Evi Yully Desna Nababan : Peramalan Tingkat Produksi Beras Dan Kebutuhan Beras Di Kabupaten Labuhan Batu Tahun 2008, 2008.
USU Repository © 2009
a. Metode Perataan Average
1. Nilai Tengah Mean
2. Rata-rata Bergerak Tunggal Single Moving Average
3. Rata-rata Bergerak Ganda Double Moving Average
4. Kombinasi Rata-rata Bergerak
b. Metode Pemulusan Smoothing Eksponensial
1. Pemulusan Eksponensial Tunggal
2. Pemulusan Eksponensial Tunggal : Pendekatan Adaptif
3. Pemulusan Eksponensisl Ganda : Metode Linier Satu-Parameter dari Brown
4. Pemulusan Eksponensial Ganda : Metode Dua-Parameter dari Holt
5. Pemulusa Eksponensisl Tripel : Metode Kuadratik Satu-Parameter dari Brown
6. Pemulusan Eksponensial Tripel : Metode Tiga-Parameter Untuk Kecenderungan
dan Musiman dari Winter. 7.
Pemulusan Eksponensial : klasifikasi Pagels
c. Metode Pemulusan Smoothing Lainnya
1. Metode Kontrol Adatif dari Chow
2. Metode Adatif Satu- Parameter dari Brown
3. Pemulusan Tiga-Parameter Box Jenkins
4. Metode Pemulusan Harmonis dari Harison
5. Sistem Pemantauan dari Trigg Tracking Signal
2.3 Metode Peramalan yang digunakan
Evi Yully Desna Nababan : Peramalan Tingkat Produksi Beras Dan Kebutuhan Beras Di Kabupaten Labuhan Batu Tahun 2008, 2008.
USU Repository © 2009
Untuk mendapatkan suatu hasil yang baik dan tepat maka haruslah diketahui dan digunakan metode peramalan yang tepat. Untuk meramalkan tingkat produksi beras
dan kebutuhan beras di kabupaten Labuhan Batu tahun 2008, penulis menggunakan metode smoothing eksponensial
2.3.1 Metode Pemulusan Eksponensial
Metode ini menjelaskan tentang sekelompok metode yang menunjukkan pembobotan secara eksponensial terhadap nilai observasi. Oleh karena itu metode ini disebut
prosedur pemulusan smoothing eksponensial seperti halnya dengan rata-rata bergerak, metode pemulusan smoothing eksponensial terdiri atas tunggal, dan
metode yang lebih rumit. Semua mempunyai sifat-sifat yang sama yaitu nilai yang lebih baru diberikan bobot yang relatif lebih besar dibanding nilai observasi yang
lebih lama.
Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai observasi merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi
dalam pemulusan smoothing eksponensial terdapat satu atau lebih parameter pemulusan yang ditentukan secara eksplisit dan hasil pilihan ini menentukan bobot
yang dikenakan pada nilai observasi.
2.3.2 Eksponensial Smoothing Tunggal
Ada dua batasan utama dari pengguna rata-rata bergerak dalam penyusunan ramalan. Pertama untuk menghitung nilai rata-rata bergerak. Dibutuhkan sejumlah N data atau
Evi Yully Desna Nababan : Peramalan Tingkat Produksi Beras Dan Kebutuhan Beras Di Kabupaten Labuhan Batu Tahun 2008, 2008.
USU Repository © 2009
nilai-nilai yang diobservasikan pada masa lalu harus dipertimbangkan terutama dalam ruang penyimpanan storage space. Terutama jika penyusunan peramalan dilakukan
untuk sejumlah item yang dibutuhkan.
Kedua, ukuran yang sama digunakan untuk setiap data yang telah terjadi sebanyak N pada masa lalu, sehingga semua data observasi sebanyak N tersebut
mempunyai peranan yang sama pentingnya dalam penyusunan ramalan. Selanjutnya perlu dicari suatu ukuran yang baik, yang dapat memenuhi kasus atau pandangan
bahwa data observasi yang telah terjadi paling akhir memberikan informasi yang lebih banyak dari observasi sebelumnya. Jadi data atau nilai yang paling akhir haruslah
diberikan timbangan atau bobot yang relatif lebih besar dalam peramalan yang dilakukan Data atau nilai observasi yang lebih dahulu hanya membutuhkan dua butir
data meramalkan nilai yang akan terjadi pada masa mendatang.
2.3.3 Analisa Eksponensial Smoothing Tunggal
Bentuk umum yang digunakan dalam penyusunan suatu ramalan dengan metode eksponensial smoothing yaitu :
t t
t
F X
F 1
1
α α
− +
=
+
Metode ini mempunyai kebaikan secara nyata dengan mengurangi masalah penyimpanan storage data, karena tidak dibutuhkannya lebih lama menyimpan
seluruh data historis seperti dalam kasus rata-rata bergerak. Dalam metode ini
Evi Yully Desna Nababan : Peramalan Tingkat Produksi Beras Dan Kebutuhan Beras Di Kabupaten Labuhan Batu Tahun 2008, 2008.
USU Repository © 2009
hanyalah data observasi yang paling mutakhir dan nilai ramalan yang terakhir serta suatu nilai dari R yang harus disimpam.
Tujuan dari metode peramalan ini adalah sama dengan metode-metode peramalan yang lain, yaitu meminimalisasikan rata-rata kesalahan kuadrat mean
square error.
Dari bentuk umum di atas dapat disusun kembali dengan salah satu cara sebagai berikut :
1 t
t t
t
F X
F F
− +
=
+
α Dan dapat disederhanakan menjadi :
1
et F
F
t t
α +
=
+
Dimana e adalah kesalahan ramalan untuk periode t, yaitu yang sebelumnya terjadi di kurangi dengan nilai ramalan.
Oleh karena itu dapat dilihat bahwa penyusunan ramalan dengan metode eksponensial smoothing adalah lebih sederhana, karena ramalan yang disusun didasarkan nilai
ramalan sebelumnya ditambah dengan suatu tingkat penyesuaian atas kesalahan yang telah terjadi oleh ramalan sebelumnya. Dan dapat dibutuhkan bahwa nilai e
mempunyai nilai yang mendekati satu, maka nilai ramalan yang baru akan memperhitungkan suatu penyelesaian yang menyeluruh atas kesalahan dalam masalah
yang lalu.
Evi Yully Desna Nababan : Peramalan Tingkat Produksi Beras Dan Kebutuhan Beras Di Kabupaten Labuhan Batu Tahun 2008, 2008.
USU Repository © 2009
Adapun beberapa masalah dalam penggunaan metode eksponensial smoothing. Salah satu masalah tersebut adalah dalam usaha untuk mendapatkan besarnya nilai e.
Nilai ini dapat diharapkan memperkecil meminimumkan kesalahan kuadrat rata-rata atau Mean Square Error MSE. Pada metode eksponensial smoothing, minimum
kesalahan kuadrat rata-rata MSE ditentukan dengan cara coba-coba nilai e ditentukan dan digunakan, lalu kesalahan kuadrat rata-rata MSE dihitung, dan
kemudian nilai e yang lain dicoba, setelahitu kesalahan kuadrat rata-rata MSE yang diperoleh dibandingkan untuk mendapatkan kuadrat rata-rata MSE yang minimum.
2.3.4 Analisa Eksponensial Smoothing Linier
Peramalan dengan menggubakan metode esponensial smoothing yang linier dapat dilakukan dengan perhitungan yang hanya membutuhkan tiga buah nilai data dan satu
buah nilai. Pendekatan ini juga memberikan timbangan bobot yang menurun untuk dat atau observasi yang lebih lama.
Dasar pemikiran dari metode eksponensial smoothing yang linier adalah lebih baik nilai pelican smoothing value tunggal maupun ganda terdapat pada waktu sebelum
data sebenarnya., bila pada data itu ada trend. Disamping itu untuk menyesuaikan trend maka nilai-nilai pelicin tungga smoothing value ditambahkan nilai-nilai
pelican ganda double smoothing value.
Evi Yully Desna Nababan : Peramalan Tingkat Produksi Beras Dan Kebutuhan Beras Di Kabupaten Labuhan Batu Tahun 2008, 2008.
USU Repository © 2009
Peramalan pada metode eksponensial smoothing linier ini disebut metode “Brown’s One Parameter Linier Eksponensial Smoothing” dan formula yang
digunakan yaitu :
m b
a F
t t
m t
+ =
+
Sedangkan :
2
t t
t t
t t
S S
S S
S A
− −
+ =
1
t t
t
S S
B −
− =
α α
1
1 1
−
− +
=
t t
S X
S
α α
1
1
−
− +
=
t t
t
S S
S
α α
Dimana m adalah jumlah periode di depan yang di ramalkan,
t
S adalah nilai eksponensial smoothing tunggal dan
t
S
adalah nilai eksponensial gan
BAB 3
GAMBARAN UMUM BADAN KETAHANAN PANGAN
3.1 SEJARAH RINGKAS DAN PERKEMBANGAN BADAN KETAHANAN PANGAN
