BAB 2 LANDASAN TEORI 2.1 Kendaraan Bermotor Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya kendaraan bermotor menggunakan mesin pembakaran dalam (perkakas atau alat untuk menggerakkan atau membuat sesuatu yg dijalankan dengan roda, digerakkan oleh tenaga manusia atau motor penggerak, menggunakan bahan bakar minyak atau tenaga alam). Kendaraan bermotor memiliki roda, dan biasanya berjalan di atas jalanan. semakin hari semakin banyak yang memiliki kendaraan bermotor, akan tetapi di lain pihak pula ada sebagian besar golongan masyarakat yang tidak mampu untuk menikmati hasil kemajuan teknologi ini. Hal ini menyebabkan adanya kesenjangan sosial di dalam masyarakat, perbedaan semacam ini dapat mengakibatkan terjadinya berbagai macam kejahatan diantaranya kejahatan pencurian kendaraan bermotor. 2.2 Kejahatan Kejahatan merupakan fenomena kehidupan masyarakat, karena kejahatan juga masalah manusia yang berupa kenyataan sosial. Penyebabnya kurang kita pahami, karena dapat terjadi dimana dan kapan saja dalam pergaualan hidup.sedangkan naik turunnya angka kejahatan tersebut tergantung pada keadaan masyarakat, keadaan politik ekonomi, budaya dan sebagainya. Tindak pidana pencurian kendaraan bermotor jenis roda dua tergolong dan merupakan tindak pidana
terhadap harta benda yang menjanjikan atau memberikan hasil yang cukup memadai kepada para pelakunya. 2.3 Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, pengguna perlu melakukan suatu penarikan sampel.hal ini dikarenakan tidak selamanya pengguna dapat melakukan pengamatan seluruhnya pada populasi tersebut. Di samping itu juga, terdapat faktor-faktor yang tidak memungkinkan antara lain ketersediaan dana, tenaga, dan waktu penulis yang terbatas. Sampel yang baik adalah sampel yang representatif, artinya sampel tersebut harus dapat menggambarkan atau menerangkan sifat-sifat karakteristik dari populasinya.hal ini dapat diketahui dengan melihat kecukupan sampel yang dikumpulkan. Suatu sampel dikatakan sudah mencukupi atau mewakili populasinya apabila N <N, dengan N adalah banyaknya sampel yang kita kumpulkan, XX ii adalah data yang dikumpukan, dan N adalah sampel yang diperoleh dari rumus : 2 NN = 20 NN YY ii 2 ( YY ii ) 2 (2.1) YY ii Keterangan : NN = banyak sampel (hasil uji kecukupan sampel) NN = banyak sampel (tahun) yang digunakan YY ii =Tingkat Pencurian Kendaraan bermotor pada tahun ke-i
2.4 Peramalan 2.4.1 Pengertian Peramalan Peramalan (Sofyan Assauri,1991) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Peramalan dibutuhkan untuk mengetahui/memperkirakan kapan suatu peristiwa akan tejadi atau berapa jumlah suatu kebutuhan tertentu di masa mendatan. Dengan peramalan kita juga dapat memperkirakan bagaimana suatu peristiwa yang ingin kita ketahui dapat terjadi di masa yang akan datang. Dengan demikian peramalan sangat bermanfaat bagi kita untuk melakukan suatu persiapan untuk menghadapi masa yang akan datang, serta dapat membantu kita dalam mengambil kebijakan dan tindakan-tindakan penting tentang sesuatu hal. 2.4.2 Kegunaan Peramalan Di dalam bagian organisasi terdapat beberapa kegunaan peramalan diantaranya : 1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan konsumennya atau si pelanggan. 2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (lead time)untuk memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa
tahun. Peramlan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang. 3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dala waktu jangka panjang. Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangannya. Semua penentuan ini memerlukan peramalan yang baik dan manejer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik. 2.4.3 Jenis-Jenis Peramalan Peramalan 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 3,5 Tahun atau 3 Semester.
2. Peramalan jangka pendek, yaitu peramalan 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 kualitaif 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 peramalan 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. Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yakni teknik statistik dan teknik deterministik.teknik statistik menitik beratkan pada pola, perubahan pola, dan faktor gangguan yang disebabkan oleh pengaruh random.yang termasuk dalam teknik ini adalah smoothing, dekomposisi, dan
BoxJenkins. Teknik deterministik mencakup identifikasi dan penentuan hubungan antarvariabel yang akan diperkirakan dengan variabel-variabel lain yang akan mempengaruhinya. Yang termasuk dalam teknik ini adalah teknik regresi sederhana, regresi berganda, autoregresi, dan model input-output. 2.4.4 Prosedur dalam Penelitian Kualitas hasil peramalan sangat ditentukan oleh proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang mengikuti langkahlangkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga prosedur/langkah penting dalam peramalan : a) Menganalisis data yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut. b) Menentukan metode yang akan digunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda. Metode peramalan yang bik adalah metode yang memberikan hasil ramalan yang tidk jauh berbeda dengan kenyataan yang terjadi. Dengan kata lain, metode peramalan yang baik akan menghasilkan penyimpangan (bias) yang sekecil mungkin antara hasil peramalan dengan data yang sebenarnya atau kenyataan yang ada. c) Memproyeksikan data yang lalu dngan menggunakan metode yang telah ditentukan. Hasil inilah yang akan dipergunakan sebagai dasar untuk perencanaan dan pengambilan keputusan.
2.4.5 Menghitung Kesalahan Peramalan Hasil proyeksi 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 : Error = data yang sebenarnya-data hasil peramalan EE tt = XX tt FF tt (2.2) Keterangan: XX tt = data sebenarnya pada periode ke-t FF tt = hasil peramalan pada periode ke-t Dalam menghitung forest error digunakan Mean Squared Errors (MSE). Mean Squared Errors (MSE) adalah rata rata kesalaan meramal dikuadratkan. a. Mean Squared Error (MSE) Mean Squared Error adalah rata-rata kesalahan meramal dikuadratkan. MMMMMM = ee tt 2 (2.3) nn 2.5 Metode Eksponensial Smoothing 2.5.1 Metode Single Eksponensial Smoothing Metode single eksponensial smoothing digunakan untuk data runtut waktu yang mengikuti pola stasioner. Bentuk umum yang digunakan untuk menghitung ramalan adalah:
Y t+1 = αy t + (1 α)y t (2.4) Dimana: Y t+1 = nilai ramalan untuk periode berikutnya a Y t = parameter pemulusan = data baru atau nilai Y yang sebenarnya pada periode t 2.5.2 Metode Double Eksponensial Smoothing Satu Parameter Brown Metode double eksponensial smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun yang lalu untuk menaksir nilai pada beberapa tahun yang akan datang. Dalam metode ini historis digunakan untuk memperoleh angka yang dihitung menggunakan Metode Double Eksponensial Smoothing Satu Parameter Brown. Peramalan dilakukan dengan mengulang perhitungan secara terusmenerus dengan menggunakan data yang terbaru.setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar. Metode ini digunakan untuk data runtut waktu yang mengikuti suatu trend linier. Pada teknik ini, jika parameter pemulusan (α) mendekati 0, maka ramalan yang baru akan mencakup penyesuaian kesalahan yang sangat kecil pada ramalan sebelumnya. Tetapi, jika parameter pemulusan (α) tidak mendekati 0 atau mendekati 1, maka ramalan yang baru akan mencakup penyesuaian kesalahan yang besar pada ramalan sebelumnya. Pada metode Eksponensial Ganda linier satu parameter Brown memiliki tahap-tahap tetapi proses ramalan dimulai dengan menentukan besarnya alpha(α) dan eror. Adapun langkah-langkahnya adalah: a. Menentukan Smoothing Pertama (SS tt ) SS tt = ααxx tt + (1-α)SS tt 11 (2.5)
b. Menentukan Smoothing Kedua (SS tt ) SS tt = SS tt + (11 )SS tt 11 (2.6) c. Menentukan Besarnya Konstanta (aa tt ) SS tt = SS tt + (SS tt SS tt ) = 2222 tt SS tt (2.7) d. Menentukan Besarnya Slope (bb tt ) bb tt = (SS 11 tt SS tt ) (2.8) e. Menentukan Besarnya Forecast (FF 1+mm ) FF tt+mm = aa tt + bb tt m (2.9) Dengan m adalah periode yang akan diramalkan Dimana: m = Jumlah periode didepan yang diramalkan SS = Nilai eksponensial smoothing tunggal SS = Nilai eksponensial smoothing ganda αα = Parameter Pemulusan Eksponensial a t, b t = Konstanta pemulusan FF tt+mm = Hasil peramalan untuk m periode ke depan Rumus-rumus tersebut diatas akan digunakan untuk meramalkan tingkat kejahatan pencuriaan kendaraan bermotor. Alasan penulis memilih metode Smoothing Eksponensial Ganda sebagai metode peramalan yang akan digunakan adalah karena penulis melihat bahwa selisih tingkat kejahatan dari tahun ke tahun tidak konstan atau mengalami naik-turun, sehingga penulis menggunakan metode
tersebut untuk melakukan pemulusan kejahatan dari tahun ke tahun sebelum melakukan peramalan terhadap tingkat kejahatan untuk beberapa tahun ke depan.