BAB 2
LANDASAN TEORI
2.1 Peramalan
2.1.1 Pengertian Peramalan (Forecasting)
Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang, sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksikan sesuatu hal di masa yang akan datang diperlukan data yang akurat di masa lalu, sehingga dapat dilihat suatu situasi dan kondisi di masa yang akan datang.
Dalam kehidupan sosial segala sesuatu itu serba tidak pasti dan sukar diperkirakan secara tepat sehingga perlu diadakan peramalan. Peramalan yang dibuat selalu diupayakan agar dapat meminimumkan pengaruh ketidakpastian terhadap suatu permasalahan. Dengan kata lain peramalan bertujuan untuk mendapatkan peramalan yang bisa meminimumkan kesalahan meramal (forecast error) yang bisanya diukur dengan mean square error, mean absolute error dan
lain sebagainya.
2.1.2 Kegunaan Peramalan
dibutuhkan untuk menentukan kapan peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan.
Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun atau yang kita buat, maka kurang baik pula keputusan yang kita ambil.
Keberhasilan dari suatu peramalan sangat ditentukan oleh:
a. Pengetahuan teknik tentang pengumpulan informasi (data) masa lalu, data ataupun informasi haruslah bersifat kuantitatif.
b. Teknik dan metode yang tepat dan sesuai dengan pola data yang telah di kumpilkan.
Dari uraian yang sudah dijelaskan kita mendapat gambaran bahwa peranan peramalan sangatlah penting, baik dalam penelitian, perencanaan maupun dalam pengambilan keputusan. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhaikan adalah usaha untuk memperkecil kemungkinan kesalahannya tersebut.
2.1.3 Jenis Peramalan
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan yang ditentukan berdasarkan pemikiran, pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
2. Peramalan Kuantitatif
Peramalan kuantitaif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda. Baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin.
Peramalan kuantitatif dapat digunakan apabila terdapat tiga kondisi sebagai berikut:
1. Adanya informasi tentang keadaan masa lalu.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data. 3. Dapat diasumsikan bahwa pola yang ada pada masa lalu akan
2.1.4 Langkah-langkah Peramalan
Pada dasarnya ada tiga langkah peramalan yang penting, yaitu:
1. Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisanya dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data yang akan kita gunakan.
2. Menentukan metode yang dipergunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda. Seperti telah diutarakan sebelumnya, bahwa metode peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi. Dengan kata lain, metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.
2.2 Metode Peramalan
2.2.1 Pengertian dan Kegunaan Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang, berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan dipergunakan dalam peramalan yang objektif.
Metode peramalan memberikan urutan dan pemecahan atas pendekatan masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan, maka akan didapat dasar pemikiran dan pemecahan yang sama karena argumentasinya sama. Selain itu metode peramalan juga memberikan cara pengerjaan yang teratur dan terarah sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisisan yang lebih maju.
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 atau yang disusun.
2.2.2 Jenis-jenis Metode Peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, terdiri dari:
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 metode pemulusan (smoothing) diklasifikasikan menjadi dua bagian yaitu:
1. Metode Rata-rata (Average)
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu sistem peramalan pada periode mendatang.
Metode Rata-rata (Average) dibagi atas empat bagian, yaitu: a. Metode rata-rata bergerak tunggal (single moving average) b. Metode rata-rata bergerak ganda (double moving average) c. Nilai tengah (mean)
d. Kombinasi rata-rata bergerak lainnya
2. Metode Pemulusan (smoothing) Eksponensial
Bentuk umum dari metode pemulusan (smoothing) Eksponensial adalah:
�+ = �� + ( − �) �
Keterangan:
� = data aktual pada periode ke t � = ramalan pada periode ke t
α = parameter pemulusan
Persamaan ini merupakan bentuk umum yang digunakan dalam menghitung ramalan dengan metode pemulusan eksponensial. Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian daripadanya (seperti dalam kasus rata-rata bergerak). Agaknya hanya pengamatan terakhir, ramalan terakhir, dan suatu nilai α yang
harus disimpan.
Implikasi pemulusan eksponensial dapat dilihat dengan lebih baik bila persamaan Pemulusan (smoothing) Eksponensial diperluas dengan mengganti F dengan komponennya sebagai berikut:
�− = �� + ( − � ) [��− + − � � − ]
= �� + ( − � ) � − + − � � −
Jika proses substitusi ini diulangi dengan mengganti �− dengan komponennya, �− dengan komponennya, dan seterusnya, hasilnya adalah persamaan berikut ini:
�+ = �� + � ( − �) � − + � − � �−
+ − � ��− �−
Dari perluasan bentuk umum yang telah di uraikan, dapatlah dikatakan bahwa Metode Pemulusan (Smoothing) Eksponensial merupakan metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang baru diberikan bobot yang relative besar dengan nilai relative yang lebih tua. Metode Pemulusan Eksponensial terdiri dari:
a. Pemulusan (Smoothing) Eksponensial Tunggal
b. Pemulusan (Smoothing) Eksponensial Tunggal: Pendekatan Adaptif
c. Pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown
d. Pemulusan (Smoothing) Eksponensial Ganda: Metode Dua Parameter dari Holt
e. Pemulusan (Smoothing) Eksponensial Triple: Metode Kuadratik Satu-Parameter dari Brown
f. Pemulusan (Smoothing) Eksponensial Triple: Metode Kecenderungan dan Musiman Tiga-Parameter dari Winter g. Pemulusan (Smoothing) Eksponensial: Klasifikasi Pegels
b. Metode Box Jenkins
ini membutuhkan identifikasi model dan estimasi parameternya. Metode ini sangat baik ketepatannya (accuracy) untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ketepatannya kurang baik.
c. Metode proyeksi Trend Dengan Regresi
Metode proyeksi Trend Dengan Regresi merupakan merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Metode ini sangat baik dipakai untuk peramalan jangka pendek maupun jangka panjang.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut dengan metode korelasi sebab akibat (Causal Methods), terdiri dari:
a. Metode Regresi dan Korelasi
Metode Regresi dan Korelasi didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik “least squares”. Hubungan
b. Model Ekonometri
Metode Ekonometri didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Metode ini baik digunakan untuk peramalan jangka pendek maupun jangka panjang, karena ketepatan peramalan dengan metode ini sangat baik.
c. Metode Input-Output
Metode Input-Output dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Model ini kurang baik ketepatannya untuk peramalan jangka pendek, dan sangat baik digunakan untuk peramalan jangka panjang.
2.2.3 Pemilihan Teknik dan Metode Peramalan
Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri penting dalam 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 di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
3. Jenis Dan 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 analisis keadaan untuk pengambilan keputusan.
4. Biaya Yang Dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya penyimpangan (storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan,
5. Ketepatan Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat 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.
2.2.4 Metode Pemulusan (Smoothing) yang Digunakan
eksponensial ganda yaitu metode smoothing eksponensial satu parameter dari Brown.
Metode ini merupakan metode yang digunakan oleh Brown. Dasar pemikiran dari metode smoothing eksponensial satu parameter dari Brown adalah dengan rata-rata bergerak linier, karena nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.
Persamaan yang dipakai dalam pelaksanaan pemulusan Eksponensial Satu Parameter dari Brown adalah sebagai berikut:
f. Menentukan Pemulusan (Smoothing) Pertama ( ′) �′� = ���+ − � �′�−
g. Menentukan Pemulusan (Smoothing) Kedua ( " ) �"� = ��� − � �"�−
h. Menentukan Besarnya Konstanta ( ) �= �′�+ (�′�- �"�) = �′� - �"� i. Menentukan Besarnya Slope ( )
�= −α� �′� - �"�)
j. Menentukan Besarnya Ramalan (�+�)
�+� = �+ ( �+�)
2.2.5 Ketepatan Peramalan
series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan uji ketepatan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah: 1. ME (Mean Error) atau Nilai Tengah Kesalahan
= ∑�� �
�=
2. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat
� = ∑|��| �
�=
3. MAE (Mean Absolute Error) atau Nilai Tengah Kesalahan Absolut
� = ∑|��| �
�=
4. MPE (Mean Percentage Error) atau Nilai Tengah Kesalahan Persentase
� = ∑� �
�
�=
5. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah Kesalahan Persentase Absolut
�� = ∑|� �| �
Keterangan:
�� = ��− �(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
Parameter α yang digunakan adalah α yang memberikan nilai MSE yang
terkecil dimana nilai α yang digunakan berkisar 0,1 sampai 0,9.
2.3 Produk Domestik Regional Bruto (PDRB)
2.3.1 Pengertian dan Kegunaan Produk Domestik Regional Bruto (PDRB) Produk Domestik Regional Bruto (PDRB) adalah jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam satu daerah tertentu, atau merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi di suatu daerah. Kegunaan Produk Distribusi Regional Bruto (PDRB) antara lain sebagai berikut:
a. Tingkat Pertumbuhan Ekonomi
Domestik Regional Bruto (PDRB) atas dasar harga konstan dari suatu kurun waktu.
b. Tingkat Kemakmuran Ekonomi
Tingkat kemakmuran ekonomi biasanya diukur dengan pendapatan perkapita yang merupakan hasil bagi pendapatan regional dengan angka pertengahan tahun.
c. Tingkat Inflasi dan Deflasi
Tingkat inflasi dan deflasi dapat diketahui bila Produk Domestik Regional Bruto (PDRB) atas dasar harga berlaku dibandingkan dengan Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan, hasil baginya disebut indeks harga implisit.
d. Struktur Perekonomian
Struktur perekonomian biasanya terdiri atas sektor-sektor menurut klasifikasi lapangan usaha.
Sektor-sektor (lapangan usaha) yang terdapat di Kabupaten Tapanulli Utara: 1. Sektor Pertanian
2. Sektor Pertambangan dan Penggalian 3. Sektor Industri
4. Sektor Listrik, Gas dan Air Bersih 5. Sektor Perdagangan, Hotel dan Restoran 6. Sektor Pengangkutan dan Komunikasi
2.3.2 Perhitungan Pendapatan Produk Domestik Regional Bruto (PDRB) a. Perhitungan Atas Dasar Harga Berlaku
Produk Domestik Regional Bruto (PDRB) atas dasar harga belaku merupakan jumlah seluruh nilai tambah bruto (NTB) atau nilai barang dan jasa yang dihasilkan oleh unit-unit produksi dalam suatu periode tertentu dan biasanya satu tahun yang dinilai dengan harga tahun yang bersangkutan. Produk Domestik Regional Bruto (PDRB) atas harga berlaku menggambarkan nilai tambah barang dan jasa yang dihitung menggunakan harga yang berlaku pada setiap tahun
b. Perhitungan Atas Dasar Harga Konstan
Perhitungan atas dasar harga konstan menunjukkan nilai tambah barang dan jasa yang dihitung menggunakan harga yang ada pada suatu tahun tertentu sebagai dasar. Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan digunakan untuk mengetahui pertumbuhan ekonomi pada suatu periode ke periode selanjutnya (dari tahun ke tahun).