BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi pada masa yang akan daang. Dalam usaha mengeahui aau meliha perkembangan di masa depan, peramalan dibuuhkan unuk menenukan kapan suau perisiwa akan erjadi aau suau kebuuhan akan imbul, sehingga dapa dipersiapkan kebijakan aau indakanindakan yang perlu dilakukan. Peramalan merupakan bagian inegral dari kegiaan pengambilan kepuusan manajemen. Meode peramalan adalah cara memperkirakan secara kuaniaif apa yang akan erjadi pada masa depan, berdasarkan daa yang relevan pada masa lalu. Kegunaan dari peramalan erliha pada saa pengambilan kepuusan aau meneapkan berbagai kebijakan. Kepuusan baik adalah kepuusan yang didasarkan aas perimbangan apa yang akan erjadi pada waku kepuusan iu dilaksanakan. Ramalan diperlukan unuk memberikan informasi sebagai dasar unuk membua suau kepuusan dalam berbagai kegiaan, seperi : penerbangan, peernakan, perkebunan dan sebagainya. 2.2 Jenis-Jenis Meode Peramalan

2 Pada umumnya peramalan dapa dibedakan dari beberapa segi erganung dari cara melihanya. Apabila diliha dari sifa penyusunnya, maka peramalan dapa dibedakan aas dua macam, yaiu : 1. Peramalan subjekif, yaiu peramalan yang didasarkan aas perasan aau inuisi dari orang yang menyusunnya. Dalam hal ini pandangan aau judgmen dari orang yang menyusunnya sanga menenukan baik idaknya hasil ramalan ersebu. 2. Peramalan yang objekif, peramalan yang didasarkan aas daa yang relevan pada masa lalu, dengan menggunakan eknik-eknik dan meode dalam penganalisaan daa ersebu. Disamping iu, jika diliha dari jangka waku ramalan yang disusun maka peramalan dapa dibedakan aas dua macam, yaiu : 1. Peramalan jangka panjang, yaiu peramalan yang dilakukan unuk penyusunan hasil ramalan jangka wakunya lebih dari sau seengah ahun aau iga semeser. Peramalan seperi ini misalnya diperlukan dalam penyusunan rencana pembangunan suau negara aau suau daerah, corporae planning, rencana invesasi aau rencana ekspansi dari suau perusahaan. 2. Peramalan jangka pendek, yaiu peramalan yang dilakukan unuk penyusunan hasil ramalan dalam jangka waku yang kurang dari sau seengah ahun, aau iga semeser. Peramalan seperi ini diperlukan dalam penyusunan rencana ahunan, rencana kerja operasional, dan anggaran conoh penyusunan rencana produksi,

3 rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran perusahaan. Berdasarkan sifa ramalan yang elah disusun, maka peramalan dapa dibedakan aas dua macam, yaiu : 1. Peramalan kualiaif adalah peramalan yang didasarkan aas daa kualiaif pada masa lalu. Hasil peramalan yang dibua sanga erganung pada orang yang menyusunnya Hal ini pening karena hasil peramalan ersebu dienukan berdasarkan pemikiran yang bersifa inuis, pendapa dan pengeahuan sera pengalaman penyusunan. 2. Peramalan kuaniaif adalah peramalan yang didasarkan aas daa kuaniaif pada masa lalu. Hasil peramalan yang dibua sanga erganung pada meode yang dipergunakan dalam peramalan ersebu. Baik idaknyameode yang digunakan dienuklan oleh perbedaan anara penyimpangan hasil ramalan dengan kenyaaan yang erjadi. Peramalan kuaniaif hanya dapa digunakan hanya dapa digunakan apabila erdapa iga kondisi sebagai beriku : 1. Adanya informasi masa lalu yang dapa dipergunakan. 2. Informasi ersebu dapa dikuaniaifkan dalam benuk daa. 3. Dapa diasumsikan bahwa pola yang lalu akan berkelanjuan pada masa yang akan daang. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikui langkahlangkah aau prosedur penyusunan yang baik. Pada dasarnya ada iga langkah paramalan yang pening, yaiu:

4 1. Menganalisa daa masa lalu. 2. Menenukan meode yang dipergunakan. 3. Memproyeksi daa yang lalu dengan menggunakan meode yang dipergunakan dan memperimbangkan adanya beberapa fakor perubahan. 2.3 Pemilihan Teknik dan Meode Peramalan Dalam pemilihan eknik dan meode peramalan, perlu dikeahui ciri-ciri pening yang perlu diperhaikan bagi pengambil kepuusan dan analisa keadaan dalam mempersiapkan peramalan. Ada 6 (enam) fakor uama yang dapa diidenifikasi sebagai eknik dan meode peramalan, yaiu : 1. Horison waku Merupakan pemilihan yang didasarkan aas jangka waku peramalan yaiu : a. Peramalan yang segera dilakukan dengan waku yang kurang dari sau bulan. b. Peramalan jangka pendek dengan waku anara sau sampai iga bulan. c. Peramalan jangka menengah dengan waku anara iga bulan sampai dua ahun. d. Peramalan jangka panjang dengan waku dua ahun keaas. 2. Pola Daa Salah sau dasar pemilihan meode peramalan adalah dengan memperhaikan pola daa. Ada empa jenis pola daa mendasar yang erdapa dalam suau derean daa yaiu : a. Pola Horisonal (H) erjadi bilamana daa berfrukuasi disekiar nilai raa raa yang konsan (dera seperi ini adalah sasioner erhadap nilai raa raanya).

5 b. Pola musiman (M) erjadi bilamana suau dere dipengaruhi oleh fakor musiman (misalnya kuaral ahun erenu, bulanan, aau hari-hari pada minggu erenu). c. Pola Siklis (C) erjadi bilamana daa dipengaruhi oleh flukuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari sau siklus yang lain. d. Pola Trend (T) erjadi bilamana kenaikan erdapa kenaikan aau penurunan jangka panjang dalam daa. 3. Jenis dari model Unuk mengklasifikasikan meode peramalan kuaniaif perlu diperhaikan model yang didasarinya. Model sanga pening diperhaikan, karena masing-masing model mempunyai fungsi yang berbeda. 4. Biaya yang dibuuhkan Biaya yang sanga diperlukan dalam menelii suau objek. Yang ermasuk biaya dalam penggunaan meode peramalan anara lain, biaya penyimpangan daa, biaya-biaya perhiungan, biaya unuk menganalisa dan biaya-biaya pengembangan. 5. Keepaan meode peramalan Tingka keepaan yang sanga era hubungannya dengan ingka perincian yang dibuuhkan dalam suau peramalan. Dalam mengambil kepuusan, variasi aau penyimpangan aas peramalan yang dilakukan anara 10% sampai 15% bagi maksudmaksud yang diharapakan, sedangkan unuk hal aau kasus lain mungkin menganggap bahwa danya variasi aau penyimpangan aas ramalan sebesar 5% adalah cukup berbahaya. 6. Kemudahan dalam penerapan

6 Meode peramalan yang digunakan adalah meode yang mudah dimengeri dan mudah dierapkan dalam pengambilan kepuusan dan analisisnya 2.4 Meode Pemulusan ( Smooing ) Dalam pembahasan ini kia lebih kua menjelaskan mengenai penggunaan meode smooing. Meode smooing merupakan meode peramalan dengan mengadakan penghalusan erhadap daa masa lalu, yaiu dengan mengambil raa-raa dari nilai beberapa ahun unuk menaksir nilai pada beberapa ahun kedepan. Peramalan dengan meode ini akan erdapa pada peramalan jangka pendek, sedangkan unuk peramalan jangka panjang sanga kurang keepaannya. Biasanya meode ini digunakan unuk perencanaan dan pengendalian produksi dan persediaan, perencanaan keunungan dan perencanaan keuangan. Daa yang dibuuhkan unuk penggunaan meode peramalan ini minimum selama 2 ahun. Unuk kepuusan jangka pendek, yang berupa kepuusan harian aau mingguan, bulanan dan riwulan, diperlukan dasar kepuusan yang diambil yaiu ramalan jangka pendek. Meode peramalan jangka pendek yang paling sederhana adalah meode peramalan yang menggunakan daa yang lewa (pas daa). Tujuan uama dari penggunaan raa-raa bergerak adalah unuk menghilangkan aau mengurangi keacakan (randomness) dalam dere waku. Tujuan ini dapa dicapai dengan meraa-raakan beberapa nilai daa bersama-sama, dengan cara mana kesalahan-kesalahan posiif dan negaive yang mungkin erjadi dapa dikeluarkan aau dihilangkan, raa-raa dilakukan erhadap seluruh angka konsana dari observasi.

7 Hasil perhiungan raa-raa bergerak aas seluruh kumpulan angka aau nilai daa aau acak. Kemampuan raa-raa bergerak unuk menghilangkan keidakauran aau acakan dapa dipergunakan dalam dere waku adalah unuk dua ujuan yaiu unuk menghilangkan rend dan unuk menghilang musiman (seasonaliy). Unuk mendapakan suau hasil yang baik harus dikeahui cara peramalan yang epa. Daa jumlah wisaawan dari ahun 1994 sampai ahun 2008 yang ercaa pada pembukuan Badan Pusa Saisik Sumaera Uara menunjukkan pola daa musiman. Maka unuk meramalkan jumlah wisaawan pada ahun 2011 digunakan Meode Double Moving Avarage (raa-raa bergerak ganda). 2.5 Meodologi Raa-raa Bergerak Ganda Unuk mengurangi kesalahan sisemais yang erjadi bila raa-raa bergerak dipakai pada daa berkecenderungan maka dikembangkan meode raa-raa bergerak linier (linier moving average). Dasar meode ini adalah menghiung raa-raa bergerak yang kedua. Raa-raa bergerak ganda ini merupakan raa-raa bergerak dari raa-raa bergerak, secara simbol diulis MA (M X N) dimana arinya adalah MA M-periode dari MA N periode, dengan MA merupakan raa-raa bergerak (moving average). Prosedur peramalan raa-raa bergerak linier melipui iga aspek : 1. Penggunaan raa-raa bergerak unggal pada waku ( diulis S ) 2. Penyesuaian yang merupakan perbedaan anara raa-raa bergerak unggal dan ganda pada waku ( diulis S S ), dan 3. Penyesuaian unuk kecenderungan dari periode ke periode +1 (aau ke periode +m jika kia meramalkan M periode ke muka).

8 Prosedur raa-raa bergerak linier secara umum dapa dierangkan melalui persamaan beriku : 1. Menghiung raa-raa bergerak perama,diberi simbol S. Ini dihiung dari daa hisoris yang ada. Hasilnya dileakkan pada periode erakhir raa-raa bergerak perama. S' = X + X + X N X N Dengan: S = smoohing perama periode N = jumlah periode X = nilai real periode 2. Menghiung raa-raa bergerak kedua,diberi simbol S. Dihiung dari raa-raa bergerak perama. Hasilnya dileakkan pada periode erakhir raa-raa bergerak kedua. S" = S' + S' + N S' S' N Dengan : S = smoohing kedua periode 3. Menenukan besarnya konsana ( ), persamaan ini mengacu erhadap penyesuaian MA unggal, S, dengan persamaan sebagai beriku :

9 a = S' + ( S' S" ) = 2S' S" Dengan : = besarnya konsana periode 4. Menenukan besarnya nilai slope (b),persamaan ini menenukan aksiran kecenderungan dari periode waku yang sau ke periode waku berikunya, persamaannya sebagai beriku : b = 2 ( S' S" ) N 1 Dengan: = slope aau nilai rend dari daa yang sesuai 5. Menenukan besarnya forecas, persamaan ini menunjukkan bagaimana memperoleh ramalan unuk m periode ke muka dari. Ramalan unuk m periode ke muka adalah dimana merupakan nilai raa-raa yang disesuaikan unuk periode diambah m kali komponen kecenderungan, persamaannya sebagai beriku : + = a + b(m) F m Dengan : F+m = besarnya forecas m = jangka waku peramalan ke depan 2.6 Keepaan Peramalan

10 Keepaan ramalan adalah salah sau hal yang mendasar didalam peramalan, yaiu bagaimana mengukur kesesuaian suau kumpulan daa yang diberikan. Keepaan dipandang sebagai krieria penolakan unuk memilih sau meode peramalan. Dalam pemodelan pemulusan (smoohing), dari daa masa lalu dapa diramalkan siuasi yang akan erjadi dimasa yang akan daang. Unuk menguji kebenaran ini digunakan keepaan ramalan. Unuk mendapa hasil peramalan yang lebih akura adalah ramalan yang bisa meminimalkan kesalahan meramal (forecas error). Besarnya forecas error dihiung dengan : Error = Jumlah Wisaawan Ramalan Dengan : = daa periode ke-i = ramalan periode ke-i Jika erdapa nilai pengamaan dan ramalan unuk n periode waku, maka akan erdapa n buah gala dan ukuran saisik sandar beriku yang didefinisikan : 1. Nilai Tengah Gala (Mean Error) ME = N I = 1 ei N 2. Nilai Tengah Gala Absolu (Mean Absolue Error)

11 MAE = N i= 1 e N 3. Jumlah Kuadra Gala (Sum Of Squared Error) SSE = n 2 e i i= 1 4. Nilai Tengah Gala Kuadra (Maen Squared Error) 5. Deviasi Sandar Gala (Deviasi Sandard Gala) ei SDE = ( n 1) 2 Tujuan opimalisasi saisik seringkali adalah unuk memilih suau model agar MSE (aau SSE) minimal, eapi ukuran ini mempunyai dua kelemahan. Perama, ukuran ini menunjukkan pencocokan (fiing) suau model erhadap daa hisoris. Pencocokan seperi ini idak perlu mengimplikasikan peramalan yang baik. Suau MSE nol selalu bias diperoleh dalam fase pencocokan dengan menggunakan suau polinom yang berorde cukup inggi aau suau ransformasi Fourier yang epa. Suau model yang erlalu cocok (over fiing) dengan dere daa, yang berari sama dengan memasukkan unsur random sebagai bagian proses bangkian, adalah sama buruknya dengan idak berhasil mengenali pola non-acak dalam daa. Perbandingan nilai MSE yang erjadi selama fase pencocokan (fiing) peramalan mungkin memberikan sediki indikasi keepaan model dalam peramalan. Kekurangan kedua pada MSE sebagai ukuran keepaan model adalah

12 berhubungan dengan kenyaaan bahwa meode yang berbeda akan menggunakan prosedur yang berbeda pula dalam pencocokan (fiing). Dalam fase peramalan, penggunaan MSE sebagai suau ukuran keepaan juga dapa menimbulkan masalah. Ukuran ini idak memudahkan perbandingan anar dere berkala yang berbeda dan unuk selang waku yang berlainan, karena MSE merupakan ukuran absolue. Lagi pula, inerpreasinya idak bersifa inuiif bahkan unuk para spesialis sekalipun, karena ukuran ini menyangku penguadraan sederean nilai. Karena alasan yang elah disebukan di aas dalam hubungan dengan keerbaasan MSE sebagai suau ukuran keepaan peramalan, maka diusulkan ukuran-ukuran alernaif, yang dianaranya menyangku gala persenase. Tiga ukuran beriku sering digunakan : 1. Gala Persenase (Percenage Error) 2. Nilai Tengah Gala Persenase (Mean Percenage Error) MPE = n i= 1 PE n i 3. Nilai Tengah Gala Persenase Absolu (Mean Absolue Percenage Error)

13 MAPE = n i= 1 PE n i Dengan : = daa sebenarnya erjadi = daa ramalan dihiung dari model yang digunakan pada waku aau ahun = banyak daa hasil ramalan