BAB II KAJIAN TEORITIS

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II KAJIAN TEORITIS"

Transkripsi

1 BAB II KAJIAN TEORITIS 2.1 Deskripsi Teori Pengertian Peramalan ( forecasting ) Salah satu keputusan penting dalam perusahaan adalah kecilnya resiko kesalahan nilai produksi dan nilai penjualan. Resiko tersebut dapat dijadikan patokan suatu perusahaan untuk menghasilkan suatu produk, yang pada akhirnya produk tersebut dapat digunakan di masyarakat. Untuk membantu tercapainya suatu keputusan yang efisien, diperlukan adanya suatu cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Salah satu alat yang diperlukan dan merupakan bagian integral dari proses pengambilan keputusan adalah dengan menggunakan metode peramalan. Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahannya tersebut. Akhirnya, baik tidaknya suatu ramalan yang disusun sangat tergantung pada orang yang melakukannya, langkah-langkah peramalan yang dilakukannya, dan metode yang dipergunakan. Peramalan ( forecasting ) merupakan prediksi nilai-nilai sebuah peubah berdasarkan kepada nilai yang diketahui dari peubah tersebut atau peubah yang berhubungan. Meramal juga dapat didasarkan pada keahlian keputusan 6

2 7 ( judgement), yang pada gilirannya didasarkan pada data historis dan pengalaman ( Makridakis,S.,1991,p519 ). Peramalan adalah perpaduan antara seni dan ilmu dalam memperkirakan keadaan di masa yang akan datang, dengan cara memproyeksikan data-data masa lampau ke masa yang akan datang dengan menggunakan model matematika maupun perkiraan yang subjektif (Heizer,J dan Render, B., 1996, p147) Peramalan adalah tingkat perkiraan yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang. Dan dapat diartikan bahwa peramalan adalah suatu taksiran yang ilmiah, meskipun akan terdapat sedikit kesalahan ( Biegel, J.E., 1992, p19 ). Menurut Kamus Besar Bahasa Indonesia, peramalan adalah suatu teori dimana kita bisa melihat ( menduga ) keadaan yang akan terjadi Jenis-jenis Peramalan Menurut Sofjan Assauri ( 1984, p1 ), pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua macam, yaitu : 1. Peramalan yang Subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunannya. 2. Peramalan yang Objektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.

3 8 Disamping itu, jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu : 1. Peramalan jangka pendek, peramalan untuk jangka waktu kurang dari 3 bulan. Kategori ini digunakan untuk perencanaan pembelian material, penjadwalan kerja, penugasan kerja, perencanaan tingkat produksi dan jumlah tenaga kerja. 2. Peramalan jangka menengah, peramalan untuk jangka waktu antara 3 bulan sampai 3 tahun. Kategori ini digunakan untuk perencanaan penjualan, perencanaan dan anggaran produksi. 3. Peramalan jangka panjang, peramalan untuk jangka waktu lebih dari 3 tahun. Kategori ini digunakan untuk perencanaan dan pengembangan fasilitas, penelitian, dan pengembangan ( litbang ). Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu : 1. Peramalan kualitatif, 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, jugdement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. 2. Peramalan kuantitatif, peramalan yang didasarkan atas data kuantitatif pada masa lalu, hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan

4 9 tersebut. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut : a b c Adanya informasi tentang keadaan yang lain. Informasi tersebut dapat dikuantifikasikan dalam bentuk data. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang Tipe-tipe Ramalan Suatu perusahaan menggunakan tiga tipe ramalan pada perencanaan operasionalnya untuk yang akan datang ( Heizer, J. dan Render, B., 1996,p160 ), yaitu : 1. Economic forecast, berhubungan dengan siklus bisnis dimana melalui prediksi nilai inflasi ( inflation rates ), money supplies, dan indikator perencanaan lainnya. 2. Teknological forecast, mengenai kemajuan teknologi dimana dapat menghasilkan produk baru. 3. Demand forecast, rencana permintaan produk atau jasa pada suatu perusahaan. Ramalan permintaan ini disebut juga ramalan penjualan ( sales forecast ), ramalan permintaan ini dapat mengkoordinasikan produksi pada perusahaan, kapasitas, sistem penjadwalan, keuangan, pemasaran, dan perencanaan personal.

5 Langkah-langkah Peramalan Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting yaitu : Pertama, menganalisa data yang lalu, berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Kedua, menentukan metode yang dipergunakan, bahwa metode peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi. Ketiga, memproyeksi data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa faktor perubahan Kegunaan metode ramalan Metode yang dipergunakan sangat besar manfaatnya, apabila dikaitkan dengan keadaan informasi atau data yang dipunyai. Apabila dari data yang lalu diketahui adanya pola musiman, maka untuk peramalan satu tahun ke depan sebaiknya digunakan metode variasi musim. Sedangkan apabila dari data yang lalu diketahui adanya pola hubungan antara variabel-veriabel yang saling mempengaruhi, maka sebaiknya dipergunakan metode sebab akibat atau korelasi. Sebagaimana diketahui bahwa metode merupakan cara berpikir yang sistematis dan pragmatis atas pemecahan suatu masalah. Dengan dasar ini, maka metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada

6 11 masa depan secara sistematis dan pragmatis, sehingga metode peramalan sangat berguna untuk dapat memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa yang lalu, dengan demikian metode peramalan diharapkan dapat memberikan objektifitas yang lebih besar. Di samping itu, metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan dalam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena argumentasinya sama. Selain itu, metode peramalan memberikan cara pengerjaan yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisaan 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. Dapat disimpulkan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau yang disusun. 2.2 Pemilihan Teknik dan Metode Peramalan Pola atau karakteristik data mempengaruhi teknik peramalan yang dipilih. Seringkali, pola data tersebut merupakan karakteristik inheren dari kegiatan yang

7 12 sedang diteliti. Hubungan antar data dengan jangka waktu semakin jelas jika kita mengamati bahwa pola trend adalah merupakan kecenderungan jangka panjang. Sedangkan variasi musiman menunjukkan pola data yang berulang dalam satu tahun. Teknik regresi cocok untuk hampir semua pola yang dapat diidentifikasi, sedangkan teknik otoregresif lebih tepat diterapkan untuk data runtut waktu yang mempunyai titik balik ( turning points ). Dalam mengevaluasi teknik-teknik yang dikaitkan dengan pola data, bisa saja diterapkan lebih dari satu teknik untuk data yang sama. Misalnya, tenikteknik tertentu mungkin lebih akurat dalam memprediksi titik balik, sedangkan lainnya terbukti lebih handal dalam peramalan pola perubahan yang stabil. Bisa juga terjadi beberapa model meramalkan terlalu tinggi ( overestimate ) atau terlalu rendah ( underestimate ) dalam situasi tertentu. Selain itu, mungkin juga terjadi bahwa prediksi jangka pendek dari suatu model lebih baik dari model lain yang memiliki prediksi jangka panjang yang lebih akurat. Pemilihan teknik ramalan juga dipengaruhi oleh besarnya biaya yang harus dikeluarkan berkaitan dengan alternatif-alternatif peramalan yang kita pilih. Kita membutuhkan biaya dalam memformulasikan dan membuat suatu model peramalan. Misalnya, biaya upah untuk konsultan dalam mempersiapkan modelnya, biaya penulisan, biaya komputer, dan biaya pengadaan data internal yang akan digunakan dalam model tersebut. Model-model regresi harus dibuat oleh orang yang ahli di bidang teori ekonomi dan bisnis serta memahami teknikteknik estimasi statistik. Biaya pengumpulan dan penyimpanan data juga harus diperhitungkan. Biaya terbesar biasanya adalah biaya penyimpanan model dan data. Selain itu,

8 13 model-model regresi seringkali juga menggunakan paket-paket komputer yang canggih, misalnya untuk metode box jenkins. Biaya penyimpanan data tergantung pada tingkat kompleksitas dari sistem yang telah dibuat. Terakhir, pemilihan teknik peramalan juga berhubungan dengan tingkat akurasi yang diinginkan, walaupun kita sulit untuk meyakinkan tingkat akurasi tersebut sebelum mengevaluasi hasil kerja kita secara seksama. Misalnya, dalam banyak situasi suatu perkiraan kasar tentang pola trend masa datang mampu memberikan proyeksi-proyeksi yang akurat. Untuk memilih teknik peramalan yang tepat secara benar, seorang peramal harus mampu untuk : Mendefinisikan sifat dari masalah yang akan diramalkan Menjelaskan sifat data yang akan digunakan Menjelaskan kelebihan dan keterbatasan teknik peramalan yang akan digunakan Menentukan beberapa kriteria di mana pemilihan keputusan dapat dibuat Teknik Peramalan untuk Data yang Stasioner Suatu data runtut waktu yang bersifat stasioner, merupakan suatu serial data yang nilai rata-ratanya tidak berubah sepanjang waktu. Keadaan seperti itu terjadi jika pola permintaan yang mempengaruhi data tersebut relatif stabil. Dalam bentuknya yang paling sederhana, peramalan suatu data runtut waktu yang stasioner memerlukan data historis dari runtut waktu tersebut untuk mengestimasi nilai rata-ratanya, yang kemudian menjadi peramalan untuk nila-

9 14 nilai masa datang. Teknik-teknik yang lebih canggih memberikan hasil estimasi yang diperbaharui ( updating ) jika suatu informasi baru tersedia. Teknik-teknik ini sangat berguna jika estimasi awal tidak dapat dipercaya atau jika stabilitas dari nilai rata-rata diragukan. Selain itu, teknik-teknik updating memberikan derajat kepekaan terhadap perubahan dalam struktur yang mendasari data runtut waktu tersebut. Teknik-teknik peramalan stasioner digunakan dalam keadaan-keadaan berikut ini : 1. Jika kekuatan-kekuatan yang menghasilkan suatu data runtut waktu telah menstabilkan dan lingkungan di mana data tersebut berada relatif tidak berubah. Misalnya jumlah penjualan suatu produk atau jasa dalam tahap kejenuhan dari siklus hidupnya atau jumlah penjualan yang disebabkan oleh suatu usaha yang relatif tetap. 2. Jika suatu model yang sangat sederhana yang diperlukan karena keterbatasan data atau untuk memudahkan penjelasan atau implementasi. Misalnya ketika suatu perusahaan atau organisasi baru berkembang dan memiliki data historis yang sangat sedikit. 3. Jika stabilitas dapat diperoleh dengan membuat koreksi sederhana terhadap faktor-faktor seperti pertumbuhan penduduk atau inflasi. Misalnya perubahan pendapatan menjadi pendapatan perkapita. 4. Jika suatu data runtut waktu dapat ditransformasikan menjadi suatu runtut waktu yang stabil. Misalnya pentransformasian suatu serial data dengan melogaritmakannya, akar, atau selisih.

10 15 5. Jika data runtut waktu tersebut merupakan sehimpunan kesalahan dari suatu teknik peramalan yang dianggap memadai. Beberapa teknik yang sebaiknya dipertimbangkan ketika kita meramalkan data runtut waktu yang stasioner adalah model sederhana, metode rata-rata sederhana, rata-rata bergerak, pemulusan eksponensial sederhana, dan metode Box-Jenkins Teknik Peramalan untuk Data Trend Suatu data runtut waktu yang bersifat trend didefinisikan sebagai suatu series yang mengandung komponen jangka panjang yang menunjukkan pertumbuhan atau penurunan dalam data tersebut sepanjang suatu periode waktu jangka panjang. Dengan kata lain, suatu data runtut waktu dikatakan mempunyai trend jika nilai harapannya berubah sepanjang waktu sehingga data tersebut diharapkan untuk menaik atau menurun selama periode di mana peramalan diinginkan. Biasanya data runtut waktu ekonomis mengandung suatu trend. Teknik-teknik peramalan untuk data yang mengandung trend digunakan dalam keadaan berikut ini : 1. Jika kenaikan produktivitas dan teknologi baru cenderung mengubah gaya hidup. Misalnya permintaan akan komponen-komponen elektronik akan meningkat dengan semakin berkembangnya industri komputer, atau permintaan terhadap jasa kereta api menurun dengan semakin berkembangnya teknologi jasa angkutan udara

11 16 2. Jika pertumbuhan penduduk meningkatkan permintaan akan barang dan jasa. Misalnya penerimaan dari barang-barang konsumsi, permintaan akan konsumsi energi, dan penggunaan bahan baku. 3. Jika daya beli rupiah mempengaruhi variabel-variabel ekonomi karena terjadi inflasi. Misalnya gaji, biaya produksi, dan harga. 4. Jika penerimaan pasar meningkat. Misalnya periode pertumbuhan satu siklus hidup dari suatu produk. Teknik-teknik peramalan yang digunakan untuk peramalan data runtut waktu yang mengandung trend ini adalah rata-rata bergerak linear, pemulusan eksponensial linear dari Brown, pemulusan eksponensial linear dari Holt, pemulusan eksponensial kuadrat dari Brown, regresi sederhana, model Gomperzt, kurva pertumbuhan, dan model-model eksponensial Teknik teknik Peramalan untuk Data Musiman Suatu data runtut waktu yang bersifat musiman didefinisikan sebagi suatu data runtut waktu yang mempunyai pola perubahan yang berulang secara tahunan. Mengembangkan suatu teknik peramalan musiman biasanya memerlukan pemilihan metode perkalian dan pertambahan dan kemudian mengestimasi indeks musiman dari data tersebut. Indeks ini kemudian digunakan untuk memasukkan sifat musiman dalam peramalan atau untuk menghilangkan pengaruh seperti itu dari nilai-nilai yang diobservasi. Teknik-teknik peramalan untuk data musiman digunakan dalam keadaan berikut ini :

12 17 1. Jika cuaca mempengaruhi variabel yang kita teliti, misalnya : konsumsi listrik, kegiatan musim kemarau dan musim hujan, pakaian, dan musim tanam pertanian. 2. Jika kalender tahunan mempengaruhi variabel yang kita teliti. Misalnya penjualan eceran dipengaruhi oleh musim liburan, kalender sekolah, dan hari-hari besar lainnya. Teknik-teknik yang sebaiknya diperhatikan ketika kita meramalkan data runtut waktu yang bersifat musiman adalah metode Dekomposisi klasik, Cencus II, pemulusan eksponensial dari winter, regresi berganda runtut waktu, dan metode Box-Jenkins Teknik-teknik untuk Data yang Bersifat Siklis Pengaruh siklis didefinisikan sebagai fluktuasi seperti gelombang di sekitar garis trend. Pola siklis cenderung untuk berulang setiap dua, tiga tahun atau lebih. Pola siklis sulit untuk dibuat modelnya karena polanya tidak stabil. Turun naiknya fluktuasi di sekitar trend jarang sekali berulang pada interval waktu yang tetap, dan besarnya fluktuasi juga selalu berubah. Metode dekomposisi bisa diperluas untuk menganalisis data siklis, maka penganalisaan komponen siklis dari suatu data runtut waktu seringkali memerlukan temuan tak sengaja atau indikator-indikator ekonomi. Teknik-teknik peramalan untuk data siklis digunakan dalam keadaan berikut ini : 1. Jika siklus dunia usaha mempengaruhi variabel yang diteliti.misalnya faktor perekonomian, pasar, dan persaingan.

13 18 2. Jika terjadi pergeseran selera. Misalnya fashions, musik, dan makanan. 3. Jika terjadi perubahan jumlah penduduk. Misalnya perang, kelaparan, epidemi, dan bencana alam. 4. Jika terjadi perubahan siklus hidup suatu produk. Misalnya pengenalan, pertumbuhan, kematangan, kejenuhan pasar, dan kemudian penurunan. Teknik-teknik yang sebaiknya diperhatikan ketika kita meramalkan data runtut waktu yang bersifat siklis adalah metode Dekomposisi klasik, indikatorindikator ekonomi, model-model ekonometrik, regresi berganda, dan metode Box-Jenkins. 2.3 Pertimbangan-Pertimbangan dalam Memilih Teknik Peramalan Bagi seorang peramal, jangka waktu ke depan ( time horizon ) merupakan faktor yang paling penting yang harus diperhatikan dalam pemilihan teknik peramalan. Untuk peramalan jangka pendek dan jangka menengah, beberapa teknik peramalan kuantitatif bisa digunakan. Namun demikian jika jangka waktu ke depan lebih panjang, mungkin ada beberapa teknik tersebut yang kurang tepat untuk diterapkan. Misalnya, metode rata-rata bergerak ( moving averages ), pemulusan eksponensial, dan model Box Jenkins adalah metode yang kurang pas untuk perekonomian yng sedang berubah. Untuk keadaan seperti itu metode ekonometri bisa lebih berguna.

14 19 Model-model regresi cocok untuk jangka pendek, menengah, dan panjang. Rata-rata ( means ), rata-rata begerak, dekomposisi klasik, proyeksi trend merupakan metode kuantitatif yang cocok untuk jangka pendek dan menengah. Teknik Box Jenkins dan ekonometri yang lebih canggih juga cocok untuk peramalan jangka pendek dan jangka panjang. Kadang kala teknik peramalan kualitatif juga dapat digunakan untuk peramalan jangka panjang. Daya terap teknik peramalan umumnya tergantung pada pengalaman dari seorang peramal. Para manejer biasanya memerlukan peramalan untuk jangka waktu yang relatif pendek. Metode pemulusan eksponensial, proyeksi trend, model regresi, dan dekomposisi klasik sangat berguna untuk keadaan seperti itu. Pada akhirnya, suatu peramalan akan disajikan kepada para eksekutif untuk disetujui dan digunakan dalam proses pengambilan keputusan. Oleh karena itu, kemudahan dalam memahami dan menginterpretasikan hasilnya merupakan suatu hal yang perlu dipertimbangkan oleh seorang peramal. Teknikteknik regresi, proyeksi trend, dekomposisi klasik, dan pemulusan eksponensial sangat cocok berdasarkan kriteria tersebut. Sebagai pertimbangan akhir dalam pemilihan teknik peramalan adalah bahwa setiap teknik harus dievaluasi oleh seorang peramal berkenaan dengan ; keandalan ( reliability ) dan daya terap ( applicability ) dari teknik tersebut terhadap masalah yang dihadapi, efektifitasnya dibanding metode-metode yang lain, tingkat akurasinya, dan akseptansi dari manajemen perusahaan. Tabel 2.1 menunjukkan beberapa teknik peramalan yang dapat digunakan untuk pola data tertentu.

15 20 Tabel 2.1 Pemilihan Teknik Peramalan Model Pola Data Jangka Waktu Model Sederhana ST,T,M,PDK RW 1 Rata-rata Sederhana Rata-rata Begerak Pemulusan Eksponensial Regresi Sederhana Regresi Berganda Dekomposisi Klasik Model Trend Eksponensial ST PDK RW 30 ST PDK RW 4-20 ST PDK RW 2 T MNH K 10 M,S MNH K 10*V Jumlah Data Minimum yang diperlukan Non Musiman Musiman M PDK RW 5*L T MNH,PJG RW 10 Box-Jenkins ST,T,S,M PDK RW 24 Model Ekonometri Reg.Berganda Runtut Waktu S PDK K 30 T,M MNH,PJG K 6*L Keterangan : - Pola data : ST = stasioner; T = trend; M = musiman; S = siklis - Jangka waktu: PDK = pendek; MNH = menengah; PJG = panjang - Model: RW = runtut waktu ( time series ); K = kausal - L = Panjang Musiman

16 Metode Peramalan Dekomposisi Metode Dekomposisi biasanya mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis. Komponen tersebut adalah faktor trend, siklus, dan musiman. Faktor trend menggambarkan perilaku data dalam jangka panjang, dan dapat meningkat, menurun, atau tidak berubah. Faktor siklus menggambarkan baik turunnya ekonomi atau industri tertentu dan sering terdapat pada deret data seperti Produk Bruto Nasional ( GNP ). Indeks produksi industri, permintaan untuk perumahan, penjualan barang industri, seperti mobil, harga saham, tingkat obligasi, penawaran uang, dan tingkat bunga. Faktor musiman berkaitan dengan fluktuasi periodik dengan panjang konstan yang disebabkan oleh hal-hal seperti temperatur, curah hujan, bulan pada suatu tahun, saat liburan, dan kebijaksanaan perusahaan. Perbedaan antara musiman dan siklus adalah bahwa musiman itu berulang dengan sendirinya pada interval yang tetap seperti tahun, bulan, atau minggu, sedangkan faktor siklus mempunyai jangka waktu yang lebih lama dan lamanya berbeda dari siklus yang satu ke siklus yang lain. Dekomposisi mempunyai asumsi bahwa data itu tersusun sebagai berikut : Data = pola + galat = f ( trend, siklus, musiman ) + galat....( 2.1 ) Di samping pola, terdapat pula unsur galat atau keacakan. Galat ini dianggap merupakan perbedaan antara pengaruh gabungan dari tiga sub pola deret tersebut dengan data yang sebenarnya.

17 22 Keempat komponen dalam analisis runtut waktu adalah sebagai berikut : 1. Trend Trend adalah komponen jangka panjang yang mendasari pertumbuhan ( atau penurunan ) dalam suatu data runtut waktu. Kekuatan-kekuatan dasar yang menghasilkan atau mempengaruhi trend dari suatu data runtut waktu adalah perubahan populasi, inflasi, perubahan teknologi dan peningkatan produktivitas. 2. Siklus Komponen siklus adalah suatu seri fluktuasi seperti gelombang atau siklus yang mempengaruhi keadaan ekonomi selama lebih dari satu tahun. Hal tersebut dapat dilihat dari perbedaan antara nilai yang sebenarnya yaitu variasi residual yang berfluktuasi sekitar trend. 3. Musiman Fluktuasi musiman biasanya dijumpai pada data yang dikelompokkan secara kuartalan, bulanan, atau mingguan. Variasi musiman ini menggambarkan pola perubahan yang berulang secara teratur dari waktu ke waktu. 4. Fluktuasi tak beraturan Komponen tidak beraturan terbentuk dari fluktuasi-fluktuasi yang disebabkan oleh peristiwa-peristiwa yang tidak terduga seperti perubahan cuaca, pemogokan, perang, pemilihan umum, rumors tentang perang, dan lain-lain.

18 23 Untuk mempelajari komponen-komponen runtut waktu tersebut, seorang analisis harus memperhatikan pola hubungan matematis antar komponenkomponen tersebut. Pendekatan yang paling sering digunakan adalah dengan memperlakukan data asli( data runtut waktu ) sebagai produk dari komponenkomponen tersebut, yaitu data tahunan merupakan produk dari komponenkomponen tersebut; yaitu data tahunan merupakan fluktuasi trend, siklus, dan fluktuasi tak tentu, yang dinyatakan dengan T * C * I, seperti ditunjukkan pada persamaan 2.2. Pada persamaan tersebut T diukur dalam unit dan komponen lainnya, C dan I adalah nilai-nilai indeks; Y = T * C * I... ( 2.2) Di mana; Y = nilai sebenarnya T = trend C = siklus I = tak beraturan Metode dekomposisi termasuk pendekatan peramalan yang tertua. Metode ini digunakan pada awal abad ini oleh para ahli ekonomi untuk mengenali dan mengendalikan siklus bisnis. Dasar dari metode Dekomposisi saat ini muncul pada tahun 1920-an ketika konsep rasio-trend diperkenalkan. Sejak saat itu pendekatan dekomposisi telah digunakan secara luas baik oleh para ahli ekonomi maupun para pengusaha. Terdapat beberapa pendekatan alternatif untuk mendekomposisi suatu deret berkala, yang semuanya bertujuan memisahkan setiap komponen deret data seteliti mungkin. Konsep dasar dalam pemisahan tersebut bersifat empiris dan tetap yang mula-mula memisahkan musiman, lalu trend, dan akhirnya siklus.

19 24 Residu yang dianggap unsur acak yang walaupun tidak dapat ditaksir, tetapi dapat diidentifikasi. Dipandang dari segi statistika, pendekatan dekomposisi ini mempunyai sejumlah kelemahan teoritis. Walaupun demikian, para praktisi banyak yang mengabaikan kelemahan ini dan telah menggunakan pendekatan ini dengan sangat berhasil. Penulisan matematis umum dari pendekatan dekomposisi adalah : X t = f( I t, T t,c t,e t ),...( 2.3 ) Dimana, X t = nilai deret berkala ( data yang aktual ) pada periode t, I t = komponen musiman ( atau indeks ) pada periode t, T t = komponen trend pada periode t, C t = komponen siklus pada periode t, dan E t = komponen galat atau acak pada periode t. Bentuk fungsional yang pasti dari persamaan ( 2.3 ) bergantung pada metode dekomposisi yang digunakan. Untuk semua metode tersebut proses dekomposisinya adalah serupa dan terdiri atas langkah-langkah sebagai berikut. 1. Pada deret data yang sebenarnya ( X t ) hitung rata-rata bergerak yang panjangnya ( N ) sama dengan panjang musiman, maksud dari ratarata bergerak ini adalah menghilangkan unsur musiman dan keacakan. Merata-ratakan sejumlah periode yang sama dengan panjang pola musiman ( misalnya 12 bulan, 4 kuartal, atau 7 hari ) akan menghilangkan unsur musiman dengan membuat rata-rata dari periode yang musimnya tinggi dan periode yang musimnya rendah.

20 25 Karena galat acak tidak mempuyai pola yang sistematis, maka peratarataan ini juga mengurangi keacakan. 2. Pisahkan rata-rata bergerak N periode ( langkah 1 di atas ) dari deret data semula untuk memperoleh unsur trend dan siklus. 3. Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap periode yang menyusun panjang musiman secara lengkap. 4. Identifikasi bentuk trend yang tepat ( linear, eksponensial, kurva-s, dan lain-lain ) dan hitung nilainya untuk setiap periode, ( T t ). 5. Pisahkan hasil langkah 4 dari hasil langkah 2 ( nilai gabungan dari unsur trend dan siklus ) untuk memperoleh faktor siklus. 6. Pisahkan musiman, trend, siklus dari data asli untuk mendapatkan unsur acak yang ada, E t. Langkah yang dilakukan dalam prosedur dekomposisi ini dapat digambarkan dengan menggunakan deret data sederhana pada tabel 2.2. deret ini mengandung trend, musiman, dan unsur acak. Dapat dilihat pada kolom terakhir tabel 2.2 bahwa nilai yang diamati untuk deret data tersebut merupakan tiga komponen yang tergabung dalam bentuk aditif. Jadi enam langkah yang dikemukakan diatas dapat dilakukan dengan baik jika persamaan ( 2.3 ) Diasumsikan mempunyai bentuk : X t = I t + T t + C t + E t...( 2.4 )

21 26 Tabel 2.2 Prosedur Dekompoisi untuk Deret Data yang Mengandung Trend Periode Musiman, dan Unsur Acak T t Trend I t Musiman E t Keacakan X t = T t + I t + E t Deret berkala Panjang musiman ( p ) = 3, N = 3. Menurut Sofjan Assauri ( 1984, p209), keuntungan metode dekomposisi secara nyata yaitu : 1. Analisis model ini memungkinkan peramal untuk menentukan trend jangka panjang dari variabel yang dipertimbangkan. Contoh : suatu perusahaan yang ingin meneliti kemungkinan perluasan pabrik dan alat-alatnya, tentu harus mengetahui kelebihan penjualan potensial, misalnya untuk 15 tahun mendatang. Proyeksi dengan faktor trend memberikan perkiraan atau estimasi yang diinginkan tersebut. 2. Analisis model ini memungkinkan manajemen untuk membuat rencana jangka pendek. Contoh : suatu perusahaan menjual unit sebulan pada suatu musim, tetapi pada musim lain ia hanya

22 27 mampu menjual sebulan. Dengan menentukan pengaruh faktor musiman, manajemen atau perencana dapat memperkirakan lebih tepat besarnya persediaan atau jumlah tenaga kerja yang dibutuhkan. 3. Analisis model ini membantu dalam perencanaan jangka menengah. Contoh : seorang menajer perlu memutuskan tentang percepatam atau perlambatan rekuitment personalis sehingga dapat dicapai tingkat pemanfaatan tenaga kerja yang lebih baik Pola Data Deret Berkala Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga dapat ditentukan metode yang paling tepat dengan pola tersebut untuk diuji. Menurut Makridakis ( 1999, p21-22 ), ada 4 pola data yang dapat diramalkan untuk peramalan data yang akan datang, yaitu : 1. Pola Horisontal ( H ) Pola ini terjadi jika nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. Pola jenis ini terdapat bila suatu produk mempunyai jumlah penjualan yang tidak menaik dan tidak menurun selama beberapa periode.

23 28 2. Pola Musiman ( S ) Pola ini terjadi bila suatu deret waktu dipengaruhi oleh faktor musiman (misalnya kuartalan, bulanan, mingguan dan harian ). Penjualan produk seperti minuman ringan, es krim, obat-obatan tertentu menunjukkan pola ini. 3. Pola Siklus ( C ) Pola ini terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja, dan peralatan bengkel termasuk di pola ini.

24 29 4. Pola Trend ( T ) Pola ini terjadi bila terdapat kenaikan atau penurunan dari data observasi untuk jangka panjang. Pola ini terlihat pada penjualan banyak perusahaan, produk bruto nasional dan indikator ekonomi lainnya.

25 30 BAGAN ALUR KEGIATAN PERAMALAN Rata-rata bergerak Pemulusan exponensial Tidak Peramalan deret waktu Pola deret waktu Trend Ya Ya Data Tahunan Tidak Cari Index Musim Metode Dekomposisi Metode Peramalan Trend Linear Trend Kuadrat Trend Exponential Holt Winters Autoregresi Gambar 2.1 Alur Kegiatan Peramalan 30

26 Moving Average Model ( Model Rata-rata Bergerak ) Menurut Makridakis ( 1999, p101 ), metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan menggunakan metode ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus dan tidak terlalu bergantung pada osilasi sehingga lebih memungkinkan untuk menunjukkan trend dasar atau siklus dalam pola data sepanjang waktu. Sebagai hasilnya, fluktuasi pada deret berkala telah dipermulus sehingga menunjukkan garis trend jangka panjang yang agak konstan. Secara umum dapat dirumuskan sebagai berikut : ( m 1) Yt + Yt Yˆ = 2 t + 1 Dimana, t = Periode waktu ( m 1) Yt 2 m Y t = Data aktual pada periode t Ŷ t = Data ramalan pada periode t m = Waktu rata-rata bergerak + m ( m 1) (2.5) 2.5 Metode Peramalan Holt Metode Holt-Winters adalah pengembangan yang lebih canggih dari pendekatan eksponential smoothing. Jika prosedur eksponensial smoothing menyediakan impresi atas pergerakan jangka panjang secara keseluruhan dalam data dan mengijinkan peramalan jangka pendek, teknik Holt juga mengijinkan kita untuk mempelajari trend lewat peramalan jangka menengah dan jangka panjang untuk masa yang akan datang.

27 32 Untuk menggunakan metode Holt pada berbagai periode waktu t, kita harus secara terus menerus mengestimasi tingkat dari serial ( nilai yang dihaluskan E t ) dan nilai dari trend ( T t ). Hal ini dihasilkan lewat solusi pada persamaan-persamaan berikut ini ( Hakim, A., 2001, p337 ): Level L t = α Y t + ( 1- α) ( L t-1 + T t-1 ) Trend T t = β ( L t - L t-1 ) + ( 1-β ) T t-1...(2.6) Dimana : L t = tingkat serial yang dihaluskan yang sedang dihitung dalam periode t L t-1 = tingkat serial yang dihaluskan yang sudah dihitung dalam periode t-1 T t = nilai dari komponen trend yang sedang dihitung dalam periode waktu t T t-1 = nilai dari komponen trend yang sudah dihitung dalam periode waktu t-1 Y t = nilai observasi dari time series pada periode t α = konstanta penghalus ( smoothing constant ) yang besarnya subjektif ( dimana 0 < α < 1 ) β = Konstanta penghalus ( smoothing constant ) yang besarnya subjektif ( dimana 0 < β< 1 )

28 33 Untuk mengetahui nilai ramalan di masa yang akan datang, maka digunakan rumus ( Hakim, A., 2001, p339 ): Y ˆ = L + t+ p Dimana : t p( T ) t...( 2.7 ) ˆ = Nilai ramalan pada periode i Y t + p E t = Tingkat dari serial yang diperhalus yang dihitung dalam periode waktu terkini t T t = Nilai dari komponen trend yang dihitung dalam periode waktu terkini t p = Jumlah periode dari periode t sampai periode i 2.6 Ukuran Ketepatan Ramalan Dalam semua situasi peramalan mengandung derajat ketidakpastian kita mengenali fakta ini dengan memasukkan unsur kesalahan ( error ) dalam perumusan sebuah peramalan deret waktu. Sumber penyimpangan dalam peramalan bukan hanya disebabkan oleh unsur error, tetapi ketidakmampuan suatu model peramalan mengenali unsur yang lain dalam deret data yang mempengaruhi besarnya penyimpangan dalam peramalan. Jadi, besarnya penyimpangan hasil ramalan bisa disebabkan oleh besarnya faktor yang tidak diduga ( outliers ) dimana tidak ada metode peramalan mampu menghasilkan peramalan yang akurat, atau bisa juga disebabkan metode peramalan yang digunakan tidak dapat memprediksi dengan

29 34 tepat komponen trend, komponen musiman/ komponen siklus yang mungkin terdapat dalam deret data yang berarti metode yang digunakan tidak tepat ( Bowerman dan O connell, 1987, p12 ). Ukuran ketepatan yang sering digunakan untuk mengetahui ketepatan suatu model peramalan dalam memodelkan data deret waktu yaitu nilai MAPE ( Mean Absolute Percentage Error ), MSE ( Mean Squared Error ) dan MAD ( Mean Absolute Deviation ). MAPE merupakan ukuran ketepatan relatif yang digunakan untuk mengetahui persentase penyimpangan hasil ramalan, dengan persamaan sebagai berikut : n ( Xt Xt ˆ ) / Xt MAPE = *100% t= 1 n... ( 2.8 ) MAD menyatakan penyimpangan ramalan dalam unit yang sma pada data, dengan merata-ratakan nilai absolut error ( penyimpangan ) seluruh hasil ramalan. Nilai absolut berguna untuk menghindari nilai penyimpangan positif dan negatif saling meniadakan. Persamaannya adalah sebagai berikut : n Xt Xt ˆ MAD = n t= 1... ( 2.9 ) Cara lain untuk menghindari nilai penyimpangan positif dan penyimpangan negatif saling meniadakan adalah dengan mengkuadratkan nilai kesalahan tersebut. MSD merupakan penyimpangan ramalan dengan merataratakan kuadrat error ( penyimpangan semua ramalan. Persamaannya adalah sebagai berikut : n ( Xt Xt ˆ ) MSD = n t= ( 2.10 )

30 35 Dimana, X t = nilai aktual periode t Xˆ t = nilai ramalan periode t N = jumlah periode ramalan Untuk menjelaskan perbedaan antara MAPE, MAD, dan MSD, dapat melihat contoh perbandingan ukuran ketepatan ramalan dalam dua metode peramalan yang berbeda pada tabel 2.3. peramalan dengan metode A menghasilkan nilai MAD dan MAPE yang lebih kecil sedangkan peramalan peramalan dengan metode B menghasilkan nilai MSD yang lebih besar, sebab dalam perhitungan MSD, metode B memberikan bobot yang lebih besar kepada data aktual 67 dengan menambah pangkat nilai galat ( error ). Tabel 2.3 Contoh perbandingan ukuran ketepatan peramalan dalam dua metode berbeda Actual Predicted Error MAD MSD MAPE Peramalan Metode A Mean Peramalan Metode B Mean

31 Validasi Model Menurut De Lurgio ( 1998, p736 ), jika data deret waktu cukup banyak tersedia, sangat bijaksana untuk membagi data menjadi 2 bagian, dimana sebuah model dicocokkan ke bagian yang pertama dan divalidasi dengan bagian yang kedua. Misalnya ada deret waktu Y 1, Y 2,... Y n, Y n+1, maka deret yang panjang tersebut dibagi menjadi dua model dibangun menggunakan n deret pertama dengan langkah-langkah peramalan yang tepat setelah mencocokkan model ke-n deret pertama, model ini digunakan untuk meramal deret data. Kedua, ketepatan hasil ramalan dari deret data kedua dapat dibandingkan dengan ketepatan memodelkan deret data pertama. Cara ini dapat memberikan informasi tambahan mengenai validitas model yang dibangun pada n deret pertama. 2.8 Penelitian Relevan Penelitian yang relevan dengan skripsi ini antara lain penelitian yang dilakukan oleh Hence Wijaya pada bulan Agustus tahun 2003 dengan judul Perbandingan antara Metode Winters, Metode Dekomposisi dan jaringan syaraf tiruan untuk meramalkan jumlah kendaraan pada area parkir. Dengan tujuan untuk menentukan metode peramalan yang tepat di antara metode Winters Aditif, metode Dekomposisi dan Jaringan Syaraf Tiruan untuk meramalkan jumlah kendaraan di area parkir dan mengetahui kemampuan metode Winters aditif, metode Dekomposisi dan Jaringan Syaraf Tiruan dalam memodelkan data musiman pada kondisi tertentu.

32 Kerangka Berfikir Berdasarkan kajian teoritis dapat diketahui bahwa metode Holt sangat bergantung pada taksiran peramalan awal sedangkan metode Dekomposisi secara terpisah meramalkan pola musiman, pola trend, pola siklus, dan memuluskan keacakan. Penelitian ini adalah penelitian untuk menentukan metode peramalan yang tepat diantara metode dekomposisi dengan metode Holt untuk meramalkan penjualan plastik. Penentuan ini dengan cara membandingkan kedua metode peramalan tersebut dalam memodelkan data penjualan pada kondisi tertentu untuk mendapatkan metode peramalan yang tepat. Hal ini dapat kita lihat, ketika kita membandingkan kedua metode peramalan tersebut dalam penjualan. Dengan menggunakan data-data penjualan terdahulu akan dibandingkan kedua metode tersebut dalam peramalan penjualan. Kemudian akan dihitung tingkat kesalahannya ( error deviasi ). Setelah itu, tingkat kesalahan ( error deviasi ) yang paling kecil di antara kedua metode tersebut dapat dijadikan metode peramalan yang tepat untuk penjualan. Seperti terlihat pada bagan di bawah ini :

33 38 GAMBAR ALUR KERANGKA BERFIKIR Data Hasil Observasi Metode Dekomposisi Metode Holt X t = f( I t, T t,c t,e t ) Ŷ t+p = E t + p( T t ) Ukuran Ketepatan Ramalan n ( Xt Xt ˆ ) / Xt MAPE = *100% t= 1 n Metode Peramalan Yang Tepat Hasil Ramalan Gambar 2.2 Alur Kerangka Berpikir 2.10 Hipotesis Penelitian H 0 : Metode Peramalan Dekomposisi sama dengan Metode Peramalan Holt untuk meramalkan penjualan plastik H 1 : Ada perbedaan Metode Peramalan Dekomposisi dan Metode Peramalan Holt untuk meramalkan penjualan plastik.

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK

BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,

Lebih terperinci

BAB 2 LANDASAN TEORITIS

BAB 2 LANDASAN TEORITIS BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto

BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto 18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.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

Lebih terperinci

METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN

METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah

Lebih terperinci

BAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan

BAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan BAB II LANDASAN TEORI 2.1 Pengertian Sistem Menurut Amsyah (2005), definisi sistem adalah elemen-elemen yang saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan kerja dari prosedur

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang.

BAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang. BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013

BAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013 BAB I PENDAHULUAN 1.1. Latar Belakang Tingkat pencemaran udara di beberapa kota besar cenderung meningkat dari tahun ke tahun. Hal ini disebabkan oleh beberapa faktor diantaranya jumlah transportasi terus

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan

BAB 2 TINJAUAN TEORITIS. Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Adanya waktu tenggang (lead time) merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan

Lebih terperinci

BAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada

BAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga

Lebih terperinci

PERAMALAN (FORECASTING)

PERAMALAN (FORECASTING) #3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat

Lebih terperinci

PERENCANAAN PRODUKSI

PERENCANAAN PRODUKSI PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH 49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan

Lebih terperinci

(FORECASTING ANALYSIS):

(FORECASTING ANALYSIS): ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan

Lebih terperinci

III KERANGKA PEMIKIRAN

III KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Permintaan III KERANGKA PEMIKIRAN Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah

BAB II LANDASAN TEORI. Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Definisi dan Tujuan Peramalan Peramalan adalah proses perkiraan (pengukuran) besarnya atau jumlah sesuatu pada waktu yang akan datang berdasarkan data pada masa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi di masa yang akan datang dalam waktu yang relatif lama, peramalan tidak

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.

Lebih terperinci

Pembahasan Materi #7

Pembahasan Materi #7 1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pengertian Peramalan (Forecasting) Menurut Kusuma (2004:13), peramalan (forecasting) adalah perkiraan tingkat permintaan satu atau lebih produk selama beberapa periode mendatang.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian dan Peranan Peramalan Aktivitas manajerial khususnya dalam proses perencanaan, seringkali membutuhkan pengetahuan tentang kondisi yang akan datang. Pengetahuan

Lebih terperinci

Membuat keputusan yang baik

Membuat keputusan yang baik Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang

Lebih terperinci

EMA302 Manajemen Operasional

EMA302 Manajemen Operasional 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1 Definisi Peramalan Peramalan adalah suatu proses dalam menggunakan data historis yang telah dimiliki untuk diproyeksikan ke dalam suatu model peramalan. Dengan model peramalan

Lebih terperinci

BAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan

BAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan 18 BAB 2 LANDASAN TEORI 2.1 Pengertian Ramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama ( assaury, 1991). Sedangkan ramalan

Lebih terperinci

BAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat

BAB 2 LANDASAN TEORI. diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan merupakan usaha yang dilakukan oleh suatu perusahaan untuk melihat dan mengkaji situasi dan kondisi di masa mendatang. Terdapat beberapa faktor yang mempengaruhi

Lebih terperinci

penumpang dalam jumlah besar (masal), memiliki kenyamanan keselamatan perjalanan yang lebih baik dan lebih sedikit halangannya dibandingkan dengan

penumpang dalam jumlah besar (masal), memiliki kenyamanan keselamatan perjalanan yang lebih baik dan lebih sedikit halangannya dibandingkan dengan BAB 2 TINJAUAN TEORITIS 2.1 Pengertian KA KA (Kereta Api) merupakan salah satu alat transportasi yang dapat mengangkut penumpang dalam jumlah besar (masal), memiliki kenyamanan keselamatan perjalanan yang

Lebih terperinci

BAB 2 LANDASAN TEORI. future. Forecasting require historical data retrieval and project into the

BAB 2 LANDASAN TEORI. future. Forecasting require historical data retrieval and project into the BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Forecasting is the art and science of predicting the events of the future. Forecasting require historical data retrieval and project into the future with some

Lebih terperinci

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik

Lebih terperinci

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan

Lebih terperinci

BAB III PERAMALAN 3.1 Landasan Teori Peramalan

BAB III PERAMALAN 3.1 Landasan Teori Peramalan BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasting) 2.1.1 Pengertian Peramalan Peramalan dapat diartikan sebagai berikut: a. Perkiraan atau dugaan mengenai terjadinya suatu kejadian atau peristiwa di waktu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu

Lebih terperinci

PERAMALAN (FORECASTING)

PERAMALAN (FORECASTING) PERAMALAN (FORECASTING) Apakah Peramalan itu? Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:

Lebih terperinci

BAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan

BAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan 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

Lebih terperinci

BAB I PENDAHULUAN. untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993).

BAB I PENDAHULUAN. untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993). BAB I PENDAHULUAN 1.1 Latar Belakang Prediksi terhadap kejadian di masa depan disebut ramalan, dan tindakan untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993). Peramalan diperlukan untuk

Lebih terperinci

BAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada

BAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada BAB 2 LANDASAN TEORI 2.1 Curah Hujan Hujan sangat diperlukan diberbagai penjuru masyarakat. Curah hujan tidak selalu sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada bulan-bulan

Lebih terperinci

Universitas Gunadarma PERAMALAN

Universitas Gunadarma PERAMALAN PERAMALAN PERAMALAN Kebutuhan Peramalan dalam Manajemen Produksi dan Operasi Manajemen Operasi/produksi menggunakan hasil-hasil peramalan dalam pembuatan keputusan-keputusan yang menyangkut pemilihan proses,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian

BAB II TINJAUAN PUSTAKA. estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Peramalan Peramalan adalah data di masa lalu yang digunakan untuk keperluan estimasi data yang akan datang. Peramalan atau Forecasting merupakan bagian

Lebih terperinci

Evelina Padang, Gim Tarigan, Ujian Sinulingga

Evelina Padang, Gim Tarigan, Ujian Sinulingga Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga

Lebih terperinci

BAB II LANDASAN TEORI. buruknya ramalan dapat mempengaruhi seluruh bagian organisasi.

BAB II LANDASAN TEORI. buruknya ramalan dapat mempengaruhi seluruh bagian organisasi. BAB II LANDASAN TEORI 2.1 Teknik Peramalan Makridakis(1993:4) mendefinisikan peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen. Organisasi selalu menentukan sasaran dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Sejarah Umum Perusahaan Saputra Plastik adalah perusahaan yang bergerak dalam bidang pemasaran berbagai jenis plastik seperti PP, PE, HD, dan Tali Plastik ; didirikan pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Manajemen 2.1.1 Pengertian Manajemen Manajemen berasal dari bahasa kata to manage yang artinya mengatur atau mengelola. Pengaturan dilakukan melalui proses dan diatur berdasarkan

Lebih terperinci

TINJAUAN PUSTAKA. Prediksi pada dasarnya merupakan dugaan atau prediksi mengenai terjadinya

TINJAUAN PUSTAKA. Prediksi pada dasarnya merupakan dugaan atau prediksi mengenai terjadinya II. TINJAUAN PUSTAKA 2.1 Prediksi Prediksi pada dasarnya merupakan dugaan atau prediksi mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Prediksi bisa bersifat kualitatif (tidak

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Menurut Mahmuda (2016), pada dasarnya peramalan merupakan suatu dugaan atau perkiraan atas terjadinya kejadian di waktu mendatang. Ramalan bersifat kualitatif

Lebih terperinci

BAB 3 LANDASAN TEORI

BAB 3 LANDASAN TEORI BAB 3 LANDASAN TEORI 3.1 Peramalan 3.1.1 Pengertian Peramalan Peramalan adalah proses menggunakan pola-pola yang terkandung dalam data masa lampau untuk memprediksi nilai-nilai masa yang akan datang (Kvanli

Lebih terperinci

Manajemen Operasional. PERAMALAN (Forecasting)

Manajemen Operasional. PERAMALAN (Forecasting) Manajemen Operasional PERAMALAN (Forecasting) Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id Sub Pokok bahasan pertemuan ke-3 Prediksi dan Peramalan Jenis-jenis Metode Peramalan Metode deret berkala

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan

Lebih terperinci

Peramalan (Forecasting)

Peramalan (Forecasting) Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan

Lebih terperinci

BAB. 1 PENDAHULUAN Latar Belakang

BAB. 1 PENDAHULUAN Latar Belakang 1 BAB. 1 PENDAHULUAN 1.1. Latar Belakang Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya

Lebih terperinci

SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING

SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1 KONSEP DASAR PERAMALAN Definisi forecasting sendiri sebenarnya beragam, berikut beberapa difinisi tentang forecasting: 1. Perkiraan munculnya sebuah kejadian di masa depan, berdasarkan

Lebih terperinci

PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA

PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA Weny Indah Kusumawati Program Studi Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya email: weny@stikom.edu Abstrak

Lebih terperinci

PERAMALAN PERMINTAAN. Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M.

PERAMALAN PERMINTAAN. Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M. PERAMALAN PERMINTAAN Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M. PENTINGNYA PERAMALAN EKONOMI Tujuan Peramalan Ekonomi adalah untuk mengurangi risiko atau ketidakpastian yang dihadapi perusahaan dalam

Lebih terperinci

BAB II KAJIAN PUSTAKA Definisi dan Tujuan Forecasting. yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan

BAB II KAJIAN PUSTAKA Definisi dan Tujuan Forecasting. yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan BAB II KAJIAN PUSTAKA 2.1 Forecasting 2.1.1 Definisi dan Tujuan Forecasting Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum terjadi (Pangestu S, 1986:1). Forecasting atau peramalan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 SEJARAH SINGKAT PT. GMF AEROASIA Dimulai pada tahun 1949, GMF AeroAsia berasal dari Divisi Teknik Garuda Indonesia Airlines di Kemayoran dan Bandara Halim Perdana Kusuma di Jakarta,

Lebih terperinci

BAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang

BAB I PENDAHULUAN. Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dugaan atau perkiraan mengenai kejadian atau peristiwa pada waktu yang akan datang disebut ramalan dan tindakan dalam membuat dugaan atau perkiraan tersebut

Lebih terperinci

BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para

BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para 1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Di Era globalisasi saat ini, kartu kredit digunakan sebagai salah satu alternatif pengganti transaksi dengan uang tunai. Seiring dengan perkembangan zaman, pola prilaku

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Produksi Kedelai Dalam ketersediaan kedelai sangat diperlukan diberbagai penjuru masyarakat dimana produksi kedelai merupakan suatu hasil dari bercocok tanam dimana dilakukan dengan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjangan waktu

Lebih terperinci

III. KERANGKA PEMIKIRAN

III. KERANGKA PEMIKIRAN III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.

Lebih terperinci

BAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015

BAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015 BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Dalam melakukan kegiatan usaha, haruslah diperkirakan apa yang akan terjadi pada masa akan datang, perkiraan ini dapat dilakukan dengan mengkaji situasi dan kondisi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Manajemen Operasional Menurut Jay Heizer dan Barry Render (2010 : 4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan

Lebih terperinci

BAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang

BAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang 7 BAB II LANDASAN TEORI 2.1 Sistem Informasi 2.1.1 Sistem Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan

Lebih terperinci

Matakuliah : Ekonomi Produksi Peternakan Tahun : Oleh. Suhardi, S.Pt.,MP

Matakuliah : Ekonomi Produksi Peternakan Tahun : Oleh. Suhardi, S.Pt.,MP Matakuliah : Ekonomi Produksi Peternakan Tahun : 2014 Oleh. Suhardi, S.Pt.,MP 1 Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menunjukkan jenis Peramalan Menggunakan Metode Peramalan Kuantitatif

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1. Produksi Produksi air bersih adalah pengolahan air sungai menjadi air bersih yang dapat digunakan dalam kebutuhan rumah tanggga, seperti air minum, mencuci, mandi dan kebutuhan

Lebih terperinci

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.

Lebih terperinci

BAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing

BAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi

Lebih terperinci