5 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forcasting) adalah suatu kegiatan yang memperkirakan apa yang terjadi pada masa mendatang. Peramalan diperlukan adanya perbedaan waktu antara kesadaran akan dibutuhkan suatu kebijakan baru dengan pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa. Sedangkan peramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi di masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal dengan metode peramalan. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadapat tingkah laku atau pola dari data yang lalu. 2.2 Kegunaan dan Peran Peramalan Sering terdapat tenggang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang nol atau sangat kecil, maka perencanaaan tidak diperlukan. Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Kegunaan dari suatu ramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan didasarkan atas pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh
6 karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya, sehingga yang terpenting diperhatikan adalah utnuk memperkecil kesalahan tersebut. Adapun peran penelitian sebagai berikut: 1. Penelitian Salah satu tujuan penelitian adalah melakukan analisa terhadap situasi dan kondisi sekarang atau memperkirakan situasi dan kondisi yang terjadi pada masa mendatang. Gambaran perkembangan tersebut merupakan perkiraan apa yang terjadi, sehingga dapat dikatakan peramalan selalu diperkiraan 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 aja saja yang harus dilakukan, kapan pelaksanannya dan oleh siapa dilaksanakannya. 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. Pegambilan keputusan Peramalan juga berperan dalam pengambilan keputusan. Keputusan yang baik adalah keputysan yang didasarkan atas pertimbangan-pertimbangan apasaja yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang disusun atau dibuat, maka kurang baiklah 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 peroleh. Selain informasi yang digunakan tidak dapat meyakinkan maka hasil peramalan disusun juga akan sukar dipercaya ketetapannya.
7 2.3 Jenis-jenis Peramalan Berdasarkan sifatnya, teknik peramalan dapat dibagi menjadi 2 kategori utama yaitu: 1. Peramalan kualitatif atau teknologis Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan ditentukan berdasarkan pemikiran yang intuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. 2. Peramalan kuantitatif Peramalan kuantitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada metode dipergunakan dalam peramalan tersebut, karena dengan metode yang berbeda akan diperoleh suatu hasil peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan dan penyimpangan antara hasil ramalan dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur penyusunan yang baik. Peramalan kuantitatif dapat dipergunakan bila terdapat 3 kondisi, yaitu: 1. Adanya informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk angka 3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang Metode-metode peramalan dengan analisis deret waktu yaitu: 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak Sering digunakan untuk peramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang.
8 2. Metode Regresi Metode ini bisa digukan untuk ramalan jangka menengah dan jangka panjang. 3. Metode Box-Jenkins Metode ini jarang digunakan, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang. 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 itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi yang lalu yang dibutuhkan, yang bersifat kuantitatif, serta teknik dan metode peramalannya. Metode peramalan dapat memberikan cara pengerjaan yang teratur dan terarah, sehingga demikian dapat dimungkinkannya penggunaan teknik-teknik tersebut, maka diharapkan dapat memberikan tingkat kepercayaan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah, dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri penting dalam pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan. 2.4.1 Teknik dan Metode Peramalan Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri yang penting yang perlu diperhatikan bagi pengambilan keputusan analisis keadaan dalam mempersiapkan peramalan. Ada 6 faktor utama ynag diidentifikasikan sebagai teknik dan metode peramalan yaitu:
9 1. Horizon waktu Ada 2 aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan yaitu cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan. 2. Pola data Dasar utaa dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan. 3. Jenis dari model Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk mentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untk pengambilan keputusan. 4. Biaya yang dibutuhkan Umumnya ada 4 unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu biaya-biaya pengembangan, penyimpangan (storage) data, operasi pelaksanaan dan kesempatan dalam menggunakan teknik-teknik dan metode peramalan. 5. Ketepatan metode peramalan Tingkat ketepatan yang dibutuhan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan didalam suatu peramalan. 6. Kemudahan dan penerapan Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip yang umum bagi pengambilan keputusan. 2.4.2 Pola Data Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah dengan mempertimbangkan jenis pola datanya. Pola data dapat dibedakan menjadi empat, yaitu: 1. Pola Horizontal Terjadi jika nilai data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya). Suatu produk yang
10 penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis pola ini. Pola data horizontal ditunjukkan pada gambar berikut. Gambar 2.1 Pola data horizontal 2. Pola Musiman Terjadi bila data berfluktuasi, namun fluktuasi tersebut terlihat berulang dalam satu interval waktu tertentu.disebut pola musiman karena permintaan ini biasanya dipengaruhi oleh musim sehingga biasanya interval perulangan data ini adalah satu tahun.penjualan dari produk minuman ringan, es krim dan bahan bakar pemanas ruang termasuk pola musiman.pola data musiman ditunjukkan pada gambar berikut. Gambar 2.2 Pola data musiman 3. Pola Siklis Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. produk seperti mobil, baja
11 dan peralatan utama lainnya termasuk pola siklis.pola data siklis ditunjukkan pada gambar berikut. Gambar 2.3 Pola data siklis 4. Pola Trend Pola trend adalah bila data permintaan menunjukkan pola kecenderungan gerakkan penurunan atau kenaikkan jangka panjang. Data yang kelihatannya berfluktuasi, apabila dilihat pada rentang waktu yang panjang akan ditarik garis maya. Garis maya itulah yang disebut garis trend. Pola data trend ditunjukkan pada gambar berikut. Gambar 2.4 Pola data trend
12 2.4.3 Metode Pemulusan (Smoothing) Pada penyusunan Tugas Akhir ini, Penulis menggunakan peramalan kuantitatif. Maka daripada itu Penulis akan membahas lebih lanjut tentang jenis peramalan kuantitatif yaitu metode pemulusan (smoothing). Metode pemulusan adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Secara umum pemulusan dapat digolongkan menjadi beberapa bagian yaitu: 1. Metode Rata-Rata Metode rata-rata dibagi atas empat (4) 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. Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistim peramalan pada periode di masa yang akan datang. 2. Metode Pemulusan Eksponensial a. Pemulusan Eksponensial Tunggal 1. Satu Parameter (One Parameter) 2. Pendekatan aditif Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau trend. b. Pemulusan Eksponensial Ganda 1. Metode Linier Satu Parameter Dari Brown 2. Metode Linier Dua Parameter Dari Holt
13 2.4.4 Metode Peramalan Dalam Pengolahan Data Untuk memperoleh hasil yang baik dan tepat maka haruslah terlebih dahulu diketahui metode yang tepat untuk digunakan dalam peramalan. Dalam meramalkan jumlah ekspor dan impor pada sektor pertanian provinsi Sumatera Utara tahun 2017, Penulis menggunakan metode pemulusan eksponensial ganda yaitu Smoothing Eksponensial Satu Parameter Dari Brown. Peramalan dengan metode pemulusan eksponensial ganda membutuhkan tiga buah nilai data dan satu nilai alpha (α). Metode pemulusan merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu yang akan diramalkan nilainya ke suatu periode yang akan datang. Dalam metode ini data historis digunakan untuk memperoleh angka yang akan dihitung dengan menggunakan metode pemulusan eksponensial Ganda. Peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Pada peramalan jumlah ekspor dan impor sektor pertanian provinsi Sumatera Utara tahun 2017 dengan metode pemulusan eksponensial ganda memiliki tahapan dalam pengolahannya sehingga akan diperoleh hasil yang Penulis inginkan. Persamaan-persamaan yang digunakan dalam metode pemulusan eksponensial ganda adalah sebagai berikut: a. Menentukan pemulusan pertama/tunggal ( ) + (1-α). 2.1 b. Menentukan pemulusan kedua/ganda ( ) (1-α)... 2.2 c. Menentukan besarnya konstanta ( )... 2.3 d. Menentukan besarnya slope ( = (. 2.4 e. Menentukan besarnya ramalan ( = (m). 2.5
14 f. Mencari nilai MSE, maka harus ditentukan terlebih dahulu nilai (kesalahan) dan e (kesalahan kuadrat). = 2.6 e =.. 2.7 dengan: = nilai aktual periode ke-t = nilai pemulusan eksponensial tunggal = nilai pemulusan eksponensial ganda, = konstanta pemulusan = hasil peramalan untuk m periode ke depan yang akandiramalkan m = jumlah periode ke depan yang diramalkan α = parameter pemulusan eksponensial besarnya 0 < α < 1 e t X t F t = error (kesalahan peramalan) = data sebenarnya pada periode ke-t = hasil ramalan pada periode ke-t 2.8 Ukuran Akurasi Hasil Peramalan Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan peramalan adalah ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. Dalam hal ini digunakan Rata-rata Kuadrat Kesalahan atau Mean Square Error (MSE). Mean Square Error (MSE) dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara matematis, Mean Square Error (MSE) dirumuskan sebagai berikut: MSE = 2.8 dengan: MSE = Mean Square Error (Rata-rata Kuadrat Kesalahan) e t X = t Ft kesalahan pada periode ke-t
15 X t = data aktual pada periode ke-t F t n = nilai ramalan pada periode ke-t = banyaknya periode waktu