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 akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksi hal tersebut diperlukan data yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di masa yang akan datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila ramalan yang kita susun atau yang kita buat kurang tepat, maka kurang baik pula keputusan yang kita ambil.. Keberhasilan dari suatu peramalan sangat ditentukan oleh: a. Pengetahuan teknik tentang pengumpulan informasi (data) masa lalu, data ataupun informasi haruslah bersifat kuantitatif. b. Teknik dan metode yang tepat dan sesuai dengan pola data yang telah di kumpulkan. Dari uraian yang sudah dijelaskan kita mendapat gambaran bahwa peranan peramalan sangatlah penting, baik dalam penelitian, perencanaan maupun dalam pengambilan keputusan. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahan tersebut.
2.1.2. Jenis-jenis Peramalan Peramalan pada umumnya dapat dibedakan menjadi beberapa macam berdasarkan sudut pandang kita melihatnya. Bila dilihat dari sifat penyusunannya, maka peramalan dapat dibagi menjadi dua macam, yaitu: 1. Peramalan objektif, yaitu peramalan yang didasarkan pada data yang relevan dari masa lalu dengan menggunakan teknik-teknik atau metode-metode dalam penganalisaan data tersebut. 2. Peramalan subjektif, yaitu peramalan yang didasarkan pada perasaan atau intuisi dari orang yang menyusunnya. Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu: 1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari 1,5 tahun atau 3 semester. 2. Peramalan jangka pendek, yaitu peramlan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari 1,5 tahun atau 3 semester. Berdasarkan sifat ramalan yang telah disusun maka peramalan dibedakan menjadi dua macam, yaitu: 1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan oleh pemikiran yang bersifat intuisi, pendapat, dan pengetahuan, serta pengalaman penyusunnya. 2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif sangat mengandalkan data historis yang ada. Hasil peramalan yang dibuat sangat bergantung pada metode-metode yang digunakan dalam pramalan tersebut.
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut: 1. Adanya informasi tentang keadaan masa lalu. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data. 3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang. 2.2. Metode Peramalan 2.2.1. Pengertian dan Kegunaan Metode Peramalan Metode peramalan adalah cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan berdasarkan data relevan pada masa lalu. Metode peramalan juga merupakan cara memperkirakan secara kuantitatif, karena itu metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Kegunaan metode peramalan ini adalah untuk memperkirakan apa yang akan terjadi pada 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 peramlan diharapkan dapat memberikan objektivitas yang lebih besar. Metode peramalan juga memberikan urutan pengerjaan dari pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalaha 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, dengan demikian dapat dimungkinkan penggunaan teknik-teknik penganalisaan yang lebih maju.
2.2.2. Jenis-Jenis Metode Peramalan Pada dasarnya metode peramalan kuantitaif ini dapat dibedakan atas: 1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang merupakan deret waktu atau time series, yaitu: a. Metode smoothing, mencakup data lewat (past data), metode rata-rata kumulatif, metode rata-rata bergerak (moving averages) dan metode exponential smooting. Metode smoothing digunakan untuk mengurangi ketidak teraturan musiman dari data yang lalu maupun kedua-duanya, dengan membuat rata-rata tertimbang dari sederetan data yang lalu. Ketepatan (accuracy) dari peramalan dengan metode ini akan terdapat pada jangka pendek, sedangkan untuk peramalan jangka panjang sangat kurang ketepatannya. Data yang dibutuhkan ialah data minimal selama dua tahun. b. Metode Box Jenkins, menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat sekecil mungkin. Penggunaan metode ini membutuhkan identifikasi model dan estimasi parameternya. Metode ini sangat baik ketepatan (accuracy) untuk parameter jangka pendek, sedangkan untuk peramalan jangka panjang sangat kurang ketepatannya. Data yang dibutuhkan ialah data minimun dua tahun dan data yang dimiliki lebih dari dua tahun. c. Metode proyeksi trend dengan regresi, merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Data yang dibutuhkan ialah data tahunan, dan semakin banyak data yang dimiliki semakin lebih baik, serta minimum data tahunan adalah lima tahun. 2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab akibat (causal methods), yang terdiri dari:
a. Metode regresi dan korelasi, didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik least square. Data yang digunakan untuk penggunaan metode peramalan ini adalah data kuartalan dari beberapa tahun yang lalu. b. Model ekonometri, didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Data yang dibutuhkan adalah data kuartalan beberapa tahun. c. Model input output, dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Data yang dibutuhkan adalah data tahunan selama sekitar sepuluh sampai lima belas tahun. 2.2.3. Metode Pemulusan (Smoothing) Merode Pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun menaksir nilai pada tahun yang akan datang. Secara umum pemulusan (smoothing) dapat digolongkan menjadi beberapa bagian: 1. Metode Perataan (Average) Metode perataan dibagi atas empat bagian yaitu: a. Nilai Tengah (Mean) b. Rata-rata Bergerak Tunggal (Single Moving Average) c. Rata-rata Bergerak Ganda (Double Moving Average) d. Kombinasi Rata-rata Bergerak Lainnya. 2. Metode Pemulusan (Smoothing) Eksponensial Bentuk umum dari metode pemulusan eksponensial adalah: F t+1 = αx t + (1 α)f t (2.1) di mana: F t+1 = ramalan untuk periode mendatang
α = parameter eksponensial yang besarnya 0 < α < 1 X t F t = nilai aktual pada periode ke-t = ramalan pada periode ke-t Metode Pemulusan (Smoothing) Eksponensial terdiri dari: a. Pemulusan Eksponensial Tunggal, yang terdiri atas: 1. Satu Parameter 2. Pendekatan Adaptif b. Pemulusan Eksponensial Ganda, yang terdiri atas: 1. Metode Linier Satu Parameter dari Brown 2. Metode Dua Parameter dari Holt c. Pemulusan Eksponensial Tripel, yang terdiri atas: 1. Pemulusan Kwadratik Satu Parameter Dari Brown 2. Metode kecendrungan dan Musiman Tiga Parameter dari Winter d. Pemulusan Eksponensial Menurut Klasifikasi Pegels 2.3. Metode Peramalan yang Digunakan Untuk mendapatkan suatu hasil yang baik dan tepat maka perlu diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan besarnya pengeluaran pemerintah kota Meda pada tahun 2015 dan 2016, maka penulis menggunakan metode smoothing exponential ganda dari Brown. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Satu Parameter dari Brown adalah sebagai berikut : di mana: S t S t S t S t = αx t + (1 α)s t 1 (2.2) = αs t + (1 α)s t 1 (2.3) a t = S t + (S t S t ) = 2S t S t (2.4) b t = α 1 α (S t S t ) (2.5) F t+m = a t + b t m (2.6) = nilai pemulusan eksponensial tunggal = nilai pemulusan eksponensial ganda
α a t, b t F t+m = parameter pemulusan eksponensial = konstanta pemulusan = hasil peramalan untuk m periode ke depan yang akan diramalkan Untuk menghitung nilai kesalahan atau error (e t ) ramalan tersebut, dapat digunakan rumus di bawah ini: e t = X t F t ( 2.7) Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketetapan ramalan. Kriteria ini berupa Mean Squared Error (MSE), Mean Absulute Percentage Error (MAPE), dan Mean Absolute Deviation (MAD). 2.4. Ketepatan Peramalan Berikut ini adalah beberapa kriteria ketepatan ramalan yang digunakan untuk menguji nilai ramalan yaitu: a. Jumlah Kuadrat Kesalahan atau Sum Square Error (SSE), dirumuskan dengan: SSE = n i=1 (X i F i ) 2 (2.8) b. Nilai Tengah Kesalahan Kuadrat atau Mean Square Error (MSE), dirumuskan dengan: MSE = SSE n (2.9) c. Nilai Tengah Kesalahan Persentase Absolut atau Mean Absolute Percentage Error (MAPE), dirumuskan dengan: MAPE = n i=1 PE i n d. Kesalahan Persentase atau Percentage Error (PE), dirumuskan dengan: (2.10) PE = ( X i F i X i ) 100 (2.11)
e. Nilai Tengah Deviasi Absolut atau Mean Absolute Deviation (MAD), dirumuskan dengan: MAD = n i=1 X i F i n (2.12) di mana: X i F i = Kesalahan pada periode ke-i X i F i n = Data aktual pada periode ke-i = Nilai ramalan pada periode ke-i = Banyaknya periode waktu Kriteria ketetapan ramalan yang penulis gunakan adalah hanya melihat dari nilai SSE dan MSE. Hasil ramalan yang dipilih adalah yang memberikan nilai MSE terkecil.