Bab II LANDASAN TEORI

Transkripsi

1 5 Bab II LANDASAN TEORI 2.1 Pengerian Peramalan Menuru Sofjan Assauri (1984, p1), kegiaan unuk memperkirakan apa yang akan erjadi pada masa yang akan daang, kia kenal dengan apa yang disebu peramalan (forecasing). Menuru Sri Mulyono (2000, p1), peramalan adalah suau proses memperkirakan secara sisemaik enang apa yang paling mungkin erjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih anara apa yang erjadi dengan hasil perkiraan) dapa diperkecil. Peramalan juga dapa diarikan sebagai usaha memperkirakan perubahan. Agar idak disalahpahami bahwa peramalan idak memberi jawaban pasi enang apa yang akan erjadi, melainkan berusaha mencari yang sedeka mungkin dengan yang akan erjadi. Dengan demikian ugas ini masih dalam kapasias pikiran manusia. Saa ini hampir semua organisasi memerlukan perkiraan masa depan unuk membanu menenukan kepuusan erbaik Kegunaan dan Peran Peramalan Gambaran perkembangan pada masa depan diperoleh dari hasil analisa daa yang didapa dari peneliian yang elah dilakukan. Perkembangan pada masa depan merupakan perkiraan apa yang akan erjadi, sehingga dapalah dikaakan bahwa peramalan selalu diperlukan di dalam peneliian. Baik idaknya hasil suau peneliian sanga dienukan oleh keepaan ramalan yang dibua. Demikian pula,

2 6 baik idaknya rencana yang disusun juga sanga dienukan oleh keepaan ramalan yang dibua. Oleh karena iu, keepaan dari ramalan ersebu merupakan hal yang sanga pening. Walaupun demikian perlu disadari bahwa suau ramalan adalah eap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang pening diperhaikan adalah usaha unuk memperkecil kemungkinan kesalahan ersebu Jenis-jenis Peramalan Pada umumnya peramalan dapa dibedakan dari beberapa segi erganung dari cara melihanya. Apabila diliha dari sifa penyusunannya, maka peramalan dapa dibedakan aas dua macam, yaiu : a. Peramalan yang subyekif, yaiu peramalan yang didasarkan aas perasaan aau inuisi dari orang yang menyusunnya. Dalam hal ini pandangan aau judgemen dari orang yang menyusunnya sanga menenukan baik idaknya hasil ramalan ersebu. b. Peramalan yang objekif, yaiu peramalan yang didasarkan aas daa yang relevan pada masa lalu, dengan menggunakan eknik-eknik dan meode-meode dalam penganalisaan daa ersebu. Disamping iu, jika diliha dari jangka waku ramalan yang disusun, maka peramalan dapa dibedakan aas dua macam pola, yaiu : a. 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 misalnya

3 7 diperlukan dalam penyusunan rencana pembangunan suau negara aau daerah, coorporae planning, rencana invesasi aau rencana ekspansi dari suau perusahaan. b. Peramalan jangka pendek, yaiu peramalan yang dilakukan unuk penyusunan hasil ramalan dengan jangka waku yang kurang dari sau seengah ahun, aau iga semeser. Peramalan seperi ini diperlukan dalam penyusunan rencana ahunan, rencana kerja operasional, dan anggaran, conohnya penyusunan rencana produksi, rencana penjualan, rencana pengadaan, rencana persediaan, anggaran produksi, anggaran pemasaran, dan anggaran perusahaan. Berdasarkan sifa ramalan yang elah disusun, maka peramalan dapa dibedakan aas dua macam, yaiu : a. Peramalan kualiaif, yaiu peramalan yang didasarkan aas daa kualiaif pada masa lalu. Hasil peramalan yang dibua sanga erganung pada orang yang menyusunnya. Hal ini pening karena hasil peramalan ersebu dienukan berdasarkan pemikiran yang bersifa inuisi, judgemen aau pendapa, dan pengeahuan sera pengalaman dari penyusunnya. Biasanya peramalan secara kualiaif ini didasarkan aas hasil peneliian, seperi Delphi, S-curve, analogies dan peneliian benuk aau morphological research, aau didasarkan aas ciri-ciri normaif seperi decision marices aau decision rees. b. Peramalan kuaniaif, yaiu peramalan yang didasarkan aas daa kuaniaif pada masa lalu. Hasil peramalan yang dibua sanga

4 8 erganung pada meode yang dipergunakan dalam peramalan ersebu. Dengan meode yang berbeda akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhaikan dari penggunaan meode-meode ersebu, adalah baik idaknya meode yang dipergunakan, sanga dienukan oleh perbedaan aau penyimpangan anara hasil ramalan dengan kenyaaan yang erjadi. Meode yang baik adalah meode yang memberikan nilai-nilai perbedaan aau penyimpangan yang mungkin. Peramalan kuaniaif hanya dapa digunakan apabila erdapa iga kondisi : 1.) Adanya informasi enang keadaan yang lain. 2.) Informasi ersebu dapa dikuanifikasikan dalam benuk daa. 3.) Dapa diasumsikan bahwa pola yang lalu akan berkelanjuan pada masa yang akan daang Langkah-langkah Peramalan Kualias aau muu dari hasil peramalan yang disusun, sanga dienukan oleh proses pelaksanaan penyusunannya. 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.) Menganalisa daa yang lalu, ahap ini berguna unuk pola yang erjadi pada masa lalu. Analisa ini dilakukan dengan cara membua abulasi dari daa yang lalu. Dengan abulasi daa, maka dapa dikeahui pola dari daa ersebu.

5 9 2.) Menenukan meode yang dipergunakan. Masing-masing meode akan memberikan hasil peramalan yang berbeda. Seperi elah diuarakan sebelumnya bahwa, meode peramalan yang baik adalah meode yang memberikan hasil ramalan yang idak jauh berbeda dengan kenyaaan yang erjadi. Dengan perkaaan lain, meode peramalan yang baik adalah meode yang menghasilkan penyimpangan anara hasil peramalan dengan nilai kenyaaan yang sekecil mungkin. 3.) Memproyeksikan daa yang lalu dengan menggunakan meode yang dipergunakan, dan memperimbangkan adanya beberapa fakor perubahan. Fakor-fakor perubahan ersebu anara lain erdiri dari perubahan kebijakan-kebijakan yang mungkin erjadi, ermasuk perubahan kebijakan pemerinah, perkembangan poensi masyaraka, perkembangan eknologi dan penemuan-penemuan baru, dan perbedaan anara hasil ramalan yang ada dengan kenyaaan. Dengan memperhaikan fakor-fakor ersebu, maka akan dapa dienukan hasil ramalan yang erakhir. Hasil inilah yang dipergunakan sebagai dasar unuk perencanaan dan pengambilan kepuusan. 2.2 Pengerian Meode Peramalan Meode peramalan adalah cara memperkirakan secara kuaniaif apa yang akan erjadi pada masa depan berdasarkan daa yang relevan pada masa lalu. Oleh karena meode peramalan didasarkan aas daa yang relevan pada masa lalu, maka meode

6 10 peramalan ini dipergunakan dalam peramalan yang obyekif. Disamping iu, meode peramalan juga merupakan cara memperkirakan secara kuaniaif, maka oleh karena iu meode peramalan ermasuk dalam kegiaan peramalan kuaniaif Kegunaan Meode Peramalan Sebagaimana dikeahui bahwa meode merupakan cara berpikir yang sisemais dan pragmais aas pemecahan suau masalah. Dengan dasar ini, maka meode peramalan merupakan cara memperkirakan apa yang akan erjadi pada masa depan secara sisemais dan pragmais ; sehingga meode peramalan sanga berguna unuk dapa memperkirakan secara sisemais dan pragmais aas dasar daa yang relevan pada masa lalu, dengan demikian meode peramalan diharapkan dapa memberikan objekivias yang lebih besar. Disamping iu, meode peramalan juga memberikan uruan pengerjaan dan pemecahan aas pendekaan suau masalah dalam peramalan ; sehingga bila digunakan pendekaan yang sama aas permasalahan dalam suau kegiaan peramalan, maka akan didapa dasar pemikiran dan pemecahan yang sama aas suau masalah dalam peramalan, maka akan didapakan dasar pemikiran dan pemecahan yang sama, karena argumenasinya sama. Selain iu, meode peramalan memberikan cara pengerjaan yang eraur dan erarah, sehingga dengan demikian dapa dimungkinkannya penggunaan eknik-eknik penganalisaan yang lebih maju. Dengan penggunaan eknik-eknik ersebu, maka diharapkan dapa memberikan ingka kepercayaan aau keyakinan yang lebih besar, karena dapa diuji dan dibukikan penyimpangan aau deviasi yang erjadi secara ilmiah.

7 11 Dari uraian ini, dapalah disimpulkan bahwa meode peramalan sanga berguna, karena akan membanu dalam mengadakan pendekaan analisa erhadap ingkah laku, aau pola dari daa yang lalu ; sehingga dapa memberikan cara pemikiran, pengerjaan dan pemecahan yang sisemais dan pragmais, sera memberikan ingka keyakinan yang lebih besar aas keepaan hasil ramalan yang dibua aau disusun Jenis-jenis Meode Peramalan Dari uraian sebelumnya elah dibaasi bahwa meode peramalan yang akan dibahas adalah cara memperkirakan sesuau yang akan erjadi pada masa depan secara kuaniaif. Oleh karena iu, dalam pembahasan selanjunya akan diekankan pada peramalan kuaniaif. Pada dasarnya meode peramalan kuaniaif ini dapa dibedakan aas : a. Meode peramalan yang didasarkan aas penggunaan analisa pola hubungan anara variabel yang akan diperkirakan dengan variabel waku, yang merupakan dere waku, aau ime series. b. Meode peramalan yang didasarkan aas penggunaan analisa pola hubungan anara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waku, yang disebu meode korelasi aau sebab akiba (causal mehod) Meode Raa-Raa bergerak (Moving Average) Meode ini menggunakan pendekaan aau analisanya pada seluruh daa masa lalu yang dijadikan dasar dalam penyusunan ramalan pada masa yang akan

8 12 daang. Jadi seluruh daa masa lalu mempengaruhi nilai ramalan pada masa yang akan daang. Tujuan uama dari penggunaan raa-raa bergerak adalah unuk menghilangkan aau mengurangi acakan (randomness) dalam dere waku. Tujuan ini dapa dicapai dengan meraa-raakan beberapa nilai daa bersamasama, dengan cara mana kesalahan-kesalahan posiif dan negaif yang mungkin erjadi dapa dikeluarkan aau dihilangkan. Teknik raa-raa bergerak dalam dere waku erdiri dari pengambilan suau kumpulan nilai-nilai yang diobservasi, mendapakan raa-raa dari nilai ini, dan kemudian menggunakan nilai raa-raa ersebu sebagai ramalan unuk periode yang akan daang. Angka realisasi dari observasi yang lalu ermasuk dalam nilai raa-raa yang harus dispesifikasikan pada saa permulaan ramalan dilakukan. Isilah raa-raa bergerak dipergunakan karena begiu seiap observasi baru dalam dere ersedia, maka observasi yang paling erdahulu dikeluarkan dan kemudian suau nilai raa-raa yang baru dihiung. Hasil perhiungan raa-raa bergerak aas seluruh kumpulan angka aau nilai daa adalah suau dere baru dari angka dengan sediki aau hampir idak ada keidakauran aau acakan (randomness). Kemampuan raa-raa bergerak unuk menghilangkan keidakauran aau acakan dapa dipergunakan dalam dere waku adalah unuk dua ujuan, yaiu unuk menghilangkan rend dan unuk menghilangkan musiman (seasonaliy). Jadi meode ini dapa dipergunakan sebagai ala peramalan bila daa yang diobservasi adalah sais aau idak banyak perubahannya.

9 13 Secara aljabar, eknik peramalan dengan meode raa-raa bergerak dapa dinyaakan dengan formula yang sederhana sebagai beriku : F + 1 ( X + X + + X ) 1... N + 1 = Persamaan (2.1) N Aau F = X i N i= N + 1 Persamaan (2.2) Aau ( ) MA k Y + Y Y k + 1 = Y + 1 = Persamaan (2.3) N Dimana adalah nilai yang paling akhir dan + 1 adalah periode berikunya, unuk periode mana suau ramalan dibua. F +1 = Y +1 = nilai ramalan unuk periode yang beriku, +1. X, -1, -2, = nilai observasi / sebenarnya dari variable iu pada periode, -1, -2, Y = nilai akual pada periode N = K = jumlah observasi yang dipergunakan dalam menghiung raaraa bergerak. Ada dua ciri uama dari formula ersebu, yang merupakan pembaasan dari eknik ramalan dengan raa-raa bergerak. Perama, raa-raa yang dihasilkan dengan imbangan raa-raa unuk seiap N observasi. Kedua, suau observasi unuk periode -N+1 elah dikeahui sebelumnya bersama-sama dengan ramalan.

10 Meode Exponenial Smoohing Meode ini hanya membuuhkan dua iik aau buir daa guna meramalkan nilai yang akan erjadi pada masa yang akan daang. Dengan rumusan sebagai beriku : ( 1 ) X + ( 1 ) F F = Persamaan(2.4) N N Dari persamaan (2.4) dapa dikeahui, bahwa ramalan yang dibua didasarkan aas imbangan aau bobo yang digunakan unuk nilai observasi yang paling akhir adalah sebesar 1/N, dan imbangan unuk nilai ramalan unuk observasi pada periode ersebu adalah sebesar 1-1/N. Jika N adalah suau angka posiif yang nilainya lebih besar dari nol, maka nilai 1/N akan merupakan suau konsana, yang nilainya berkisar dianara nol (bila N = ½) dan sau (bila N =1). Bila α disubsiusikan aas 1/N, maka persamaan (2.4) diaas menjadi : Aau Aau Dimana : F + = αx + 1 ( α ) F 1 Persamaan(2.5) ( α ) Y perkiraan Y + 1 perkiraan = αy + 1 Persamaan(2.6) ( Y Y perkiraan) Y + 1 perkiraan = Y perkiraan + α Persamaan(2.7) Y +1 perkiraan = Nilai pemulusan baru aau nilai ramalan periode beriku α = Konsana pemulusan (0 < α < 1) Y = Pengamaan baru aau nilai akual dari dere pada periode Y perkiraan = Nilai pemulusan baru aau nilai ramalan periode

11 15 Exponenial smoohing hanya membuuhkan daa dan perhiungan yang idak erlalu banyak. Oleh karena iu meode ini sanga menarik bagi penyusunan ramalan unuk sejumlah besar iem. Perlu diperhaikan dalam penggunaan meode ini bahwa periode perama dari peramalan ini adalah bila idak ersedia aau idak erdapa hasil aau nilai ramalan pada periode sebelumnya. Pemecahan masalah ini dapa dilakukan dengan menggunakan nilai observasi yang perama sebagai ramalan perama Meode Linear Moving Average Sekarang akan diunjukkan cara meramal daa yang punya rend dengan variasi model moving average, yaiu dengan linear moving average. Ini meode ini adalah menghiung double moving average. Sesuai dengan namanya, ia berari suau moving average dari moving average, dengan prosedur perhiungan seperi beriku (Sri Mulyono, p129) : Perama, hiung moving average, ( n) 1 ( Y + Y + Y + Y ) MA = n n+ 1 Persamaan (2.8) Kedua, hiung moving average kedua, MA ( n) = 1 ( MA( n) + MA( n) + MA( n) ) n+ 1 n Persamaan(2.9) Keiga, hiung nilai moving average yang elah disesuaikan, yaiu : ( ) + ( MA( n) MA ( n) ) = 2 MA( n) MA ( n a = MA n ) Persamaan(2.10) Keempa, hiung komponen rend yang serupa dengan slope, namun dapa berubah dari waku ke waku, adalah :

12 ( ) MA( n) MA ( n) ( ) b = 2 n 1 Persamaan(2.11) Kelima, bua persamaan unuk meramal m periode kedepan dengan linear moving average model, seperi beriku : Y ˆ = a b m Persamaan(2.12) + m + m = jumlah periode kedepan yang akan diramalkan Meode Linear Exponenial Smoohing Peramalan dengan menggunakan meode linear exponenial smoohing dapa dilakukan dengan perhiungan yang hanya membuuhkan iga buah nilai daa dan sau nilai α. Pendekaan ini juga memberikan imbangan (bobo) yang menurun unuk daa aau observasi yang lebih lama. Dasar pemikiran dari meode linear exponenial smoohing ini adalah, baik nilai pelicin (smoohing value) unggal maupun ganda erdapa pada waku sebelum daa sebenarnya, bila pada daa iu ada rend. Disamping iu unuk menyesuaikan rend, maka nilai-nilai pelicin unggal (smoohing value) diambahkan nilai-nilai pelicin ganda (double smoohing value). Persamaanpersamaan yang digunakan dalam penerapan meode ini dikenal dengan nama Brown s one parameer linear exponenial smoohing. Pada dasarnya formula yang digunakan adalah : F + m = a + b m Persamaan(2.13) Sedangkan : ( S S ) = S S a = S + 2 Persamaan(2.14)

13 17 α b = 1 α ( S S ) Persamaan(2.15) Dimana : ( 1 α ) S 1 S = + α X Persamaan(2.16) ( 1 α ) S 1 S = + α S Persamaan(2.17) m = jumlah periode di masa daang yang akan diramalkan S = nilai exponenial smoohing unggal. S = nilai exponenial smoohing ganda Meode Dekomposisi Meode dekomposisi merupakan salah sau meode peramalan erua yang biasanya digunakan, dimana bagian pening dari meode ini yaiu dengan memasukkan konsep indeks musiman. Konsep ini pening sebab kebanyakan daa dere waku pada dunia usaha dan ekonomi mengandung unsur musiman (Delurgio, 1998, p175) Dalam rangka penyusunan ramalan jangka pendek dan sedang, perlu diperhaikan adanya pengaruh variasi musim. Yang dimaksudkan dengan variasi musim adalah flukuasi di sekiar garis rend yang berulang secara eraur dalam periode yang sama pada seiap ahun. Dalam hal ini meode variasi musim ermasuk ke dalam meode dere waku. Teknik peramalan yang menggunakan meode ini didasarkan pada penganalisaan pola dari daa pada masa lalu dan mengeksrapolasikan pola ersebu unuk masa yang akan daang. Teknik peramalan ini membuuhkan pembedaan dan pengisolasian pola variasi musim

14 18 dengan unsur acakan (random) dan variasi lainnya (variasi siklus). Dalam beberapa daa dere waku, mungkin dapa dilakukan pemecahan pola daa ersebu dikenal dengan eknik dekomposisi. Selanjunya peramalan dapa dilakukan aas dasar eknik dekomposisi ersebu. Meode dekomposisi mendasarkan penganalisaan unuk mengidenifikasikan iga fakor uama yang erdapa dalam suau dere waku, yaiu : fakor rend, fakor musim, dan fakor siklus. Fakor Trend : menggambarkan perilaku daa dalam jangka panjang, yang dapa bersifa menaik, menurun, aau idak berubah. Misalnya: daa peningkaan mengenai penjualan perumahan yang (sebagian) erjadi karena adanya perumbuhan penduduk jangka panjang. Fakor Musim : berkaian era dengan flukuasi periodic yang relaif konsan di sekiar garis rend yang berulang secara eraur dalam periode yang sama pada seiap ahun. Misalnya : volume penjualan pohon naal yang inggi pada bulan Desember dalam seiap ahun, aau volume penjualan buku pelajaran pada awal-awal iap ahun ajaran baru. Variasi daanya dapa erjadi dalam sauan hari, minggu, bulan, dan ahun. Fakor Siklus : merupakan suau pola daa berkala dalam dere waku yang erjadi dan berulang kembali seelah suau masa dalam beberapa ahun dan biasanya dengan waku yang idak sama. Oleh karena iulah facor siklis ini sanga suli unuk diramalkan. Misalnya : resesi, depresi, dan kondisi perekonomian lainnya. Perbedaan anara fakor siklus dan fakor musim adalah musim selalu berulang pada inerval waku yang eap sepanjang ahun, dalam ari musim akan

15 19 berulang seiap ahunnya aau kurang dari sau ahun, sedangkan siklus akan berulang kembali seelah lebih dari sau ahun, bahkan ada kemungkinan idak akan berulang kembali. Model dekomposisi mendasarkan asumsi bahwa daa yang ada merupakan gabungan dari komponen-komponen, Daa = pola + kesalahan aau error = f (rend, siklus, musim) + error Dalam hal ini erliha adanya unsur ambahan dari pola, yaiu : unsur error aau randomness (irregular), yang diasumsikan sebagai perbedaan dari kombinasi hasil dari keiga komponen (rend, siklus, dan musiman) dari dere daa dengan daa yang sebenarnya (acual). Ada beberapa pendekaan alernaif unuk mendekomposisi suau dere waku (ime series), dengan ujuan unuk mengisolasikan masing-masing komponen dari dere iu seepa mungkin. Konsep dasar dari meode dekomposisi adalah memisahkan secara empiris pengaruh dari fakor musim, pengaruh rend dan pengaruh siklus. Fakor gala yang idak lain adalah sisaan (selisih anara daa akual dan model) idak dapa diperkirakan eapi dapa diidenifikasikan. Di dalam beberapa hal, peramal hanya mendasarkan penyusunannya pada dua fakor yang pening, yaiu : rend dan musiman. Benuk model dekomposisi, adalah sebagai beriku : X = f (T, S, C, I ) Persamaan(2.18) Dimana : X = nilai dere waku (acual daa) pada periode T = komponen rend pada periode

16 20 S = komponen musiman (aau Index) pada periode C = komponen siklus pada periode I = komponen irregular aau error pada periode. Unuk menyaakan benuk model ini dapa dilakukan dengan benuk perkalian aau perambahan. Dalam benuk perkalian, formula ersebu umumnya dinyaakan sebagai : X = T. S. C,. I Persamaan(2.19) Model perkalian ini merupakan suau model yang sering digunakan dan dalam model ini komponen fakor musim dan siklus dinyaakan dalam benuk index. Unsur aau komponen acakan aau irregular merupakan sisa pelengkap, yang mungkin pula dipergunakan dalam perkalian seperi pada benuk diaas. Disamping model perkalian erdapa pula model perambahan aau penjumlahan. Dalam model ini, komponen aau fakor-fakor baik rend maupun musim dan siklus dinyaakan dalam nilai absolu. Model penjumlahan ernyaa lebih suli apabila dibandingkan dengan model perkalian didalam cara pengerjaannya, disebabkan karena masing-masing fakor aau komponen berdiri sendiri, sehingga rend idak mempunyai pengaruh aas fakor musim. Oleh karena iu pada umumnya model ini idak banyak dipergunakan, kecuali unuk waku yang sanga pendek, sehingga hampir seluruh pemakai analisa dekomposisi menggunakan meode perkalian. Teknik dekomposisi suau dere waku (ime series) : 1.) Unuk dere daa yang sebenarnya, X dihiung raa-raa bergerak (moving average) yang mempunyai panjang

17 21 massanya N, yang sama dengan panjang aau lamanya musiman. Maksud dari raa-raa bergerak ini adalah unuk menghilangkan musiman dan acakan (randomness) dalam daa. Pengraa-raaan sepanjang periode selama pola musim (yaiu 12 bulan, 4 riwulan aau 7 hari) akan menghilangkan musiman. Sedangkan kesalahan acakan (random) idak mempunyai pola yang sisemais, sehingga dengan pengraaraaan akan mengurangi erdapanya acakan (randomness) dere. 2.) Memisahkan hasil raa-raa bergerak dengan N periode pada buir sau di aas, dari dere asalnya, unuk dapa diperoleh rend dan siklus. 3.) Memisahkan fakor aau komponen musim dengan meraaraakannya unuk seiap periode unuk dapa membua panjang yang epa dari musiman. 4.) Mengidenifikasikan benuk yang epa dari rend (linear, exponenial, s-curve dan sebagainya) dan menghiung nilainilai pada periode T. 5.) Memisahkan hasil yang diperoleh pada buir aau ahap kedua dari yang keempa (nilai kombinasi rend dan siklus) unuk dapa memperoleh fakor siklus. 6.) Memisahkan fakor musiman, rend dan siklus dari dere daa asal unuk meperoleh fakor acakan yang ersisa I.

18 22 Langkah perama yang harus dilakukan dalam penganalisaan, adalah menghiung index musim. Index musim ini diperoleh dengan persamaan, index musim = TxSxC, unuk masing-masing periode TxC Persamaan (2.20) Aau Jika erdapa unsur random aau irregular dalam daa, maka nilai index musim digabungkan dengan unsur irregular ersebu, sebagai beriku : index musim + I = TxSxCxI, jika ermasuk random TxC Persamaan (2.21) Meode ini dipergunakan dengan menghiung raa-raa bergerak dan dipergunakan sebagai nilai pembagi aau penyebu aas nilai unuk masing-masing periode erenu, (dalam hal ini bulanan), X. Persamaan yang menghasilkan index musim bulanan ersebu adalah : X index musim = raa-raa bergerak di engah-engah aas X Persamaan(2.22) dimana = bulan yang ke Aau angka index musim suau periode, diperoleh dengan membagi daa sebenarnya pada periode iu dengan angka raa-raa per periode sebagai angka dasar, kemudian dikalikan dengan seraus. Jadi :

19 23 daa sebenarnya index musim = x 100 Persamaan(2.23) angka dasar dimana : angka dasar = angka raa-raa per periode Langkah berikunya dari prosedur ini adalah menghiung fakor rend. Ini dikerjakan dengan perhiungan persamaan regresi linear sederhana unuk daa raa-raa bergerak, perama-ama dihiung kemiringan garis rend, dengan persamaan : ( ΣXY ) ( ΣX )( ΣY ) N b = Persamaan (2.24) N ( ΣX 2 ) ( ΣX ) 2 Kemudian dihiung nilai inersep, sebagai beriku : ΣY ΣX a = b Persamaan (2.25) N N Kemudian dihiung persamaan unuk mendapakan fakor rend, sebagai beriku : Y = a + b X Persamaan (2.26) Dimana Y = nilai sebenarnya X = periode waku N = banyaknya daa Langkah berikunya menghiung fakor siklus, fakor ini diesimasi dengan merubah fakor musim dan kemudian fakor rend. Fakor siklus diubah dengan mengambil raa-raa bergerak dari daa, sebagai beriku :

20 24 moving average Siklus x unsur acakan = Trend Persamaan(2.27) Jika fakor siklus suli diidenifikasi, maka hanya akan dipakai fakor musim dan rend saja, sehingga nilai ramalannya menjadi : Nilai ramalan = fakor rend x indeks musiman Persamaan(2.28) Aau mengembalikan angka indeks proyeksi kedalam nilai sebenarnya yang menjadi angka ramalan, sebagai beriku : indeks musim proyeksi x angka dasar Angka ramalan = 100 Persamaan (2.29) Pemilihan Teknik dan Meode Peramalan Dalam pemilihan eknik dan meode peramalan, perama-ama kia perlu mengeahui ciri-ciri yang pening yang perlu diperhaikan bagi pengambilan kepuusan dan analisa keadaan, dalam mempersiapkan peramalan. Ada enam ciri uama yang perlu diperhaikan (Seven, 1980), yaiu : 1.) Horizon waku (ime horizon). 2.) Tingka Perincian (level of deail) 3.) Jumlah Produk 4.) Pengawasan versus Perencanaan 5.) Sabilias 6.) Prosedur Perencanaan yang ada. Adapun enam fakor uama yang dapa diidenifikasikan sebagai eknik dan meode peramalan, yaiu :

21 25 1.) Horizon waku (ime horizon). 2.) Pola dari daa 3.) Jenis dari model 4.) Biaya 5.) Keepaan (accuracy) 6.) Mudah idaknya penggunaan aau aplikasinya. Lalu unuk mengeahui meode peramalan erbaik yang dapa digunakan dari daa yang ada, akan dilakukan diagnosic checking yang erbaik dari model iu adalah model dengan koefisien lebih sediki (prinsip parsimony). Jika penerapan prinsip ini masih menyisakan lebih dari sau model, maka yang dipilih adalah model yang memberikan Mean Square Error (MSE) erkecil, yang bisa diliha dengan rumus : MSE = ( Y Yˆ ) n 2 Persamaan (2.27) dimana : Yˆ = nilai ramalan model Y = nilai sebenarnya n = jumlah peramalan daa yang dilakukan, misalnya : jumlah daa hasil ramalan = 6, sedangkan daa sebenarnya 10, maka n = 6.

22 Konsep Dasar Rekayasa Pirani Lunak Pengerian Rekayasa Pirani Lunak Pengerian rekayasa pirani lunak perama kali diperkenalkan oleh Friz Bauer sebagai peneapan dan penggunaan prinsip-prinsip rekayasa dalam usaha mendapakan pirani lunak yang ekonomis, yaiu pirani lunak yang erpercaya dan bekerja efisien pada mesin aau kompuer (Pressman, 1992, p19) Paradigma Rekayasa Pirani Lunak Terdapa lima paradigma (model proses) dalam merekayasa suau pirani lunak, yaiu The Classic Life Cycle aau sering juga disebu Waerfall Model, Prooyping Model, Fourh Generaion Techniques (4GT), Spiral Model, dan Combine Model. Pada penulisan skripsi ini dipakai model Prooyping Model. Menuru Pressman (1997, p19) pirani lunak elah menjadi elemen kunci dari evolusi compuer based-sysem dan compuer produc. Selama lebih dari empa dekade erakhir, pirani lunak elah berkembang dari sebuah pemecahan berorienasi permasalahan dan ala analisis informasi menjadi sebuah indusri sendiri. Namun kebiasaan pemrograman awal dan sejarah elah dengan sendirinya mencipakan sekumpulan masalah yang hingga kini masih ada. Pirani lunak elah menjadi fakor pembaas dalam evolusi compuer-based sysems. Berangka dari iulah dikembangkan meode yang menyediakan framework unuk membangun pirani lunak dengan kualias lebih inggi. Rekayasa pirani lunak (Sofware Engineering) berdasarkan Pressman (1997, p23) adalah sudi pendekaan unuk pengaplikasian secara sisemais,

23 27 pendekaan erukur unuk pengembangan, operasi, dan pemeliharaan dari sebuah pirani lunak. Waerfall model melipui langkah-langkah analisis masalah aau kebuuhan user, mendesain aplikasi yang akan dibua, coding, dan yang erakhir mengimplemenasikan aplikasi yang sudah dibua unuk kemudian dievaluasi oleh pengguna. Pada Waerfall model dapa dilakukan revisi di seiap prosesnya (Pressman,1997,p20-21). Pada Spiral model, langkah-langkahnya melipui komunikasi dengan user aau cusomer unuk mengeahui kebuuhan mereka, planning (ahap perencanaan), Risk analysis (ahap menganalisa masalah eknis dan yang mungkin erjadi), Engineering (ahap membua aplikasi), Consrucion and release (ahap unuk mengimplemenasikan aplikasi yang sudah jadi) dan yang erakhir evaluasi dari pengguna (Pressman,2001,p36-37). Fourh Generaion Techniques (4GT) merupakan suau derean dari sofware ools yang mempunyai sau kesamaan, yaiu semuanya memungkinkan sofware engineer unuk menspesifikasikan karakerisik erenu dari sebuah pirani lunak pada level inggi. Sedangkan Combine Model merupakan kombinasi dari model-model lainnya yang dianggap sesuai dengan kebuuhan pengguna (Pressman,2001,p44-45). Salah sau meode aau model yang dikemukakan para ahli dalam rekayasa pirani lunak yaiu meode prooyping. Pressman (1997, p285) menjelaskan bahwa kebanyakan meode pengembangan sekarang ini

24 28 merekomendasikan meode unuk mendefinisikan analisis kebuuhan dari pengguna secara lengkap, dan erakhir sebelum sisem digunakan oleh pengguna. Namun yang erjadi selama pengembangan sisem adalah walaupun sisem elah dibua dengan menggunakan eknologi ercanggih saa iu masih banyak kejadian apabila ernyaa banyak pengguna akhir yang menolak sisem yang sudah jadi iu karena dianggap idak epa guna aau belum selesai. Hal ini mengakibakan pengembang perlu unuk memperbaiki sisem kembali. Meode pengembangan prooyping menawarkan pendekaan alernaif yang menghasilkan model pirani lunak yang dapa dijalankan sehingga kebuuhan calon pengguna dapa direvisi kembali. Sebagai konsekuensinya, spesifikasi kebuuhan dianalisis kembali. Review bersama anara pengembang sisem dan calon pengguna akhir sanga pening sehingga mereka memiliki persepsi yang sama erhadap sisem. Menuru O Brien (1997, p391) prooyping dapa digunakan unuk aplikasi skala besar maupun skala kecil. Secara umum, sisem yang besar masih membuuhkan penggunaan pengembangan sisem secara radisional, eapi bagian dari sisemnya dapa dibua secara prooyping yang dapa diliha pada Gambar 2.1.

25 29 Gambar 2.1 Prooyping Model(O Brien,1997, p391) 2.4 Sae Transiion Diagram (STD) Sae Transiion Diagram merupakan sebuah modeling ool yang digunakan unuk mendeskripsikan sisem yang memiliki keerganungan erhadap waku. STD merupakan suau kumpulan keadaan aau aribu yang mencirikan suau keadaan pada waku erenu. Komponen-komponen uama STD adalah: a. Sae, disimbolkan dengan Sae merepresenasikan reaksi yang diampilkan keika suau indakan dilakukan. Ada dua jenis sae yaiu: sae awal dan sae akhir. Sae akhir dapa berupa beberapa sae, sedangkan sae awal idak boleh lebih dari sau. b. Arrow, disimbolkan dengan

26 30 Arrow sering disebu juga dengan ransisi sae yang diberi label dengan ekspresi auran, label ersebu menunjukkan kejadian yang menyebabkan ransisi erjadi. c. Condiion dan Acion, disimbolkan dengan Condiion Acion Sae 1 Sae 2 Gambar 2.2 Simbol Condiion dan Acion Unuk melengkapi STD diperlukan 2 hal lagi yaiu condiion dan acion seperi yang dapa diliha pada Gambar 2.2 diaas. Condiion adalah suau even pada lingkungan eksernal yang dapa dideeksi oleh sisem, sedangkan acion adalah yang dilakukan oleh sisem bila erjadi perubahan sae aau merupakan reaksi erhadap kondisi. Aksi akan menghasilkan keluaran aau ampilan. 2.5 Ineraksi Manusia dan Kompuer Saa ini sisem aau program yang inerakif lebih populer dan digemari, karena iu penggunaan kompuer elah berkembang pesa sebagai suau program yang inerakif yang membua orang erarik unuk menggunakannya. Program yang inerakif ini perlu dirancang dengan baik sehingga pengguna dapa merasa senang dan juga iku berineraksi dengan baik dalam menggunakannya. Ineraksi manusia dan Kompuer (IMK) aau Human-Compuer Ineracion (HCI) adalah disiplin ilmu yang berhubungan dengan perancangan,

27 31 evaluasi, dan implemenasi sisem kompuer inerakif unuk digunakan oleh manusia, sera sudi fenomena-fenomena besar yang berhubungan dengannya Program Inerakif Suau program yang inerakif dan baik harus bersifa user friendly. Shneiderman (1998, p15) menjelaskan lima krieria yang harus dipenuhi oleh suau program yang user friendly yaiu : 1. Waku belajar yang idak lama. 2. Kecepaan penyajian informasi yang epa. 3. Tingka kesalahan pemakaian rendah. 4. Penghafalan sesudah melampaui jangka waku. 5. Kepuasan pribadi. Suau program yang inerakif dapa dengan mudah dibua dan dirancang dengan suau perangka Banu pengembang sisem anarmuka, seperi : Macromedia Flash MX, Visual Basic, Borland Delphi dan sebagainya. Keunungan penggunaan perangka banu unuk mengembangkan anarmuka menuru Sanosa (1997, p7) yaiu : 1. Anarmuka yang dihasilkan menjadi lebih baik. 2. Program anarmukanya menjadi lebih mudah diulis dan lebih ekonomis unuk dipelihara Pedoman unuk Merancang User Inerface Terdapa beberapa pedoman yang dianjurkan dalam merancang suau program guna mendapakan suau program yang user friendly.

28 32 User Inerface aau Anarmuka Pemakai adalah bagian sisem kompuer yang memungkinkan manusia berineraksi dengan compuer Delapan Auran Emas Menuru Shneiderman (1998, p74-75) unuk merancang sisem ineraksi manusia dan kompuer yang baik, harus memperhaikan delapan auran uama dibawah ini, yaiu : 1. Srive for consisency (berusaha unuk konsisen). 2. Enable frequen user o use shorcus (memungkinkan pengguna sering memakai shorcu). 3. Offer informaive feed back (memberikan umpan balik yang informaif). 4. Design dialogs o yield closure (pengorganisasian yang baik sehingga pengguna mengeahui kapan awal dan akhir dari suau aksi). 5. Offer simple error handling (memberikan pencegahan kesalahan dan penanganan kesalahan yang sederhana) 6. Permi easy reversal of acions (memungkinkan pembalikan aksi (undo) dengan mudah). 7. Suppor inernal locus of conrol (pemakai menguasai sisem aau inisiaor, bukan responden). 8. Reduce shor erm memory load (mengurangi beban ingaan jangka pendek, dimana manusia hanya dapa menginga 7 ± 2

29 33 sauan informasi sehingga perancangannya harus sederhana) Pedoman Merancang Tampilan Daa Beberapa pedoman yang disarankan unuk digunakan dalam merancang ampilan daa yang baik menuru Smih dan Mosier yang dikuip Shneiderman (1998, p80) yaiu : 1. Konsisensi ampilan daa, isilah, singkaan, forma, dan sebagainya harus sandar. 2. Beban ingaan yang sesediki mungkin bagi pengguna. Pengguna idak perlu menginga informasi dari layar yang sau ke layar yang lain. 3. Kompaibilias ampilan daa dengan pemasukan daa. Forma ampilan informasi perlu berhubungan era dengan ampilan pemasukan daa. 4. Fleksibilias kendali pengguna erhadap daa. Pemakai harus dapa memperoleh informasi dari ampilan dalam benuk yang paling memudahkan Teori Waku Respons Waku respons dalam sisem kompuer menuru Shneiderman (1998, p352) adalah jumlah deik dari saa pemakai memulai akifias

30 34 (misalnya dengan menekan ombol ener aau ombol mause) sampai kompuer menampilkan hasilnya di display aau priner. Beberapa pedoman yang disarankan mengenai kecepaan waku respons pada suau program menuru Shneiderman (1998, p367) yaiu : 1. Pemakai lebih menyukai waku respons yang lebih pendek. 2. Waku respons yang panjang (lebih dari 15 deik) mengganggu. 3. Waku respons yang lebih pendek menyebabkan waku pengguna berpikir lebih pendek. 4. Langkah yang lebih cepa dapa meningkakan produkivias, eapi juga dapa meningkakan ingka kesalahan. 5. Waku respons harus sesuai dengan ugasnya : a. Unuk mengeik, menggerakkan kursor, memilih dengan mouse : milideik. b. Tugas sederhana yang sering : < 1 deik. c. Tugas biasa : 2-4 deik. d. Tugas kompleks : 8-12 deik. 6. Pemakai harus diberiahu mengenai penundaan yang panjang