LANDASAN TEORI
2.1 Pengertian Perkara
Menurut Kamus Besar Bahasa Indonesia (KBBI), perkara merupakan masalah, persoalan yang
perlu diselesaikan atau dibereskan.
2.1.1 Pembagian Perkara
Banyak persoalan yang sering terjadi di masyarakat khususnya di Kabupaten Batu Bara seperti
perkara pidana dan perkara perdata.
1. Perkara Pidana
Menurut Van Hamel hukum pidana merupakan keseluruhan dasar dan aturan yang dianut oleh
negara dalam kewajibannya untuk menegakkan hukum, yaitu dengan melarang apa yang
bertentangan dengan hukum (onrecht) dan mengenakan suatu nestapa(penderitaan) kepada yang melanggar larangan tersebut.
2. Perkara Perdata
Mr. H.J. Hamaker Hukum yang pada umumnya berlaku, yaitu yang memuat peraturan
peraturan tentang tingkah laku orang-orang dalam masyarakat pada umumnya. Hukum perdata
materil dibagi 4:
a. Hukum perorangan atau hukum pribadi
Hukum perorangan adalah semua kaidah hukum yang mengatur siapa-siapa yang dapat
membawa hak, yang menjadi pembawa hak dan kedudukannya dalam hukum. Lebih
konkritnya hukum perorangan memuat antara lain:
1. Peraturan peraturan tentang manusia sebagai subyek hukum.
2. Peraturan-peraturan tentang kecakapan untuk memiliki hak-hak dan untuk bertindak
sendiri melaksanakan hak-haknya.
b. Hukum Keluarga ( Femilierecht)
Hukum Keluarga adalah semua kaidah hukum yang mengatur hubungan abadi antara dua orang
yang berlainan kelamin dan akibat-akibatnya. Lebih konkritnya hukum keluarga memuat
antara lain:
2. Hubungan antara orang tua dengan anak-anaknya kekuasaan orang tua/ourderlijke macht).
3. Perwakilan (voogdij). 4. Pengampunan (curatele).
c. Hukum Kekayaan (Vermogensrecht)
Hukum Kekayaan adalah semua kaidah hukum yang mengatur hak-hak apakah yang
didapatkan pada orang dalam hubungannya dengan orang lain yang mempunyai nilai uang.
Hukum harta kekayaan meliputi:
1. Hak mutlak,yaitu hak-hak yang berlaku terhadap tiap orang.
2. Hak perorangan, yaitu hak-hak yang hanya berlaku terhadap seseorang atau suatu pihak
tertentu saja.
2.2 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. Untuk melakukan peramalan tersebut diperlukan data yang akurat pada masa
lampau sehingga dapat melihat kondisi yang akan datang. Berbagai bidang pengetahuan baik
itu ekonomi, manajemen, keuangan, dan berbagai bidang riset selalu membutuhkan peramalan.
Peramalan sangat diperlukan untuk mengetahui nilai dari suatu peristiwa berdasarkan waktu
yang akan terjadi, sehingga tindakan yang tepat dapat dilakukan.
2.3 Kegunaan Peramalan
Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Keputusan yang baik adalah
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 telah dibuat. Walaupun demikian perlu diketahui bahwa ramalan
selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha memperkecil
kesalahan ramalan tersebut dan juga diperlukan metode-metode peramalan yang tepat untuk
mendapatkan kesalahan sekecil mungkin.
Metode peramalan sangat berguna karena akan membantu dalam mengadakan analisis
terhadap data dari masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang
teratur dan terarah, perencanaan yang sistematis serta memberikan ketepatan hasil peramalan
Di dalam bagian organisasi terdapat beberapa kegunaan peramalan diantaranya:
1. Berguna untuk 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.
2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat
berkisar antara beberapa hari sampai beberapa 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 keuangannya.
Semua penentuan ini memerlukan peramalan yang baik dan dapat menafsirkan pendugaan
serta membuat keputusan yang baik.
Walaupun banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di
atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.
2.4 Jenis–Jenis Peramalan
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas :
1. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara
variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu atau
time-series.
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara
variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan
waktu, yang disebut metode korelasi atau sebab akibat (causal methods).
3. Metode – metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu atau analisa deret waktu, terdiri
dari:
a) Metode Smoothing, yang mencakup metode data lewat (past data), metode rata-rata kumulatif, metode rata-rata bergerak (moving average) dan metode eksponential smoothing.
b) Metode Box Jenkins.
Dalam pemilihan teknik dan metode peramalan, pertama perlu diketahui ciri-ciri penting yang
perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan
peramalan.
Ada enam utama yang diidentifikasi sebagai teknik dan metode peramalan, yaitu:
1. Horizontal waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode
peramalan. Pertama yaitu cakupan waktu dimasa yang akan datang, kedua jumlah periode
untuk peramalan yang diinginkan.
2. Pola data
Dasar utama dari metode peramalan yaitu anggapan bahwa macam dari pola yang didapat di
dalam data yang diramalkan akan berkelanjutan.
3. Jenis dari model
Model-model adalah suatu deret di mana 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 analisa keadaan untuk
pengambilan keputusan.
4. Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu
biaya-biaya pengembangan, penyimpanan (storage) data, operasi pelaksanaan dan kesepakatan dalam
penggunaan teknik-teknik dan metode lainnya.
5. Ketepatan metode peramalan
Tingkatan ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian
dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu
prinsip umum bagi pengambilan keputusan.
2.5.1 Metode Pemulusan (Smooting)
Dalam pembahasan ini lebih kuat menjelaskan mengenai penggunaan metode smooting. Metode smooting merupakan 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. Peramalan pada metode ini akan terdapat pada peramalan
Biasanya metode ini digunakan untuk perencanaan dan pengendalian produksi dan persediaan,
perencanaan keuntungan dan perencanaan keuangan. Data yang dibutuhkan untuk penggunaan
metode peramalan ini minimum selama 2 tahun.
Untuk keputusan jangka pendek, yang berupa keputusan harian atau mingguan, bulanan
dan triwulan, diperlukan dasar keputusan yang diambil yaitu ramalan jangka pendek. Metode
peramalan jangka pendek yang paling sederhana adalah metode peramalan yang menggunakan
data yang lewat.
Tujuan utama dari penggunaan rata-rata bergerak adalah untuk menghilangkan atau
mengurangi acakan (randomness) dalam deret waktu. Tujuan ini dapat dicapai dengan merata-ratakan beberapa nilai data bersama-sama, dengan cara mana kesalahan-kesalahan positif dan
negatif yang mungkin terjadi dapat dikeluarkan atau dihilangkan, rata-rata dilakukan terhadap
seluruh angka kosnstanta dari observasi.
Hasil perhitungan rata-rata bergerak atas seluruh kumpulan angka atau nilai data adalah
suatu deret baru dari angka dengan sedikit atau hampir tidak ada ketidakaturan atau acak.
Kemampuan rata-rata bergerak untuk menghilangkan ketidakaturan atau acakan dapat
dipergunakan dalam deret waktu adalah untuk dua tujuan yaitu untuk menghilangkan trend dan
untuk menghilangkan musiman (seasonality).
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk
menaksir nilai pada beberapa tahun ke depan. Secara umum metode smoothing diklasifikasikan menjadi dua bagian:
1. Metode Rata-rata
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan
suatu sistem peramalan pada periode mendatang. Metode rata-rata dibagi atas empat bagian:
a. Rata-rata sederhana
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 Eksponensial
Bentuk umum dari metode pemulusan eksponensial :
Dengan:
Ft+1 : Ramalan suatu periode ke depan Xt : Data aktual pada periode ke-t Ft : Ramalan pada periode ke-t
α : Parameter pemulusan
Metode ini terdiri atas:
a) Pemulusan Eksponensial Tunggal
1. Satu Parameter (One Parameter) 2. Parameter Adaptif
b) Pemulusan Eksponensial Ganda
1. Satu Parameter (Metode Linier) dari Brown
2. Dua Parameter dari Holt
c) Pemulusan Eksponensial Triple
1. Satu Parameter (Metode Kuadratik) dari Brown
Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi.
2. Metode Kecenderungan Dan Musim Tiga Parameter Dari Winter Dapat digunakan
untuk data berbentuk trend dan musiman.
2.5.2 Metode Peramalan dalam Pengolahan Data
Peramalan dengan metode Smoothing Eksponensial Ganda membutuhkan tiga buah nilai data dan satu nilai alpha (α). Metode pemulusan merupakan teknik meramal dengan cara mengambil
rata-rata dari nilai beberapa periode yang lalu yang akan diramalkan nilainya ke suatu periode
yang akan datang.
Dalam metode ini data historis digunakan untuk memperoleh angka yang akan dihitung
dengan menggunakan metode Smoothing Eksponensial Ganda. Peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru.
Persamaan-persamaan yang digunakan dalam Smoothing Eksponensial Ganda adalah sebagai berikut: 1. Menentukan pemulusan pertama/tunggal ( �′)
�′= ��� + (1-α) �−′
2. Menentukan pemulusan kedua/ganda ( �′′)
3. Menentukan besarnya konstanta ( �)
� = 2 �′− �′′
4. Menentukan besarnya slope ( �
� = �
−�( �′− �′′
5. Menentukan besarnya ramalan (��+ ) ��+ = �+ � (m)
6. Mencari nilai MSE, maka harus ditentukan terlebih dahulu nilai�� (kesalahan) dan e (kesalahan kuadrat).
�� = ��− ��
e = ��− ��
dengan:
�� = nilai aktual periode ke-t
�′ = nilai pemulusan eksponensial tunggal
�′′ = nilai pemulusan eksponensial ganda
� , � = konstanta pemulusan
��+ = hasil peramalan untuk m periode ke depan yang akandiramalkan
m = jumlah periode ke depan yang diramalkan
α = parameter pemulusan eksponensial besarnya 0 < α < 1
et = error (kesalahan peramalan)
Xt = data sebenarnya pada periode ke-t Ft = hasil ramalan pada periode ke-t
2.5.3 Menghitung Nilai Kesalahan Peramalan
Hasil ramalan dapat dikatakan baik apabila nilai kesalahan (error) peramalannya seminimal
dengan data yang diperoleh dari hasil peramalan. Berikut ini adalah rumus yang dapat
digunakan untuk mengetahui kesalahan dari hasil peramalan yaitu:
�� = ��− ��
dengan:
Xt = data yang sebenarnya Ft = data hasil ramalan
Perlu juga 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. Peramalan deret waktu, metode peramalan terbaik adalah metode yang memenuhi
kriteria ketetapan ramalan.Berikut ini adalah metode yang digunakan untuk menguji nilai
ramalan dalam memenuhi kriteria ketetapan ramalan, yaitu:
1. Mean Absolute Deviation (MAD)
Mean Absolute Deviation adalah rata-rata absolut dari kesalahan peramalan tanpa menghiraukan tanda positif atau tanda negatif.Mean Absolute Deviation berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Nilai Mean Absolute Deviation dapat dihitung dengan menggunakan rumus sebagai berikut:
MAD =∑ | ��− �|
2. Mean Square Error (MSE)
Mean Square Error adalah rata-rata kesalahan meramal dikuadratkan.Mean Square Error juga digunakan untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisa
dikuadratkan. Metode ini menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih
baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.
MSE = ∑ ��− � 2
3. Mean Percentage Error (MPE)
MPE =∑ �
Mean Absolute Percentage Error dihitung dengan menggunakan kesalahan absolut pada setiap periode dibagi dengan nilai observasi yang nyata untuk periode tersebut. Kemudian
merata-ratakan kesalahan persentase absolut tersebut. Pendekatan ini berguna ketika ukuran atau besar
variabel itu penting dalam mengevaluasi ketepatan ramalan. Mean Absolute Percentage Error mengidentifikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai
nyata.
MAPE = ∑
|��−��|
�� × %
Dengan menggunakan rumus-rumus yang telah diuraikan diatas, maka Penulis ingin
melakukan peramalan terhadap jumlah perkara pidana dan perdata di Kabupaten Batu Bara
pada tahun 2020. Dengan menggunakan metode smoothing eksponensial ganda diharapkan dengan penggunaan teknik peramalan ini dapat juga menghasilkan nilai error (kesalahan)
peramalan yang seminimal mungkin supaya hasil dari peramalan dapat dikatakan baik dan
