BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang perlu dilakukan. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal dengan metode peramalan. Metode peramalan adalah cara memperkirakan secara kwantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode peramalan 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. 2.2 Kegunaan dan Peran Peramalan Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peritiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas peralaman sangat diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan tindakan yang perlu dilakukan. Dalam perencanaan di suatu instansi baik itu pemerintahan maupun swasta, peramalan merupakan kebutuhan yang sangat mendasar. Dimana baik maupun buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.
Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah yang didasarkan atas pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang selalu dihadapi karena peramalan berkaitan erat dengan pengambilan suatu keputusan. Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan atau ketepatan ramalan yang dibuat. Selama data maupun informasi yang digunakan tidak dapat meyakinkan maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya. Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu disadari bahwa ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahnnya tersebut. Di dalam bagian organisasi terdapat beberapa peranan penting dalam peramalan : 1. 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, bahan, tenaga kerja, finansial atau jasa pelayanan.
2. Penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antaa beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan sumber daya di masa yang akan datang. 3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka waktu panjang. Keputusan semacam ini bergantung kepada kesempatan pasar, faktor-faktor lingkungan dan pengembangan internal dari sumber daya finansial, manusia, produk dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat. Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang. Dari uraian di atas dapat dikatakan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.
2.3 Jenis Peramalan Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu : 1. Peramalan Kwalitatif atau Teknologis Peramalan Kwalitatif adalah peramalan yang didasarkan atas data kwalitaitf pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kwalitaitf dapat dibagi menjadi 2 yaitu : Metode eksploratif dan normatif. 2. Peramalan Kwantitatif Peramalan Kwantitatif adalah peramalan yang didasarkan atas data kwalitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan atau 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. Metode Kwantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.
Peramalan kwantitatif dapat digunakan bila terdapat tiga kondisi yaitu : 1. Adanya informasi tentang masa lalu. 2. Informasi tersebut dapat dikwantitatifkan dalam bentuk data. 3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang. Metode-metode peramalan dengan analisis deret waktu yaitu : 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang. 2. Merode Regresi Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang. 3. Metode Box-Jenkins Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang. 2.4 Pemilihan Teknik dan Metode Peramalan Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciriciri penting yang perlu 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 yaitu : cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan. 2. Pola Data Dasar utama 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 menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan. 4. Biaya yang dibutuhkan Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu : biaya-biaya pengembangan, penyimpangan (storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan. 5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. 6. Kemudahan dan Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan. 2.5 Analisis Deret Berkala Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan dengan kejadian lainnya. Metode time series merupakan metode peramalan kwantitatif didasarkan atas penggunaaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan / penurunan data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu. 2.6 Penentuan Pola Data Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan jenis pola data hitorisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :
1. Pola Horizontal (H) Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan. 2. Pola Musiman (S) Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman. Misalnya kwartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu. 3. Pola Siklis (C) Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. 4. Pola Trend (T) Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data. 2.7 Metode Pemulusan (Smoothing) Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai bebrapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu : 1. Metode Rata-rata Metode rata-rata dibagi atas empat bagian, yaitu : a. ilai 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 memanfaaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode Pemulusan Eksponensial Bentuk umum dari metode pemulusan eksponensial adalah : Dengan : F t + 1 = α X t +(1-α )F t F t + 1 = Ramalan satu periode ke depan X t = Data aktual pada periode ke-t F t = Ramalan aktual pada periode ke-t α = Parameter pemulusan Metode smoothing eksponensial terdiri atas : 1. Smoothing Eksponensial Tunggal a. Satu Parameter b. Pendekatan Adaptif 2. Smoothing Eksponensial Ganda a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt 3. smoothing Eksponensial Tripel a. Metode kuadratik satu parameter dari Brown b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter
4. Smoothing Eksponensial menurut klasifikasi Pegels. 2.8 Metode Smoothing Yang Digunakan Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu Smoothing Eksponensial Satu Parameter dari Brown. Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Persamaan yang tepat dipakai dalam pelaksanaan Pemulusan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut : S ' = α X + (1-α ) S ' t t t 1 S " = α S ' + (1- α )S " t t t 1 a t = 2 S ' t - S " t = S ' t +( S ' t - S " t ) b t = α ( S ' t 1 α - S " ) t F t+ m = a t + b t (m)
Dengan : S ' t = ilai pemulusan eksponensial tunggal S " t = ilai pemulusan eksponensial ganda a t, b t = konstanta pemulusan F t+ m = Hasil permalan untuk m periode ke depan yang akan diramalkan α = Parameter pemulusan eksponensial besarnya adalah 0<α <1. 2.9 Ketepatan Ramalan Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala ( time series ) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada 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 ) atau ilai Tengah Kesalahan ME = t=1 e t 2. MSE ( Mean square Absolut Error ) atau ilai Tengah Kesalahan Kuadrat MSE = t=1 e 2 t
3. MAE ( Mean Absolut Error ) atau ilai Tengah Kesalahan Absolut MAE = t=1 e t 4. MAPE ( Mean Absolut Percentage Error ) atau ilai Tengah Kesalahan Persentase Absolut MAPE = t=1 PE t 5. MPE ( Mean Percentage Error ) atau ilai Tengah Kesalahan Persentase MPE = t=1 PE t 6. SSE ( Sum Square Error ) atau Jumlah Kuadrat Kesalahan 2 e t t= 1 SSE = 7. SDE ( Standard Deviation of Error ) atau Deviasi Standar Kesalahan SDE = t= 1 e 2 t ( 1) Dengan : e t = X t -F t ( Kesalahan pada periode ke-t ) X t = data aktual pada periode ke-t F t = nilai ramalan pada periode ke-t