2.4 Pengertian Metode Peramalan
Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan, berdasarkan
data yang relevan pada masa lalu. Metode peramalan ini digunakan dalam peramalan yang objektif, sedangkan kegunaan metode peramalan adalah untuk
memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu, dengan demikian peramalan diharapkan dapat memberikan objektivitas
yang lebih besar. Metode peramalan juga memberikan urutan pengerjaan dan pemecahan
atas pendekatansuatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan, maka akan didapat dasar pemikiran dan
pemecahan yang sama, karena argumentasinya sama. Metode peramalan dapat memberikan cara pengerjaan yang teratur dan
terarah, sehingga dengan demikian dapat dimungkinkannya penggunaan teknik- teknik penganalisaan yang lebih maju. Dengan menggunakan teknik-teknik
tersebut, maka diharapkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi
yang terjadi secara ilmiah.
Universitas Sumatera Utara
2.5 Metode Peramalan yang Digunakan
Untuk mendapatkan suatu hasil yang baik dan tepat maka haruslah diketahui dan digunakan metode peramalan yang tepat. Untuk meramalkan jumlah pasien rawat
inap di Rumah Sakit Umum Kota Tebing Tinggi, penulis menggunakan metode smoothing rata-rata bergerak ganda.
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu, yaitu dengan
mengambil rata-rata dari nilai beberapa tahun untuk menafsir nilai pada tahun atau bulan yang akan datang.
Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai tengah sebagai ramalan adalah dengan menentukan sejak awal berapa nilai
observasi masa lalu yang akan dimasukkan untuk menghitung nilai tengah. Untuk menggambarkan prosedur ini digunakan istilah rata-rata bergerak moving
average, karena setiap muncul nilai observasi baru, nilai rata-rata yang baru dapat dihitung dengan membuang nilai observasi baru, nilai rata-rata yang baru
dapat dihitung dengan membuang nilai observasi yang paling lama dan memasukkan nilai yang terbaru.
Hal yang dilakukan pada masing-masing langkah sebenarnya hanyalah menghitung kembali rata-rata dengan menambah nilai berikutnya dan
menggugurkan pengamatan yang terjadi pada M periode sebelumnya, maka rata- rata bergerak dapat dituliskan dalam bentuk berikut ini:
Universitas Sumatera Utara
Tabel 2.1 Rata-rata Bergerak dalam Peramalan Deret Berkala
Waktu Rata-rata Bergerak
Ramalan
T �� =
�
1
+ �
2
+ �
3
+ ⋯ + �
�
� �
�+1
= �� = �
�
�
�
� �=1
T+1 �� =
�
2
+ �
3
+ �
4
+ ⋯ + �
�+1
� �
�+2
= �� = �
�
�
�
� �=2
T+2 �� =
�
3
+ ⋯ + �
�+2
� �
�+3
= �� = �
�
�
�
� �=3
Karena seorang peramal harus memilih jumlah periode T dalam rata-rata bergerak, maka ada baiknya beberapa aspek dari pemilihan ini dikemukakan:
1. MA 1
: yaitu rata-rata bergerak dengan ordo 1 2.
�
�
: yaitu nilai data terakhir yang diketahui yang digunakan sebagai ramalan untuk periode berikutnya.
Prosedur peramalan rata-rata bergerak linier meliputi 3 aspek, yaitu: 1.
Penggunaan rata-rata bergerak tunggal pada waktu t ditulis �
� ′
2. Penyesuaian yang merupakan perbedaan antara rata-rata bergerak tunggal
dan ganda pada waktu t 3.
Penyesuaian untuk kecenderungan dari periode t ke periode t+1 atau ke periode t+m jika ingin meramalkan m period eke depan
Universitas Sumatera Utara
Secara umum penyesuaian prosedur rata-rata bergerak linier dapat diterangkan melalui persamaan berikut ini:
�
� ′
=
�
�
+�
�+1
+�
�+2
+⋯+�
�−�+1
�
…………………………………………………2-1
�
�
=
�
�
+�
�−1
+�
�−2
+⋯+�
�−�+1
�
…………………………………………………..2-2 �
�
= �
� ′
+ ��
� ′
− �
�
� = 2�
� ′
− �
�
…………………………………………….2-3 �
�
=
2 �−1
�
� ′
− �
�
…………………………………………………………..2-4 �
�+�
= �
�
+ �
�
�…………………………………………………………...2-5
Dimana: �
� ′
= Rata-rata bergerak tunggal pada waktu t �
�
= Rata-rata bergerak ganda pada waktu t N
= Banyaknya nilai masa lalu �
�
= Konstanta untuk m periode ke muka �
�
= Komponen kecenderungan m
= Jumlah periode ke muka yang diramalkan �
�+�
= Nilai ralaman untuk 1+m waktu ke depan
Universitas Sumatera Utara
Untuk menghitung nilai kesalahan error ramalan tersebut, dapat digunakan rumus di bawah ini:
� = �
�+1
− �
�+1
…………………………….....................................................2-6 �
2
= �
�+1
− �
�+1
…………………………………………………………...2-7
Bilamana deret data menunjukkan trend, maka MA tunggal akan menghasilkan sesuatu yang menyerupai kesalahan sistematik dan kesalahan
sistematis ini dapat dikurangi dengan menggunakan perbedaan antara nilai rata- rata bergerak tunggal dan nilai rata-rata bergerak ganda.
Persamaan 2-1 mempunyai keterangan bahwa saat periode waktu t mempunyai nilai masa lalu sebanyak N. Nilai MA N tunggal ditulis dengan
�
� ′
. Persamaan 2-2 menganggap bahwa semua rata-rata bergerak tunggal
�′ telah dihitung. Dengan persamaan 2-2 itu kita menghitung rata-rata bergerak N
periode dari nilai-nilai �′ tersebut. Rata-rata bergerak ganda dituliskan sebagai �.
Persamaan 2-3 mengacu terhadap penyesuaian MA tunggal �
� ′
dengan perbedaan �
� ′
− �
�
dan persamaan 2-4 menentukan tafsiran kecenderungan dari periode waktu yang satu ke periode berikutnya. Persamaan 2-5 menunjukkan bagaimana
memperoleh ramalan untuk m period eke muka dari t. ramalan untuk m periode kemuka adalah
�
1
dimana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen kecenderungan
�
1
. Bila semua hasil perhitungan telah di dapat, maka semua data yang telah
didapat dimasukkan ke dalam contoh tabel berikut ini:
Universitas Sumatera Utara
Periode Tahun
1 Pendapatan
2 Rata-rata
Bergerak 4 Periode dari
1 3
Rata-rata-rata Bergerak 4
periode dari 2
4 Nilai a
5 Nilai b
6 Nilai a+bm
bila m=1 7
Kesalahan Ramalan e
8 Kesalahan
Ramalan Kuadrat e
2
1 X1
- -
- -
- -
- 2
X2 -
- -
- -
- -
3 X3
2-1 4
X4 -
5 X4
- 6
X5 -
7 X6
- 8
X7 -
- -
- -
- -
- -
- N
dst Dst
dst Dst
dst dst
dst dst
Universitas Sumatera Utara
Perlu dipahami bahwa tidak ada sesuatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat
untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi criteria ketetapan ramalan.
Hasil peramalan yang akurat adalah peramalan yang bisa meminimalkan kesalahan ramalan. Karena itu dalam menghitung kesalahan meramal digunakan:
1. Mean Absolute Error MAE
Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau tanda negatif.
��� =
∑ |
�
�
−�
�
|
� �=1
�
………………………………………………2-8 2.
Mean Squared Error MSE Mean Squared Error adalah rata-rata kesalahan meramal yang
dikuadratkan. ��� =
∑ �
�
−�
� 2
� �=1
�
……………………………………………...2-9 3.
Mean Absolute Percentage Error MAPE Mean Absolute Percentage Error merupakan nilai tengah kesalahan
percentage absolute dari suatu peramalan. ���� =
∑ |
��
�
|
� �=1
�
…………………………………………..…2-10 PE = Percentage Error
��
�
= �
�
�
−�
�
�
�
� × 100…………………………………………..2-11
Universitas Sumatera Utara
4. Mean Absolute Error MAE
Mean Absolute Error adalah merupakan nilai tengah deviasi absolute. ��� =
∑ |
�
�
−�
�
|
� �=1
�
……………………………………………..2-12
Metode peramalan yang paling sesuai umumnya adalah metode yang memiliki kesalahan rata-rata MSE dan kesalahan persentase absolute MAPE
yang paling kecil. Agar setiap pendekatan peramalan dapat realistis dan secara praktis relevan, maka ada dua masalah utama yang harus dihindari dalam memilih
sebuah metode: a.
Pemilihan didasari oleh sampai sejauh mana sebuah metode sesuai dengan data yang tersedia untuk ramalan satu periode kemuka.
b. Pola data hubungannya selalu diasumsikan bersifat konstan.
Karakteristik yang diinginkan dalam sebuah pendekatan baru mungkin tampak sebagai suatu kontradiksi. Misalnya, setiap periode deret waktu harus
didasari oleh data masa lalu, sedangkan dalam saat yang bersamaan kondisi data di masa mendatang belum tentu sama dengan masa lalu. Oleh karena itu akurasi
peramalan tidak hanya diukur sampai sejauh mana metode yang digunakan tersebut tersebut mampu untuk memprediksi kondisi 1, 2, 3, …, m periode ke
depan Makridakis dan Wheelwright. Menurut Hibon dan Makridakis 1979 langkah awal dalam membuat
ramalan masa mendatang adalah menentukan apakah akan digunakan metode
Universitas Sumatera Utara
peramalan formal atau prosedur informal. Fakta yang diperoleh dari literatur yang menjiwai menyatakan dengan tegas bahwa pada kondisi data yang senantiasa
berulang, metode kuantitatif atau metode peramalan formal lebih baik daripada prosedur informal.
2.6 Metode Proyeksi Trend dengan Regresi
Kategori