BAB 2
LANDASAN TEORI
2.1. Pengertian Peramalan
Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa
yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
Ramalan adalah suatu situasi atau kondisi yang akan diperkirakan akan terjadi
pada masa yang akan datang. Untuk memprediksi hal tersebut diperlukan data
yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di
masa yang akan datang. Pada umumnya kegunaan peramalan adalah sebagai
berikut:
1. Sebagai alat bantu dalam perencanaan yang efektif dan efesien.
2. Untuk menentukan kebutuhan sumber daya di masa mendatang.
3. Untuk membuat keputusan yang tepat.
Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Yang
didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dalam
berbagai kegiatan perusahaan. Baik tidaknya hasil suatu penelitian sangat
ditentukan oleh ketetapan ramalan yang dibuat. Walaupun demikian perlu
diketahui ramalan selalu ada unsur kesalahannya, sehingga yang perlu
diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.
2.2. 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. 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 snagat tergantung pada metode yang
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 (data) tentang masa lalu.
b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik.
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
pada masa yang akan datang.
2.3 Metode Peramalan
2.3.1 Pengertian Metode Peramalan
Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara
kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan data
yang relevan pada masa lalu. Metode peramalan juga merupakan cara
memperkirakan secara kuantitatif, maka oleh karena itu metode peramalan
termasuk dalam kegiatan peramalan kuantitatif.
Metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada
masa depan secara sistematis dan pragmatis, sehingga metode peramalan sangat
berguna untuk dapat memperkirakan secara sistematis dan pragmatis atas dasar
data yang relevan pada masa lalu. Dengan demikian metode peramalan
diharapkan dapat memberikan objektifitas yang lebih besar. Metode peramalan
juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu
masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas
permasalahan dalan kegiatan peramalan, maka akan didapat dasar pemikiran dan
pemecahan yang sama, karena argumentasinya sama.
Metode peramalan memberikan cara pengerjaan yang teratur dan terarah,
sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik
Dapat disimpulkan bahwa metode peramalan sangat berguna, karena akan
membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola
dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan
pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan
yang lebih besar atas ketepatan hasil ramalan yang dibuat.
2.3.2 Jenis-jenis Metode Peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antar
variabel yang diperkirakan dengan variabel 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 Trend dengan Regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
antar variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab
akibat (metode kausal). Metode peramalan yang termasuk jenis ini adalah:
a. Metode Regresi dan Korelasi
b. Metode Ekonometri
c. Metode Input Output
2.3.3 Pemilihan Teknik dan Metode Peramalan
Kebutuhan akan peramalan meningkat sejalan dengan usaha managemen untuk
mengurangi ketergantungannya pada hal-hal yang belum pasti dan menggunakan
sumber daya peramalan secara lebih baik. Dengan adanya sejumlah besar metode
peramalan tersedia, maka masalah yang timbul ialah memahami bagaimana
karakteristik seuatu metode peramalan akan cocok bagi situasi pengambilan
keputusan tertentu. Adapun enam faktor yang dapat diidentifikasi sebagai teknik
1. Horison Waktu
Merupakan pemilihan yang didasarkan atas jangka waktu peramalan, yaitu:
a. Peramalan yang segera dilakukan dengan waktu kurang dari satu bulan.
b. Peramalan jangka pendek dengan waktu antar satu sampai tiga bulan
c. Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua
tahun.
d. Peramalan jangka panjang dengan waktu dua tahun ke atas.
2. Pola Data
Salah satu dasar pemilihan metode peramalan ialah dengan memperhatikan
pola data. Ada empat jenis pola data mendasar yang terdapat dalam suatu
deretan data yaitu:
a. Pola Horisontal (H) terjadi apabila data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini ialah “stasioner” terhadap nilai rata-rata -ratanya).
b. Pola Musiman (M) terjadi apabila suatu deret dipengaruhi oleh faktor
musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada
minggu tertentu).
c. Pola Siklis (C) terjadi apabila data dipengaruhi oleh fluktuasi jangka
panjang dan lebih lama dari pola musiman, lamanya berbeda dari suatu
siklus yang lain.
d. Pola Trend (T) terjadi apabila terdapat kenaikan atau penurunan jangka
panjang dalam data
3. Jenis dari model
Untuk mengklasifikasikan metode peramalan kuantitatif perlu diperhatikan
model yang didasarinya. Model sangat penting diperhatikan, karena
masing-masing model mempunyai fungsi yang berbeda.
4. Biaya yang dibutuhkan
Biaya sangat dieperlukan dalam meneliti suatu objek, yang termasuk biaya
dalam penggunaan metode peramalan antara lain, biaya penyimpanan data,
baiaya-biaya perhitungan, biaya untuk menganalisa dan biaya-biaya
5. Ketepatan metode peramalan
Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian
yang dibutuhkan dalam suatu peramalan. Dalam mengambil keputusan, variasi
atau penyimpangan atas peramalan yang dilakukan antara 10% sampai 15%,
sedangkan untuk hal atau kasus lain mungkin menganggap bahwa adanya
variasi atau penyimpangan atas ramalan sebesar 5% adalah cukup berbahaya.
6. Kemudahan dalam penerapan
Metode peramalan yang digunakan adalah metode yang mudah dimengerti
dan mudah diterapkan dalam pengambilan keputusan dan analisisnya.
2.3.4 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 untuk menaksir nilai pada beberapa tahun
kedepan. 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)
a. Pemulusan Eksponensial Tunggal
1. Satu Parameter (One Paramete)
2. Pendekatan Aditif (ARRES)
Pendekatan ini digunakan untuk data-data yang bersifat stasioner dan tidak
menunjukkan pola atau trend. Pendekatan ini memiliki kelebihan yang nyata
dalam hal nilai yang dapat berubah secara terkendali, dengan adanya perubahan
dalam pola datanya.
b. Pemulusan Eksponensial Ganda
1. Metode Linier Satu Parameter dari Brown
= 2-2
= ( ) 2-3
=
( 2-4
= 2-5
Keterangan:
= Nilai eksponensial smoothing tunggal
= Nilai eksponensial smoothing ganda
= Parameter Pemulusan Eksponensial
= Konstanta pemuiusan
= Hasil peramalan untuk m periode ke depan yang akan diramalkan
2. Metode Dua Parameter dari Holt
Metode ini digunakan peramalan data yang bersifat trend.
= 2-6
= 2-7
= 2-8
Keterangan:
= Parameter Peramalan 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 orde yang lebih tinggi.
2. Metode Kecendurangan dan Musiman Tiga Parameter dari Winter
Metode ini merupakan salah satu dari beberapa metode pemulusan
eksponensial yang dapat menangani musiman.
3. Pemulusan Eksponensial Menurut Klasifikasi Pegels
2-9
Keterangan:
= Ramalan untuk periode mendatang
= Parameter Eksponensial yang besarnya 0 < < 1
= Nilai aktual pada periode-t
= Ramalan pada periode-t
2.3.5 Metode Peramalan yang Digunakan
Untuk mendapatkan suatu hasil yang baik dan tepat maka haruslah diketahui dan
digunakan metode peramalan yang tepat. Dalam meramalkan tingkat produksi
kelapa sawit pada tahun 2015-2017 di PT. PerkebunanNusantara IV (Persero),
maka penulis menggunakan metode smoothing eksponensial ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.
Metode ini merupakan metode linier yang dikemukakan oleh Brown.
Dasar pemikiran dari Smoothing Eksponensial Satu Parameter dari Brown adalah
sama 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 ditambahkan kepada pemulusan ganda dan
disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing
Eksponensial Satu Parameter dari Brown adalah rumus persamaan 2-1 – 2-5.
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat
digunakan rumus dibawah ini:
= 2-10
= 2-11
Akhir persamaan (2-5) menunjukkan bagaimana memperoleh ramalan
untuk m periode ke muka dari t. Ramalan untuk m periode ke muka adalah a,
dimana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m
kali komponen kecenderungan . Bila semua hasil hitungan telah didapat, maka
semua data yang telah didapat dimasukkan ke dalam contoh tabel Smothing
Tabel 2.1 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown
Pada Data Produksi Kelapa Sawit di PT. Perkebunan Nusantara IV (Persero)
Tahun 2015-2017
Tahun Periode Tahun
Produksi
Kelapa
Sawit
Pemulusan
Eksponensi
al Tnggal
Pemulusan
Eksponensi
al Ganda
Nilai Nilai Nilai F =
( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) ( 7 ) ( 8 )
2001 1 (2-1) (2-2) - - -
2002 2 … … (2-3) (2-4) -
2003 3 … … … … (2-5)
2004 4 … … … … …
- - - … … … … …
- - - … … … … …
N N .. … … … …
Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu
peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat
untuk meramalkan data yang lain. Data peramalan time series, metode peramalan
terbaik adalah metode yang memenuhi kriteria ketetapan ramalan. Kriteria ini
