BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian dan Peranan Peramalan Aktivitas manajerial khususnya dalam proses perencanaan, seringkali membutuhkan pengetahuan tentang kondisi yang akan datang. Pengetahuan ini sering dinyatakan dalam bentuk peramalan kejadian atau kondisi yang akan datang. Kegiatan peramalan merupakan landasan penting agar para pengambil keputusan mampu menerapkan keputusan yang tepat dan dapat mengalokasikan sumber daya orgonisasi secara efektif dan efisien. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Peramalan sangat dibutuhkan menentukan kapan suatu peristiwa akan tejadi atau suatu keputusan akan timbul sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang diperlukan. Ramalan tidak pernah tepat seratus persen, kalaupun tepat mungkin karena kebetulan. Oleh karena itu peramalan adalah penggunaan data masa
lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Asumsi dasar dalam penerapan teknik-teknik peramalan adalah: If we can predict what the future will be like we can modify our behaviour now to be in a better position, than we otherwise would have been, when the future arrives. Artinya, jika kita dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus berulang setidaknya dalam masa mendatang yang relatif dekat. Peramalan sangat penting dalam : 1. Penelitian Salah satu tujuan penelitian adalah melakukan analisa terhadap situasi dan kondisi sekarang atau tingkah laku dari sesuatu yang teliti sampai pemeritahan, produksi dan penjualan yang digunakan untuk memperkirakan situai dan kondisi yang akan terjadi atau tingkah laku yang akan diteliti tersebut di masa depan. Gambaran perkembangan pada masa depan diperoleh dari hasil analisa data yang didapat dari penelitian, dan perkembangan tersebut merupakan perkiraan apa yang akan terjadi, sehingga dapat dikatakan peramalan selalu diperkirakan dalam penelitian. 2. Perencanaan Peramalan merupakan dasar untuk menyusun rencana. Dalam penyusunan rencana sering terjadi adanya perbedaan waktu dalam kegiatan penyusunan rencana berupa penentuan kegiatan apa saja yang harus dilakukan, kapan pelaksanaanya dan oleh sapa dilaksanakan. Apabila perbedaan waktu tersebut panjang, maka peranan peramalan sangat dibutuhkan,
terutama dalam menentukan kapan suatu peristiwa akan terjadi sehingga dapat dipersiapkan tindakan-tindakan apa yang perlu dilakukan. 3. Pengambilan keputusan Peramalan juga berperan dalam hal pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan-pertimbangan apa saja yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang disusun atau dibuat, maka makin kurang bailklah keputusan yang kita ambil. Berdasarkan uraian diatas, baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan, juga ditentukan baik tidaknya informasi yang diperoleh. Selain informasi yang digunakan, tidak dapat menyakinkan, maka hasil peramalan disusun juga akan sukar dipercaya akan ketepatanya. 2.1.2 Kebutuhan dan Kegunaan Peramalan Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Metode peramalan sangat berguna dalam membantu dalam mengadakan analisa terhadap data dari masa lalu, sehimgga dapat memberikan cara pemikiran, pengerjaan dan perencanaan yang sistematis dan memberikan ketepatan hasil peramalan yang dibuat atau disusun.
2.1.3 Metode Peramalan Salah satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu data yang ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka pendek (minggu bulan), menengah (bulan tahun), dan jangka panjang (tahun dekade). Tabel berikut ini menunjukkan tipe-tipe keputusan berdasarkan jangka waktu peramalannya. Table 2.1 Rentang Waktu dalam Peramalan Rentang Waktu Tipe Keputusan Contoh Jangka Pendek ( 3 6 bulan) Operasional Perencanaan Distribusi Produksi, Jangka Menengah ( 2 tahun) Taktis Penyewaan Lokasi dan Peralatan Penelitian dan Jangka Panjang (Lebih dari 2 tahun) Strategis Pengembangan untuk akuisisi dan merger Atau pembuatan produk baru
Selain rentang waktu yang ada dalam proses peramalan, terdapat juga teknik atau metode yang digunakan dalam peramalan. Metode peramalan dapat diklasifikasikan dalam dua kategori, yaitu: 1. Metode Kuantitatif Penggunaan metode ini didasari ketersediaan data mentah disertai serangkaian kaidah matematis untuk meramalkan hasil di masa depan. Terdapat beberapa macam model peramalan yang tergolong metode kualitiatif, yaitu: a. Model Deret Berkala (Time Series) Pada model ini, pendugaan masa depan dapat dilakukan berdasarkan nilai masa lalu dari suatu variabel dan atau kesalahan masa lalu. Tujuanya adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola dalam deret dan historis tersebut ke masa depan. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan / pengaruhnya terhadap kejadian lainya. Metode-metode peramalan dengan menggunakan time series, yaitu: 1. Metode Smoothing a. Metode Data Lewat / NAIF b. Metode Rata-Rata Kumulatif c. Metode Rata-Rata bergerak (Moving Average) d. Metode Eksponensial Smoothing
2. Metode Box-Jenkis 3. Metode Perkiraan Trend dengan Regresi b. Model Kausalitas Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab akibat dengan satu atau lebih variabel bebas. Metode peramalan dengan model kausalitas yaitu: 1. Metode Regresi dan Korelasi 2. Metode Ekonometrika 3. Metode Analisis input-output Peramalan kuantitatif dapat digunakan bila memenuhi 3 (tiga) kondisi berikut: 1. Tersedianya informasi tentang masa lampau. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik (angka/bilangan). 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang. Orang yang tidak mengenal ataupun mengerti tentang metode peramalan kuantitatif sering berfikir bahwa masa lalu tidak dapat menerangkan atau mengambarkan bagaimana keadaan yang akn terjadi di masa yang akan datang, karena segala sesuatunya akan berubah secara tidak konstan. Tapi setelah mengenal data dan teknik peramalan, maka terjadilah jelas walaupun tidak ada metode yang benar yang membuktikan bahwa hasil peramalan tersebut
seratus persen dapat menggambarkan keadaan yang sebenarnya yang akan terjadi dimasa yang akan datang, tetapi hasil peramalan tersebut akan memberikan ataupun menjelaskan bagaimana bentuk dan peningkatan peramalan yang terjadi. 2. Metode Kualitatif ( Teknologis ) Metode peramalan kualitatif adalah metode peramalan yang didasarkan atas data kualitatif pada masa lalu. Metode ini digunakan dimana tidak ada model matematik, biasanya dikarenakan data yang ada tidak cukup representatif untuk meramalkan masa yang akan datang (long term forecasting). Peramalan kualitatif menggunakan pertimbangan pendapat-pendapat para pakar yang ahli atau experd di bidangnya. Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat murah (tanpa data) dan cepat diperoleh. Sementara kekurangannya yaitu bersifat subyektif sehingga seringkali dikatakan kurang ilmiah. Metode kualitatif ini dibagi menjadi dua bagian yaitu: a. Model Eksploratif Model ini dimulai dari data atau masalah-masalah dari masa lalu dan masa kini sebagai titik awalnya dan bergerak kearah masa depan dengan melihat semua kemungkinan yang ada.
b. Model Normatif Model ini dimulai dengan cara menetapkan sasaran tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumber daya dan teknologi yang tersedia. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting, karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisif, pendapat dan pengetahuan dari orang yang menyusunnya. Untuk mempermudah metode peramalan, ada beberapa faktor yang didefenisikan sebagai teknik dan metode peramalan yaitu: 1. Horizon waktu Ada 2 aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan datang. Kedua adalah jumlah peeriode untuk peramalan yang diingini. 2. Pola data Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapat dalam data yang diramalkan akan berkelanjutan. 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 kemempuan yang berbeda dengan analisa keadaan untuk pengambilan keputusan.
4. Biaya yang dibutuhkan Umumnya ada empat biaya yang tercakup didalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode lainya. 5. Ketepatan metode peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitanya dengan tingkat perincian yang dibutuhkan dalam peramalan. 6. Kemudahan dalam penetapan Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan. 2.1.4 Penentuan Pola Pola Data Dalam peramalan pola data sangatlah penting. Oleh karena itu pola data dapat dibedakan sebagai berikut: 1. Pola data horizontal Pola horisontal (H) terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar 1.1.
2. Pola data musiman ( seasonal ) Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2. 3. Pola data siklik Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3. 4. Pola data trend Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4.
2.1.5 Metode Peramalan Yang Digunakan Metode Rata-Rata Bergerak Tunggal (Single Moving Average) Metode yang sering digunakan untuk meratakan deret berkala yang bergelombang adalah metode rata-rata bergerak. Metode ini dibedakan atas dasar jumlah tahun yang digunakan untuk mencari rata-ratanya. Misalnya Jika digunakan 1 tahun sebagai dasar pencarian ratarata bergerak, teknik tersebut dinamakan Rata-rata Bergerak per 1 tahun. Jika digunakan 3 tahun sebagai dasar pencarian rata-rata bergerak, teknik tersebut dinamakan Rata-rata bergerak3tahun.
Prosedur menghitung rata-rata bergerak sederhana per 3 tahun sebagai berikut : 1. Jumlahkan data selama 3 tahun berturut-turut. Hasilnya diletakkan di tengah-tengah tahun tersebut. 2. Bagilah dengan banyaknya tahun tersebut (3) untuk mencari nilai rata-rata hitungnya. 3. Jumlahkan data berikutnya selama 3 tahun berturut-turut dengan meninggalkan tahun yang pertama. Hasilnya diletakkan di tengah-tengah tahun tersebut dan bagilah dengan banyaknya tahuntersebut(3)danseterusnyasampaiselesai. Dalam penulisan Tugas Akhir ini, penulis menggunakan peramalan Kuantitatif. Dimana salah satu metode yang dipakai adalah metode analisis deret berkala (Time Series) melalui metode smoothing yaitu metode rata-rata bergerak tunggal (Single Moving Average). Alasan pemilihan metode ini adalah dikarenakan data yang akan dianalisis adalah data yang memiliki bentuk atau pola siklis (berpluktuatif) dan akan lebih tepat bila digunakan untuk peramalan dengan teknik tersebut. Rumus-rumus yang digunakan adalah: Kolom 4 Kolom 5 Kolom 6
Kolom 7 ( Kolom 8 Table 2.2 Rata-Rata Bergerak Tunggal 2 Tahunan Sebagai Peramalan Jumlah Ekspor Pada Sektor Industri Propinsi Utara Tahun Periode Jumlah Rata-rata Rata-rata Nilai Nilai Nilai (t) Ekspor bergerak tunggal bergerak ganda 2 Ramalan 2 tahunan( Tahunan ( ( (1) (2) (3) (4) (5) (6) (7) (8) 2000 1..... 2001 2..... 2002 3..... 2003 4..... 2004 5..... - - -..... - - -..... - - -.....
N N..... Keterangan: 1. = Rata- rata bergerak tunggal pada waktu t 2. = Rata rata bergerak ganda pada waktu t 3. N = Banyaknya nilai masa lalu 4. = Konstanta untuk m periode ke muka 5. = Komponen kecenderungan 6. = Jumlah periode ke muka yang digunakan 7. = Nilai ramalan untuk t+m waktu ke depan Dan pertumbuhan secara Geometris (Geometris Growth) Rumus yang digunakan adalah: Dimana: Pt = Jumlah hasil yang dicapai pada tahun t Po = Jumlah hasil yang dicapai pada awal tahun r = Rata rata tingkat perkembangan terhadap hasil yang dicapai per tahun t = Jangka waktu ( tahun )
2.1.6 Ketepatan Peramalan Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus di bawah ini: = = Hasil peramalan yang akurat aadalah peramalan yang bias meminimalkan kesalahan meramal. Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memeberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa : a. Mean Absolute Error (MAE) Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau negative. MAE N t= = 1 X t N Ft b. Mean Squared Error (MSE) Mean Squared Error adalah rata-rata kesalahan meramal yang dikuadratkan. MSE N ' ( X t Ft ) t= = 1 N 2
c. Mean Absolute Percentage Error adalah nilai tengah kesalahan persentase absolute dari suatu peramalan. MAPE = Untuk mengetahui nilai kesalahanya dapat dilihat dalam table berikut: Tabel 2.3 Nilai Kesalahan Jumlah Peramalan Kesalahan Kesalahan Kesalahan Kesalahan Kesalahan Ekspor Absolute kuadrat persentase persentase Periode ( ) ( ) ( - ) - (PE) absolute (MAPE) (1) (2) (3) (4) (5) (6) (7) (8) 1..... 2..... 3..... 4..... 5..... 6..... 7..... 8..... 9..... 10..... Jlh.....