BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret waktu karena memiliki karakteristik bahwa data yang dianalisis bersifat deret waktu. Periode waktu dari deret waktu dapat berupa tahunan, mingguan, bulanan, semesteran, kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan, bahwa pola data cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk menganalisis data tersebut. Beberapa bentuk analisa deret waktu dapat dikelompokkan ke dalam beberapa kategori : 1. Metode pemulusan (Smoothing), metode pemulusan dapat dilakukan dengan dua pendekatan yakni metode perataan (Average) dan metode pemulusan eksponensial (Exponential Smoothing). 2. Model ARIMA (Autoregressive Integrated Average), model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data.
3. Analisis deret berkala multivariat model ARIMA digunakan untuk analisis data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan modelmodel univariat. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen. 2.2 Kebutuhan dan Kegunaaan 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. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil persitiwa akhir tergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari
beberapa tahun (untuk kasus penanaman modal) sampai beberapa hari atau bahkan beberapa jam (untuk penjadwalan produksi dan transportasi). 2.3 Peranan Teknik Peramalan Dewasa Ini Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumber daya peramalan secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor, yang pertama adalah karena meningkatnya kompleksitas organisasi dan lingkungannya, hal ini membuat pengambil keputusan semakin sulit untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat. Keempat, pengambilan individu secara eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima, dan mungkin yang terpenting bahwa pengembangan metode peramalan dan pengetahuan yang menyangkut aplikasinya telah memungkinkan adanya penerapan secara langsung oleh para praktisi dari pada hanya dilakukan oleh para teknisi ahli. Dengan adanya jumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu metode peramalan yang cocok bagi situasi pengambilan keputusan tertentu.
Suatu peramalan sangat beragam dan horison waktu peramalan, faktor yang menetukan hasil sebenarnya, tipe pola data dan berbagai pola aspek lainnya. Untuk menghadapi penggunaan yang luas seperti itu, beberapa teknik dikembangkan. Teknik tersebut dibagi dalam dua kategori yaitu metode kuantitatif dan metode kualitatif atau teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normatif. Model deret berkala sering kali dapat digunakan dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis dan trend yaitu : 1. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti itu stasioner dengan nilai rata-ratanya). Contohnya adalah data produk penjualan yang tidak meningkat atau menurun selama waktu tertentu. 2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruangan semuanya menujukkan jenis pola ini.
3. Pola siklis (S) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. 4. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP) dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu pola trend selama perubahannya sepanjang waktu. 2.4 Metode Peramalan Eksponesial Ganda (Metode Linier Satu Parameter dari Brown) Kelompok metode yang menunjukkan pembobotan menurun secara eksponesial terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponesial. Seperti halnya dengan rata-rata bergerak, metode eksponensial terdiri atas tunggal, ganda dan metode yang lebih rumit. Semua mempunyai sifat yang sama, yaitu nilai yang lebih baru diberikan bobot yang relatif besar dibanding nilai pengamatan yang lebih lama. Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai pengamatan merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi dalam pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan yang ditentukan secara eksplisit, dan hasil pilihan ini menetukan bobot yang dikenakan pada nilai observasi.
Dengan cara analogi yang dipakai pada waktu berangkat dari rata-rata bergerak tunggal ke pemulusan (smoothing) eksponesial tunggal juga dapat berangkat dari rata-rata bergerak ganda kepemulusan ganda. Perpindahan seperti ini mungkin menarik karena salah satu keterbatasan dari rata-rata bergerak linier, kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N-1. Pemulusan eksponensial linier dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk α. Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai dari pada rata-rata bergerak linier sebagai suatu metode peramalan dalam berbagai kasus utama. Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama dengan rata-rata bergerak linier, karena kedua nilai pemulusan eksponensial tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponesial linier satu parameter dari Brown sebagai berikut :
Dimana : adalah nilai pemulusan eksponensial tunggal adalah nilai pemulusan eksponensial ganda m adalah jumlah periode kedepan yang diramalkan Jenis inisialisasi muncul dalam setiap metode pemulusan eksponensial. Jika parameter pemulusan α tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi jika α mendekati nol, proses inisialisasi tersebut dapat memainkan peranan yang nyata selama periode waktu kedepan yang panjang. Beberapa kriteria untuk menguji ketepatan ramalan yaitu : 1. ME (Mean Error) / nilai tengah kesalahan 2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat 3. MAE (Mean Absolut Error) / nilai tengah kesalahan absolut 4. MAPE (Mean Absolut Percentage Error) 5. MPE (Mean Percentage Error)
Dimana : = (kesalahan pada periode t) = data aktual pada periode ke t = (kesalahan persentase pada periode ke t) = nilai ramalan pada periode ke t N = banyaknya periode waktu 2.5 Metode Peramalan Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama yaitu : 1. Metode peramalan kuantitatif Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitaif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal. 2. Metode peramalan kualitatif atau teknologis Peramalan kualitatif adalah yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang lain yang menyusunnya. Hal
ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode kualitatif ini sendiri dapat dibagi menjadi metode eksploratoris dan normatif. Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi, yaitu : 1. Adanya informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan 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 analisa 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. Metode 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. 2.5.1 Pemilihan Teknik dan Metode Peramalan Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaaan dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasi sebagai teknik dan metode peramalan, yaitu : 1. Horizon Waktu 2. Pola Data 3. Jenis dan Model 4. Biaya yang dibutuhkan 5. Ketepatan metode peramalan 6. Kemudahan dalam penerapan