umum di atas dapatlah dikatakan bahwa Metode
Smoothing Eksponensial secara eksponensial terhadap nilai observasi yang lebih
tua atau dengan kata lain observasi yangn baru diberikan bobot yang relatif lebih
besar dengan nilai observasi yang lebih tua.
Metode ini terdiri atas :
a. Smoothing Eksonensial Tunggal
1. Satu Parameter (one parameter)
2. Pendekatan aditif (ARRES)
Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola
atau trend.
b. Smoothing Eksponensial Ganda
1. Metode Linier Satu Parameter dari Brown.
2. Metode Dua Parameter dari Holt.
c.
Smoothing Eksponensial Triple
1. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadrati, kubik, atau orde yang lebih tinggi.
Universitas Sumatera Utara
2. Metode kecendrungan dan musiman tiga parameter dari Winter dapat
digunakan untuk data yang berbentuk trend dan musiman.
d.
2.8
Smoothing Eksponensial menurut Klasifikasi Pegels.
Ketepatan Peramalan
Ketepatan peramalan adalah suatu hal yang paling mendasar di dalam peramalan,
yaitu bagaimana memngukur kesesuaian suatu kumpulan data yang diberikan.
Ketepatan yang dipandang sebagai kriteria penolakan untuk memilih suatu
peramalan. Dalam pemodelan pemulusan (smoothing), dari data masa lalu dapat
diramallakn situasi yang akan terjadi di masa yang akan datang. Untuk menguji
kebenaran ini digunakan peramalan.
Untuk mendapat hasil peramalan yang lebih akurat adalah maramal yang biasa
meminimalkan kesalahan meramal (forecast error). Besarnya (forecast error)
dihitung dengan:
Dimana :
data periode ke-i
ramalan periode ke-i
Universitas Sumatera Utara
Untuk mengukur kesalahan ramalan (forecast error) biasanya digunakan mean
absolut error, mean square error, atau mean absolut percentage error.
a. Percentage Error (PE)
(
)
b. Absolut percentage error (APE)
Adalah kesalahan persentase absolut
|
|
c. Mean Percentage Error (MPE)
Adalah persentase rata-rata kesalahan absolut
∑(
)
∑
d. Mean Absulute Percentage Error (MAPE)
Adalah persentase rata-rata kesalahan absolut
∑ |(
)
|
Universitas Sumatera Utara
: data sebenarnya terjadi
: data ramalan dihitung dari model yang digunakan pada waktu atau tahun t
n : banyak data hasil ramalan
Universitas Sumatera Utara