Peramalan Pendapatan Penjualan Energi Listrik (Dalam Juta Rupiah) Di Pt.Pln (Persero) Cabang Medan Tahun 2018
BAB 2
LANDASAN TEORI
2.1.
PengertianPeramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa
yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa
depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi
atau suatu kebutuhan akan timbul, sehingga dapat dipersiapakan kebijakan atau
tindakan-tindakan yang perlu dilakukan. Sedangkan ramalan merupakan suatu
kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan
tersebut dapat didasarkan atas bermacam-macam cara yaitu Metode Pemulusan
Eksponensial atau Rata-rata Bergerak, Metode Bos Jenkins, danMetode Regresi.
Terdapat dua jenis model peramalan yang utama, yaitu: model deret berkala
(time series) dan model regresi (kausal). Pada jenis pertama, penduga masa depan
dapat dilakukan berdasarkan nilai masa lalu dari suatu variable dan kesalahan masa
lalu. Tujuan metode peramalan deret berkala seperti itu adalah menemukan pola
dalam deret data histori dan mengekstrapolasikan pola tersebut kemasa depan. Model
kausal dipihak lain mengasumsikan bahwa faktor yang diramalkan menunjukan suatu
hubungan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas.
Kedua model deret berkala (time series) dan kausal mempunyai keuntungan
dalam situasi tertentu. Model deret berkala sering kali dapat digunakan dengan
mudah untuk meramal, sedangakan metode kausal dapat digunakan untuk
pengambilan keputusan dan kebijaksanaan.
Universitas Sumatera Utara
8
2.2.
Kegunaan Peramalan
Sering terdapat waktu senjang (time log) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead
time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi
atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka
atau bilangan yang harus dipergunakan begitu saja. Penggunaannya masih
memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil
ramalan biasanya didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah
seperti waktu sebelumnya.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan
kebutuhan yang sangat penting. Dimana organisasi selalu menentukan sasaran dan
tujuan, berusaha menduga fakor-faktor lingkungan, lalu memilih tindakan yang
diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Di dalam
bagian organisasi terdapat kegunaan peramalan, yaitu:
1. 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 untuk, bahan, tenaga kerja,
financial, atau jasa palayanan.
2. Untuk penyediaan sumber daya tambahan waktu tenggang (lead time)
untuk memperoleh bahan baku, menerima pekerja baru, atau membeli
mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa
tahun. Peramalan diperlukan untuk menentukan sumber daya di masa
mendatang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan
semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan
Universitas Sumatera Utara
9
pengembangan sumber daya keuangan. Semua penentuan ini memerlukan
ramalan yang baik dan manager yang dapat manafsirkan pendugaan serta
membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan namun,
tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek,
menengah dan panjang.
2.3.
MetodePeramalan
Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama, yaitu:
1. Metode Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat dangat bergantung pada
orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi metode
ekploratoris dan normative. Metode ekploratoris dimulai dengan masa
lalu dan masa kini sebagai titik awalnya dan kearah masa depan secara
heirusik, seringkali dengan melihat semua kemungkinan yang ada.
Metode normative dimulai dengan menetapkan sasaran dan tujuan yang
akan datang, kemudian bekerja mundur untuk melihat apakah hal ini
dapat dicapai, berdasarkan kendala, sumber daya dan teknologi yang
tersedia.
2. Metode Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat
bergantung pada metode yang dipergunakan dalam peramalan tersebut.
Dengan metode yang bereda akan diperoleh hasil peramalan yang berbeda.
Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau
Universitas Sumatera Utara
10
penyimpangan antara hasil peramalan dengan kenyataan yang terjadi.
Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan
yang terjadi berarti metode yang digunakan semakin baik.
Peramalan kuantitatif dapat diterapkan bila terdapat 3 (tiga) kondisi berikut:
1. Tersedia informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan berlanjut
di masa mendatang.
2.3.1.
Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciriciri yang perlu diperhatikan bagi pengambil keputusan dan analisa keadan dalam
mempersiapkan peramalan.
Langkah penting dalam memilih suatu metode deret berkala (time series)
yang tepat adalah dengan mempertimbangkan pola data, sehingga metode yang paling
tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis
siklis dan trend, yaitu:
a. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai
rata-rata yang konstan.
b. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor-faktor
musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada
minggu tertentu).
c. Pola siklis (C) terjadi bilamana suatu deret dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
d. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler
jangka panjang waktu.
Universitas Sumatera Utara
11
Ada enam faktor utama yang didefinasikan 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 dimasa yang akan datang,
kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa ancamanancaman dari pola yang didapati di dalam data yang diramalkan akan
berkelanjutan.
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
kemapuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan
.
4. Biaya
Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan
suatu prosedur peramalan, yaitu biaya-biaya penggembangan, penyimpanan
(Storage) data, operasi pelaksana dan kesempatan dalam penggunaan teknikteknik lainnya.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan di dalam suatu peramalan.
Universitas Sumatera Utara
12
6. Kemudahan Dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum umum bagi pengambilan keputusan.
2.4.
Analisa Deret Berkala
Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk
memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisi deret berkala memungkinkan untuk mengetahui perkembangan suatu kejadian
serta hubungan dengan kejadian yang lain.
Tujuan time series ini mencakup penelitian pola data yang digunakan untuk
meramalkan apakah data tersebut stasioner atau tidak serta ekstrapolasi ke masa yang
akan datang. Stasioner itu sendiri bearti bahwa tidak terdapat penurunan/peningkatan
pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain
fluktasi data tetap konstan sepanjang waktu.
2.5.
Metode Pemulusan (Smoothing)
Metode smoothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun ke
depan. Secara umum metode smoothing diklasifikasikan menjadi 2 (dua) bagian,
yaitu:
1. Metode Rata-rata
Metode
rata-rata
tujuannya
memanfaatkan
data
masa
lalu
untuk
mengembangkan suatu peramalan pada periode mendatang.
Metode rata-rata dibagi 4 (empat) bagian, yaitu:
a. Nilai tengah (mean)
Universitas Sumatera Utara
13
b. Rata-rata bergerak tunggal (Singel Moving Average)
c. Rata-rata bergerak ganda (Double Moving Avarega)
d. Kombinasi rata-rata bergerak lainnya.
2. Metode Pemulusan (Smoothing) Eksponensial
Metode pemulusan memiliki sifat, yaitu nilai yang lebih baru diberikan bobot
yang relatif lebih besar dibandingkan nilai observasi yang lebih lama.
Bentuk umum Metode Pemulusan (Smoothing) Eksponensial ini adalah:
Dimana:
= nilai peramalan untuk m periode ke depan
= besarnya konstanta periode t
= besarnya koefisien pada periode yang akan diramalkan
Metode Eksponensial Smoothing terdiri atas:
A. Smoothing Eksponensial Tunggal
Digunakan
untuk
data-data
yang
bersifat
stasioner
dan
tidak
menunjukkan pola atau trend.
Smoothing Eksponensial Tunggal terdiri dari:
a. Satu patameter (one parameter)
b. Pendekatan aditif (ARIES)
B. Smoothing Eksponensial Ganda
a. Metode Linier Satu Parameter dari Brown
b. Metode Dua Parameter dari Holt
Universitas Sumatera Utara
14
C. Smoothing Eksponensial Triple
a. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadratik, kubik atau orde yang lebih
tinggi.
b. Metode Kecenderungan dan Musiman Tiga Parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend dan musiman.
D. Smoothing Eksponensial Menurut Klasifikasi Pegels
2.5.1. Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Data
banyaknya pendapatan penjualan energi listrik yang disalurkan oleh PT.PLN Medan
kepada setiap rumah tangga sudah di plot ke dalam grafis menunjukkan pola trend
linier yang dapat juga dilihat dari plot autokorelasi yang menunjukkan pola data linier.
Maka metode peramalan analisa Time Series yang digunakan untuk meramalkan
pendapatan penjualan energi listrik pada pemecahan permasalahan ini adalah dengan
menggunakan Metode Eksponensial Ganda, yaitu ”Smoothing Eksponensial Linier
Satu Parameter dari Brown”
2.5.1.1. Smoothing Eksponensial Ganda, Metode Linier Saru Parameter dari
Brown
Metode ini merupakan model linier yang dikemukankan 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
Universitas Sumatera Utara
15
ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan
Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari Brown adalah
sebagai berikut:
a. Menentukan nilai pemulusan eksponensial tunggal
b. Menetukan nilai pemulusan eksponensial ganda
c. Menetukan besarnya konstanta
d. Menetukan besarnya slope
Dimana:
= nilai peramalan untuk m periode ke depan
= besarnya slope periode t
= nilai rill periode t
= nilai parameter pemulusan
= nilai pemulusan eksponensial tunggal periode t
= nilai pemulusan eksponensial ganda periode t
= nilai pemulusan eksponensial tunggal periode t-1
= nilai pemulusan eksponensial ganda periode t-1
Universitas Sumatera Utara
16
2.5.1.2.
Beberapa Kesalahan dan Ukuran Statistika Standar, antara lain:
1. ME (Mean Error) atau Nilai Tengah Kesalahan:
∑
2. MSE (Mean Square Eror) atau Nilai Tengah Kesalahan Kuadrat:
∑
3. SDE (Standart Deviatioan of Error) atau Deviasi Standart Kesalahan
√∑
Dimana:
=
= Data Aktual pada periode t
= Nilai Ramalan pada periode t
Universitas Sumatera Utara
LANDASAN TEORI
2.1.
PengertianPeramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa
yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa
depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi
atau suatu kebutuhan akan timbul, sehingga dapat dipersiapakan kebijakan atau
tindakan-tindakan yang perlu dilakukan. Sedangkan ramalan merupakan suatu
kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan
tersebut dapat didasarkan atas bermacam-macam cara yaitu Metode Pemulusan
Eksponensial atau Rata-rata Bergerak, Metode Bos Jenkins, danMetode Regresi.
Terdapat dua jenis model peramalan yang utama, yaitu: model deret berkala
(time series) dan model regresi (kausal). Pada jenis pertama, penduga masa depan
dapat dilakukan berdasarkan nilai masa lalu dari suatu variable dan kesalahan masa
lalu. Tujuan metode peramalan deret berkala seperti itu adalah menemukan pola
dalam deret data histori dan mengekstrapolasikan pola tersebut kemasa depan. Model
kausal dipihak lain mengasumsikan bahwa faktor yang diramalkan menunjukan suatu
hubungan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas.
Kedua model deret berkala (time series) dan kausal mempunyai keuntungan
dalam situasi tertentu. Model deret berkala sering kali dapat digunakan dengan
mudah untuk meramal, sedangakan metode kausal dapat digunakan untuk
pengambilan keputusan dan kebijaksanaan.
Universitas Sumatera Utara
8
2.2.
Kegunaan Peramalan
Sering terdapat waktu senjang (time log) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead
time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi
atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka
atau bilangan yang harus dipergunakan begitu saja. Penggunaannya masih
memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil
ramalan biasanya didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah
seperti waktu sebelumnya.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan
kebutuhan yang sangat penting. Dimana organisasi selalu menentukan sasaran dan
tujuan, berusaha menduga fakor-faktor lingkungan, lalu memilih tindakan yang
diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Di dalam
bagian organisasi terdapat kegunaan peramalan, yaitu:
1. 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 untuk, bahan, tenaga kerja,
financial, atau jasa palayanan.
2. Untuk penyediaan sumber daya tambahan waktu tenggang (lead time)
untuk memperoleh bahan baku, menerima pekerja baru, atau membeli
mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa
tahun. Peramalan diperlukan untuk menentukan sumber daya di masa
mendatang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan
semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan
Universitas Sumatera Utara
9
pengembangan sumber daya keuangan. Semua penentuan ini memerlukan
ramalan yang baik dan manager yang dapat manafsirkan pendugaan serta
membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan namun,
tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek,
menengah dan panjang.
2.3.
MetodePeramalan
Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama, yaitu:
1. Metode Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat dangat bergantung pada
orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi metode
ekploratoris dan normative. Metode ekploratoris dimulai dengan masa
lalu dan masa kini sebagai titik awalnya dan kearah masa depan secara
heirusik, seringkali dengan melihat semua kemungkinan yang ada.
Metode normative dimulai dengan menetapkan sasaran dan tujuan yang
akan datang, kemudian bekerja mundur untuk melihat apakah hal ini
dapat dicapai, berdasarkan kendala, sumber daya dan teknologi yang
tersedia.
2. Metode Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat
bergantung pada metode yang dipergunakan dalam peramalan tersebut.
Dengan metode yang bereda akan diperoleh hasil peramalan yang berbeda.
Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau
Universitas Sumatera Utara
10
penyimpangan antara hasil peramalan dengan kenyataan yang terjadi.
Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan
yang terjadi berarti metode yang digunakan semakin baik.
Peramalan kuantitatif dapat diterapkan bila terdapat 3 (tiga) kondisi berikut:
1. Tersedia informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan berlanjut
di masa mendatang.
2.3.1.
Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciriciri yang perlu diperhatikan bagi pengambil keputusan dan analisa keadan dalam
mempersiapkan peramalan.
Langkah penting dalam memilih suatu metode deret berkala (time series)
yang tepat adalah dengan mempertimbangkan pola data, sehingga metode yang paling
tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis
siklis dan trend, yaitu:
a. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai
rata-rata yang konstan.
b. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor-faktor
musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada
minggu tertentu).
c. Pola siklis (C) terjadi bilamana suatu deret dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
d. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler
jangka panjang waktu.
Universitas Sumatera Utara
11
Ada enam faktor utama yang didefinasikan 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 dimasa yang akan datang,
kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa ancamanancaman dari pola yang didapati di dalam data yang diramalkan akan
berkelanjutan.
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
kemapuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan
.
4. Biaya
Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan
suatu prosedur peramalan, yaitu biaya-biaya penggembangan, penyimpanan
(Storage) data, operasi pelaksana dan kesempatan dalam penggunaan teknikteknik lainnya.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan di dalam suatu peramalan.
Universitas Sumatera Utara
12
6. Kemudahan Dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum umum bagi pengambilan keputusan.
2.4.
Analisa Deret Berkala
Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk
memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisi deret berkala memungkinkan untuk mengetahui perkembangan suatu kejadian
serta hubungan dengan kejadian yang lain.
Tujuan time series ini mencakup penelitian pola data yang digunakan untuk
meramalkan apakah data tersebut stasioner atau tidak serta ekstrapolasi ke masa yang
akan datang. Stasioner itu sendiri bearti bahwa tidak terdapat penurunan/peningkatan
pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain
fluktasi data tetap konstan sepanjang waktu.
2.5.
Metode Pemulusan (Smoothing)
Metode smoothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun ke
depan. Secara umum metode smoothing diklasifikasikan menjadi 2 (dua) bagian,
yaitu:
1. Metode Rata-rata
Metode
rata-rata
tujuannya
memanfaatkan
data
masa
lalu
untuk
mengembangkan suatu peramalan pada periode mendatang.
Metode rata-rata dibagi 4 (empat) bagian, yaitu:
a. Nilai tengah (mean)
Universitas Sumatera Utara
13
b. Rata-rata bergerak tunggal (Singel Moving Average)
c. Rata-rata bergerak ganda (Double Moving Avarega)
d. Kombinasi rata-rata bergerak lainnya.
2. Metode Pemulusan (Smoothing) Eksponensial
Metode pemulusan memiliki sifat, yaitu nilai yang lebih baru diberikan bobot
yang relatif lebih besar dibandingkan nilai observasi yang lebih lama.
Bentuk umum Metode Pemulusan (Smoothing) Eksponensial ini adalah:
Dimana:
= nilai peramalan untuk m periode ke depan
= besarnya konstanta periode t
= besarnya koefisien pada periode yang akan diramalkan
Metode Eksponensial Smoothing terdiri atas:
A. Smoothing Eksponensial Tunggal
Digunakan
untuk
data-data
yang
bersifat
stasioner
dan
tidak
menunjukkan pola atau trend.
Smoothing Eksponensial Tunggal terdiri dari:
a. Satu patameter (one parameter)
b. Pendekatan aditif (ARIES)
B. Smoothing Eksponensial Ganda
a. Metode Linier Satu Parameter dari Brown
b. Metode Dua Parameter dari Holt
Universitas Sumatera Utara
14
C. Smoothing Eksponensial Triple
a. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadratik, kubik atau orde yang lebih
tinggi.
b. Metode Kecenderungan dan Musiman Tiga Parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend dan musiman.
D. Smoothing Eksponensial Menurut Klasifikasi Pegels
2.5.1. Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Data
banyaknya pendapatan penjualan energi listrik yang disalurkan oleh PT.PLN Medan
kepada setiap rumah tangga sudah di plot ke dalam grafis menunjukkan pola trend
linier yang dapat juga dilihat dari plot autokorelasi yang menunjukkan pola data linier.
Maka metode peramalan analisa Time Series yang digunakan untuk meramalkan
pendapatan penjualan energi listrik pada pemecahan permasalahan ini adalah dengan
menggunakan Metode Eksponensial Ganda, yaitu ”Smoothing Eksponensial Linier
Satu Parameter dari Brown”
2.5.1.1. Smoothing Eksponensial Ganda, Metode Linier Saru Parameter dari
Brown
Metode ini merupakan model linier yang dikemukankan 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
Universitas Sumatera Utara
15
ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan
Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari Brown adalah
sebagai berikut:
a. Menentukan nilai pemulusan eksponensial tunggal
b. Menetukan nilai pemulusan eksponensial ganda
c. Menetukan besarnya konstanta
d. Menetukan besarnya slope
Dimana:
= nilai peramalan untuk m periode ke depan
= besarnya slope periode t
= nilai rill periode t
= nilai parameter pemulusan
= nilai pemulusan eksponensial tunggal periode t
= nilai pemulusan eksponensial ganda periode t
= nilai pemulusan eksponensial tunggal periode t-1
= nilai pemulusan eksponensial ganda periode t-1
Universitas Sumatera Utara
16
2.5.1.2.
Beberapa Kesalahan dan Ukuran Statistika Standar, antara lain:
1. ME (Mean Error) atau Nilai Tengah Kesalahan:
∑
2. MSE (Mean Square Eror) atau Nilai Tengah Kesalahan Kuadrat:
∑
3. SDE (Standart Deviatioan of Error) atau Deviasi Standart Kesalahan
√∑
Dimana:
=
= Data Aktual pada periode t
= Nilai Ramalan pada periode t
Universitas Sumatera Utara