BAB 2
LANDASAN TEORI
2.1 Peramalan
2.1.1 Pengertian Peramalan
Peramalan (Assauri, Sofyan. 1991) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pasa masa yang akan datang. Ramalan terserbut dapat didasarkan atas bermacam- macam cara yaitu: metode pemulusan eksponensial, atau rata- rata bergerak, metode box- Jenkins, metode regresi, semua itu dikenal dengan metode peramalan.
Metode peramalan ( Spyros Makridakis) adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.
2.1.2 Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat teknik peramalan maka peramalan dapat dibedakan menjadi 2 (dua) macam yaitu:
1. Peramalan kuantitatif
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi sebagai berikut:
1. Adanya informasu 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 dimasa yang akan datang.
2. Peramaln kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergabung pada orang yang menyusunnya. Hal yang terpenting karena hasil peramlaan tersebut ditentukan berdasakan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya.
2.1.3 Manfaat Peramalan
kualitas dan mutu hasil peramalan sangat ditentukan oleh proses pelaksanaan penyusunan. Peramalan yang baik yaitu peramalan yang menghasilkan penyimpangan antara hasil peramalan dengan kenyataan sekecil mungkin.
Peranan Peramlan sangat membantu di bidang- bidang lain yang memutuhkan, maka peramalan dapt digunakan untuk:
1. Dasar utama untuk membuat suatu perencanaan, agar perencanaan itu sesuai dengan tingkat kemampuan yang telah ada
2. Sebagi dasar pembanding dari hasil kerja nyata, dengan hasil peramalan yang telah ditentukan. Kalau suatu hasil peramalan tidak tercapai, maka factor apa yang menjadi penyebabnya akan dicari dan dilakukan perbaikan atau koreksi.
peramalan perkembangan penduduk ini berguna untuk melihat kebutuhan penduduk akan kebutuhan konsumsi beras.
2.1.4 Menentukan Peramalan yang Akurat
Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memilik kesalahan (error) yang minimal.
Ada dua hal pokok yang harus diperhatikan agar suatu ramalan menjadi akurat yaitu:
1. Tersedianya data yang relevan
Tahap pertama dari proses peramalan adalah pengumpulan data. Suatu data dapt ditinjau menurut jenisnya, sifatnya dan menurut sumbernya. Tidak semua data yang diperoleh akan dapat digunakan dan relevan dengan tujuan peramalan. Dan hasil akhir dari peramalan sangat tergantung pada tersedianya data yang relevan.
2. Teknik peramalan
Hal pokok yang kedua yang sangat dipengaruhi terhadap kesuksesan menentukan ramalan adalah penilihan teknik peramalan yang tepat.
2.1.5 Pemilihan Teknik Peramalan
Dalam pemiliha teknik peramalan, pertma- tama perlu diketahui cirri- cirri penting yang diperhatika bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan permalan (Spyros Makridakis).
Ada enam factor utama yang diintensifikasikan dalam pemilihan teknik permalan yaitu:
1. Pola data
data yang memiliki pola fluktuatif akan lebih tepat bila di forecast dengan teknik smoothing.
2. Jangka waktu
Ada dua jangka waktu yang berhubungan dengan masing- masing metode peramalan. Peramalan adalah cakupan waktu di masa yang akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.
3. Biaya yang dibutuhkan
Umumnya ada empat unsure biaya yang tercakup didalam penggunaan suatu prosedur peramala. Yaiut biaya- biaya pengembangan, penyimpanan data, opersi pelaksanaan dan kesempatan dalam penggunaan teknik- teknik dan metode lainnya.
4. Tingkat akurasi peralaman
Tingkat akurasi yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
2.2 Produksi Beras
Dalam ekonomi Indonesia, pangan terutama beras, mempunyai peranan yang sangat penting. Perkembangan harga beras secara langsung mempengaruhi biaya hidup masyarakat. Demikianlah maka usaha untuk menjaga kemantapan harga beras merupakan hal yang mutlak diperlukan guna untuk menjaga stabilitas ekonomi.
Faktor iklim dan faktor alamiah lainnya mempunyai pengaruh yang besar terhadapa produksi, sedangkan kemampuan manusia untuk mengetahui faktor- faktor lainnya masih terbatas. Karena itu produksi pangan setiap tahunnya merupakan hal yang tidak pasti, demikian pula harga beras.
masyarakat jumlah- jumlah yang sesuai dengan kebutuhan utnuk kepentingan stabilitas.
Dengan kebijakan tersebut pemerintah berusaha untuk menjaga agar harga beras dapat dipertahankan pada suatu tingkat wajar, dlaam arti disatu pihak cukup tinggi untuk memberikan imbalan yang layak bagi para petani dan dapat merangsang kenaikan produksi, sedangkan dipihak lain cukup rendah untuk tetap berada dalam jangkauan daya beli masyarakat banyak.
2.3 Kebutuhan Beras
Kebutuhan merupakan suatu harapan, ataupun keinginan yang harus dicukupi dimana keinginan itu merupakan suatu hal yang penting dalam membantu melancarkan kehidupan.
Kebutuhan beras adalah salah satu bagian dari kebutuhan primer. Yang mana bila kebutuhan tersebut diabaikan maka kelangsungan hidup seseorang tersebut dapat terganggu. Seperti yang telah kita ketahui beras merupakan kebutuhan pokok bagi bangsa ini.
Dengan demikian dapat disimpulkan bahwa kebutuhan beras sangta penting untuk diketahui, untuk itulah penulisan ingin mengetahuinya. Karena kebutuhan beras sangat erat terhadap tingkat produksi.
2.4 Metode Laju Pertumbuhan Geometri
Dengan memperhitungkan data diatas maka dapat digunakan suatu rumusan untuk melakukan peramalan jumlah penduduk pada tahunn 2016. Adapun rumusan yang dipergunakan adalah dengan rumusan sebagia berikut:
�� = �� +(�+�)� (2.1) P0 : Jumlah penduduk pada tahun dasar
r : rata- rata laju pertumbuhan penduduk pertahun t : Jangka waktu (dalam banyaknya tahun).
Dengan rumus diatas maka jumlah penduduk tahun 2016 dapat diperkirakan.
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 untuk menaksir nilai pada pada beberapa tahun kedepan.
Secara umum penghalusan (smoothing) diklarifikasikan menjadi dua yaitu: 1. Metode rata- rata (moving average)
Dengan moving average (rata- rata bergerak) ini kita melakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata- ratanya, lalu menggunakan rata- rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata- rata bergerak digunakan, karena setiap kali data pengamatan baru tersedia, maka angka rata- rata yang baru dihitung, dan dipergunakan sebagai ramalan.
2. Rata- rata bergerak tunggal (Singel Moving Average) 3. Rata- rata bergerak ganda (Double Moving Average) 4. Kombinasi rata- rta bergerak.
Metode rata- rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode pemulusan (smoothing) eksponensial
Metode pemulusan (smoothing) eksponensial merupakan pengembangan dari metode rata- rata bergerak (moving average). Dalam metode ini peramalan dilakukan dengan mengulang secara terus menerus dengan menggunkan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar.
Bentuk umum dari metode pemulusan (smoothing) eksponensial ini adalah:
��+�= α�� + (1-α) �� (2.3)
Ft+1 : ramalan satu period eke depan Xt : data actual pada periode t
Ft : ramalan pada periode t
α : parameter pemulusan (0< α<1)
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
��+�= α��+ α (1-α) ��−�+ �(� − �)���−�+ …+ �(� − �)���(�−�) (2.4)
Metode ini terdiri atas:
1. Smoothing Eksponensial Tunggal a. Satu Parameter (one parameter) b. Pendekatan Aditif (ARRES)
Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau trend.
2. Smoothing Eksponensial Ganda
3. Smoothing Eksponensial Tripel
a. Metode Kuadrat Satu Parameter dari Brown
Digyunaka untuk pola data kuadratif, kubik, atau orde yang lebih tinggi.
b. Metode Kecenderungan dan Musiman Tiga Parameter dari Winter. 4. Smoothing Eksponensial menurut Klasifikasi pegels
2.6Metode Smoothing yang Digunakan
Peramalan dengan menggunakan metode eksponensial smoothing atau disebut juga metode eksponensial smoothing linier. Teknik ini digunakan untuk data runtun waktu yang memiliki komponen trend yang linier. Pada teknik ini, jika
parameter (α) tidak mendekati nol, pengaruh proses awalnya secara cepat menjadi
kurang berarti bagitu berlalu. Jika parameternya mendekati nol, proses awalnya dapat berperan penting untuk beberapa periode ( Spyros Makridakis),
Metode smoothing ( metode pemulusan) merupakan teknik meramal dengan cara mengambil rata - rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada periode yang akan datang. Dalam metode ini data histories digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus- menerus dengan menggunkan data terbaru.
Kelemahan dari metode ini adalah kurang fleksibel karena konstanta penghalusan terbaik untuk trendnya mungkin sama. Salain itu, dalam metode ini tidak diperhitungkan komponen musim.
Rumus- rumus yang digunakan yaitu:
1. Menentukan Smoothing Pertama (St′).
(��′ ) = α�� + (1-α)��−�′ (2.5)
Xt : Nilai rill periode t
St′−1 : Smoothing pertama periode t-1
2. Menentukan Smoothing kedua (St′′)
(��′′) = α��′ + (1-α)��−�′′ (2.6) St′′−1 : Smoothing kedua periode t-1
3. Menentukan Besaran Konstanta (at)
�� = 2��′ - ��′′ (2.7)
4. Menentukan Besaran Slope (bt)
�� = �
�−�( ��′ - ��′′) (2.8)
5. Menentukan Besarnya Forecast (F1+m)
��+� = �� + �� (m) (2.9)
m : Jumlah periode didepan yang diramalkan
