BAB 2 TINJAUAN TEORITIS

Transkripsi

1 BAB 2 TINJAUAN TEORITIS 2.1 Peramalan Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dunia usaha pada masa yang akan datang. Kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang, dikenal dengan sebutan peramalan (forecasting). Setiap kebijakan ekonomi maupun kebijakan kebijakan perusahaan tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat atau meningkatkan keberhasilan perusahaan untuk mencapai tujuan pada masa yang akan datang dimana kebijakan tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut tidak terlepas dari kegiatan peramalan. 2.2 Jenis Jenis Peramalan Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan atas dua macam, yaitu: 1. Peramalan yang subyektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau judgment dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut. 2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik teknik dan metode dalam

2 6 penganlisaan data tersebut. Disamping itu, jika dilihat dari jangka waktu ramalan yang akan disusun. Maka dapat dibedakan atas dua macam, yaitu: 1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan jangka waktunya lebih dari satu setengah tahunatau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu Negara atau suatu daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan. 2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu yang kurang dari satu setengah tahun, atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional, dan anggaran contoh penyusunan rencana produksi, rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran perusahaan. Berdasarkan sifat yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu: 1. Peramalan kualitatif, yaitu 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, judgment atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan. 2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Adapun yang perlu diperhatikan dari penggunaan metode metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan yang

3 7 mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan terdapat tiga kondisi seperti berikut: a.adanya informasi tentang keadaan yang lain. b.informasi tersebut dapat dikuantifikasikan dalam bentuk data. c.dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa akan datang. Dari uraian diatas dapatlah diketahui bahwa jenis jenis peramalan sangat tergantung dari segi mana kita memandangnya. 2.3 Langkah Langkah Peramalan Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting, yaitu: 1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat diketahui pola data tersebut. 2. Menentukan metode yang digunakan. Masing masing metode akan memberikan hasil peramalan yang berbeda. Dimana metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan kenyataan yang sekecil mungkin. 3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa factor perubahan. Faktor faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan kebijakan yang mungkin terjadi, termasuk kebijakan pemerintah. Proyeksi adalah adanya suatu kecendrungan sesuatu hal pada masa yang akan datang yang masih belum diketahui dan mempunyai nilai pada masa yang akan

4 8 datang yang merupakan petunjuk tentang jumlah sesuatu hal tersebut di masa yang akan datang. 2.4Metode Peramalan Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan atas data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan peramalan yang objektif. Perlu diketahui bahwa, keberhasilan peramalan didasarkan atas: 1. Pengetahuan teknik tentang informasi yang lalu dibutuhkan. 2. Teknik metode peramalan. 2.5 Metodologi Penelitian Metode Smoothing Metode smoothing merupakan teknik untuk meramal dengan cara mengambil rata rata dari beberapa periode yang lalu untuk menaksir nilai pada masa atau periode yang akan datang. Dalam metode smoothing ini data historis digunakan untuk memperoleh angka yang dilicinkan atau diratakan.metode smoothing ini dibagi menjadi dua, yaitu: 1. Moving Averages (MOVA)/ rata rata bergerak. 2. Eksponensial smoothing

5 Moving Average Metode ini dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rata ratanya kemudian menggunakan rata rata tersebut sebagai ramalan untuk periode yang akan datang, metode ini disebut rata rata bergerak karena setiap kali data observasi baru tersedia, maka angka rata rata baru dihitung dan digunakan sebagai ramalan (forecast). Metode Moving Average ini dibagi menjadi dua, yaitu: 1. Rata rata Bergerak tunggal (Single Moving Average) Metode ini mempunyai karakteristik khusus, yaitu: a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu. Misalnya, dengan 4 bulan moving average, maka ramalan bulan ke 5 baru bisa dibuat setelah bulan ke 4 selesai. Jika 6 bulan moving average, ramalan bulan ke 7 baru bias dibuat setelah bulan ke 6 selesai. b. Semakim panjang jangka waktu moving average, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan moving average yang semakin luas. 2. Rata - rata Bergerak Ganda (double moving average) Dasar dari ini adalah menghitung rata - rata bergerak yang kedua. Rata -rata bergerak ganda ini merupakan rata - rata bergerak dari rata - rata bergerak, dan menurut symbol ditulis sebagai MA( M x N) dimana artinya adalah MA M periode MA N. Adapun prosedur peramalan rata - rata bergerak linier meliputi tiga aspek : 1. Penggunaan rata - rata bergerak tunggal pada waktu t (Si) 2. Penyesuaian, yang merupakan perbedaan antara rata - rata bergerak tunggal dan ganda pada waktu t (ditulis - S~t). 3. Penyesuaian untuk kecendrungan dari periode t ke periode t +1 (atau ke periode t + m jika kita meramalkan M periode ke muka). Secara umum pembahasan tersebut dapat dilakukan sebagai berikut: prosedur

6 10 rata - rata bergerak linier secara umum dapat diterangkan melalui persamaan berikut: a. Menentukan smoothing pertama (Sj), persamaan ini mempunyai asumsi bahwa saat ini kita berada pada periode waktu t dan mempunyai nilai masa lalu sebanyak N, sebagai berikut : S t = X t + X t 1 + X t X t N+1 N S t = smoothing pertama periode t X t = nilai real periode pertama N= jumlah periode b. Menentukan smoothing kedua (S"t), persamaan ini menganggap bahwa semua rata - rata bergerak tunggal (S`t) telah dihitung. Persamaan ini kita menghitung rata - rata bergerak N periode dari nilai - nilai S`t tersebut. S " t = S t + S t 1 + S t S t N+1 N S t " = smoothing kedua periode t c. Menentukan besaranya konstanta (at), persamaan ini mengacu terhadap penyesuaian MA tunggal, Si dengan persamaan sebagai berikut : a t = S t " + (S t " S t " ) = 2S t " S t " a t = besarnya konstanta periode t d. Menentukan besarnya slope (bt), persamaan ini menentukan taksiran kecenderungan dari periode waktu waktuberikutnya, persamaannya sebagai berikut : b t = 2(S t " S t " ) N 1 b t = slope/nilai trend dari data yang sesuai yang satu ke periode lain e. Menentukan besarnya ramalan forecast, persamaan ini menunjukkan

7 11 bagaiamana memperoleh ramalan untuk m periode ke muka dari t. Ramalan untuk m periode ke muka adalah at dimana merupakan nilai rata - rata yang disesuaikan untuk periode t ditambah m kali komponen kecendrungan bt, persamaannya sebagai berikut: F t+m = a t + b t (m) F t+m = besarnya forecast m = jangka waktu forecast 2.6 ketepatan Ramalan Ketepatan ramalan adalah salah satu hal yang mendasar didalam peramalan, yaitu bagaimana mengukur kesesuaian suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih satu metode peramalan. Dalam pemodelan pemulusan (smoothing), dari data masa lalu dapat diramalkan situasi yang akan terjadi dimasa yang akan datang. Untuk menguji kebenaran ini digunakan ketepatan ramalan. Untuk hasil peramalan yang akurat adalah ramalan yang bisa meminimalkan kesalahan meramal (forecast eror). Besarnya forecast error dihitung sebagai berikut: Error = Jumlah Kendaraan Ramalan e i = X i F i dimana: X i = data kendaraan bermotor berdasarkan jenisnya periode ke-i F i = ramalan periode ke-i Suatu ukuran ketepatan peramalan, maka digunakan ukuran - ukuran alternatif yang diantaranya menyangakut kesalahan persentase. Empat ukuran tersebut yaitu :

8 12 1. Percentage Error Adalah suatu kesalahan persentase 2. Absolute Percentage Error PE t = ( X t F t X t ) 100 Adalah kesalahan persentase absolute 3. Mean Persentage Error Adalah nilai tengah kesalahan APE = X t F t X t Mean Absolute Percentage Error n MPE = PE t n i=1 Adalah nilai tengah kesalahan persentase absolute n MAPE = PE t n i=1