BAB 2
LANDASAN TEORI
2.1 Peramalan
Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa
yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
Sedangkan ramalan adalah suatu situasi atau kondisi yang akan diperkirakan akan
terjadi pada masa akan datang. Untuk memprediksikan suatu hal dimasa yang
akan datang diperlukan data yang akurat dimasa lalu, sehingga dapat dilihat suatu
situasi dan kondisi di masa yang akan datang.
2.2 Kegunaan Peramalan
Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan
dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan
tersebut. Jadi dalam menentukan kebijakan itu perlu diperhatikan kesempatan atau
peluang yang ada dan ancaman yang mungkin terjadi. Dalam usaha mengetahui
atau melihat perkembangan di masa depan, 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
pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita
susun atau yang kita buat, maka kurang baik pula keputusan yang kita ambil.
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 diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahannya
tersebut.
2.3 Jenis - jenis Peramalan
Peramalan dapat dibedakan dari berbagai segi tergantung dari cara melihatnya.
Jika dilihat dari cara penyusunannya, maka peramalan dapat dibedakan menjadi
dua macam, yaitu:
1. Peramalan yang subjektif yaitu 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 yang objektif yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metodemetode
dalam penganalisisan data tersebut.
Bila dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat
dibedakan atas dua macam yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk menyusun
semester. Misalnya, diperlukan penyusunan rencana pembangunan suatu
negara atau daerah.
2. Peramalan jangka pendek, yaitu 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 sifat ramalan yang telah disusun, maka peramalan dapat
dibedakan atas dua macam yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang
menyususnnya atau dengan kata lain peramalan yang didasarkan atas
pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan
serta pengalaman dari penyusunnya.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. Peramalan kuantitatif hanya
dapat digunakan apabila terdapat tiga kondisi sebagai berikut:
a. Adanya informasi tentang keadaan yang lain
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa
yang akan datang
Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan
dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil
metode-metode tersebut adalah baik tidaknya metode yang dipergunakan, sangat
ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan
kenyataan yang terjadi.
2.4Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan
terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh
karena metode peramalan didasarkan atas dasar yang relevan pada masa lalu,
maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Perlu
diketahui bahwa keberhasilan dari suatu peramalan sangat ditentukan oleh:
1. Pengetahuan teknik tentang informasi yang lalu yang dibutuhkan, informasi ini
bersifat kuantitatif
2. Teknik dan metode peramalan.
2.5 Kegunaan Metode Peramalan
Metode merupakan cara berpikir yang sistematis dan pragmatis atas pemecahan
suatu masalah. Dengan dasar ini, maka metode peramalan merupakan cara
memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan
pragmatis, sehingga metode peramalan sangat berguna untuk dapat
memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada
masa lalu,dengan demikian metode peramalan diharapkan dapat memberikan
objektivitas yang lebih besar. Di samping itu, metode peramalan juga memberikan
urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam
dalam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan
pemecahan yang sama, karena argumentasinya sama.
Selain itu, metode peramalan memberikan cara pengerjaan yang teratur dan
terarah, sehingga dengan demikian dapat dimungkinkannya penggunaa
teknik-teknik penganalisaan 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.
2.6 Jenis - jenis Metode Peramalan
Pada dasarnya metode kuantitatif dapat dibedakan menjadi:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu yang
merupakan Deret Berkala (Time Series). Metode yang termasuk dalam jenis ini
adalah:
a. Metode Pemulusan (Smoothing), merupakan jenis peramalan jangka
pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan
penggunaan metode ini adalah untuk mengurangi ketidakteraturan data
masa lampau seperti musiman.
b. Metode Box Jenkins, merupakan deret waktu dengan menggunakan model
c. Metode proyeksi Trend dengan Regresi, merupakan metode yang
digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini
merupakan garis trend untuk persamaan matematis.
2. Metode peramalan yang didasarkan atas pengguanaan analisis pola hubungan
antar variabel lain yang mempengaruhinya, yang bukan waktu disebut metode
korelasi atau sebab akibat. Metode peramalan yang termasuk dalam jenis ini
adalah:
a. Metode Regresi dan Korelasi, merupakan metode yang digunakan baik
untuk jangka panjang maupun pendek didasarkan pada persamaan dengan
teknik least squares yang dianalisis secara statis.
b. Metode Ekonometrik, merupakan metode yang digunakan untuk jangka
panjang dan pendek.
c. Metode Input Output, merupakan metode yang digunakan untuk jangka
panjang yang biasa digunakan untuk menyusun trend ekonomi jangka
panjang.
2.7 Ketepatan Metode Peramalan
Hasil peramalan yang akurat adalah peramalan (forecast) yang biasanya
meminimalkan kesalahan meramal (forecast error). Besarnya kesalahan meramal
(forecast error) dihitung dengan mengurangkan data yang sebenarnya dengan
data yang diperoleh dari hasil peramalan. Rumusnya adalah sebagai berikut:
�� = �� − �� (2.1)
Keterangan:
�� = hasil peramalan pada periode ke-t
Dari rumus error tersebut kita dapat mencari Nilai Tengah Kesalahan Kuadrat
(Mean Square error), rumusnya adalah sebagai berikut:
��� =∑ ��
2 � �
�=1 (2.2)
2.8 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting
yang harus 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. Pertama adalah cakupan waktu di masa yang akan datang
dan yang kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Salah satu hal penting dalam peramalan adalah anggapan bahwa macam dari
pola yang didapati didalam data yang diramalkan akan berkelanjutan. Oleh
karena adanya perbedaan kemampuan metoda peramalan untuk
mengidentifikasikan pola-pola data, maka perlu adanya usaha penyesuaian
antara pola data yang telah diperkirakan terlebih dahulu dengan teknik dan
3. Jenis dari 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 analisa keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada empat unsur biaya yang yang tercakup dalam penggunaan suatu
prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data,
operasi pelaksanaan, dan kesempatan dalam penggunaan teknik-teknik atau
metode peramalan.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan.
2.9 Metode Smoothing (Pemulusan)
Metode pemulusan adalah metode peramalan dengan mengadakan pemulusan atau
penghalusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai
beberapa tahun untuk menaksir nilai pada beberapa tahun yang akan datang.
Secara umum metode pemulusan (smoothing) dapat diklasifikasikan menjadi
1. Metode Perataan (Average)
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
2. Metode Pemulusan (Smoothing)
a. Pemulusan (Smoothing) Eksponensial Tunggal (SES)
Persamaan yang digunakan dalam menghitung ramalan dengan metode
pemulusan eksponensial:
��+1 = ��� + (1− �)�� (2.3)
b. Pemulusan Eksponensial Tunggal: Pendekatan Adaktif Metode pemulusan
SES memerlukan spesifikasi nilai α. Pemulusan eksponensial tunggal
dengan tingkat respon yang adaptif (ARRSES) memiliki kelebihan yang
nyata atas SES dalam hal ini nilai α yang dapat berubah secara kendali,
dengan adanya perubahan dalam pola datanya. Metode ini bersifat adaptif
dalam arti bahwa nilai α berubah secara otomatis bilamana terdapat
perubahan dalam pola data dasar.
c. Pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu
Parameter dari Brown
Pemulusan eksponensial linier dapat dihitung hanya dengan tiga nilai data
dan satu nilai untuk α. Pendekatan ini juga memberikan bobot yang
semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan
eksponensial linier lebih disukai dari pada rata rata bergerak linier sebagai
dari pemulusan eksponensial linier dari Brown adalah serupa dengan
rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda
ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend.
Perbedaan antara pemulusan tunggal dan ganda dapat ditambahkan kepada
nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang
dipakai dalam implemetasi pemulusan eksponensial linier satu parameter
dari Brown adalah sebagai berikut:
�′� = α��+ (1− �)�′�−1 (2.4)
�"� = α�′�+ (1− �)�"�−1 (2.5)
�� = 2�′�− �"� (2.6)
�� =1−�� (�′� − �"�) (2.7)
��+� =�� +��� (2.8)
Keterangan:
m = jumlah periode di depan yang diramalkan
�′� = nilai pemulusan eksponensial tunggal
�′′� = nilai pemulusan eksponensial ganda
α = parameter pemulusan eksponensial dengan nilai
��,�� = konstanta pemulusan
��+� = hasil peramalan untuk m periode ke depan yang diramakan
d. Pemulusan Eksponensial Ganda: Metode Linier Dua Parameter dari Holt
Metode pemulusan eksponensial linier dari Holt prinsipnya serupa dengan
Brown kecuali Holt tidak menggunakan rumus pemulusan berganda secara
e. Pemulusan Eksponensial Triple: Metode Kecenderungan dan Musiman
Tiga – Parameter dari winter
f. Pemulusan Eksponensial: Klasifikasi pegels
3. Metode Pemulusan Lainnya
a. Metode Kontrol Adaptif dari chow
b. Metode Adaptif Satu Parameter dari Brown
c. Pemulusan Tiga Parameter Box Jenkins
d. Metode Pemulusan Harmonis dan Harrison
