BAB 2
LANDASAN TEORI
2.1. Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya
merupakan suatu perkiraan, tetapi dengan menggunakan teknik-teknik tertentu,
maka peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat
dikatakan perkiraan yang ilmiah.
Peramalan (forecasting) dapat juga diartikan sebagai suatu usaha untuk meramalkan keadaan dimasa mendatang melalui pengujian keadaan di masa lalu (Handoko, 1984: 260). Dalam kehidupan sosial segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat. Dengan kata lain peramalan bertujuan mendapatkan forecast yang bisa meminimumkan kesalahan meramal. Dengan melakukan peramalan, para perencana dan pengambil keputusan akan dapat mempertimbangkan alternatif-alternatif strategi yang lebih luas daripada tanpa peramalan. Dengan demikian berbagai rencana strategi dan aksi dapat dikembangkan untuk menghadapi berbagai kemungkinan yang bisa terjadi di masa mendatang.
Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan
apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan
yang dialami kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan.
Karena masalah pengambilan keputusan merupakan masalah yang dihadapi,
maka peramalan juga merupakan masalah yang harus dihadapi, karena
peramalan berkaitan erat dengan pengambilan keputusan.
Banyak orang yang sulit membedakan antara peramalan dan perencanaan.
kemungkinan besar akan terjadi, misalnya kondisi permintaan, penjualan, arus
kas, kondisi ekonomi, dan lain-lain didasarkan pada sejumlah asumsi. Sedangkan
perencanaan menggunakan ramalan-ramalan yang ada untuk menetapkan
target, termasuk di dalamnya penetapan strategi untuk mencapai target itu.
Dengan demikian, peramalan berusaha menggambarkan apa yang akan terjadi,
sementara rencana didasarkan pada gagasan bahwa dengan mengambil tindakan
tertentu pada saat ini, pengambil keputusan dapat mempengaruhi hasil akhir
seperti diharapkan.
Peramalan mempunyai tujuan untuk memprediksikan keadaan dari suatu
kejadian, dimana dengan cara demikian suatu proses perencanaan dapat
diselenggarakan dengan tepat. Banyak keputusan penting yang dilakukan
mengarah kepada kejadian-kejadian di masa mendatang sehingga memerlukan
peramalan. Sebagai dasar untuk merencanakan dan mengambil hasil dari suatu
keputusan tersebut diperlukan informasi yang baik dan akurat agar kemampuan
meramalkan berdasarkan data yang diperoleh dapat dikendalikan dengan baik
untuk mencapai sasaran yang diinginkan.
Salah satu aspek yang paling sering disalahpahami dalam peramalan adalah
ketidakpastian. Dalam prakteknya, hasil peramalan tidak pernah secara mutlak
tepat kecuali kebetulan. Hal ini karena keadaan maupun kejadian di masa depan
tidak menentu. Meskipun demikian, bilamana semua faktor penting yang
mempengaruhi telah diperhitungkan dan model hubungan dari faktor-faktor
tersebut ditentukan dengan baik, maka hasil peramalan akan mendekati kondisi
yang sebenarnya.
2.2. Jenis-Jenis Peramalan
Peramalan dapat dibedakan dari berbagai segi tergantung dari cara melihatnya.
Jika dilihat dari cara penyusunannya, maka peramalan dapat dibedakan menjadi
1. Peramalan Subjektif
Peramalan subjektif adalah peramalan yang didasarkan atas perasaan
atau intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari
orang yang menyusunnya sangat menentukan baik atau tidaknya hasil
ramalan tersebut.
2. Peramalan Objektif
Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan
metode-metode dalam penganalisisan data tersebut
Bila dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam yaitu:
1. Peramalan jangka panjang
Peramalan jangka panjang adalah peramalan yang dilakukan untuk
menyusun hasil ramalan yang jangka waktunya lebih dari satu setengah
tahun atau tiga semester. Misalnya, diperlukan penyusunan rencana
pembangunan suatu negara atau daerah.
2. Peramalan jangka pendek
Peramalan jangka pendek adalah peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu
setengah tahun atau tiga semester. Misalnya, penyusunan rencana produksi,
rencana persediaan dan lain sebagainya.
Sedangkan berdasarkan metode peramalan yang digunakan, maka peramalan dapat dibedakan atas dua macam yaitu:
1. Peramalan kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu atau dengan kata lain peramalan yang didasarkan atas
pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Metode ini penting saat data historis
2. Peramalan kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan pada data historis.
Tujuan metode ini adalah mempelajari apa yang terjadi pada masa lalu
untuk memprediksi nilai-nilai pada masa yang akan datang.
Menurut Makridakis, Wheelwright, dan McGee (1999) peramalan kuantitatif
dapat diterapkan apabila terdapat tiga kondisi berikut:
1. Adanya informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola
masa lalu akan terus berlanjut di masa yang akan datang dan kondisi ini
disebut dengan kondisi yang konstan (assumption of constancy).
2.3. Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan
terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh
karena itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif.
Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik
tentang informasi yang lalu yang dibutuhkan, yang bersifat kuantitatif, serta
teknik dan metode peramalannya.
Metode peramalan dapat memberikan cara pengerjaan yang teratur dan
terarah, sehingga demikian dapat dimungkinkannya penggunaan teknik-teknik
tersebut, maka diharapkan dapat memberikan tingkat kepercayaan yang lebih
besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi
secara ilmiah, dalam memilih metode peramalan, perlu diketahui terlebih
dahulu ciri-ciri penting dalam pengambilan keputusan dan analisis keadaan
Ada 6 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
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola
yang didapati di dalam data yang diramalkan akan berkelanjutan.
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.
Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah
dengan mempertimbangkan jenis pola datanya. Pola data dapat dibedakan
menjadi empat, yaitu:
1. Pola Horizontal
Terjadi jika nilai data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya). Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis pola ini. Pola data horizontal ditunjukkan pada gambar berikut.
Gambar 2.1 Pola data horizontal 2. Pola Musiman
Gambar 2.2 Pola data musiman 3. Pola Siklis
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja dan peralatan utama lainnya termasuk pola siklis. Pola data siklis ditunjukkan pada gambar berikut.
Gambar 2.3 Pola data siklis 4. Pola Trend
Gambar 2.4 Pola data trend
2.5 Kegunaan Peramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan
situasi dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang
akan datang setelah situasi tersebut dianalisis. Peramalan merupakan suatu alat
bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini
penyusunan suatu rencana untuk mencapai tujuan atau sasaran suatu
organisasi/lembaga terdapat perbedaan waktu pelaksanaan, dan dilaksanakan
oleh siapa. Perencanaan dan peramalan merupakan dua hal yang sangat erat
kaitannya, hal ini dapat dilihat dalam penyusunan rencana, dimana dalam
penyusunan ini melibatkan peramalan juga.
Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar
untuk menyusun rencana karena dapat membantu menganalisis data dari masa
lalu, sehingga melalui metode peramalan akan didapat cara pemikiran dan
pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga
memberikan ketetapan hasil analisis.
2.6 Metode Pemulusan (Smoothing)
mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada
beberapa tahun ke depan. Metode pemulusan (smoothing) banyak digunakan untuk menghilangkan atau mengurangi keteracakan (randomness) dari data deret berkala (time series). Secara umum, metode smoothing diklasifikasikan menjadi dua bagian, yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian yaitu:
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.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu
dalam mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan (Smoothing) Eksponensial Bentuk umum dari pemulusan eksponensial adalah:
(1 )
Metode pemulusan atau smoothing eksponensial terdiri atas:
1. Pemulusan atau smoothing ekspnensial tunggal
2. Pemulusan atau smoothing eksponensial ganda, yang terdiri atas: a. Metode linier satu parameter dari Brown
2.7 Metode Pemulusan (Smoothing) yang digunakan
Untuk mendapatkan hasil peramalan yang akurat, maka harus digunakan metode
peramalan yang tepat. Maka untuk meramalkan jumlah penumpang dan barang
yang diangkut oleh kereta api, penulis menggunakan Pemulusan Eksponensial
Ganda Metode Linear Satu Parameter dari Brown.
Metode Pemulusan Eksponensial Ganda (Metode Linier Satu Parameter
dari Brown) merupakan kelompok metode yang menunjukkan pembobotan
menurun secara eksponensial terhadap nilai pengamatan yang lebih tua disebut
prosedur pemulusan eksponensial. Seperti halnya dengan rata-rata bergerak,
metode eksponensial terdiri atas tunggal, ganda dan metode yang lebih rumit.
Semua mempunyai sifat yang sama, yaitu nilai yang lebih baru diberikan bobot
yang relatif besar dibanding nilai pengamatan yang lebih lama.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar
pemikiran dari metode Smoothing Eksponensial Linear satu Parameter dari
Brown adalah serupa dengan rata-rata bergerak linear, karena nilai pemulusan
tunggal dan ganda ketinggalan dari data sebenarnya. Dalam metode ini
peramalan dilakukan dengan mengulang perhitungan secara terus menerus
dengan menggunakan data-data terbaru. Setiap data diberi bobot, data yang
( ) Ft m atb mt
(2.6)
dengan:
'
S t = nilai pemulusan eksponensial tunggal
"
S t = nilai pemulusan eksponensial ganda
= parameter pemulusan eksponensial dengan nilai 0 < α < 1
a ,bt t
= konstanta pemulusan
Xt = nilai aktual periode t
Ft m = hasil peramalan untuk m periode ke depan yang diramalkan
2.8 Ukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan peramalan
adalah ukuran tentang tingkat perbedaan antara hasil peramalan dengan
permintaan yang sebenarnya terjadi. Dalam hal ini digunakan Rata-rata Kuadrat
Kesalahan atau Mean Square Error (MSE). Mean Square Error (MSE) dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode
dan membaginya dengan jumlah periode peramalan. Secara matematis, Mean Square Error (MSE) dirumuskan sebagai berikut:
2
MSE = Mean Square Error (Rata-rata Kuadrat Kesalahan)
t
X
= data aktual pada periode ke-t
t
F = nilai ramalan pada periode
ke-t
