BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan diperkirakan akan terjadi pada masa akan datang. Untuk memprediksikan suatu hal dimasa yang akan datang diperlukan data yang akurat dimasa lalu, sehingga dapat dilihat suatu situasi dan kondisi di masa yang akan datang. 2.2 Kegunaan Peramalan Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jadi dalam menentukan kebijakan itu perlu diperhatikan kesempatan atau peluang yang ada dan ancaman yang mungkin terjadi. Dalam usaha mengetahui atau melihat perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik dalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi
pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun atau yang kita buat, maka kurang baik pula keputusan yang kita ambil. 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 kesalahannya tersebut. 2.3 Jenis - jenis Peramalan Peramalan dapat dibedakan dari berbagai segi tergantung dari cara melihatnya. Jika dilihat dari cara penyusunannya, maka peramalan dapat dibedakan menjadi dua macam, yaitu: 1. Peramalan yang subjektif yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari orang yang menyusunnya sangat menentukan baik atau tidaknya hasil ramalan tersebut. 2. Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metodemetode dalam penganalisisan data tersebut. Bila dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam yaitu: 1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga
semester. Misalnya, diperlukan penyusunan rencana pembangunan suatu negara atau daerah. 2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun atau tiga semester. Misalnya, penyusunan rencana produksi, rencana persediaan dan lain sebagainya. Sedangkan berdasarkan sifat ramalan 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 bergantung pada orang yang menyususnnya atau dengan kata lain peramalan yang didasarkan atas pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. 2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai 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 yang akan datang Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode 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 antara hasil ramalan dengan kenyataan yang terjadi. 2.4 Metode Peramalan 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 didasarkan atas dasar yang relevan pada masa lalu, maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Perlu diketahui bahwa keberhasilan dari suatu peramalan sangat ditentukan oleh: 1. Pengetahuan teknik tentang informasi yang lalu yang dibutuhkan, informasi ini bersifat kuantitatif 2. Teknik dan metode peramalan. 2.5 Kegunaan Metode Peramalan Metode merupakan cara berpikir yang sistematis dan pragmatis atas pemecahan suatu masalah. Dengan dasar ini, maka metode peramalan merupakan cara 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 lalu,dengan demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Di samping itu, metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan
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, sehingga dengan demikian dapat dimungkinkannya penggunaa teknikteknik penganalisaan yang lebih maju. Metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah-laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau yang disusun. 2.6 Jenis - jenis Metode Peramalan Pada dasarnya metode kuantitatif dapat dibedakan menjadi: 1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang merupakan Deret Berkala (Time Series). Metode yang termasuk dalam jenis ini adalah: a. Metode Pemulusan (Smoothing), merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau seperti musiman. b. Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
c. Metode proyeksi Trend dengan Regresi, merupakan metode yang digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis. 2. Metode peramalan yang didasarkan atas pengguanaan analisis pola hubungan antar variabel lain yang mempengaruhinya, yang bukan waktu disebut metode korelasi atau sebab akibat. Metode peramalan yang termasuk dalam jenis ini adalah: a. Metode Regresi dan Korelasi, merupakan metode yang digunakan baik untuk jangka panjang maupun pendek didasarkan pada persamaan dengan teknik least squares yang dianalisis secara statis. b. Metode Ekonometrik, merupakan metode yang digunakan untuk jangka panjang dan pendek. c. Metode Input Output, merupakan metode yang digunakan untuk jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang. 2.7 Ketepatan Metode Peramalan Hasil peramalan yang akurat adalah peramalan (forecast) yang biasanya meminimalkan kesalahan meramal (forecast error). Besarnya kesalahan meramal (forecast error) dihitung dengan mengurangkan data yang sebenarnya dengan data yang diperoleh dari hasil peramalan. Rumusnya adalah sebagai berikut: ee tt = XX tt FF tt (2.1) Keterangan: XX tt = data sebenarnya pada periode ke-t
FF tt = hasil peramalan pada periode ke-t Dari rumus error tersebut kita dapat mencari Nilai Tengah Kesalahan Kuadrat (Mean Square error), rumusnya adalah sebagai berikut: ee tt 2 MMMMMM = nn tt=1 (2.2) nn 2.8 Pemilihan Teknik dan Metode Peramalan Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting yang harus diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan. Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu: 1. Horizon Waktu Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang dan yang kedua adalah jumlah periode untuk peramalan yang diinginkan. 2. Pola Data Salah satu hal penting dalam peramalan adalah anggapan bahwa macam dari pola yang didapati didalam data yang diramalkan akan berkelanjutan. Oleh karena adanya perbedaan kemampuan metoda peramalan untuk mengidentifikasikan pola-pola data, maka perlu adanya usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu dengan teknik dan metoda peramalan yang akan digunakan.
3. Jenis dari Model Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan. 4. Biaya yang Dibutuhkan Umumnya ada empat unsur biaya yang yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan, dan kesempatan dalam penggunaan teknik-teknik atau metode peramalan. 5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. 6. Kemudahan dalam Penerapan Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan. 2.9 Metode Smoothing (Pemulusan) Metode pemulusan adalah metode peramalan dengan mengadakan pemulusan atau penghalusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun yang akan datang. Secara umum metode pemulusan (smoothing) dapat diklasifikasikan menjadi beberapa bagian, yaitu:
1. Metode Perataan (Average) 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) a. Pemulusan (Smoothing) Eksponensial Tunggal (SES) Persamaan yang digunakan dalam menghitung ramalan dengan metode pemulusan eksponensial: FF tt+1 = ααxx tt + (1 αα)ff tt (2.3) b. Pemulusan Eksponensial Tunggal: Pendekatan Adaktif Metode pemulusan SES memerlukan spesifikasi nilai α. Pemulusan eksponensial tunggal dengan tingkat respon yang adaptif (ARRSES) memiliki kelebihan yang nyata atas SES dalam hal ini nilai α yang dapat berubah secara kendali, dengan adanya perubahan dalam pola datanya. Metode ini bersifat adaptif dalam arti bahwa nilai α berubah secara otomatis bilamana terdapat perubahan dalam pola data dasar. c. Pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu Parameter dari Brown Pemulusan eksponensial linier dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk α. Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai dari pada rata rata bergerak linier sebagai suatu metode peramalan dalam berbagai kasus utama. Dasar pemikiran
dari pemulusan eksponensial linier dari Brown adalah serupa dengan ratarata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implemetasi pemulusan eksponensial linier satu parameter dari Brown adalah sebagai berikut: SS tt = αxx tt + (1 αα)ss tt 1 (2.4) SS" tt = αss tt + (1 αα)ss" tt 1 (2.5) aa tt = 2SS tt SS" tt (2.6) bb tt = αα (SS 1 αα tt SS" tt ) (2.7) FF tt+mm = αα tt + bb tt mm (2.8) Keterangan: m SS tt SS tt α aa tt, bb tt = jumlah periode di depan yang diramalkan = nilai pemulusan eksponensial tunggal = nilai pemulusan eksponensial ganda = parameter pemulusan eksponensial dengan nilai = konstanta pemulusan FF tt+mm = hasil peramalan untuk m periode ke depan yang diramakan d. Pemulusan Eksponensial Ganda: Metode Linier Dua Parameter dari Holt Metode pemulusan eksponensial linier dari Holt prinsipnya serupa dengan Brown kecuali Holt tidak menggunakan rumus pemulusan berganda secara langsung.
e. Pemulusan Eksponensial Triple: Metode Kecenderungan dan Musiman Tiga Parameter dari winter f. Pemulusan Eksponensial: Klasifikasi pegels 3. Metode Pemulusan Lainnya a. Metode Kontrol Adaptif dari chow b. Metode Adaptif Satu Parameter dari Brown c. Pemulusan Tiga Parameter Box Jenkins d. Metode Pemulusan Harmonis dan Harrison e. Sistem Pemantauan dari Trigg (Tracking Signal)