7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan akan erjadi pada masa yang akan daang. Ramalan ersebu dapa didasarkan aas bermacam macam cara yaiu Meode Pemulusan Eksponensial aau Raa raa Bergerak, Meode Box Jenkis, dan Meode Regresi. Semua iu dikenal dengan meode peramalan. Meode peramalan adalah cara unuk memperkirakan secara kuaniaif apa yang akan erjadi pada masa yang akan daang dengan dasar daa yang relevan pada masa lalu. Dengan kaa lain meode peramalan ini digunakan dalam peramalan yang bersifa objekif Disamping iu meode peramalan memberikan uruan pengerjaan dan pemecahan aas pendekaan suau masalah dalam peramalan, sehingga bila digunakan pendekaan yang sama dalam suau permasalahan dalam suau kegiaan peramalan, maka akan dapa dasar pemikiran dan pemecahan yang sama. Baik idaknya suau peramalan yang disusun, di samping dienukan oleh meode yang digunakan, juga dienukan baik idaknya informasi yang digunakan. Selama Universias Sumaera Uara
8 informasi yang digunakan idak dapa meyakinkan, maka hasil peramalan yang disusun juga akan sukar dipercaya akan keepaannya. 2.2 Jenis-Jenis Meode Peramalan Meode sisem peramalan yang sering digunakan dapa diliha pada gambar di bawah ini: a. Meode Dere Waku (Time series Mehod) Meode peramalan ini menggunakan dere waku (ime series) sebagai dasar peramalan memerlukan daa akual lalu yang akan diramalkan unuk mengeahui pola daa yang diperlukan unuk menenukan meode peramalan yang sesuai. Beberapa meode dalam ime series yaiu sebagai beriku: 1) ARIMA (Auoregressive Inegraed Moving Average) pada dasarnya menggunakan fungsi ere waku, meode ini memerlukan pendekaan model idenificaion sera penaksiran awal dari paramaernya. Universias Sumaera Uara
9 2) Kalman Filer banyak digunakan pada bidang rekayasa sisem unuk memisahkan sinyal dari noise yang masuk ke sisem. Meoda ini menggunakan pendekaan model sae space dengan asumsi whie noise memiliki disribusi Gaussian. 3) Bayesian merupakan meode yang menggunakan sae space berdasarkan model dinamis linear (dynamical linear model). Sebagai conoh: menenukan diagnosa suau penyaki berdasarkan daa-daa gejala (hiperensi aau saki janung). 4) Meode smoohing dipakai unuk mengurangi keidakerauran daa yang bersifa musiman dengan cara membua keseimbangan raa-raa dari daa masa lampau. 5) Regresi menggunakan dummy variabel dalam formulasi maemaisnya. Sebagai conoh: kemampuan dalam meramal sales suau produk berdasarkan harganya. b. Meode Kausal Meode ini menggunakan pendekaan sebab-akiba, dan berujuan unuk meramalkan keadaan di masa yang akan daang dengan menemukan dan mengukur beberapa variabel bebas (independen) yang pening besera pengaruhnya erhadap variabel idak bebas yang akan diramalkan. Pada meode kausal erdapa iga kelompok meode yang sering dipakai : 1) Meoda regresi dan korelasi memakai eknik kuadra erkecil (leas square). Meoda ini sering digunakan unuk prediksi jangka pendek. Conohnya: Universias Sumaera Uara
10 meramalkan hubungan jumlah kredi yang diberikan dengan giro, deposio dan abungan masyaraka. 2) Meoda ekonomeri berdasarkan pada persamaan regresi yang didekai secara simulan. Meoda ini sering digunakan unuk perencanaan ekonomi nasional dalam jangka pendek maupun jangka panjang. Conohnya: meramalkan besarnya indikaor moneer bua beberapa ahun ke depan, hal ini sering dilakukan pihak BI iap ahunnya. 3) Meoda inpu oupu biasa digunakan unuk perencanaan ekonomi nasional jangka panjang. Conohnya: meramalkan perumbuhan ekonomi seperi perumbuhan domesik bruo (PDB) unuk beberapa periode ahun ke depan 5-10 ahun mendaang. Tahapan perancangan peramalan : Secara ringkas erdapa iga ahapan yang harus dilalui dalam perancangan suau meoda peramalan, yaiu : a) Melakukan analisa pada daa masa lampau. Langkah ini berujuan unuk mendapakan gambaran pola dari daa bersangkuan. b) Memilih meoda yang akan digunakan. Terdapa bermacam-macam meoda yang ersedia dengan keperluannya. Meoda yang berlainan akan menghasilkan sisem prediksi yang berbeda pula unuk daa yang sama. Secara umum dapa dikaakan bahwa meoda yang berhasil adalah meoda yang menghasilkan penyimpangan (error) sekecilkecilnya anara hasil prediksi dengan kenyaaan yang erjadi. c) Proses ransformasi dari daa masa lampau dengan menggunakan meoda yang dipilih. Kalau diperlukan, diadakan perubahan sesuai kebuuhannya. Universias Sumaera Uara
11 2.3 Kegunaan Peramalan Sering erdapa senjang waku (Time Lag) anara kesadaran akan perisiwa. Adanya waku enggang (Lead Time) ini merupakan alasan uama bagi perencanaan dan peramalan. Dalam siuasi iu peramalan diperlukan unuuk meneapkan kapan suau perisiwa akan erjadi aau imbul, sehingga indakan yang epa dapa dilakukan. Dalam perencanaan di organisasi aau perusahaan peramalan merupakan kebuuhan yang sanga pening, dimana baik buruknya peramalan dapa mempengaruhi seluruh bagian organisasi, karena waku enggang unuk pengambilan kepuusan dapa berkisar dari beberapa ahun. Peramalan merupakan ala banu yang pening dalam perencanaan yang efekif dan efisien. Di dalam bagian organisasi erdapa kegunaan peramalan, yaiu : 1. Berguna unuk penjadwalan sumber daya yang ersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, ransporasi, kas, personalia dan sebagainya. Inpu yang pening unuk penjadwalan seperi iu adalah ramalan ingka perminaan akan konsumennya aau pelanggan. 2. Berguna dalam penyediaan sumber daya ambahan Waku enggang (Lead Time) unuk memperoleh bahan baku, menerima pekerja baru, aau membeli mesin dan peralaan dapa berkisar anara beberapa hari sampai beberapa ahun. Peramalan diperlukan unuk menenukan kebuuhan sumber daya dimasa daang. 3. Unuk menenukan sumber daya yang diinginkan. Seiap organisasi harus menenukan sumber daya yang dimiliki dalam jangka panjang. Kepuusan semacam iu berganung kepada fakor fakor lingkungan, manusia dan Universias Sumaera Uara
12 pengembangan sumber daya keuangan. Semua penenuan ini memerlukan ramalan yang baik dan menejer yang dapa menafsirkan pendugaan sera membua kepuusan yang baik. Walaupun erdapa banyak bidang lain yang memerlukan peramalan namun, iga kelompok diaas merupakan benuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang. Dari uraian diaas dap dikaakan Meode Peramalan sanga berguna, karena akan membanu dalam mengadakan analisis erhadap daa dari masa lalu, sehingga dapa memberikan cara pemikiran, pengerjaan yang eraur dan erarah, perencanaan yng sisemais sera memberikan keepaan hasil peramalan yang dibua aau disusun. 2.4 Meode Peramalan Berdasarkan sifanya eknik peramalan dibagi dalam 2 (dua) kaegori uama yaiu : 1. Meode peramalan kualiaif aau ekhnologis Peramalan kualiaif adalah peramalan yang didasarkan aas daa kualiaif pada masa lalu. Hasil peramalan yang dibua sanga berganung pada orang yang menyusunnya. Hal ini pening karena hasil peramalan ersebu dienukan berdasarkan pemikiran yang bersifa inuisi, pendapa dan pengeahuan dari orang yang menyusunnya. Meode kualiaif aau ekhnologis dapa dibagi menjadi meode eksploraoris dan normaif. 2. Meode peramalan kuaniaif Peramalan kuaniaif adalah peramalan yang didasarkan aas daa kuaniaif pada masa lalu. Hasil peramalan yang dibua sanga berganung pada meode Universias Sumaera Uara
13 yang dipergunakan dalam peramalan ersebu. Dengan meode yang berbeda akan diperoleh hasil peramalan yang berbeda. Baik idaknya meode yang digunakan dienukan oleh perbedaan aau penyimpangan anara hasil peramalan dengan kenyaaan yang erjadi. Semakin kecil penyimpangan anara hasil ramalan dengan kenyaaan yang erjadi berari meode yang dipergunakan semakin baik. Meode kuaniaif dapa dibagi dalam dere berkala (Time Series) dan meode kausal. Peramalan kuaniaif dapa digunakan bila erdapa 3 (iga) kondisi yaiu : 1. Adanya informasi enang masa lalu 2. Informasi ersebu dapa dikuaniaifkan dalam benuk daa 3. Informasi ersebu dapa diasumsikan bahwa beberapa aspek pola masa lalu akan erus berlnju di masa yang akan daang. Kondisi yang erakhir ini dibua sebagai asumsi yang berkesinambungan (Asumion of Coninuiy), asumsi ini merupakan modal yang mendasari semua meode peramalan kuaniaif dan banyak meode peramalan ekhnologis, erlepas dari bagaimana canggihnya meode ersebu. 2.5 Pemilihan Teknik dan Meode Peramalan Dalam pemilihan eknik dan meode peramalan, perama-ama perlu dikeahui ciri ciri pening yang perlu diperhaikan bagi pengambil kepuusan dan analisa keadaan dalam mempersiapkan peramalan. Universias Sumaera Uara
14 Ada 6 (enam) fakor uama yang diidenifikasikan sebagai eknik dan meode peramalan, yaiu : 1. Horizon Waku Ada 2 (dua) aspek dari Horizon Waku yang berhubungan dengan masing masing meode peramalan. Perama adalah cakupan waku dimasa yang akan daang, kedua adalah jumlah periode unuk peramalan yang diinginkan. 2. Pola Daa Dasar uama dari meode peramalan adalah anggapan bahwa macam macam dari pola yang didapai didalam daa yang diramalkan akan berkelanjuan. 3. Jenis dari Model Model model merupakan suau dere dimana waku digambarkan sebagai unsur yang pening unuk menenukan perubahan perubahan dalam pola. Model model perlu diperhaikan karena masing masing model mempunyai kemampuan yang berbeda dalam analisa keadaan unuk pengambilan kepuusan. 4. Biaya yang Dibuuhkan Umumnya ada 4 (empa) unsur biaya yang ercakup di dalam penggunaan suau prosedur peramalan, yaiu biaya biaya pengembangan, penyimpanan (Sorage) daa, operasi pelaksanaan dan kesempaan dalam penggunaan eknik eknik dan meode lainnya. 5. Keepaan Meode Peramalan Tingka keepaan yang dibuuhkan sanga era kaiannya dengan ingka perincian yang dibuuhkan dalam suau peramalan. 6. Kemudahan dalam Penerapan Meode meode yang dapa dimengeri dan mudah diaplikasikan sudah merupakan suau prinsip umum bagi pengambil kepuusan. Universias Sumaera Uara
15 2.6 Analisa Dere Berkala Daa berkala (Time Series) adalah daa yang dikumpulkan dari waku ke waku unuk memberikan gambaran enang perkembangan suau kegiaan dari waku ke waku. Analisis daa berkala memungkinkan unuk mengeahui perkembangan suau kejadian aau beberapa kejadian sera hubungannya dengan kejadian yang lain. Meode Time Series merupakan meode peramalan kuaniaif yang didasarkan aas penggunaan analisis pola hubungan anara variabel yang akan diperkirakan dengan variabel waku. Tujuan Time Series ini mencakup peneliian pola daa yang digunakan unuk meramalkan apakah daa ersebu sasioner aau idak dan eksrapolasi ke masa yang akan daang. Sasioner iu sendiri berari bahwa idak erdapa perumbuhan / penurunan pada daa. Daa secara kasar harus horizonal sepanjang waku. Dengan kaa lain flukuasi daa eap konsan seiap waku. 1. Penenuan Pola Daa Hal yang pening diperhaikan dalam meode dere berkala adalah menenukan jenis pola daa hisorisnya. Sehingga pola daa yang epa dengan pola daa hisoris ersebu dapa di uji, dimana pola daa pada umumnya dapa dibedakan sebagai beriku : Universias Sumaera Uara
16 a. Gerakan Trend Jangka Panjang (Long Term Movemen or Secular Trend) Gerakan rend jangka panjang adalah suau gerakan yang menunjukkan arah perkembangan secara umum (kecenderungan menaik / menurun). Garis rend sanga berguna unuk membua ramalan (forecasing) yang sanga diperlukan bagi perencanaan. Waku (ahun) Gambar 1. Grafik siklus rend b. Gerakan / Variasi Siklis (cyclical Movemens or Variaions) Gerakan / variasi siklis adalah gerakan / variasi jangka panjang disekiar garis rend (berlaku unuk daa ahunan). Gerakan siklis ini bisa erulang seelah jangka waku erenu dan bisa juga erulang dalam jangka waku yang sama. conoh gerakan siklis yaknikemakmuran (prosperiy), kemunduran (recession), depresi (depression), dan pemulihan (recovery) Jumlah Jumlah Waku (ahun) Gambar 2. Grafik siklus sikklikal Universias Sumaera Uara
17 c. Gerakan / Variasi Musiman (Seasonal Movemens or Variaion) Gerakan / variasi musiman adalah gerakan yang mempunyai pola eap dari waku ke waku, misalnya naiknya harga pohon cemara menjelang Naal, menurunnya harga beras pada waku panen, dan lain sebagainya. Walaupun pada umumnya gerakan musiman erjadi pada daa bulanan yang dikumpulkan dari ahun ke ahun, namun juga berlaku bagi daa harian, mingguan, aau sauan waku yang lebih kecil lagi. Waku (ahun) Gambar 3. grafik siklus musiman d. Gerakan / Variasi yang Tidak Teraur (Iregular or Random Movemens) Gerakan / variasi yang idak eap adalah gerakan / variasi yang sifanya sporadis, misalnya naik-urunnya produksi akiba banjir yang daangnya idak eraur. Jumlah Jumlah Waku (ahun) Gambar 4. grafik siklus random Universias Sumaera Uara
18 2.7 Meode Pemulusan (Smoohing) Meode Smoohing adalah meode peramalan dengan mengadakan penghalusan erhadap masa lalu, yaiu dengan mengambil raa raa dari nilai beberapa ahun unuk menaksir nilai pada beberapa ahun ke depan. Secara umum meode smoohing diklasifikasikan menjadi 2 (dua) bagian, yaiu: 1 Meode Raa Raa a) Meode raa-raa bergerak unggal Jika daa berkala idak erjadi gejala rend naik maupun urun, musiman, dan lainnya, melainkan suli dikeahui polanya, maka meode yang digunakan adalah meode raa-raa bergerak unggal (Pangesu Subagyo, 1986: 13). Meode ini cocok unuk melakukan peramalan yang bersifa random. Unuk menenukan ramalan pada periode yang akan daang memerlukan daa hisoris selama jangka waku erenu. Rumus umumnya adalah: S S = = X 1 n + X j= n+ i 1 X j + X 2 n +... + X 1 n+ b) Meode raa-raa bergerak ganda Meode ini sediki lebih suli jika dibandingkan dengan meode Meode raaraa bergerak unggal. Ada beberapa langkah yang harus dienukan dalam meramal dengan raa-raa bergerak ganda yaiu : Universias Sumaera Uara
19 1) Menghiung raa-raa bergerak perama, diberi simbol S. ini dihiung dari daa hisoris yang ada. Hasilnya dileakkan pada periode erakhir raa-raa bergerak perama. ' X + X 1 + X 2 +... + X n+ S = n 1 2) Menghiung raa-raa bergerak kedua, diberi simbol S. ini dihiung dari raa-raa bergerak perama. Hasilnya dileakkan pada periode erakhir raaraa bergerak kedua. ' ' ' ' '' S + S 1 + S 2 +... + S n+ S = n 3) Menenukan besarnya nilai a (konsana). 1 a = S ' + ( S ' S " ) 4) Menenukan besarnya nilai b (slope). b = ' 2( S S v 1 " ) V= jangka waku raa-raa bergerak 5) Menenukan ramalan. F m = a + + b (m). m =jangka waku peramalan ke depan 2 Meode Pemulusan (Smoohing) Eksponensial Benuk umum dari Meode Pemulusan (Smohing) Eksponensial ini adalah: F +1 = αx + (1 α)f Universias Sumaera Uara
20 Dengan : F +1 = ramalan suau periode ke depan X = daa akual periode F = ramalan pada periode α = parameer pemulusan (0<α<1) Bila benuk umum ersebu diperluas maka akan berubah menjadi : F +1 = αx + α(1 α)x -1 +α(1 α) 2 X -2 + + (1 α) N F +(N-1) Dari perluasan benuk umum di aas dapalah dikaakan bahwa Meode Smoohing Eksponensial secara eksponensial erhadap nilai observasi yang lebih ua aau dengan kaa lain observasi yang baru diberikan bobo yang relaif lebih besar dengan nilai observasi yang lebih ua. Meode ini erdiri aas: a. Smoohing Eksponensial Tunggal 1) Sau Parameer (one parameer) 2) Pendekaan adiif (ARRES) Digunakan unuk daa daa yang bersifa sasioner dan idak menunjukkan pola aau rend. b. Smoohing Eksponen Ganda 1) Meode Linier Sau Parameer dari Brown 2) Meode Dua Paremeer Dari Hol c. Smoohing Eksponensial Triple 1) Meode Kuadraik Sau Parameer dari Brown Digunakan unuk pola daa kuadrai, kubik, aau orde yang lebih inggi. Universias Sumaera Uara
21 2) Meode kecenderungan dan musiman iga parameer dari Winer Dapa digunakan unuk daa yang berbenuk rend dan musiman. d. Smoohing Eksponensial Menuru Klasifikasi Pegels. 2.8 Keepaan Peramalan Keepaan peramalan adalah suau hal yang paling mendasar didalam peramalan, yaiu bagaimana mengukur kesesuaian suau kumpulan daa yang diberikan. Keepaan yang dipandang sebagai crieria penolakan unuk memilih suau peramalan. Dalam pemodelan pemulusan (smoohing), dari daa masa lalu dapa diramalakan siuasi yang akan erjadi dimasa yang akan daang. Unuk menguji kebenaran ini digunakan peramalan. Unuk mendapa hasil peramalan yang lebih akura adalah ramalan yang bias meminimalkan kesalahan meramal (forecas error). Besarnya (forecas error) dihiung dengan : e i = X i F i Dimana : X i = daa periode ke-i F i =ramalan period eke-i Unuk mengukur kesalahan ramalan (error forecas) biasanya digunakan mean absolue error, mean square error, aau mean absolue percenage error. a. Percenage error PE X F = X 100 Universias Sumaera Uara
22 b. Absolu percenage error (APE) adalah kesalahan persenase absolue APE = X F X 100 c. Mean percenage error (MPE) adalah persenase raa-raa kesalahan absolue MPE = MPE = n i= 1 X F X n PE n 100 d. Mean absolue percenage error (MAPE) adalah persenase raa-raa kesalahan absolu MAPE = X F X 100 n X : daa sebenarnya erjadi F : daa ramalan dihiung dari model yang digunakan pada waku aau ahun n : banyak daa hasil ramalan Universias Sumaera Uara