Metode Prakiraan

TINJAUAN PUSTAKA

2.5. Metode Prakiraan

Metode prakiraan terdiri atas metode prakiraan kualitatif dan metode prakiraan kuantitatif [8].

2.5.1. Metode prakiraan kualitatif

Pada umumnya metode prakiraan kualitatif bersifat subjektif dan dipengaruhi oleh emosi, pendidikan dan pengalaman seseorang.Oleh karena itu, setiap hasil prakiraan dapat mungkin berbeda.Prakiraan dengan menggunakan metode kualitatif juga dapat menggunakan model-model statistic sebagai referensi dalam melakukan pengambilan keputusan.Beberapa metode peramalan kualitatif adalah sebagai berikut:

a. Delphi method.

b. Market research.

c. Management estimate.

d. History calanalogy.

e. Structured group methods 2.5.2. Metode prakiraan kuantitatif

Metode prakiraan kuantitatif dibedakan menjadi dua bagian,yaitu sebagai berikut:

a. Metode prakiraan yang didasarkan pada penggunaan pola hubungan antara variableyang diperkirakan dengan variablewaktu yang merupakan deret waktu atau time series.

b. Metode prakiraan yang berdasarkan pada penggunaan analisis pola hubungan antara variableyang diperkirakan dengan variablelain yang mempengaruhinya,yang bukanwaktu yang disebut causal.

2.5.2.1. Metode time series

Metode time series merupakan metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu.Metode ini mengasumsikan beberapa pola yang selalu berulang sepanjang waktu.

Dengan analisis deret waktu, dapat ditunjukan berapa jumlah permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Perubahan data dari waktu ke waktu akan digunakan untuk memprakirakan informasi yang dibutuhkan oleh analisis pada masa yang akan datang. Sifat dari perubahan permintaan dari tahun ketahun dirumuskan u n t u k prakiraan penjualan pada masa yang akandatang.

Ada empat komponen utama yang mempengaruhi analisis ini,yaitu[7]:

a. Pola siklis (cycle)

Pola data ini terjadi bila data memiliki kecendrungan untuk naik atau turun terus-menerus.Pola data dalam bentuk tren ini pada Gambar 2.1.

Gambar 2.1.Data pola siklis

b. Pola musiman (seasonal)

Pola musiman berguna dalam memprakirakan penjualan dalam jangka pendek.Pola data ini terjadi bila nilai data sangat dipengaruhi oleh musim.Pola data musiman dapat dilihat pada Gambar 2.2.

Gambar 2.2. Data pola musiman

c. Pola horizontal

Pola data ini terjadi apabila nilai data berfluktuasi disekitar nilai rata-rata.Pola ini dapat dilihat pada Gambar 2.3.

Gambar 2.3. Data pola horizontal d. Pola tren

Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus menerus.Pola data dalam bentuk tren ini dapat dilihat pada Gambar 2.4.

Gambar 2.4. Data pola tren

Dalam memprakirakan, ada beberapa tren yang digunakan didalam penyelesaian masalah, yaitu [7]:

1. Tren linier

Bentuk prakira antren linear mempunyai bentuk Persamaan (2.4)

Yln(t)=a+ bt ………(2.4)

dimana:

Y_ln(t) = nilai prakiraan pada periode ke-t t = periode

Dengan menggunakan metode kuadrat terkecil (least square method) maka harga konstanta a dan b diperoleh dari Persamaan (2.5) dan (2.6).

𝐵𝐵 =^{𝑦𝑦 ∑ 𝑡𝑡𝑌𝑌}_{𝑦𝑦 ∑ 𝑡𝑡}^𝑡𝑡₂^{−∑ 𝑡𝑡 ∑ 𝑌𝑌}_{−(∑ 𝑡𝑡)2}^𝑡𝑡 ………...(2.5)

𝑦𝑦 =^{∑ 𝑌𝑌𝑡𝑡−𝐵𝐵 ∑ 𝑡𝑡}_𝑦𝑦 ………(2.6)

2. Tren eksponensial atau pertumbuhan

Bentuk prakiraan tren eksponensial dapat dilihat di Persamaan (2.7)

Y_eks(t)=aebt ………...(2.7)

Dengan menggunakan transformasi logaritma alami maka harga konstanta a dan b diperoleh dari Persamaan (2.8) dan (2.9).

𝐵𝐵 =𝑦𝑦 ∑ 𝑡𝑡 ln 𝑌𝑌_𝑡𝑡−∑ 𝑡𝑡 ∑ 𝑙𝑙𝑦𝑦𝑌𝑌_𝑡𝑡

𝑦𝑦 ∑ 𝑡𝑡²−(∑ 𝑡𝑡)² ………...(2.8)

𝑙𝑙𝑦𝑦 𝑦𝑦 =^{∑ ln 𝑌𝑌𝑡𝑡}_𝑦𝑦^{−𝐵𝐵 ∑ 𝑡𝑡} ………(2.9) 3. Tren logaritma

Bentuk prakiraan tren logaritma dapat dilihat di Persamaan (2.10)

Y^log(t)=a +b log t ………(2.10)

Dengan menggunakan transformasi logaritma natural maka harga konstanta a dan b diperoleh dari Persamaan (2.11) dan (2.12)

𝐵𝐵 =𝑦𝑦 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡.𝑌𝑌_𝑡𝑡−∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡 ∑ 𝑌𝑌_𝑡𝑡

𝑦𝑦 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦²𝑡𝑡−(∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡)² ……….(2.11)

𝑦𝑦 =^{∑ 𝑌𝑌𝑡𝑡}−𝐵𝐵 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡

𝑦𝑦 ………...(2.12)

4. Tren geometrik

Bentuk prakiraan tren geometric dapat dilihat di Persamaan (2.13)

Ygeo(t)= at^b ……….(2.13)

Dengan menggunakan transformasi logaritma maka harga konstanta a dan b diperoleh dari Persamaan (2.14) dan (2.15).

𝐵𝐵 =𝑦𝑦 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡.𝑙𝑙𝑙𝑙𝑦𝑦 𝑌𝑌_𝑡𝑡−∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑌𝑌_𝑡𝑡

𝑦𝑦 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦²𝑡𝑡−(∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡)² ………...(2.14) 𝑙𝑙𝑙𝑙𝑦𝑦 𝑦𝑦 =∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑌𝑌𝑡𝑡−𝐵𝐵 ∑ 𝑙𝑙𝑙𝑙𝑦𝑦 𝑡𝑡

𝑦𝑦 ……….(2.15)

5. Tren hiperbola

Bentuk prakiraan tren hiperbola dapat dilihat di Persamaan (2.16).

𝑌𝑌ℎ𝑡𝑡𝑡𝑡(𝑡𝑡) = _𝐵𝐵^𝑦𝑦_𝑡𝑡 ……….(2.16)

Metode time series terdiri dari beberapametode, antara lain:

a. Smoothing

Metode ini dapat mengurangi ketidak teraturan musiman dari data yang lalu dan digunakan pada prakiraan jangka pendek.

b. Regresi

Metode ini sangat tepat jika digunakan untuk prakiraan jangka pendek dan jangka panjang.Data yang dibutuhkan untuk metode ini adalah tahunan, minimal limatahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh.Bentuk fungsi dari metode ini dapat berupa konsta, linier, kuadratis, eksponensial, siklis.

c. Dekomposisi

Metode ini memprakirakan hasilnya dengan menentukan kombinasi dari fungsi yang ada.Metode dekomposisi merupakan prakiraan tertua. Terdapat beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semua bertujuan untuk memisahkan setiap komponen.

2.5.2.2.Metode kausal

Metode kausal mengasumsikan faktoryang diperkirakan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variable bebas (independen).Sebagai contoh, jumlah pendapatan berhubungan dengan faktor-faktor seperti jumlah penjualan,hargajual,dan tingkat promosi. Kegunaan dari metode kausal adalah untuk menemukan bentuk hubungan antara variabel-variabel tersebut dan menggunakannya untuk meramalkan nilai dari variabletidak bebas (dependen).

Metode kausal terdiri atas beberapa metode,antaralain[19]:

a. Metode regresi dan korelasi

Metoda regresi dan korelasi pada penetapan suatu Persamaan estimasi menggunakan teknik “leastsquares”.Hubungan yang ada pertama–tama

dianalisis secara statistik.Ketepatan prakiraan dengan menggunakan metode ini sangat baik untuk prakiraan jangka pendek, sedangkan untuk prakiraan jangka panjang ternyata ketepatannya kurang begitu baik.Metode ini banyak digunakan untuk prakiraan penjualan, perencanaan keuntungan, prakiraan permintaan dan ekonomi.Data yang dibutuhkan untuk penggunaan metode ini adalah data kuartalan dari beberapa tahun lalu.

b. Metode ekonometrik

Istilah "ekonometrik" dikemukakan oleh Ragnar Frisch (1895-1973) dari Norwegia, salah satu dari tiga pendiri utama dari Ekonometrik Society, editor pertama dari jurnal Econometrica, dan co-pemenang pertama Nobel Memorial Prize Ilmu Ekonomi pada tahun 1969.

Secara harfiah diartikan, ekonometrika berarti "pengukuran ekonomi".Ekonometrik adalah suatu bidang ilmu yang merupakan perpaduan dari ilmu ekonomi, matematika ekonomi, dan statistika untuk menganalisis teori ekonomi secara kuantatif berdasarkan data empiris [5].

Dalil-dalil ekonomi umunya dijelaskan secara kualitatif dan dibatasi dengan asumsi-asumsi.Asumsi ini digunakan mengingat sangat banyaknya variabel yang saling mempengaruhi dan sangat sulit untuk dianalisis secara bersamaan.

Metode ekonometrik ini merupakan metode peramalan kuantitatif yang memadukan metode time series dengan metode causal dan datayang dibutuhkan untuk penggunaan metode ini adalah data kuartalan beberapa tahun.

Pada metode ekonometrik, model yang digunakan adalah suatu model matematis yang khas, yang bersifat stokhastik, dimana terdapat satu atau lebih variable random.Model ekonometrik menyatakan hubungan dari variabel-variabel tertentu, dimana pola hubungannya didasarkan pada sifat linearitas, baik pada Persamaan maupun parameternya. Untuk menjelaskan hubungan yang tidak pasti antara variabel-variabel tersebut, ahli ekonometrik mengubah Persamaan konsumsi Keynes menjadi Persamaan (2.17) [2][5][7][8];

𝑌𝑌 = 𝑦𝑦 + 𝐵𝐵𝑏𝑏 ………..(2.17)

Dimana:

Y = belanja konsumsi 𝑦𝑦 = konstanta parameter 𝐵𝐵 = koefisien parameter 𝑏𝑏 = pendapatan

Persamaan (2.17) adalah salah satu contoh persamaan model ekonoemtrik, yaitu suatu model regresi linear. Fungsi konsumsi ekonometrik tersebut menghipotesiskan bahwa variabel tak bebas Y berhubungan secara linear dengan variabel bebas X.

Dalam sebuah model ekonometrik dihadapkan dengan berbagai tugas yang serupa dengan regresi linear. Tugas tersebut meliputi [5][7]:

1) Menetukan variabel mana yang harus dimasukan kedalam setiap persamaan.

2) Menetukan bentuk fungsional (liner, eksponensial, logaritma, dan sebagainya) setiap persamaan.

3) Penaksiran secara simultan parameter-parameter persamaan.

4) Pengujian signifikan hasil secara statistik.

5) Pemeriksaan kesahihan asumsi yang digunakan.

c. Metode input-output [19]

Metode ini digunakan untuk menyusun proyeksi tren ekonomi jangka panjang.Model ini kurang baik ketepatannya untuk prakiraan jangka panjang.Model ini banyak dipergunakan untuk prakiraan penjualan perusahaan, penjualan sektorindustridan subsector industri, produksi dari sektordan subsektor industri.Data yang dibutuhkan untuk penggunaan metoda atau model ini adalah data tahunan selama sekitar10 ( sepuluh) sampai 15 (limabelas) tahun.