BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Kegiatan manusia senantiasa diarahkan pada kondisi pada waktu yang akan datang dan keberadaannya tidak dapat diketahui secara pasti. Usaha untuk meminimalkan ketidakpastian tersebut lazim dilakukan dengan metode atau teknik peramalan tertentu. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi atau kapan suatu peristiwa itu terjadi, sehingga tindakan atau keputusan yang tepat dapat dilakukan. Dalam peramalan didasarkan pada bermacam- macam cara yaitu, Metode Perataan (Average), Metode Pemulusan (Smoothing) Eksponensial dan Metode Box Jenkins.
Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi pola data pada waktu-waktu yang lalu guna mengembangkan model yang sesuai dengan pola data dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan berulang lagi untuk waktu yang akan datang dan model ini digunakan untuk meramalkan kondisi pada waktu yangakan datang. Bila uraian mengenai kegiatan peramalan tersebut diamati ada dua dimensi yang tercakup yaitu, waktu yang lalu dimana data tersedia dan waktu yang akan datang dimana data tidak tersedia.
Kegiatan penerapan model yang telah dikembangkan pada waktu lalu dinamakan proyeksi, sedangkan kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang dinamakan peramalan. Penggunaan metode atau teknik peramalan dengan model yang diidentifikasikan secara tepat juga di dukung oleh baik tidaknya data maupun informasi yang digunakan. Selama data maupun informasi yang digunakan tidak dapat meyakinkan seperti sumber dari data atau informasi yang tidak jelas, maka hasil peramalan yang di susun juga akan sulit dipercaya akan ketepatan dan keakuratannya.
2.2 Kegunaan Peramalan
Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Apalagi saat ini, telah terjadi kemajuan yang pesat dalam bidang peramalan. Beberapa kegunaan peramalan dalam bagian organisasi yaitu:
1. Penjadwalan sumber daya yang tersedia.
Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaaan untuk produk, bahan, tenaga kerja, financial dan 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 antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang.
3. Penentuan sumber daya yang diinginkan
Tiga kelompok di atas merupakanbentuk khas dari keperluan peramalan jangka pendek, menengah, dan panjang dari organisasi saat ini selain bidang lainnya. Organisasi dalam membangun suatu sistem peramalan perlu memiliki pengetahuan dan keterampilan yang meliputi paling sedikit empat bidang ; identifikasi dan definisi masalah peramalan ; aplikasi serangkaian metode peramalan ; prosedur pemilihan metode yang tepat untuk situasi tertentu ; dan dukungan organisasi untuk menerapkan dan menggunakan metode peramalan secara formal.
Berdasarkan uraian di atas, maka dapat dikatakan bahwa metode peramalan sangat dibutuhkan dan berguna untuk menganalisis data masa lalu untuk keperluan waktu yang akan datang. Sehingga, dengan metode peramalan akan diperoleh perencanaan yang teratur, terarah, dan sistematis sesuai hasil analisis yang tepat.
2.3 Jenis – Jenis Peramalan
Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dlm dua kategori utama yaitu:
1. Peramalan yang subjektif
2. Peramalan yang objektif
Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.
Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:
1. Peramalan Jangka Panjang
Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Misalnya, diperlukan penyusunan rencana pembangunan suatu negara atau daerah dan lain sebagainya.
2. Peramalan Jangka Pendek
Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya, peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan, dan lain sebagainya.
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:
1. Peramalan yang Kualitatif atau Teknologis
berdasarkan pemikiran yang bresifat intuisi, pendapat, dan pengetahuan dari orang yang meyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode eksploratoris dan normatif.
2. Peramalan Kuantitatif
Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu . hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut dengan metodeyang berbeda akan diperoleh hasil peramalan yang berbeda pula.Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif di bagi dalam berkala (time series) dan metode kausal.
Saat ini telah dikembangkan beberapa metode atau teknik-tenik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Tetapi dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karna itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan atas:
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal
methods).
Dalam penulisan tugas akhir ini, digunakan metode peramalan yang pertama, yaitu peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time series”.
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.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan
(assumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari
semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
2.4 Metode Peramalan
Metode- metode peramalan dengan analisa deret waktu yaitu :
1. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak
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.
2.4.1 Analisa 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 hubungannya dengan kejadian lain.
2.4.2 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa 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. Aspek kedua adalah 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 karna masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan
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 dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.
2.4.3 Penentuan Pola Data
Hal penting harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:
1. Pola Data Horizontal
Pola ini terjadi bila berfluktuasi di sekitar nilai rata-rata yang konstan.
2. Pola Data Musiman (seosonal)
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Siklis (cylical)
Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.
4. Pola Data Trend
Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.
2.5 Metode Pemulusan (Smoothing)
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode smoothing diklasifikasikan menjadi dua bagian:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian: 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 mengenbangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
tF : ramalam pertama periode ke depan
X : data aktual pada periode ke-t
F : ramalan pada periode ke-t
α : parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
) 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 relatif lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas:
1. Metode Smoothing Eksponensial Tunggal a. Satu Parameter (One Parameter) b. Pendekatan Aditif
digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola data atau trend.
b. Metode Dua Parameter dari Holt
3. Metode Smoothing Eksponensial Triple
a. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi. b. Metode Kecendrungan dan Musim Tiga Parameter dari Winter
Digunakan untuk data berbentuk trend dan musiman.
2.5.1 Metode yang Digunakan
Untuk mendapatkan hasil ramalan yang baik, maka harus diketahui cara peramalan yang tepat. Maka metode peramalan deret berkala yang digunakan untuk meramalkan jumlah pelanggan energi gas pada pemecahan masalah ini adalah dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter dari Brown.
Metode ini merupakan metode linear yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Linear Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linear, karna kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsure trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend.
'S : pemulusan tahap pertama untuk periode t
''
S : pemulusan tahap pertama untuk periode t -1
''
2.6 Ketetapan Ramalan
yang diberikan. Ketetapan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan.dalam permodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang. Maka untuk menguji kebenaran ramalan digunakan kriteria ketetapan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah:
1. ME(Mean Error) / Nilai Tengah Kesalahan
n
2. MSE(Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
n
3. MAE(Mean Absolute Error) / Nilai Tengah Kesalahan Absolut
n
4. MAPE(Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut
5. MPE(Mean Percentage Error) / Nilai Tengah Kesalahan Persentase
6. SSE (Sum Square Error) / Jumlah Kesalahan Kuadrat
7. Kesalahan Standart Deviasi (Standart Deviation Error)
)
(kesalahan pada periode ke-t)
t
PE (kesalahan persentase pada periode ke-t)
t
F= nilai ramalan pada periode ke-t
