BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan (Forecasting)
Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel yang mempengaruhi permasalahan arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkan suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka
peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang perlu dilakukan.
Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi di masa akan datang. Ramalan tersebut dapat didasarkan atas bermacammacam cara yang dikenal dengan metode peramalan. Metode peramalan adalah cara memperkirakan secara kuantatif apa yang terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode peramalan 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 atau disusun.
2.2 Kegunaan dan Peran Peramalan
terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.
Dalam perencanaan disuatu instansi baik itu pemerintahan maupun swasta, peramalan merupakan kebutuhan yang sangat mendasar. Dimana baik maupun buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.
Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang selalu
dihadapi karena peramalan berkaitan dengan pengambilan suatu keputusan.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan atau ketepatan ramalan yang dibuat. Selama data maupun informasi yang digunakan tidak dapat maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.
Di dalam bagian Organisasi terdapat beberapa peran penting dalam peramalan :
1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan konsumennya atau si pelanggan, bahan, tenaga kerja, finansial atau 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 yang akan datang.
3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka waktu panjang. Keputusan semacam ini bergantung kepada kesempatan pasar, faktor-faktor lingkungan dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologi.semua penentuan ini
memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan,
namun tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah, dan panjang.
2.3 Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :
1. Peramalan Kualitatif atau Teknologis
Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. metode kualitatif dapat dibagi menjadi 2 yaitu : metode eksploratoris dan normatif.
2. Peramalan Kuantitatif
Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. karena dengan metode yang berbeda akan diperoleh suatu hasil peramalan yang berbeda
pula. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang
terjadi berarti metode yang dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu :
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
Metode-metode peramalan dengan analisis deret waktu yaitu :
1. Metode Pemulusan Ekponensial dan Rata-rata Bergerak
Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang
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 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 analisis 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 yaitu : cakupan waktu dimasa yang akan datang dan 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 perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu biaya-biaya pengembangan, penyimpanan (storage) data, 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 dan Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.
2.5 Analisis 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 hubungan kerja lainnya.
2.6 Penentuan Pola Data
Hal penting yang perlu 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 Horizontal (H)
Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan.
2. Pola musiman (S)
Pola yang menunjukkan perubahan yang berulang-ulang secara periode dalam deret waktu. pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya kuartal tahun tertentu, bulanan atau hari-hari pada mingguminggu tertentu.
3. Pola Siklis (C)
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend. terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti berhubungan dengan siklus bisnis.
4. Pola Trend (T)
Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam
data.
2.7 Metode yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai jumlah pengangguran pada pemecahan masalah ini adalah dengan
menggunakan Metode Smoothing Eksponensial yaitu “Smoothing Eksponensial
Satu Parameter dari Brown”. Metode ini merupakan metode yang dikemukakan
Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.
Persamaan yang dipakai dalam persamaan Pemulusan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut :
S't = α X t + ( 1 –α ) S' t-1 S''t = α S' t + ( 1 - α ) S'' t-1
at = S' t + ( S' t - S'' t ) = 2 S' t - S'' t bt = α/(1-a) ( S' t - S'' t )
Ft + m = a t + b t m
Dimana :
= Jumlah periode didepan yang diramalkan
= Nilai eksponensial smoothing tunggal
= Nilai eksponensial smoothing ganda
= Parameter pemulusan eksonensial
= Konstanta pemulusan
= Hasil Peramalan untuk m periode ke depan
depan yang akan digunakan.
2.8 Ketepatan Ramalan
Kata “ketepatan” dapat diartikan sebagai penunjukan seberapa jauh model
peramalan tersebut mampu mereproduksi data yang telah diketahui. Dalam pemodelan deretberkala, sebagian data yang diketahui dapat digunakan untuk meramalkan sisa data berikutnya sehingga memungkinkan orang untuk
mempelajari ketepatan ramalan secara lebih langsung.
semakin kecil MSE, berarti model itu semakin tepat digunakan. MSE dapat dicari dengan rumus sebagai berikut:
MSE =
dengan:
et = Xt – Ft ( kesalahan pada periode ke t)
Xt = data aktual pada periode ke t
Ft = nilai ramalan pada periode ke t
