7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan didefinisikan sebagai kegiatan memperkirakan apa yang terjadi pada masa yang akan datang dengan menggunakan data dan informasi yang ada. Sedangkan ramalan adalah suatu situasi atau kondisi yang memperkirakan apa yang akan terjadi di masa yang akan datang. Dengan hasil analisa peramalan akan dapat menunjukkan yang akan terjadi di masa yang akan datang. Dalam peramalan ini pada umumnya akan berhadapan dengan ketidakpastian. Terdapat dua jenis peramalan yang utama yaitu, model deret berkala (time series) dan model regresi (kausal). Pada jenis petama, pendugaan masa dapat dilakukan berdasarkan nilai masa lalu dari suatu variabel dan kesalahan masa lalu. Tujuan metode deret berkala seperti itu adalah menemukan pola deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Model kausal di pihak lain mengasumsikan bahwa faktor yang diramalkan menunjukan suatu hubungan sebab akibat dengan satu atau lebih variabel bebas. Ada beberapa metode yang digunakan dalam peramalan. Tetapi metode yang digunakan penulis dalam Tugas Akhir ini adalah Metode Double Exponensial Smoothing dengan Metode Linier Satu Parameter Brown. 2.2 Kegunaan Peramalan Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka atau bilangan yang harus dipergunakan begitu saja. Penggunaanya masih 7
8 memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil ramalan biasanya didasarkan atas dasar asumsi-asumsi kalau keadaan tidak berubah seperti waktu sebelumnya. Dalam perencanaan di organisasi atau perusahaan peramalan merupakan kebutuhan yang sangat penting. Dimana organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Terdapat beberapa kegunaan peramlan, yaitu: 1. 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 untuk produk, bahan, tenaga kerja, financial, atau jasa pelayanan. 2. Untuk penyediaan sumber daya tambahan waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerjaan baru, atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun, peramalan diperlukan untuk menentukan sumber daya di masa mendatang. 3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan sumber daya keuangan. Semua ini memerlukan ramalan yang baik dan manager yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat. 2.3 Jenis Peramalan Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam dua kategori yaitu: 1. Peramalan Kualitatif Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. Metode kualitatif dibagi menjadi dua yaitu Metode Eksporatis dan Metode Normatif. 8
9 2. Peramalan Kuantitatif Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang digunakan dalam peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang digunakan semakin baik. Metode kuantitatif dapat dibagi dalam metode deret berkala (time series) dan metode kausal. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut: 1. Tersedia informasi tentang masa lalu. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa mendatang. 2.4 Analisis Deret Berkala Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran-gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisi deret berkala memungkinkan untuk mengetahui perkembangan suatu kejadian serta hubungan dengan kejadian yang lain. Tujuan time series ini mencakup pola data yang digunakan untuk meramalkan apakah data tersebut stationer atau tidak serta ekstrapolasi ke masa yang akan datang. Stasioner ini sendiri bahwa tidak terdapat penurunan/peningkatan pada data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konsisten sepanjang waktu. 2.5 Metode Pemulusan Metode pemulusan adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Suatu sampel dikatakan sudah mencukupi atau mewakili populasinya apabila N < N. Secara umum, Metode Pemulusan dibagi menjadi dua yaitu: 9
10 1. Metode Rata-rata Metode rata-rata dibagi menjadi empat 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 Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode Pemulusan Eksponensial Bentuk umum dari Metode Pemulusan Eksponensial adalah: Metode Pemulusan Eksponensial terdiri atas: 1. Smoothing Exponensial Tunggal a. Satu parameter (one parameter) b. Pendekatan aditif (ARES) 2. Smoothing Exponensial Ganda a. Metode Linier Satu Parameter Brown b. Metode Linier Dua Parameter Holt 3. Smoothing Exponensial Tripel a. Metode kuadratik satu parameter dari Brown Digunakan untuk pola data kuadratik, kubik atau orde yang lebih tinggi. b. Metode kecenderungan dan musiman tiga parameter dari Winter Dapat digunakan untuk data yang berbentuk trend atau musiman. 2.6 Metode Pemulusan yang Digunakan Untuk mendapatkan hasil yang baik harus diketahui cara yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan jumlah kebutuhan beras pada pemecahan masalah ini adalah dengan menggunakan Metode Double Exponensial Smoothing dengan Metode Linier Satu Parameter Brown. Metode ini dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Exponensial Linier Satu Parameter Brown adalah serupa dengan ratarata bergerak linier. 10
11 Persamaan yang digunakan dalam pelaksanaan Smoothing Exponensial Linier Satu Parameter Brown adalah sebagai berikut: ( ) - Keterangan: = nilai smoothing pertama period ke- t = nilai smoothing kedua period ke- t = nilai smoothing pertama periode ke- t1 = nilai smoothing kedua periode ke- t1 = nilai peramalan pada periode ke- t = besarnya konstanta pada periode ke- t t = besarnya koefesien pada periode yang akan diramalkan = jumlah periode yang diramalkan = nilai real periode 2.7 Ketepatan Ramalan Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu periode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala dari data masa lalu dapat diramalkan situasi yang akan terjadi di masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain: 1. ME (Mean Error)/Nilai Tengah Kesalahan 2. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat 11
12 3. MAE (Mean Absolute Error)/Nilai Tengah Kesalahan Absolut 4. MAPE (Mean Absolute Percentage Error)/Nilai Tengah Kesalahan Persentase Absolut 5. MPE (Mean Percentage Error)/Nilai Tengah Kesalahan Persentase Keterangan: e t X t = X t - F t = data aktual dari periode ke- t 100 ; kesalahan persentase pada periode ke- t F t N = nilai ramalan pada periode ke- t = banyaknya periode waktu Metode peramalan yang dipilih adalah metode peramalan yang memberikan nilai MSE terkecil. 12