BAB 2
TINJAUAN TEORITIS
2.1 Pengertian Peramalan
Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. 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.
Dalam hal manajemen dan administrasi perencanaan merupakan
kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan
dapat berkisar dari beberapa tahun (untuk kasus penenaman modal) sampai
beberapa hari atau bahkan beberapa jam (untuk penjadwalan produksi dan
transportasi). Peramalan merupakan alat bantu yang penting dalam perencanaan
yang efektif dan efisien.
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di
masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat
didasarkan atas bermacam-macam cara yaitu Metode Pemulusan Eksponensial
atau rata-rata bergerak, Metode Box Jenkis, dan Metode Regresi. Semua itu
dikenal dengan metode peramalan. Metode peramalan adalah cara untuk
memperkirakan secara kuantitatif apa yang akan terjadi di masa yang akan datang
dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode
peramalan ini digunakan dalam peramalan yang bersifat objektif.
Disamping itu metode peramalan memberikan urutan pengerjaan dan
pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila
digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakan, juga ditentukan baik tidaknya informasi yang digunakan.
Selama informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan
yang disusun juga akan sukar dipercaya akan ketepatannya.
2.2 Kegunaan Peramalan
Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan
manajemen. Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga
faktor-faktor lingkungan, lalu memlih tindakan yang diharapkan akan
menghasilkan pencapaian sasaran dan tujuan tersebut. Kebutuhan akan peramalan
meningkat sejalan dengan usaha manajemen untuk mengurangi
ketergantungannya pada hal-hal yang belum pasti. Peramalan menjadi lebih
ilmiah sifatnya dalam menghadapi lingkungan manajemen. Karena setiap bagian
organisasi berkaitan satu sama lain, baik buruknya ramalan dapat seluruh bagian
organisasi. Beberapa bagian organisasi di mana peramalan kini memainkan
peranan yang penting adalah:
1. Penjadwalan sumberdaya yang tersedia. Penggunaan sumberdaya yang efisien
memerlukan penjadwalan produksi, transportasi, kas, personalia, dan
sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan
tingkat permintaan untuk produk, bahan, tenaga kerja, finansial, atau jasa
pelayanan.
2. Penyedia sumberdaya 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 sumberdaya di masa yang
akan datang.
3. Penentuan sumberdaya yang diinginkan. Setiap organisasi harus menentukan
sumberdaya yang ingin dimiliki dalam jangka panjang. Keputusan semacam
itu tergantung pada kesempatan pasar, faktor-faktor lingkungan, dan
pengembangan internal dan sumberdaya finansial, manusia, produk, dan
2.3 Peranan Teknik Peramalan Dewasa Ini
Sejak awal 1960-an, semua tipe organisasi telah menunjukkan keinginan yang
meningkat untuk mendapakan ramalan dan menggunakan sumberdaya peramalan
yang lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa
faktor. Yang pertama adalah karena meningkatnya kompleksitas organisasi dan
lingkungannya, hal ini menjadikan semakin sulit bagi pengambilan keputusan
untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan
meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan
yang memerlukan telaah peramalan khusus dan analisis yang lengkap. Ketiga,
lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Keterkaitan
yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan
memungkinkan bagi organisasi untuk mempelajari keterkaitan yang baru secara
lebih cepat. Keempat, pengambilan keputusan telah semakin sistematis yang
melibatkan justifikasi tindakan individu secara gamblang (eksplisit). Peramalan
formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil.
Kelima dan mungkin ini yang terpenting, adalah bahwa pengembangan metode
peramalan dan pengetahuan yang menyangkut aplikasinya telah lebih
memungkinkan adanya penerapan secara langsung oleh para praktisi daripada
hanya dilakukan oleh para teknisi ahli.
Dengan adanya sejumlah besar metode peramalan yang tersedia, maka
masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana
karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan
keputusan tertentu. Banyak literatur peramalan yang yang diterbitkan tidak
membicarakan masalah ini, baik karena sebagian besar pembahasan
dititikberatkan pada lingkup yang sempit atau pun karena banyak penulis yang
menduga bahwa sekumpulan metode yang mereka kuasai dapat mengatasi setiap
keadaan.
Situasi peramalan sangat beragam dalam horison waktu peramalan, faktor
yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lain telah
kuantitatif dan dan metode kualitatif atau teknologis. Metode kuantitatif dapat
dibagi ke dalam deret berkala ( time series) dan metode kausal, sedangkan metode
kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normatif.
Jenis-jenis peramalan :
1. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang
yang menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman
penyusunnya.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang
dipergunakan dalam peramalan tersebut.
Baik tidaknya metode yang dipergunakan oleh perbedaan atau penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil
penyimpangan antara hasil ramalan dengan kenyataan yang terjadi maka
semakin baik pula metode yang digunakan.
Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut :
A. Tersedia informasi tentang masa lalu.
B. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
C. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa akan datang.
Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah
2.4 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
keadaan dalam mempersiapkan peramalan.
Ada 6 ( enam ) faktor utama yang diidentifikasikan sebagai teknik dan
metode peramalan, yaitu :
1. Horizon Waktu
Ada 2 ( dua ) aspek dari Horizon waktu yang berhubungan dengan
masing-masing metode peramalan. Pertama adalah cakupan waktu dimasa yang
akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam -
macam dari pola yang didapati didalam 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 analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada 4 ( empat ) unsur biaya yang tercakup di dalam penggunaan
suatu prosedur peramalan, yaitu biaya - biaya pengembangan, penyimpanan
(storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik
-teknik dan metode lainnya.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
6. Kemudahan dalam Penerapan
Metode - metode yang dapat dimengerti dan diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan.
2.5 Penentuan Pola Data
Hal yang penting diperhatikan dalam metode deret berkala adalah
menentukan jenis pola pada historisnya. Sehingga pola data yang tepat dengan
pola data historis tersebut dapat di uji, dimana pola data pada umumnya dapat
dibedakan sebagai berikut :
1. Pola Data Horizontal
Pola Data Horizontal : Pola ini terjadi bila nilai berfluktuasi di sekitar nilai rata –
rata yang konstan.
y
x
Gambar 2.1 Pola Data Horizontal
2. Pola Data Musiman ( Seasonal )
Pola Data Musiman ( Seasonal ) : Pola yang menunjukkan perubahan yang
berulang – ulang secara periodik dalam deret waktu. Pola yang ini terjadi apabila
suatu deret dipengaruhi oleh faktor musiman misalnya kwartal tahun tertentu,
y
x
Gambar 2.2 Pola Data Musiman
3. Data Siklis ( Clycical )
Data Siklis ( Clycical ) : Pola data yang menunjukkan gerak naik turun dalam
jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh
flukstuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus
bisnis.
y
x
Gambar 2.3 Pola Data Siklis
2. Pola Data Trend
Pola Data Trend : Pola yang menunjukkan kenaikan atau penurunan jangka
y
x
Gambar 2.1 Pola Data Trend
2.6Metode Peramalan
2.6.1 Pengertian Metode Peramalan
Metode peramalan adalah suatu cara memperkirakan atau mengistimasi
secara kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan
data yang relevan pada masa lalu.
Kegunaan Metode Peramalan ini adalah untuk memperkirakan secara
sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan
demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih
besar.
2.6.2 Jenis - jenis Metode Peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan
variabel yang diperkirakan dengan variable waktu merupakan deret berkala
(Time series). Metode Peramalan yang termasuk pada jenis ini yaitu :
a. Metode Pemulusan (smoothing)
b. Metode Box Jenkins
c. Metode Proyeksi Tren dengan regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
antar variable yang akan diperkirakan dengan variable lain yang
akibat (metode causal). Metode peramalan yang termasuk dalam jenis ini
adalah :
a. Metode Regresi dan Korelasi
b. Metode Ekonometri
c. Metode Input Output
2.6.3 Metode Pemulusan (Smoothing)
Metode Pemulusan (smoothing) adalah metode peramalan dengan
mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan
mengambil rata - rata dari nilai beberapa tahun menaksir nilai pada tahun yang
akan datang.
Secara umum pemulusan (smoothing) dapat digolongkan menjadi beberapa
bagian :
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
a. Pemulusan Esponensial Tunggal
Satu Parameter
Pendekatan Aditif
Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai yang
dapat berubah secara terkendali, dengan adanya perubahan dalam pola
datanya.
b. Pemulusan Eksponensial Ganda
Metode Linear Satu Parameter dari Brown
St = Xt + (1 - ) S t-1
S t = St + (1 - ) S t-1
at = St + (St - S t) = 2 S t - S t
bt = (St - S t)
Di mana :
St = nilai pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing
value)
S t = nilai pemulusan Eksponensial Ganda (Double Eksponensial Smoothing
Value)
= Parameter pemulusan Eksponensial
at , bt = Konstanta pemulusan
Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan
Metode Dua Parameter dari Holt
Metode ini digunakan untuk peramalan data yang bersifat trend.
St = Xt + ( 1 - ) ( St-1 + bt-1 )
bt = ( St + St-1 ) + ( 1 - ) bt-1
Ft+m = St + bt m
Di mana :
= Parameter Pemulusan Eksponensial
c. Pemulusan Eksponensial Triple
1. Pemulusan Kwadratik Satu Parameter dari Brown
Dapat digunakan untuk meramalkan data dengan suatu pola trend
dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar
pola datanya adalah kuadratik, kubik atau orde yang lebih tinggi.
2. Metode kecendrungan dan Musiman Tiga Parameter dari Winter.
Metode ini merrupakan salah satu dari beberapa metode pemulusan
d. Pemulusan Eksponensial
Bentuk umum dari metode pemulisan eksponensial adalah :
Di mana :
Ft-1 = Ramalan untuk periode mendatang
= Parameter eksponensial yang besarnya 0 < < 1
Xt = Nilai aktual pada periode-t
Ft = Ramalan pada periode-t
2.7 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat.
Data tingkat produksi karet rakyat yang dihasilkan oleh petani Kabupaten
Tapanuli Selatan sudah di plot ke dalam grafis menunjukkan pola data trend linier
yang dapat juga dilihat dari plot autokorelasi nilai – nilai autokorelasi yang
menunjukkan pola data linier. Maka metode peramalan analisa Time Series yang
digunakan untuk meramalkan tingkat produksi karet rakyat di Kabupaten
Tapanuli Selatan khususnya petani pada pemecahan permasalahan ini adalah
dengan menggunakan metode Smoothing Eksponensial Ganda, yaitu “Smoothing
Eksponensial Linier Satu Parameter dari Brown”.
a. Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari Brown
Metode ini merupakan model linier 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. Bila terdapat
unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat dapat
ditambahkan kepada pemulusan ganda dan disesuaikan dengan trend. Persamaan
yang dipakai dalam pelaksanaan Smoothing Eksponensial Linier Satu Parameter
dari Brown adalah sebagai berikut :
a. Menentukan nilai pemulusan eksponensial tunggal ( St )
St = Xt + (1 - ) S t-1
St = Nilai pemulusan eksponensial tunggal
= Parameter pemulusan eksponensial
Xt = Nilai riil periode t
S t-1 = Nilai pemulusan eksponensial sebelumnya
b. Menentukan nilai pemulusan eksponensial ganda ( St )
S t = St + (1 - ) S t-1
St = Nilai pemulusan eksponensial Ganda
c. Menentukan besarnya konstanta ( at )
at = St + ( St - S t ) = 2 S t - S t-1
at = Besarnya konstanta periode t
d. Menentukan besarnya Slope ( bt )
bt = (St - S t)
bt = Slope / nilai trend dari data yang sesuai
e. Menentukan besarnya Forecast
Ft+m = at + bt m
Ft+m = Besarnya forecast
Beberapa Kesalahan dan Ukuran Statistik Standar, antara lain :
a. E (Mean Error) atau Nilai Tengah Kesalahan
∑
b. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat
2 1 N
t t
e
N
c. MAE (Mean Absolute Error) atau Nilai Tengah Kesalahan Absolut
∑
d. MPE (Mean Percentage Error) atau Nilai Tengah Kesalahan Persentase
∑
e. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah Kesalahan Persentase Absolut
∑
∑
dengan:
= kesalahan pada periode ke – t
= (kesalahan persentase pada periode ke – t)
= data aktual pada periode ke – t
= Nilai ramalan pada periode ke – t
N = Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai
