BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Metode peramalan merupakan 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. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat kuantitatif serta teknik dan metode peramalannya.
2.2 Kegunaan Peramalan
Seiring terdapat waktu tenggang (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (time lag) merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
seperti di atas peramalan diperlukan menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Organisasi selalu menetapkan saran dan tinjauan, berusaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang diharapakan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Peramalan merupakan bagian dari kegiatan pengambilan keputusan manajemen yang diharapkan dapat mengurangi ketergantungan manajemen pada hal-hal yang belum pasti.
Ada 3 (tiga) peranan peramalan yang penting, yaitu:
1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Nilai yang penting untuk penjadwalan adalah ramalan tingkat permintaan konsumen atau pelanggan.
2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (time lag) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian
tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam waktu jangka panjang. Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan memerlukan peramalan yang baik dan menajer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun 3 (tiga) kelompok di atas merupakan bentuk khas dari peramalan jangka pendek, menengah, dan panjang.
2.3 Jenis-jenis Peramalan
Menurut Makridakis, Wheelright, dan Mc. Gee (1999), teknik peramalan dapat dibagi dalam 2 bagian dilihat dari sifatnya, yaitu:
a. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan sangat bergantung pada orang yang menyusunnya, karena berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua, yaitu metode eksploratoris dan normatif.
b. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur peramalan penyusunan dengan baik. Semakin baik dalam menggunakan prosedur peramalan, maka penyimpangan antara hasil peramalan dengan kenyataan yang terjadi juga semakin kecil. Metode peramalan kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal. Peramalan kuantitatif dapat digunakan bila memenuhi syarat berikut:
2. Informasi tentang masa lalu dapat dikuantitatifkan dalam bentuk data.
3. Informasi tentang masa lalu dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang dan disebut dengan kondisi yang konstan. Asumsi tersebut merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis terlepas dari bagaimana canggihnya metode yang digunakan.
Metode peramalan dengan analisis deret waktu dibagi tiga yaitu: 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak
Metode yang sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk ramalan jangka panjang.
2. Metode Regresi
Metode yang biasa digunakan untuk ramalan jangka menengah dan jangka panjang.
3. Metode Box-Jenkins
Metode yang jarang dipakai, tetapi baik untuk ramalan jangka pendek, menengah, dan panjang.
2.4 Metode Pemulusan (Smoothing)
Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Metode smoothing banyak digunakan untuk menghilangkan atau mengurangi keteracakan
dari data deret berkala. Secara umum, metode smoothing diklasifikasikan menjadi dua bagian, yaitu:
a. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian, yaitu: 1. Nilai tengah (mean)
2. Rata-rata bergerak tunggal (single moving average) 3. Rata-rata bergerak ganda (double moving average) 4. Kombinasi rata-rata bergerak lainnya.
b. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
(2.1)
keterangan:
= ramalan satu periode ke depan = data aktual pada periode ke-t = ramalan pada periode ke-t
α
= parameter smoothingMetode smoothing eksponensial terdiri atas: 1. Smoothing eksponensial tunggal
2. Smoothing eksponensial ganda, yang terdiri atas: a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt
2.5 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan jumlah kenderaan bermotor menurut jenisnya pada pemecahan masalah adalah dengan menggunakan metode smoothing eksponensial ganda yaitu metode smoothing eksponensial satu parameter dari Brown.
Metode Smoothing merupakan metode yang digunakan oleh Brown. Dasar pemikiran dari metode smoothing eksponensial linier satu parameter dari Brown adalah dengan rata-rata bergerak linier, karena kedua nilai smoothing tunggal dan ganda ketinggalan dari data sebenarnya.
Peramalan yang dapat dipakai dalam pelaksanaan smoothing eksponensial linier satu parameter dari Brown adalah sebagai berikut:
a. Menentukan smoothing pertama
(2.2) = Smoothing pertama periode t
b. Menentukan smoothing kedua ( )
(2.3)
= Smoothing kedua periode t
c. Menentukan besarnya konstanta ( )
=
= 2 - (2.4)
= besarnya konstanta periode t
d. Menentukan besarnya slope (bt)
(2.5)
bt = Slope / nilai trend dari data yang sesuai
e. Menentukan besarnya Forecast
= (2.6)
= besarnya forecast m = jangka waktu forecast
f. Menentukan kesalahan pada periode ke-t
(2.7)
= kesalahan pada periode ke-t
2.6 Menghitung Nilai Kesalahan (Error) Ramalan
a. ME (Mean Error)/Nilai Tengah Kesalahan
b. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat
2
c. MAE (Mean Absolute Error)/Nilai Tengah Kesalahan Absolut
1
d. MPE (Mean Percentage Error)/Nilai Tengah Kesalahan Persentase
1
e. MAPE (Mean Absolute Percentage Error)/Nilai Tengah Kesalahan Persentase Absolut
f. SSE (Sum Square Error)/Jumlah Kuadrat Kesalahan
∑
N = Jumlah periode waktu
