peramalan produk domestik regional bruto (pdrb)

BAB 2
TINJAUAN PUSTAKA
2.1 Pengertian Peramalan
Peramalan adalah kegiatan memperkirakan apa yang terjadi pada waktu yang akan
datang sedangkan rencana merupakan penentuan apa yang akan dilakukan pada waktu
yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
rencana diantaranya didasarkan pada suatu proyeksi atau ramalan. Pada hakekatnya
banyak keputusan penting yang dilakukan secara pribadi, instansi, maupun perusahaan
kepada kejadian-kejadian dimasa yang akan mendatang sehingga memerlukan
ramalan tentang keadaan lingkungan masa depan tersebut. Sehingga setiap kebijakan
ekonomi tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat
dan meningkatkan keberhasilan pembangunan untuk mencapai tujuannya pada masa
yang akan datang, dimana kebijaksanaan tersebut dilaksanakan. (Sofjan Assauri,
1984)
Universitas Sumatera Utara
2.2 Kegunaan dan Peran Peramalan
Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang
selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik adalah
keputusan yang didasarkan pertimbangan apa yang akan terjadi pada waktu keputusan
itu dilaksanakan. Kurang tepat ramalan yang kita susun atau yang kita buat maka
kurang baiklah keputusan yang kita ambil. Walaupun demikian perlu disadari bahwa
suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahan. Sehingga
yang
paling
diperhatikan
adalah
usaha
untuk
memperkecil
kemungkinan
kesalahannya.
(Sofjan Assauri, 1984)
2.3 Jenis-jenis Peramalan
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas
dua macam, yaitu :
1. Peramalan Kualitatif
Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang
yang menyusunnya.
Universitas Sumatera Utara
2. Peramalan Kuantitatif
Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. (Sofjan Assauri, 1984)
Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut :
a. Tersedia informasi (data) tentang masa lalu
b. Informasi (data) dapat dikuantitatifkan dalam bentuk data numerik
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
pasa masa yang akan datang.
Baik tidaknya metode yang digunakan oleh perbedaan atau penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi, maka semakin baik pula metode
yang digunakan.
2.4 Langkah-langkah Dalam Metode Peramalan
Langkah-langkah dalam metode peramalan :
a. Langkah pertama adalah mengumpulkan data
Universitas Sumatera Utara
b. Langkah kedua adalah menyeleksi dan memilih data, data-data yang kurang
relevan harus dibuang supaya tidak mempengaruhi akurasi peramalan.
c. Langkah ketiga adalah menganalisis data
d. Langkah keempat adalah menentukan metode yang dipergunakan
e. Langkah kelima adalah memproyeksikan data dengan menggunakan metode
yang
dipergunakan
dan
mempertimbangkan
adanya
beberapa
faktor
perubahan.
2.5 Pengertian dan Kegunaan Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi
pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh karena metode
peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan
ini dipergunakan dalam peramalan yang obyektif.
Sebagaimana diketahui bahwa metode peramalan merupakan cara berfikir
yang sistematis dan pragmatis atas pemecahan suatu masalah. Disamping itu metode
peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu
masalah dalam peramalan. Selain itu, metode peramalan memberikan cara pengerjaan
yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya
penggunaan tekni-teknik penganalisaan yang lebih maju. Dengan penggunaan teknik-
Universitas Sumatera Utara
teknik tersebut, maka diharapkan dapat memberikan kepercayaan atau keyakinan yang
lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi
secara ilmiah.
Dari uraian diatas, dapat disimpulkan bahwa metode peramalan sangat
berguna, karena akan membantu dalam mengadakan pendekatan analisis terhadap
tingkah laku atau pola dari data yang lalu. Sehingga dapat memberikan cara
pemikiran, pengajaran dan pemecahan yang sistematis dan pragmatis, serta
memberikan tingkat keyakinan yang lebih besar atas ketetapan hasil ramalan yang
dibuat atau disusun. (Sofjan Assauri, 1984)
2.6 Jenis-jenis Metode Peramalan
1. Metode peramalan yang digunakan atas penggunaan analisa hubungan antar
variabel yang diperkirakan dengan variabel waktu merupakan deret berkala
(Time Series). Metode peramalan yang termasuk pada jenis ini yaitu :
a. Metode Pemulusan (Smoothing)
b. Metode Box Jenkins
c. Metode Proyeksi Trend dengan regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
antar
variabel
yang
akan diperkirakan dengan
variabel
lain
yang
Universitas Sumatera Utara
mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab
akibat (metode causal). Metode yang termasuk dalam jenis ini adalah :
a. Metode Regresi dan Korelasi
b. Metode Ekonometri
c. Metode Input Output
2.7 Metode Pemulusan (Smoothing)
Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan
penghalusan atau pemulusan data masa lalu yaitu dengan mengambil rata-rata dari
nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Smoothing
dilakukan dengan dua cara yaitu rata-rata bergerak (moving average) dan pemulusan
eksponensial (exponential smoothing).
2.7.1 Rata-rata Bergerak (Moving Average)
Dengan rata-rata bergerak (moving averages) ini dilakukan peramalan dengan
mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan
rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak
digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang
baru dihitung dan dipergunakan sebagi ramalan.
Universitas Sumatera Utara
1. Rata-rata Bergerak Tunggal (Single Moving Averages)
Menetukan ramalan dengan metode rata-rata bergerak tunggal (single moving
averages) cukup mudah dilakukan. Bila akan menerapkan 4 bulan rata-rata
bergerak maka maka ramalan pada bulan Mei dihitung sebesar rata-rata dari 4
bulan sebelumnya, yaitu bulan Januari, Februari, Maret, April.
Persamaan Matematis dari teknik ini adalah :
Ft +1 =
X t + X t −1 X t − 2 ... + X t − n +1
(Indriyo dan Najmudin,2000:8)
N
Keterangan :
Ft +1
: ramalan untuk periode ke t + 1
X
: nilai riil periode ke t
n
: jangka waktu rata-rata bergerak.
t
a. Karakteristik Khusus Rata-rata Bergerak Tunggal (Single Moving Averages)
Metode single moving average memiliki karakteristik khusus.
1. Untuk menentukan ramalan pada periode yang akan datang
memerlukan data historis selam jangka waktu tertentu.
2. Semakin panjang jangka waktu rata-rata bergerak (moving
average), efek pelicinan semakin terlihat dalam ramalan atau
menghasilkan rata-rata bergerak (moving average) yang semakin
Universitas Sumatera Utara
halus. Artinya pada rata-rata bergerak (moving average) yang
jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan
ramalan terbesar menjadi lebih kecil.
b. Menghitung Kesalahan Ramalan
Hasil proyeksi yang akurat adalah ramalan yang bisa meminimalkan kesalahan
meramal. Besarnya kesalahan meramaldihitung dengan mengurangi data riil
dengan besarnya ramalan.
Error (E) = X - F (Indriyo dan Najmudin,2000:11)
t
t
Keterangan :
X = data riil periode ke-t
t
F = ramalan periode ke-t
t
Dalam menghitung kesalahan ramalan digunakan.
a)Mean Absolute Error
Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa
menghiraukan tanda positif maupun negatif.
MAE =
∑X
t
n
− Ft
(Indriyo dan Najmudin,2000: 11)
b) Mean Squared Error
Universitas Sumatera Utara
Mean
Squared
∑ (X
MSE =
t
Error
− Ft )
n
adalah
kuadrat
rata-rata
kesalahan
meramal.
2
(Indriyo dan Najmudin,2000:11)
Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai
kelemahan-kelemahan antara lain :
(1) perlu data histories yang cukup,
(2) data tiap periode diberi weight (bobot) sama,
(3) kalau fluktuasi data tidak random, tidak menghasilkan forecasting yang
baik. (Pangestu Subagyo, 1986:11).
2. Rata-rata Bergerak Ganda (Double Moving Average)
Menentukan ramalan dengan metode rata-rata bergerak ganda (double moving
average) sedikit lebih sulit dibandingkan dengan metode rata-rata bergerak
tunggal (single moving average). Ada beberapa langkah dalam menentukan
ramalan dengan metode rata-rata bergerak ganda (double moving average),
antara lain sebagai berikut.
1. Menghitung moving average/ rata-rata bergerak pertama, diberi simbol
I
S , dihitung dari data historis yang ada. Hasilnya diletakkan pada periode
t
terakhir moving average pertama.
Universitas Sumatera Utara
II
2. Menghitung moving average/rata-rata bergerak kedua, diberi simbol S ,
t
dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan pada
periode terakhir moving average kedua.
3. Menentukan besarnya nilai a (konstanta)
t
(
at = s I t + s I t − s II t
)
4. Menentukan besarnya nilai b (slope)
t
bt =
(
2 s I t − s II t
V −1
)
V adalah jangka waktu moving average.
5. Menentukan besarnya peramalan
Ft + m = a + b(m)
m
adalah
jangka
waktu
forecast
kedepan.(Indriyo
dan
Najmudin,2000:13).
2.7.2 Pemulusan Eksponensial (Exponential Smoothing)
Metode pemulusan eksponensial (exponential smoothing) merupakan pengembangan
dari metode rata-rata bergerak (moving averages). Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan
Universitas Sumatera Utara
data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih
besar.
Dua metode dalam pemulusan eksponensial (exponential smoothing)
diantaranya pemulusan eksponensial tunggal (single exponential smoothing) dan
pemulusan eksponensial ganda (double exponential smoothing).
1. Pemulusan Eksponensial Tunggal (Single Exponential Smoothing)
Pada metode single exponential smoothing bobot yang diberikan pada data
yang ada adalah sebesar α untuk data yang terbaru, α(1-α) untuk data yang
2
lama, α(1-α) untuk data yang lebih lama, dan seterusnya. Besarnya α adalah
antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan.
Secara matematis besarnya peramalan adalah:
F = α X + (1-α) F (Indriyo dan Najmudin,2000:17)
t+1
F
t+1
t
t
: ramalan untuk periode ke t + 1
X
: nilai riil periode ke t
F
: Ramalan untuk periode ke t
t
t
Dari persamaan di atas besarnya peramalan periode yang akan datang
dijelaskan sebagai berikut.
F
= α X + (1-α) F
F
=αX +F-αF
t+1
t+1
t
t
t
t
t
Universitas Sumatera Utara
F
= F + αX - α F
F
= F + α (X – F ) (Indriyo dan Najmudin,2000:17)
t+1
t+1
t
t
t
t
t
t
(X - F ) merupakan kesalahan ramlan (forecast error) periode ke t. Dengan
t
t
dapat dikatakan bahwa forecast pada periode yang akan datang adalah ramalan
sebelumnya ditambah α (alpha) dikalikan dengan kesalahan forecast periode
sebelumnya.
Dalam melakukan peramalan dengan menggunakan metode single
exponential smoothing besarnya α (alpha) ditentukan secarat trial dan error
sampai diketemukan α (alpha) yang menghasilkan forecast error terkecil.
Metode ini lebih cocok digunakan untuk meramal data-data yang fluktuatif
secara random (tidak teratur). (Pangestu Subagyo, 1986:22).
2. Pemulusan Eksponensial Ganda (Double Exponential Smoothing)
Pada metode ini proses penentuan ramalan dimulai dengan menentukan alpha
secara trial dan error. Sedangkan tahap-tahap dalam menentukan ramalan
adalah sebagai berikut.
I
1. Menentukan Smoothing pertama (S )
t
Universitas Sumatera Utara
= αX t + (1 − α )S I t −1 (Indriyodan Najmudin,2000:23)
I
S
t
I
S
: smoothing pertama periode ke t
t
X
: nilai rii periode t
t
I
S – 1 : smoothing pertama periode t - 1
t
II
2. Menentukan Smoothing kedua (S )
t
S II t = αS I t + (1 − α )S II t − 1 (Indriyo dan Najmudin,2000:23)
S II t − 1 : smoothing kedua periode t-1
3. Menentukan besarnya konstanta (a )
t
at = 2 S I t − S II t
4. Menentukan besarnya slope (b )
t
bt =
(
α
S I t − S II t
1−α
)
5. Menentukan besarnya forecast (F + m)
t
F + m = a + b (m), dimana m adalah jangka waktu peramalan.
t
t
t
Metode pemulusan eksponensial ganda (double exponential smoothing) ini
biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan.
(Pangestu Subagyo, 1986:2).
Universitas Sumatera Utara
2.8 Pengertian Perdagangan
Perdagangan (perniagaan) adalah kegiatan tukar menukar barang atau jasa atau
keduanya. Pada masa awal sebelum uang ditemukan, tukar menukar barang
dinamakan barter yaitu menukar barang dengan barang. Pada masa modern
perdagangan dilakukan dengan penukaran uang. Setiap barang dinilai dengan
sejumlah uang. Pembeli akan menukar barang atau jasa dengan sejumlah uang yang
diinginkan penjual. (Wikipedia Bahasa Indonesia, Ensiklopedia Bebaas – Mozilla
Firefox)
Dalam Produk Domestik Regional Bruto (PDRB) mencakup seluruh kegiatan
pengumpulan dan pendistribusian barang baru maupun lama, bekas/afkiran, oleh
produsen atau importir kepada konsumen, tanpa mengubah bentuk dan sifat barangbarang tersebut. Kegiatan pendistribusian/penyaluran dapat melalui pedagang besar
(pedagang yang umumnya melayani pedagang eceran atau konsumen lain yang bukan
konsumen rumah tangga).
Barang-baran
yang
diperdagangkan
meliputi
produksi
sektor
pertanian,pertambangan dan penggalian, dan sektor industri yang berasal dari
Universitas Sumatera Utara
produksi dari dalam daerah, daerah lain maupun dari luar negeri/ impor. Barang yang
diperdagangkan ini disebut sebagai penyediaan (supply).
(Produk Domestik Regional Bruto (PDRB) Kota Medan Tahun 2008)
2.9 Produk Domestik Regional Bruto (PDRB)
Produk Domestik Regional Bruto (PDRB) didefinisikan sebagai jumlah nilai tambah
yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau merupakan jumlah
seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit usaha. Kegunaan
PDRB antara lain memperlihatkan:
a. tingkat pertumbuhan ekonomi
Laju pertumbuhan ekonomi regional baik total maupun sektoral umumnya
dihitung berdasarkan angka indeks berantai baik total PDRB maupun sektor –
sektornya. Yang dimaksud dengan pertumbuhan ekonomi adalah perubahan
persentase PDRB atas dasar harga konstan dari suatu kurun waktu.
b. tingkat kemakmuran ekonomi
Tingkat kemakmuran ekonomi biasanya diukur dengan pendapatan perkapita
yang merupakan hasil bagi pendapatan regional dengan angka penduduk
pertengahan tahun.
Universitas Sumatera Utara
c. tingkat inflasi dan deflasi
Tingkat inflasi dan deflasi dapat diketahui bila PDRB atas dasar harga berlaku
dibandingkan dengan PDRB atas dasar harga konstan, hasil baginya disebut
indeks harga implisit.
d. struktur perekonomian
Struktur perekonomian biasanya terdiri atas sektor – sektor menurut klasifikasi
lapangan usaha.
Data PDRB disajikan dalam dua bentuk yaitu menurut klasifikasi lapangan usaha
(sektoral) dan menurut penggunaannya.
a. PDRB menurut lapangan usaha
Penyajian PDRB menurut lapangan usaha akan memberikan gambaran
mengenai peranan masing – masing sektor. PDRB menurut lapangan usaha
dirinci menurut 11 sektor yaitu:
1. sektor pertanian
2. sektor pertambangan dan penggalian
3. sektor industri pengolahan
4. sektor listrik, gas, dan air minum
5. sektor bangunan
Universitas Sumatera Utara
6. sektor perdagangan, hotel dan restoran
7. sektor pengangkutan dan komunikasi
8. sektor bank, lembaga keuangan lainnya
9. sektor sewa rumah
10. sektor pemerintahan dan pertahanan
11. sektor jasa-jasa
Untuk memperoleh angka – angka PDRB menurut lapangan usaha dilakukan
penghitungan sebagai berikut:
NTB
= NPB – NBA
NP(NPB)
= HP x KP
NBA(BA)
= HBA x KBA
dimana :
NTB = nilai tambah bruto
NPB
= nilai produksi bruto (nilai produksi)
NBA = nilai biaya antara
HP
= harga produksi
KP
= kuantum produksi
HBA = harga biaya antara
KBA = kuantum biaya antara
Universitas Sumatera Utara
b. PDRB menurut penggunaannya
Penyajian PDRB menurut penggunaannya menggambarkan bagaimana
penggunaan barang dan jasa akhir oleh berbagai kegiatan ekonomi. Secara
rinci penyajiannya berbentuk sebagai berikut:
1. pengeluaran konsumsi akhir rumah tangga
2. pengeluaran konsumsi lembaga non-profit
3. pengeluaran konsumsi akhir pemerintah
4. pembentukan modal tetap bruto
5. ekspor neto
Untuk memperoleh angka – angka PDRB menurut penggunaannya, dilakukan
penghitungan secara langsung pada komponen – komponen yang tercakup. Namun
karena mengalami kesulitan dalam kelengkapan data, sehingga data komponen yang
dihitung secara rasional berdasar pada penghitungan sektoral. Dari komponen –
komponen yang tercakup dalam perhitungan PDRB menurut penggunaan dapat
dinotasikan dalam suatu rumus persamaan sebagai berikut:
Y + M = C + I F + I S +E
dimana :
Y
= Produk Domestik Regional Bruto
M
= impor
Universitas Sumatera Utara
C
= konsumsi rumah tangga, pemerintah, lembaga swasta tidak mencari
untung
If
= pembentukan modal tetap bruto
Is
= perubahan stok
E
= ekspor
Dengan berdasarkan pada persamaan tersebut maka PDRB menurut penggunaan dapat
digolongkan menjadi:
1. pengeluaran konsumsi rumah tangga
2. pengeluaran konsumsi lembaga non-profit
3. pembentukan modal tetap Bruto
4. perubahan stok
5. ekspor neto (ekspor dikurangi impor)
Universitas Sumatera Utara