7 BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan

7
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 dengan 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
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 tidaknya informasi yang digunakan. Selama
Universitas Sumatera Utara
8
informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang
disusun juga akan sukar dipercaya akan ketepatannya.
2.2
Jenis-Jenis Metode Peramalan
Metode sistem peramalan yang sering digunakan dapat dilihat pada gambar di bawah
ini:
a. Metode Deret Waktu (Time series Method)
Metode peramalan ini menggunakan deret waktu (time series) sebagai dasar
peramalan memerlukan data aktual lalu yang akan diramalkan untuk
mengetahui pola data yang diperlukan untuk menentukan metode peramalan
yang sesuai. Beberapa metode dalam time series yaitu sebagai berikut:
1) ARIMA (Autoregressive Integrated Moving Average) pada dasarnya
menggunakan fungsi eret waktu, metode ini memerlukan pendekatan
model identification serta penaksiran awal dari paramaternya.
Universitas Sumatera Utara
9
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.
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) Metoda regresi dan korelasi memakai teknik kuadrat terkecil (least square).
Metoda ini sering digunakan untuk prediksi jangka pendek. Contohnya:
Universitas Sumatera Utara
10
meramalkan hubungan jumlah kredit yang diberikan dengan giro, deposito
dan tabungan masyarakat.
2) Metoda ekonometri berdasarkan pada persamaan regresi yang didekati
secara simultan. Metoda ini sering digunakan untuk perencanaan ekonomi
nasional dalam jangka pendek maupun jangka panjang. Contohnya:
meramalkan besarnya indikator moneter buat beberapa tahun ke depan, hal
ini sering dilakukan pihak BI tiap tahunnya.
3) Metoda 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 5-10 tahun mendatang. Tahapan perancangan peramalan : Secara
ringkas terdapat tiga tahapan yang harus dilalui dalam perancangan suatu
metoda peramalan, yaitu :
a) Melakukan analisa pada data masa lampau. Langkah ini bertujuan
untuk mendapatkan gambaran pola dari data bersangkutan.
b) Memilih metoda yang akan digunakan. Terdapat bermacam-macam
metoda yang tersedia dengan keperluannya. Metoda 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) sekecilkecilnya 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.
Universitas Sumatera Utara
11
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 unutuk menetapkan kapan suatu
peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat 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
penting dalam perencanaan yang efektif dan efisien. Di dalam bagian organisasi
terdapat kegunaan peramalan, yaitu :
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 ramalan tingkat permintaan akan konsumennya atau pelanggan.
2. Berguna dalam penyediaan 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 diperlukan untuk menentukan kebutuhan sumber daya
dimasa datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan
semacam itu bergantung kepada faktor – faktor lingkungan, manusia dan
Universitas Sumatera Utara
12
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 diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek,
menengah dan panjang.
Dari uraian diatas dapt 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
yng 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 metode
Universitas Sumatera Utara
13
yang dipergunakan dalam peramalan tersebut. Dengan 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 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 :
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 berlnjut di masa yang akan 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 ciri –
ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan
dalam mempersiapkan peramalan.
Universitas Sumatera Utara
14
Ada 6 (enam) faktor utama yang diidentifikasikan sebagai teknik dan metode
peramalan, yaitu :
1. Horizon Waktu
Ada 2 (dua) aspek dari Horizon Waktu yang berhubungan dengan masing –
masing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan
datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam – macam
dari pola yang didapati didalam data yang diramalkan akan berkelanjutan.
3. Jenis dari 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 Dibutuhkan
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.
6. Kemudahan dalam Penerapan
Metode – metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan.
Universitas Sumatera Utara
15
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.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu kejadian
atau beberapa kejadian serta hubungannya dengan kejadian yang lain.
Metode Time Series merupakan metode peramalan 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 stasioner atau tidak dan
ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak
terdapat pertumbuhan / 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 historis
tersebut dapat di uji, dimana pola data pada umumnya dapat dibedakan sebagai
berikut :
Universitas Sumatera Utara
16
a. Gerakan Trend Jangka Panjang (Long Term Movement or Secular Trend)
Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah
perkembangan secara umum (kecenderungan menaik / menurun). Garis trend
sangat berguna untuk membuat ramalan (forecasting) yang sangat diperlukan
Jumlah
bagi perencanaan.
Waktu (tahun)
Gambar 1. Grafik siklus trend
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 terulang setelah
jangka waktu tertentu dan bisa juga terulang dalam jangka waktu yang sama.
contoh gerakan siklis yaknikemakmuran (prosperity), kemunduran (recession),
Jumlah
depresi (depression), dan pemulihan (recovery)
Waktu (tahun)
Gambar 2. Grafik siklus sikklikal
Universitas Sumatera Utara
17
c. Gerakan / Variasi Musiman (Seasonal Movements or Variation)
Gerakan / variasi musiman adalah gerakan yang mempunyai pola tetap dari
waktu ke waktu, misalnya naiknya harga pohon cemara menjelang Natal,
menurunnya harga beras pada waktu panen, dan lain sebagainya. Walaupun
pada umumnya gerakan musiman terjadi pada data bulanan yang dikumpulkan
dari tahun ke tahun, namun juga berlaku bagi data harian, mingguan, atau
Jumlah
satuan waktu yang lebih kecil lagi.
Waktu (tahun)
Gambar 3. grafik siklus musiman
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
Jumlah
teratur.
Waktu (tahun)
Gambar 4. grafik siklus random
Universitas Sumatera Utara
18
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 nilai 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 bersifat random. Untuk
menentukan ramalan pada periode yang akan datang memerlukan data historis
selama jangka waktu tertentu.
Rumus umumnya adalah:
X t + X t −1 + X t − 2 + ... + X t − n +1
n
t
1
St =
∑Xj
n j =t − n + i
St =
b) Metode rata-rata bergerak ganda
Metode ini sedikit lebih sulit jika dibandingkan dengan metode Metode ratarata bergerak tunggal. Ada beberapa langkah yang harus ditentukan dalam
meramal dengan rata-rata bergerak ganda yaitu :
Universitas Sumatera Utara
19
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.
S 't =
X t + X t −1 + X t − 2 + ... + X t − n +1
n
2) Menghitung rata-rata bergerak kedua, diberi simbol St’’. ini dihitung dari
rata-rata bergerak pertama. Hasilnya diletakkan pada periode terakhir ratarata bergerak kedua.
S
''
t
S ' t + S ' t −1 + S ' t − 2 + ... + S ' t − n +1
=
n
3) Menentukan besarnya nilai at (konstana).
at = S ' t + ( S ' t − S " t )
4) Menentukan besarnya nilai bt (slope).
bt =
2( S ' t − S " t )
v −1
V= jangka waktu rata-rata bergerak
5) Menentukan ramalan.
Ft + m = at + bt (m)
.
m =jangka waktu peramalan ke depan
2
Metode Pemulusan (Smoothing) Eksponensial
Bentuk umum dari Metode Pemulusan (Smothing) Eksponensial ini adalah:
Ft+1 = αXt + (1 – α)Ft
Universitas Sumatera Utara
20
Dengan :
Ft+1 = ramalan suatu periode ke depan
Xt = data aktual periode t
Ft = ramalan pada periode
α = parameter pemulusan (0<α<1)
Bila bentuk umum tersebut diperluas maka akan berubah menjadi :
Ft+1 = αXt + α(1 – α)Xt-1 +α(1 – α)2Xt-2 + ……………+ (1 – α)N Ft+(N-1)
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 yang baru diberikan bobot yang relatif lebih besar dengan nilai
observasi yang lebih tua.
Metode ini terdiri atas:
a. Smoothing Eksponensial Tunggal
1) Satu Parameter (one parameter)
2) Pendekatan aditif (ARRES)
Digunakan untuk data data yang bersifat stasioner dan tidak
menunjukkan
pola atau trend.
b. Smoothing Eksponen Ganda
1) Metode Linier Satu Parameter dari Brown
2) Metode Dua Paremeter 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
21
2) Metode kecenderungan dan musiman tiga parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend dan musiman.
d. Smoothing Eksponensial Menurut Klasifikasi Pegels.
2.8
Ketepatan Peramalan
Ketepatan peramalan adalah suatu hal yang paling mendasar didalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu kumpulan data yang diberikan. Ketepatan yang
dipandang sebagai criteria penolakan untuk memilih suatu peramalan. Dalam
pemodelan pemulusan (smoothing), dari data masa lalu dapat diramalakan situasi
yang akan terjadi dimasa yang akan datang. Untuk menguji kebenaran ini digunakan
peramalan.
Untuk mendapat hasil peramalan yang lebih akurat adalah ramalan yang bias
meminimalkan kesalahan meramal (forecast error). Besarnya (forecast error) dihitung
dengan :
ei = X i − Fi
Dimana : X i = data periode ke-i
Fi =ramalan period eke-i
Untuk mengukur kesalahan ramalan (error forecast) biasanya digunakan mean
absolute error, mean square error, atau mean absolute percentage error.
a. Percentage error
 X − Ft
PE =  t
 Xt

 × 100

Universitas Sumatera Utara
22
b. Absolut percentage error (APE)
adalah kesalahan persentase absolute
APE =
X t − Ft
× 100
Xt
c. Mean percentage error (MPE)
adalah persentase rata-rata kesalahan absolute
MPE =
 X t − Ft
 Xt
∑ 

 × 100

n
n
MPE =
∑ PE
i =1
n
d. Mean absolute percentage error (MAPE)
adalah persentase rata-rata kesalahan absolut
MAPE =
 X t − Ft
 Xt
∑ 

 × 100

n
X t : data sebenarnya terjadi
Ft : data ramalan dihitung dari model yang digunakan pada waktu atau tahun t
n : banyak data hasil ramalan
Universitas Sumatera Utara