2.1. Peramalan
Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess).
Peramalan (forecasting) dapat juga diartikan sebagai suatu usaha untuk meramalkan keadaan dimasa mendatang melalui pengujian keadaan di masa lalu (Handoko, 1984: 260). Dalam kehidupan sosial segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat. Dengan kata lain peramalan bertujuan mendapatkan forecast yang bisa meminimumkan kesalahan meramal.
Dengan melakukan peramalan, para perencana dan pengambil keputusan akan dapat mempertimbangkan alternatif-alternatif strategi yang lebih luas daripada tanpa peramalan. Dengan demikian berbagai rencana strategi dan aksi dapat dikembangkan untuk menghadapi berbagai kemungkinan yang bisa terjadi di masa mendatang.
Banyak orang yang sulit membedakan antara peramalan dan perencanaan. Peramalan pada umumnya dipergunakan untuk memprediksi sesuatu yang kemungkinan besar akan terjadi, misalnya kondisi permintaan, penjualan, arus kas, kondisi ekonomi, dan lain-lain didasarkan pada sejumlah asumsi. Sedangkan perencanaan menggunakan ramalan-ramalan yang ada untuk menetapkan target, termasuk di dalamnya penetapan strategi untuk mencapai target itu. Dengan demikian, peramalan berusaha menggambarkan apa yang akan terjadi, sementara rencana didasarkan pada gagasan bahwa dengan mengambil tindakan tertentu
pada saat ini, pengambil keputusan dapat mempengaruhi hasil akhir seperti diharapkan.
Sering terdapat waktu senjang (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 ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Peramalan mempunyai tujuan untuk memprediksikan keadaan dari suatu kejadian, dimana dengan cara demikian suatu proses perencanaan dapat diselenggarakan dengan tepat. Banyak keputusan penting yang dilakukan mengarah kepada kejadian-kejadian di masa mendatang sehingga memerlukan peramalan. Sebagai dasar untuk merencanakan dan mengambil hasil dari suatu keputusan tersebut diperlukan informasi yang baik dan akurat agar kemampuan meramalkan berdasarkan data yang diperoleh dapat dikendalikan dengan baik untuk mencapai sasaran yang diinginkan.
Salah satu aspek yang paling sering disalahpahami dalam peramalan adalah ketidakpastian. Dalam prakteknya, hasil peramalan tidak pernah secara mutlak tepat kecuali kebetulan. Hal ini karena keadaan maupun kejadian di masa depan tidak menentu. Meskipun demikian, bilamana semua faktor penting yang mempengaruhi telah diperhitungkan dan model hubungan dari faktor-faktor tersebut ditentukan dengan baik, maka hasil peramalan akan mendekati kondisi yang sebenarnya.
2.2. Jenis-jenis Peramalan
Peramalan dapat dibedakan dari berbagai segi tergantung dari cara melihatnya. Jika dilihat dari cara penyusunannya, maka peramalan dapat dibedakan menjadi dua macam, yaitu:
1. Peramalan yang subjektif yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari orang yang menyusunnya sangat menentukan baik atau tidaknya hasil ramalan tersebut.
2. Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisisan data tersebut.
Bila dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Misalnya, diperlukan penyusunan rencana pembangunan suatu negara atau daerah.
2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun atau tiga semester. Misalnya, penyusunan rencana produksi, rencana persediaan dan lain sebagainya.
Sedangkan berdasarkan metode peramalan yang digunakan, maka peramalan dapat dibedakan atas dua macam yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu atau dengan kata lain peramalan yang didasarkan atas pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Metode ini penting saat data historis tidak tersedia.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan pada data historis. Tujuan metode ini adalah mempelajari apa yang terjadi pada masa lalu untuk memprediksi nilai-nilai pada masa yang akan datang.
Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari penggunaan metode-metode tersebut adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi.
Menurut Makridakis, Wheelwright, dan McGee (1999) peramalan kuantitatif dapat diterapkan apabila 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 di masa mendatang.
2.3. 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.
2.4. Jenis-jenis Metode Peramalan
Pada dasarnya metode kuantitatif dapat dibedakan menjadi:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang merupakan Deret Berkala (Time Series). Metode yang termasuk dalam jenis ini adalah:
a. Metode Pemulusan (Smoothing), merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau seperti musiman.
b. Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
c. Metode proyeksi Trend dengan Regresi, merupakan metode yang digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.
2. Metode peramalan yang didasarkan atas pengguanaan analisis pola hubungan antar variabel lain yang mempengaruhinya, yang bukan waktu disebut metode korelasi atau sebab akibat. Metode peramalan yang termasuk dalam jenis ini adalah:
a. Metode Regresi dan Korelasi, merupakan metode yang digunakan baik untuk jangka panjang maupun pendek didasarkan pada persamaan dengan teknik least squares yang dianalisis secara statis.
b. Metode Ekonometrik, merupakan metode yang digunakan untuk jangka panjang dan pendek.
c. Metode Input Output, merupakan metode yang digunakan untuk jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.
2.5. 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 bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya). Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis pola ini. Pola data musiman ditunjukkan pada gambar berikut.
Y
Waktu
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.
Y
Waktu
Gambar 2.2 Pola Data Musiman
3. Pola Siklis
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja dan peralatan utama lainnya termasuk pola siklis. Pola data siklis ditunjukkan pada gambar berikut.
Y
Waktu
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.
Y
Waktu
Gambar 2.4 Pola Data Trend
2.6. Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting yang harus 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. Pertama adalah cakupan waktu di masa yang akan datang dan yang kedua adalah jumlah periode untuk peramalan yang diinginkan. 2. Pola Data
Salah satu hal penting dalam peramalan adalah anggapan bahwa macam dari pola yang didapati didalam data yang diramalkan akan berkelanjutan. Oleh karena adanya perbedaan kemampuan metoda peramalan untuk mengidentifikasikan pola-pola data, maka perlu adanya usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu dengan teknik dan metoda peramalan yang akan digunakan.
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 analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada empat unsur biaya yang yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan, dan kesempatan dalam penggunaan teknik-teknik atau metode peramalan.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.
2.7. Metode Smoothing (Pemulusan)
Metode pemulusan adalah metode peramalan dengan mengadakan pemulusan atau penghalusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun yang akan datang. Secara umum metode pemulusan (smoothing) dapat diklasifikasikan menjadi beberapa bagian, yaitu:
1. Metode Perataan (Average) 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
2. Metode Pemulusan (Smoothing) Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah:
Keterangan
ramalan satu periode ke depan data aktual pada periode ke t ramalan pada periode ke t parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
……… (2.2) Dari pemulusan bentuk umum di atas dapatlah dikatakan bahwa metode eksponensial smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relative lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas:
a. Pemulusan Eksponensial Tunggal 1. Satu Parameter
2. Pendekatan Aditif
Metode ini cukup baik digunakan untuk peramalan yang mempunyai pola trend atau yang sifat datanya stasioner.
b. Pemulusan Eksponensial Ganda
1. Metode Linier Satu Parameter dari Brown 2. Metode Dua Parameter dari Holt
Metode ini digunakan untuk peramalan dengan data yang bersifat trend. c. Pemulusan Eksponensial Triple
1. Pemulusan Kuadratik Satu Parameter dari Brown
Dapat digunakan bila dasar pola datanya adalah kuadratik kubik atau berorde lebih tinggi.
2. Metode kecenderungan atau musiman tiga parameter dari Winter Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani data dengan pola musiman.
2.8. Metode Peramalan yang Digunakan
Untuk mendapatkan hasil peramalan yang akurat, maka harus digunakan metode peramalan yang tepat. Maka untuk meramalkan jumlah produksi serta konsumsi kakao ini penulis menggunakan Pemulusan Eksponensial Ganda Metode Liniear Satu Parameter dari Brown.
Metode Pemulusan Eksponensial Ganda ( Metode Linier Satu Parameter dari Brown) merupakan kelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponensial. 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.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Linear satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linear, karena nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data-data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar. Langkah-langkah dalam metode ini adalah:
………(2.3) ………...(2.4) ………..(2.5) ………...(2.6) ...………..(2.7) Keterangan,
nilai pemulusan eksponensial tunggal
parameter pemulusan eksponensial dengan nilai konstanta pemulusan
nilai real periode t
hasil peramalan untuk m periode ke depan yang diramalkan
2.9. 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 Mean Square Error (Rata-rata Kuadrat Kesalahan). MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE dirumuskan sebagai berikut:
∑
BAB 3
PEMBAHASAN
1.2 Pengumpulan Data
Adapun data yang akan diolah dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara dan website resmi kakao yaitu www.icco.org yang merupakan data jumlah produksi kakao di Provinsi Sumatera Utara dan konsumsi kakao di Indonesia dari tahun 2002-2011. Data tersebut dapat dilihat pada tabel berikut.
Tabel 3.1 Data produksi kakao di Sumatera Utara No Tahun Produksi Kakao (ton)
1 2002 17.847,00 2 2003 21.215,00 3 2004 23.923,15 4 2005 30.290,35 5 2006 32.781,38 6 2007 35.166,58 7 2008 36.042,11 8 2009 38.249,11 9 2010 36.289,78 10 2011 41.817,67
Gambar 3.1 Grafik Produksi Kakao di Sumatera Utara
Sementara data konsumsi kakao di Indonesia dapat dilihat pada tabel berikut. Tabel 3.2 Data Konsumsi Kakao di Indonesia
No Tahun Konsumsi Kakao (ton)
1 2002 115.000 2 2003 120.000 3 2004 115.000 4 2005 120.000 5 2006 140.000 6 2007 160.000 7 2008 120.000 8 2009 130.000 9 2010 190.000 10 2011 265.000
Sumber Data: http://www.icco.org 0 5000 10000 15000 20000 25000 30000 35000 40000 45000 20 02 20 03 20 04 20 05 20 06 20 07 20 08 20 09 20 10 20 11 Ju m lah Pr o d