BAB 2
LANDASAN TEORI
2.1 Pengertian Wisatawan dan Wisatawan Mancanegara
Wisatawan adalah orang yang mengadakan perjalanan dari tempat kediamannya tanpa menetap di tempat yang didatanginya atau hanya untuk sementara waktu tinggal di tempat yang didatanginya. Sedangkan wisatawan mancanegara adalah warga negara suatu negara yang mengadakan perjalanan wisata keluar lingkungan dari negaranya (memasuki negara lain).
2.2 Peramalan
Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess).
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 dari pada peramalan. Dengan demikian berbagai rencana strategi dan aksi dapat dikembangkan untuk menghadapi berbagai kemungkinan yang bisa terjadi di masa mendatang.
Banyak orang yang sulit membedakan antara peramalan dan perencanaan. Peramalan pada umumnya di pergunakan untuk memprediksi sesuatu yang kemungkinan besar akan terjadi, misalnya kondisi permintaan, penjualan, arus kas, kondisi ekonomi, dan lain-lain didasarkan pada sejumlah asumsi. Sedangkan
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.
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan alasan utama bagi perencanaan dan peramalan.Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Peramalan mempunyai tujuan untuk memprediksikan keadaan dari suatu kejadian, dimana dengan cara demikian suatu proses perencanaan dapat diselenggarakan dengan tepat. Banyak keputusan yang penting dilakukan mengarah kepada kejadian di masa mendatang sehingga memerlukan peramalan. Sebagai dasar untuk merencanakan dan mengambil hasil 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 disalah pahami 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, bila mana semua faktor penting mempengaruhi telah diperhitungkan dan model hubungan dari faktor-faktor tersebut ditentukan dengan baik, maka hasil peramalan akan mendekati kondisi yang sebenarnya.
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:
orang yang menyusunnya sangat menentukan baik atau tidak hasil ramalan tersebut.
2. Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganilisisan data tersebut.
Bila dilihat jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas duamacam yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk menyusun hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Misalnya, penyusunan rencana pembangunan 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 metode peramalan yang digunakan, maka peramalan dapat dibedakan atas dua macam yaitu:
1. Peramalan kualitatif, yaitu 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 tidak tersedia.
2. Peramalan kuantitatif, yaitu 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.
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi.
Menurut Makridakis, Whellwright, dan McGee (1999) peramalan kuantitatif dapat diterapkan apabila terdapat tiga kondisi berikut:
1. Terjadi informasi tentang masa lalu.
2. Informasi tersebut dapat kualitatifkan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu kan terus
berlanjut di masa mendatang.
2.4 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 memungkinkannya 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.
2.4.1 Metode Peramalan yang digunakan
Untuk mendapatkan hasil peramalan yang akurat, maka harus digunakan metode peramalan yang tepat. Maka untuk meramalkan jumlah wisatwan mancanegara ini penulis menggunakan Pemulusan Eksponensial Satu Parameter dari Brown.
Semua mempunyai sifat yang sama, yaiu nilai yang lebih baru diberikan bobot yang relative besar disbanding nilai pengamatan yang lebih lama.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, 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 lebih baru diberi bobot lebih besar. Langkah-langkah dalam metode ini adalah:
= + (1- ) … … … ...(2.4.1.1) = α + (1-α) … … … ..(2.4.1.2)
= 2 - … … … .(2.4.1.3)
=
( - ) … … … (2.4.1.4)
= + (m) … … … ... … (2.4.1.5)
dengan,
: nilai pemulusan eksponensial tunggal : nilai pemulusan eksponensial ganda
:parameter pemulusan eksponensial dengan nilai 0 < < 1 , : peramalan untuk m period eke depan
2.5 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:
b. Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
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 penggunaan analisis pola hubungan antar variabel lain yang mempengaruhinya, yang bukan waktu disebut metode korelasi atau sebab akibat. Metode peramalan yang termasuk dalam 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.
2.6 Analisis Deret Berkala
Data berkala (Time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran-gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisi deret berkala memungkinkan untuk mengetahui perkembangan suatukejadian serta hubungan dengan kejadian yang lain.
2.7 Pola Data
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 bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya). Suatu produk yang penjualannya tdak meningkat atau menurun selama waktu tertentu termasuk jenis pola ini. Pola data musiman 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 dara siklis. Pola data siklis ditunjukkan apada gambar berikut.
Gambar 2.3 Pola Data Siklis
4. Pola Trend
Pola trend adalah bila data permintaan menunjukkan pola kecenderungan
Gambar 2.4 Pola Data Trend
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. Salah satu hal penting dalam peramalan adalah anggapan bahwa macam dari pola yang didapat didalam data yang diramalkan akan berkelanjutan. Oleh karena adanya perbedaan kemampuan metode peramalan untuk
mengindentifikasikan pola-pola data, maka perlu adanya usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu
dengan teknik dan metoe peramalan yang akan digunakan. 3. Jenis dari model
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. 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
beberapa bagian, yaitu:
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) Eksponensial Bentuk umum dari metode pemulusan eksponensial adalah:
= + (1- … … … .(2.9.1)
dengan,
: ramalan satu periode kedepan :data actual pada periode ke t
:parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
= + (1- +…+ -(N-1)… … … ..(2.9.2)
Dari pemulusan bentuk umum di atas dapat dikatakan bahwa metode eksponensial smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relative lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas:
a. Pemulusan Eksponensial Tunggal 1. Satu parameter
2. Pendekatan aditif
Metode ini cukup baik digunakan untuk peramalan yang mempunyai pola trend atau sifat yang datanya stasioner.
b. Pemulusan Eksponensial Ganda
1. Metode Linier Satu Parameter dari Brown 2. Metode Dua Parameter dari Holt
Metode ini digunakan untuk peramalan dengan data yang bersifat trend. c. Pemulusan Eksponensial Triple
1. Pemulusan kuadratik Satu Parameter dari Brown
Dapat digunakan bila dasar pola datanya adalah kuadratik kubik atau berorde lebih tinggi.
2. Metode Kecenderungan atau musiman tiga parameter dari winter
Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani data dengan pola musiman.
d. Pemulusan Eksponensial menurut klasifikasi pegels.
2.9.1 Metode Smoothing yang digunakan
plot auto korelasi yang menunjukan pola data linier. Maka metode peramalan analisis Time Series yang digunakan untuk meramalkan jumlah wisatawan mancanegara pada pemecahan masalah ini adalah dengan menggunakan Metode Eksponensial Ganda, yaitu “Smoothing Eksponensial Linier Satu Parameter dari
Brown”.
2.9.2 Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari Brown
Metode ini merupakan model linier yang dikemukakan oleh Brown. Dasar pemikiran dari smoothing eksponensial Ganda, metode Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan smoothing Eksponenial Ganda, metode Linier satu Parameter dari brown adalah sebagai berikut:
a. Menentukan nilai pemulusan Eksponensial Tunggal ( )
= + (1- ) dengan,
: Nilai pemulusan eksponensial tunggal : Parameter pemulusan eksponensial
: Nilai riil periode t
: Nilai pemulusan eksponensial sebelumnya
b. Menentukan nilai pemulusan eksponensial ganda ( )
= α + (1-α) dengan,
: Nilai pemulusan eksponensial ganda c. Menentukan besarnya konstanta )
= + ( - ) = 2 - dengan,
=
( - ) dengan,
: slope/nilai trend dari data yang sesuai
e. Menentukan besarnya forecast
= + (m) dengan,
: besarnya forecast : jangka waktu forecast
2.9.3 Beberapa Kesalahan dan Ukuran Statistik satndar antara lain : 1. ME (Mean error)/Nilai Tengah Kesalahan:
ME = ∑
2. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat: MSE = ∑
3. SSE ( Sum Square Error)/Jumlah Kuadrat Kesalahan: SSE = ∑
4. SDE (Standard Deviation of Error)/Deviasi Standar Kesalahan:
SDE = √∑
dengan,
: - (kesalahan pada periode ke t)
: Data aktual pada periode t
