BAB 3 LANDASAN TEORI

Transkripsi

1 BAB 3 LANDASAN TEORI 3.1. Deskripsi Teori Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien unuk penjualan produknya, perusahaan memerlukan suau cara yang epa, sisemais dan dapa dihiung ingka kesalahannya. Salah sau jawabannya adalah dengan menggunakan meode peramalan sebagai acuan yang pau diperhaikan dalam pengambilan kepuusan. Peramalan merupakan perpaduan anara seni dan ilmu dalam memperkirakan keadaan di masa yang akan daang, dengan cara memproyeksikan daa-daa masa lampau ke masa yang akan daang dengan menggunakan model maemaika maupun perkiraan subjekif (Heizer, J. dan, Render, B., 1996, p147). Peramalan merupakan ingka perkiraan yang diharapkan unuk suau produk/beberapa produk dalam periode waku erenu di masa yang akan daang dan dapa diarikan sebagai suau aksiran yang ilmiah walaupun akan erdapa sediki kesalahan (Biegel, J.E., 1992, p19). Peramalan adalah prediksi nilai-nilai sebuah peubah berdasarkan pada nilai yang dikeahui dari peubah ersebu aau produk yang berhubungan. Meramal yang dapa didasarkan pada keahlian judgemen, yang pada gilirannya didasarkan pada daa hisoris dan pengalaman (Makridakis, S., 1991, p519). Peramalan merupakan kegiaan unuk memperkirakan apa yang akan erjadi pada masa yang akan daang (Sofjan Assauri, 1984, p1). 9

2 10 Peramalan merupakan bagian erpadu dari proses pengambilan kepuusan yang berujuan memperkecil resiko akiba suau kepuusan yang diambil (Maman A. Djauhari, 1986, p1.4) Jenis-jenis Peramalan Menuru Sofjan Assauri (1984, p3-4), pada umumnya peramalan dibedakan dari beberapa segi erganung dari cara melihanya. Peramalan dapa kia liha dari segi sifa penyusunan, jangka waku peramalan dan sifa ramalannya. Apabila diliha dari sifa penyusunannya, maka peramalan dapa dibedakan aas dua macam, yaiu: 1. Peramalan yang subjekif, yaiu peramalan yang didasarkan aas perasaan aau inuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari orang yang menyusunnya sana menenukan baik idaknya hasil ramalan ersebu. 2. Peramalan yang objekif, yaiu peramalan yang didasarkan aas daa yang relevan pada masa lalu, dengan menggunakan ehnik-ehnik dan meode dalam penganalisaan daa ersebu. Jika diliha dari jangka waku ramalan yang disusun, maka peramalan dapa dibedakan menjadi: 1. Peramalan jangka panjang, yaiu peramalan yang dilakukan unuk penyusunan hasil ramalan yang jangka wakunya lebih dari sau seengah ahun aau iga semeser. Peramalan seperi ini diperlukan dalam penyusunan rencana pembangunan suau daerah aau negara, rencana invesasi, aau rencana kerja sama suau perusahaan. 2. Peramalan jangka pendek, yaiu peramalan yang dilakukan unuk penyusunan hasil ramalan dengan jangka waku yang kurang dari sau seengah ahun. Peramalan seperi ini diperlukan dalam penyusunan rencana ahunan, rencana kerja operasional

3 11 yang mencakup rencana persediaan, rencana penjualan, anggaran produksi, dan lainnya. Sedangkan menuru Heizer dan Render (1996, p142), peramalan yang berdasarkan renang waku dibagi menjadi iga kaegori, yaiu: 1. Peramalan jangka pendek, peramalan unuk jangka waku kurang dari 3 bulan. Kaegori ini digunakan unuk perencanaan pembelian maerial, penjadwalan kerja, penugasan kerja, perencanaan ingka produksi dan jumlah enaga kerja. 2. Peramalan jangka menengah, peramalan unuk jangka waku anara 3 bulan sampai 3 ahun. Kaegori ini digunakan unuk perencanaan penjualan, perencanaan anggaran dan produksi. 3. Peramalan jangka panjang, peramalan unuk jangka waku lebih dari 3 ahun. Kaegori ini digunakan unuk perencanaan dan pengembangan fasilias, perencanaan peneliian dan pengembangan (libang). Berdasarkan sifa ramalan yang disusun, peramalan dibedakan menjadi dua macam, yaiu: 1. Peramalan kualiaif, yaiu peramalan yang didasarkan aas daa kualiaif pada masa lalu. Hasil dari peramalan yang dibua, sanga berganung pada orang yang menyusunnya, karena peramalan ersebu dienukan berdasarkan pemikiran yang bersifa inuisi, pendapa, pengalaman, sera pengeahuan yang dimiliki oleh orang yang menyusun ramalan iu. 2. Peramalan kuaniaif, yaiu peramalan yang didasarkan aas daa kuaniaif pada masa lalu. Hasil dari peramalan yang dibua, sanga berganung pada meode yang digunakan, sebab dengan meode yang berbeda akan didapa hasil yang berbeda

4 12 pula. Peramalan kuaniaif hanya dapa digunakan jika erdapa iga kondisi sebagai beriku (makridakis, 1998, p9): Adanya informasi enang keadaan yang lain. Informasi ersebu dapa dikuanifikasikan dalam benuk daa. Dapa diasumsikan pola yang lalu akan berkelanjuan pada masa yang akan daang Tipe-ipe Peramalan Menuru Heizer dan Render (1996, p160), ada iga ipe peramalan yang digunakan unuk merencanakan operasional suau perusahaan pada masa yang akan daang, yaiu: Economic forecas, berhubungan dengan siklus bisnis dimana melalui prediksi nilai inflasi, money supplies, dan indikaor perencanaan lainnya. Technological forecas, mengenai kemajuan eknologi dimana dapa menghasilkan produk baru. Demand forecas, rencana perminaan produk aau jasa pada suau perusahaan. Disebu juga sebagai ramalan penjualan (sales forecasing) Langkah-langkah Peramalan Kualias aau muu dari hasil peramalan yang disusun sanga dienukan oleh proses pelaksanaan penyusunannya. Menuru Sofjan Assauri (1984, p5), peramalan yang baik adalah peramalan yang dilakukan dengan mengikui langkah-langkah aau prosedur penyusunan yang baik. Pada dasarnya ada iga langkah peramalan yang pening, yaiu: 1. Mengumpulkan dan menganalisia daa yang lalu, ahap ini berguna unuk mencari pola dari daa pada masa lalu. Daa yang dikumpulkan haruslah daa yang akura

5 13 sebab daa yang idak akura aau kurang memadai, akan menyebabkan hasil ramalan kurang epa. Analisa ini dilakukan dengan membua abulasi dari daa yang lalu sehingga dapa dikeahui pola dari daa ersebu. 2. Menenukan meode yang dipergunakan. Meode peramalan yang baik adalah meode yang memberikan hasil ramalan yang idak jauh berbeda dengan kenyaaan yang erjadi. 3. Memproyeksikan daa yang lalu dengan menggunakan meode yang dipergunakan, dan memperimbangkan adanya beberapa fakor perubahan. Fakor-fakor perubahan ersebu bisa erdiri dari perubahan-perubahan kebijakan yang erjadi, perkembangan poensi, perkembangan eknologi dan penemuan-penemuan baru, dan perbedaan anara hasil ramalan yang ada dengan kenyaaan. Menuru Makridakis (1998, p13), dalam peramalan ada lima langkah dasar yang harus dipenuhi, yaiu: 1. Definisi masalah. Diperlukan unuk mengeahui secara pasi bagaimana peramalan akan dilaksanakan, siapa yang membuuhkan peramalan ersebu, dan bagaimana fungsi dari peramalan ersebu sesuai dengan permasalahan yang dihadapi. 2. Mengumpulkan informasi. Sanga pening unuk mengumpulkan daa-daa yang lalu dari objek yang diinginkan yang mana akan digunakan unuk membua sebuah model yang akan digunakan dalam peramalan. 3. Analisis/ Penyelidikan awal. Berujuan unuk menyelidiki apakah daa memiliki suau pola erenu yang konsisen, apakah ada rend yang signifikan, apakah ada pola musiman yang pening, seberapa kua hubungan anar variabel yang ada dalam analisis, yang semuanya berguna dalam membanu menenukan model peramalan yang epa.

6 14 4. Memilih model yang sesuai. Seiap model peramalan merupakan suau perangka arifisial yang didasarkan pada seperangka asumsi (eksplisi dan implisi) dan umumnya melibakan sau aau lebih parameer yang harus sesuai dengan daa-daa yang digunakan. 5. Memproyeksikan dan mengevaluasi model peramalan. Seelah sebuah model elah dipilih dengan cerma dan parameer-parameernya elah diduga secara epa, model ersebu digunakan unuk membua ramalan, dan pemakai ramalan akan mengevaluasi pro dan konra dari hasil peramalan ersebu sesuai dengan waku yang berjalan Meode Peramalan Meode adalah cara berpikir yang sisemais dan pragmais aas pemecahan suau masalah. Meode peramalan merupakan suau cara unuk memperkirakan secara kuaniaif mengenai apa yang akan erjadi di masa depan berdasarkan daa yang relevan pada masa lalu melalui ahapan-ahapan pengerjaan yang eraur, sisemais, dan erarah. Berdasarkan hal diaas maka meode peramalan merupakan ipe peramalan yang objekif dan bersifa kuaiaif. Menuru Dr.Maman A. Djauhari Meode peramalan yang bersifa kuaniaif dibedakan menjadi dua yaiu, meode dere waku (ime series) dan meode sebab-akiba (korelasi). Meode dere waku penggunaanya dipakai unuk menganalisa hubungan anara variabel waku dengan variable lainnya. Meode korelasi dipakai unuk menganalisa hubungan anar variabel yang bukan waku. Menuru Sofjan Assauri (1984, p9), meode-meode peramalan dengan menggunakan analisa pola hubungan anar variabel yang akan diperkirakan dengan variabel waku, aau analisa dere waku, erdiri dari:

7 15 Meode Smoohing, digunakan unuk mengurangi keidak erauran musiman dari daa yang lalu maupun kedua-duanya dengan membua raa erimbang dari dari sederean daa yang lalu. Keepaan dari peramalan dengan meode ini akan erdapa pada peramalan jangka pendek, sedangkan unuk peramalan jangka panjang sanga kurang keepaannya. Yang ermasuk meode ini adalah meode daa lewa, meode raa-raa kumulaif, raa-raa bergerak, dan meode pemulusan eksponensial. Meode Box-Jenkins, menggunakan dasar dere waku dengan model maemais, agar kesalahan yang erjadi dapa sekecil mungkin. Meode ini sanga baik unuk peramalan jangka pendek, sedangkan unuk peramalan jangka panjang keepaannya kurang baik. Meode proyeksi rend dengan regresi, merupakan dasar garis rend unuk sau persamaan maemais, sehingga dengan dasar persamaan ersebu dapa diproyeksikan hal yang dielii unuk masa depan. Unuk peramalan jangka pendek maupun peramalan jangka panjang, keepaan peramalan dengan meode ini sanga baik Kegunaan Meode Peramalan Menuru Sofjan Assauri(1984,p8), meode yang dipergunakan sanga besar manfaanya, apabila dikaikan dengan keadaan informasi aau daa yang dipunyai. Sebagaimana dikeahui bahwa meode merupakan cara berpikir yang sisemais dan pragmais aas dasar daa yang relevan pada masa lalu. Meode peramalan memberikan ahapan-ahapan pengerjaan yang eraur dan erarah dan pemecahan aas pendekaan suau masalah yang ingin diobservasi. Dengan

8 16 penggunaan meode ersebu, diharapkan dapa membanu penyelesaian masalah dengan ingka kepercayaan yang lebih besar yang mana ingka penyimpangan aau deviasi yang erjadi dapa diuji secara ilmiah. Dengan banyaknya meode peramalan yang ada, maka masalah yang imbul adalah bagaimana memilih meode peramalan yang mempunyai karakerisik yang cocok dengan masalah dan siuasi yang dihadapi oleh perusahaan. Hal ini dapa diaasi, salah saunya dengan meliha keadaan aau pola daa yang dimiliki. Apabila dari daa yang lalu dikeahui memiliki pola musiman, maka unuk peramalan sau ahun ke depan yang lebih epa digunakan adalah meode variasi musim. Sedangkan apabila dikeahui bahwa daa memiliki pola hubungan anar variabel-variabel yang saling mempengaruhi, maka lebih baik meode yang digunakan adalah meode sebab-akiba aau korelasi. Meode peramalan dapa disimpulkan sanga berguna dalam membanu melakukan pendekaan analisis erhadap karakerisik aau pola dari daa yang lalu, sehingga dapa memberikan cara berpikir, ahapan pengerjaan, dan pemecahan yang didasarkan aas pendekaan erhadap masalah yang keseluruhannya ersusun secara sisemais dan pragmais dan dapa memberikan ingka kepercayaan yang lebih besar aas keepaan hasil yang diperoleh dalam mendukung pembuaan kepuusan unuk pemecahan masalah Pola Daa Menuru Maman A. Djauhari (1986, p1.8), ada beberapa jenis daa yang khas yang dapa diramalkan pada peramalan daa yang akan daang, yaiu: 1. Pola daa sasioner Bila daa berflukuasi di sekiar mean yang konsan.

9 17 y waku Gambar 3.1. Pola daa sasioner 2. Pola daa musiman Terjadi jika daa dipengaruhi oleh fakor musim. Musim disini dapa berupa waku seengah-ahunan, seperempa-ahunan, mingguan, aau bahkan harian. y waku Gambar 3.2. Pola daa musiman 3. Pola daa siklik (periodik) Terjadi bilamana daanya dipengaruhi oleh flukuasi ekonomi jangka panjang. y waku Gambar 3.3. Pola daa siklik 4. Pola daa rend Variasi daa dari suau waku ke waku lainnya memiliki kecenderungan (rend) naik aau urun.

10 18 y waku Gambar 3.4. Pola daa rend Meode Dekomposisi Pengerian meode dekomposisi Meode dekomposisi ermasuk dalam meode dere waku yang mendasarkan penganalisaan unuk mengidenifikasikan iga fakor uama yang erdapa dalam suau dere waku. Tiga fakor uama iu adalah fakor rend, musiman, dan siklus. Fakor rend menggambarkan perilaku daa dalam jangka panjang, dapa meningka, menurun, aau idak berubah. Fakor musiman berkaian dengan flukuasi periodik dengan panjang konsan yang disebabkan oleh hal-hal seperi emperaur, curah hujan, bulan pada suau ahun, saa liburan, maupun kebijaksanaan perusahaan. Sedangkan fakor siklus merupakan pola berkala yang erjadi dan berulang kembali seelah suau masa dalam beberapa ahun (jika fakor musiman berulang dalam inerval yang eap seperi minggu, bulan, aau ahun; fakor siklus mempunyai jangka waku yang lebih lama dan lamanya berbeda dari sau siklus ke siklus lainnya). Dengan menggunakan daa yang ada, makan model dekomposisi diasumsikan sebagai gabungan dari komponen: daa = pola + kesalahan (error) = f (rend, siklus, musim) + error

11 19 Error yang erdapa diaas merupakan perbedaan yang diasumsikan diperoleh dari kombinasi hasil anara komponen rend, siklus, dan musim dari dere waku dengan daa yang sebenarnya. Model dekomposisi merupakan pendekaan peramalan erua yang mulai dikenal dan digunakan pada awal abad ke-20 oleh para ahli ekonomi unuk menganalisa dan mengendalikan siklus ekonomi. Benuk radisional dari meode dekomposisi yang klasik dinyaakan sebagai beriku: ( T, S, C I ) X = f,...(3.1) Dimana: X = nilai dere waku (acual daa) pada periode. T = komponen rend pada periode. I = komponen musiman pada periode. C = komponen siklus pada periode. E = komponen irregular aau error pada periode. Model ini dapa dilakukan dengan benuk perkalian aau penjumlahan. Teapi model penjumlahan dalam pengerjaannya lebih suli, hal ini disebabkan karena masingmasing komponen berdiri sendiri, sehingga rend idak mempunyai pengaruh aas fakor musim, benuknya yaiu: X = I + T + C + E...(3.2) Oleh karena iu model penjumlahan, kecuali unuk waku yang sanga pendek, idak banyak digunakan dibanding dengan model perkalian. Dalam benuk perkalian, model ersebu berbenuk: X = I T C E...(3.3)

12 Meode Dekomposisi dengan Rasio Raa-raa bergerak (Raio-o-Moving- Average) Meode dekomposisi raa-raa sederhana dan rasio-rend pada masa lalu elah digunakan eruama karena perhiungannya yang mudah. Teapi meode ersebu kehilangan daya ariknya dengan dikenalnya kompuer secara meluas. Sejak dikembangkan pada ahun 1920-an, meode rasio raa-raa bergerak merupakan prosedur dekomposisi yang elah banyak digunakan dalam beberapa puluh ahun lamanya. Meode ini berasumsi pada model muliplikaif dalam benuk: X = I T C E...(3.4) Meode rasio raa-raa bergerak mula-mula memisahkan unsur rend-siklus dari daa dengan menghiung raa-raa bergerak yang jumlah unsurnya sama dengan panjang musiman. Raa-raa dengan panjang seperi ini idak mengandung pengaruh musiman dan anpa aau sediki sekali unsur acak. Raa-raa bergerak yang dihasilkan, M, adalah M = T C...(3.5) Dari persamaan diaas dapa diperoleh persamaan: X M I T C E = = I E...(3.6) T C Persamaan diaas merupakan rasio dari daa yang sebenarnya dengan raa-raa bergerak dan mengisolasi dua komponen dere berkala lainnya. Nilai rasio ersebu berkisar di anara 100, menunjukkan pengaruh musiman pada nilai raa-raa daa yang elah dihilangkan fakor musimannya (deseasionalized). Langkah selanjunya dalam meode ini adalah menghilangkan keacakan dari nilai-nilai yang diperoleh dari persamaan diaas dengan menggunakan suau benuk raa-

13 21 raa pada bulan yang sama. Dekomposisi rasio pada raa-raa bergerak menggunakan pendekaan yang disebu dengan meode raa-raa medial. Langkah erakhir dalam meode ini adalah memisahkan fakor rend dari siklus. Hal ini dilakukan dengan membagi persamaan diaas dengan garis rend linear unuk daa yang dikeahui. Persamaan ersebu diambil dari persamaan regresi linear yang menggambarkan hubungan anara variabel bebas dan idak bebas, yaiu: Y = a + bx dimana a menyaakan inersep dan b kemiringan garis dari suau grafik. Kemudian unuk memperoleh rumus menghiung a dan b dapa dicari melalui penurunan rumus dibawah ini: Y = na + i bx i X iyi a X i + = b X i Sehingga diperoleh: Yi X i a = b aau a = Y bx n n X i n X i X n Yi X i Yi b = aau 2 X i X iyi X b = 2 X X i Y X i i Sehingga bila dierapkan dalam persamaan unuk mencari garis rend linear maka diperoleh rumus: T () = X = a b...(3.7) + dimana n ( ) 2 n X X b =...(3.8) 2 X a = b...(3.9) n n

14 22 sehingga hasilnya adalah: M T T C = = C...(3.10) a + b () Unuk menyiapkan ramalan, nilai kecenderungan unuk periode yang akan diramalkan dikalikan dengan indeks musiman dan fakor siklus yang sesuai Meode Dekomposisi Census II Meode Census II dikembangkan oleh Biro Sensus Deparemen AS. Julius Shiskin dianggap sebagai konribuor uama dalam pengembangan meode ini. Meode Census II melipui 4 fase yang berbeda. Fase-fase ersebu adalah: 1. Penyesuaian Hari Perdagangan (Trading Day). Penyesuaian hari perdagangan diperlukan karena suau bulan erenu mungkin idak mempunyai jumlah hari perdagangan yang sama dalam ahun yang berbeda. Hal ini pening karena dapa mempengaruhi fakor penjualan. Langkah perama adalah menenukan jumlah hari perdagangan unuk seiap bulan dari ahun yang dibicarakan. Kemudian, dihiung jumlah hari kerja raa-raa unuk seiap bulan. Raa-raa yang sesuai ersebu lalu dipakai unuk membagi nilainilai yang sebenarnya dari bulan yang bersangkuan. 2. Penyesuaian Musiman Awal Fase ini unuk membua pemisahan awal dari musiman erhadap unsur rend siklus dan kemudian memisahkan keacakannya. Langkah-langkahnya yaiu: Perhiungan raa-raa Bergerak Terpusa 12-bulanan. Raa-raa bergerak 12-bulanan yang dierapkan pada daa asli akan menghilangkan sebagian besar unsur musiman dan unsur acak yang erdapa di dalam dere daa. Secara maemais perhiungan ini melipui:

15 23 X = I T C E...(3.11) M = T C...(3.12) X M I T C E = R = = I E...(3.13) TC Pengganian Nilai-nilai Eksrim Tugas selanjunya adalah pengeluaran nilai eksrim ersebu sebelum unsur random dihilangkan. Proses ini melipui: i. Hiung raa-raa bergerak 3 x 3 bulan. ii. Hiung deviasi sandar. Fakor Musiman Awal Langkah erakhir ini adalah membagi daa asli dengan fakor musiman yang memperoleh dere daa yang elah disesuaikan menuru musim pendahuluan. Dere daa ini membenuk dasar unuk menyempurnakan aksiran selanjunya dari unsur musiman, unsur rend-siklus, dan unsur acak yang diperlihakan sebagai ahap keiga dari Census II. Nilai daa ersebu dapa diulis secara maemais sebagai: X I T C E = T C E...(3.14) PI = = I I dimana PI adalah nilai yang elah disesuaikan menuru musim pendahuluan. 3. Penyesuaian Musiman Akhir Dalam ahap Census II ini dere daa musiman awal yang elah disesuaikan ersebu diproses lebih lanju dengan menggunakan raa-raa bergerak unuk

16 24 menghilangkan seiap pengaruh musiman dan unsur acak yang ak erdeeksi sebelumnya. Langkahnya, yaiu: Mengisolasi Trend-Siklus Dengan menggunakan daa yang elah disesuaikan menuru musim sebagai iik awal, unsur acak dihilangkan dengan menggunakan raa-raa bergerak berbobo 15-bulanan dari Spencer. Bila daa asli dibagi oleh raa-raa bergerak 15-daa Spencer, maka yang inggal hanya fakor musiman random akhir dan secara maemais diunjukkan dengan persamaan: X I T C E FIE = = = M ' TC I E...(3.15) dimana M ' adalah MA 15-daa dari Spencer dan FIE adalah rasio musiman random akhir. Rasio Musiman-Acak Akhir Rasio musiman-acak akhir dihiung dengan membagi daa asli dengan nilai yang diperoleh dari rumus 15-bulanan dari Spencer. Nilai ini digunakan sebagai iik awal unuk menggani nilai eksrim dan menyesuaikan rasio sehingga jumlahnya Fakor Musiman Akhir Secara maemais, langkah ini sama dengan menghiung nilai yang diharapkan unuk menghilangkan adanya unsur acak yang masih ada, dirumuskan sebagai: ( I E ) I FA ' = ε =...(3.16)

17 25 dimana FA' adalah fakor penyesuaian musiman akhir unuk periode dan ε menunjukkan nilai yang diharapkan. Dere Daa Akhir yang Disesuaikan Menuru Musim Dere daa akhir yang elah disesuaikan menuru musim diperoleh dengan membagi daa asli dengan fakor penyesuaian musiman akhir. Karena penyesuaian musiman cenderung memperhalus dere daa, maka hasilnya lebih nyaa dan aksiran yang elah dihaluskan dari pola rend-siklus lebih banyak ercampur dengan unsur random. X I T C E = T C E...(3.17) ε FA = = ( I E ) I Sebelum dilanjukan dengan fase akhir dari census II, diperlukan dua himpunan nilai ambahan unuk dere berkala ersebu, yaiu nilai akhir aksiran rend-siklus dan aksiran akhir dari komponen acak. Secara maemais, persamaan ersebu dapa dinyaakan sebagai: FA T C E RC = = = FA' TC E...(3.18) Meode Census II ampaknya sanga rumi karena banyaknya langkah yang harus dilakukan. Walaupun demikian, ide dasarnya adalah memisahkan unsur musiman, unsur rend-siklus, dan komponen acak sau per sau. 4. Pengujian dan Saisik ringkas Seelah fase 3 selesai dilakukan dan komponen dasar dari dere berkala ersebu diaksir, dalam fase 4 dilakukan pengujian dere daa unuk menenukan apakah

18 26 dekomposisi ersebu sukses aau idak. Dibawah ini erdapa empa jenis pengujian yang paling sering dipakai: Uji Bulan yang Berdekaan (Adjacen Monh Tes) Menghiung rasio bulan erenu erhadap nilai raa-raa dari bulan yang sebelumnya dan sesudahnya memberikan indikasi bagaimana bulan erenu ersebu berbeda dari bulan yang sebelumnya dan yang sesudahnya. Uji Januari Membagi dere daa akhir yang elah disesuaikan menuru musim dengan nilai yang bersangkuan dari seiap bulan Januari yang sebelumnya menghasilkan himpunan nilai yang elah disandarkan dengan bulan Januari sebagai dasar. Uji Ekualias Uji ini unuk menenukan apakah erjadi penyesuaian yang berlebihan dengan membagi raa-raa bergerak 12-bulan dari daa yang elah disesuaikan menuru musim dengan raa-raa bergerak 12-bulan dari daa asli. Uji Perubahan Persenase Terdapa beberapa uji perubahan persenase yang masing-masing melipui penenuan persenase dari perubahan unuk seiap bulan yang lalu. Ada empa uji perubahan persenase yang sering digunakan, yang

19 27 sau unuk daa asli dan yang lain masing-masing unuk komponen uama dere berkala (musiman, rend, siklus, dan unsur acak) Ukuran Akurasi Peramalan Salah sau hal yang menjadi perhaian uama dalam peramalan adalah bagaimana caranya unuk mengukur kesesuaian suau meode peramalan dalam hal penerapannya pada kumpulan daa yang elah ersedia. Menuru Lerbin R, Arionang R (2002, p35), selain berdasarkan daa, pemilihan ehnik peramalan juga didasarkan pada ukuran lainnya, yaiu error(e) aau kesalahan yang merupakan selisih nilai dari daa yang ada dengan nilai proyeksinya unuk iap periode. Hal ersebu dapa diulis sebagai: e = Y F Jika erdapa beberapa observasi dan peramalan unuk n periode, maka akan ada kesalahan aau error sebanyak n, dan ukuran sandard saisik yang berlaku menuru Makridakis( 1998, p43) adalah: 1. Nilai engah gala (Mean Error): ME = 1 n n e = 1...(3.19) 2. Nilai engah gala absolu (Mean Absolu Error): MAE = 1 n n = 1 e...(3.20) 3. Nilai engah gala kuadra (Mean Squared Error): MSE = 1 n n 2 e = 1...(3.21)

20 28 Menuru Makridakis (1999, p59), unuk model gala diaas mempunyai 2 kelemahan, yaiu: Ukuran ini menunjukkan pencocokan suau model erhadap daa hisoris. Pencocokan ini idak perlu mengimplikasikan peramalan yang baik. Suau model yang erlalu cocok dengan dere daanya berari model iu idak berhasil mengenali pola non acak dalam daa. Berhubungan dengan kenyaaan bahwa meode yang berbeda akan menggunakan prosedur yang bebeda pula dalam fase pencocokannya, maka perlu diperhaikan meode apa yang dipakai. Karena kelemahan diaas, maka diperlukan penggunaan ukuran alernaif yang menyangku gala persenase, yaiu: Gala persenase (Percenage Error): Y F PE = (3.22) Y Nilai engah gala persenase (Mean Percenage Error): MPE = 1 n n = 1 PE...(3.23) Nilai engah absolu gala persenase (Mean Absolu Percenage Error): MAPE = 1 n n = 1 PE...(3.24) 3.2. Model Rekayasa Pirani Lunak Model rekayasa pirani lunak yang dipakai oleh penulis adalah model sequenial linear. Model ini disebu juga model waerfall. Model waerfall merupakan model perancangan sofware yang menyarankan pendekaan secara sisemaik unuk

21 29 pengembangan sofware yang dimulai pada level sysem dan perkembangan melalui analisis, desain, coding dan suppor. Analisis kebuuhan Desain Coding Impelemenasi dan pengujian Pemeliharaan Gambar 3.5. Waerfall model Analisis kebuuhan Proses pengumpulan kebuuhan diinensifkan dan difokuskan spesifik pada perangka lunak. Tahap ini berujuan unuk mengeahui kebuuhan pirani lunak, sumber informasi pirani lunak, fungsi yang dibuuhkan, kemampuan pirani lunak, dan ampilan anar muka pirani lunak ersebu. Desain Desain pirani lunak merupakan proses yang fokus pada 4 aribu pada program, yaiu: srukur daa, arsiekur pirani lunak, represenasi user inerface dan deail prosedural proses desain menranslasikan pengumpulan kebuuhan menjadi represenasi pirani lunak yang dapa menilai kualias sebelum coding dimulai. Coding

22 30 Desain harus diranslasikan ke dalam benuk bahasa pemrograman. Langkah coding melakukan ugas ini dan dapa dikerjakan secara mekanis. Implemenasi dan pengujian Keika coding elah selesai dilaksanakan, pengujian program dimulai. Proses pengujian difokuskan pada logika inernal pirani lunak, memasikan bahwa semua saemen elah diuji coba, dan pada fungsional eksernal, melakukan es unuk mengaasi kesalahan dan memasikan bahwa inpu erdefinisi akan menghasilkan hasil sebenarnya yang sesuai dengan hasil yang dibuuhkan. Pemeliharaan Pirani lunak pasi mengalami perubahan seelah diberikan kepada user lain. Dukungan pemeliharaan pirani lunak menerapkan kembali seiap fase sebelumnya ke dalam program yang sudah ada.