1.5 Tujuan Penelitian
Tujuan penelitian ini adalah untuk meramalkan nilai ekspor CPO Sumatera Utara dengan metode pemulusan eksponensial Holt berdasarkan data dari bulan Januari
2007 sampai bulan Desember 2011. Dan juga bermanfaat sebagai pedoman untuk meningkatkan nilai ekspor Sumatera Utara di semua sektor.
1.6 Kontribusi Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan kontribusi besar bagi Badan Pusat Pelatihan dan Ekspor Sumatera Utara dalam meramalkan nilai ekspor Sumatera
Utara pada sektor industri ke depan dan dalam pengambilan keputusan atau kebijakan lain dalam meningkatkam nilai ekspor di Sumatera Utara, khususnya nilai ekspor
CPO.
UNIVERSITAS SUMATERA UTARA
1.7 Metodologi Penelitian
Metodologi penelitian yang digunakan adalah sebagai berikut: 1. Melakukan pengambilan data sekunder dari Badan Pusat Statistik BPS
Sumatera Utara. 2. Menganalisa data apakah data mengandung trend.
3. Menguji nilai parameter-parameter pemulusan dengan cara trial and error terhadap
α dan γ untuk mendapatkan nilai MSE yang paling kecil, sehingga diperoleh nilai ramalan yang tepat.
4. Meramalkan dengan metode pemulusan eksponensial Holt, S
t
= αX
1
+ 1- αS
t-1
+ b
t-1
b
t
= γS
t
– S
t-1
+ 1- γb
t-1
F
t+m
= S
t
+ b
t
m Dengan :
S
t
= nilai pemulusan awal b
t
= konstanta pemulusan F
t+m
= ramalan untuk m periode ke depan t 5. Membuat kesimpulan.
UNIVERSITAS SUMATERA UTARA
BAB 2
LANDASAN TEORI
1.8 Defenisi Peramalan
Peramalan adalah suatu kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu dan data masa sekarang, sehingga
dapat membuat prediksi di masa yang akan datang. Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan yang penting untuk dilakukan. Oleh
karena itu dibutuhkan peramalan untuk menduga berbagai peristiwa yang akan terjadi di masa mendatang.
Dalam suatu instansi atau perusahaan ramalan sangat dibutuhkan untuk memberikan imformasi kepada pimpinan yang akan dijadikan sebagai dasar untuk
membuat suatu keputusan dalam berbagai kegiatan, seperti penentuan kebijakan yang
akan diambil, penjualan permintaan, persediaan keuangan dan sebagainya.
2.1.1 Peranan Teknik Peramalan Dewasa Ini
UNIVERSITAS SUMATERA UTARA
Sejak awal tahun 1960-an, semua tipe organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumber daya peramalan
secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor: Pertama, karena meningkatnya kompleksitas organisasi dan lingkungannya;
hal ini menjadikan semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara memuaskan.
Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula; lebih banyak keputusan yang
memerlukan telaah peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat.
Keterkaitan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan bagi organisasi untuk mempelajari keterikatan yang
baru secara lebih cepat. Keempat, pengambilan keputusan telah semakin sistematis yang melibatkan
justifikasi tindakan individu secara gamblang eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil.
Kelima dan mungkin yang terpenting, adalah bahwa pengengembangan metode peramalan dan pengetahuan yang menyangkut aplikasinya telah lebih
memungkinkan adanya penerapan secara langsung oleh pra praktisi daripada hanya dilakukan oleh para teknisi ahli.
UNIVERSITAS SUMATERA UTARA
2.1.2 Pola Data
Pola data dapat dibedakan menjadi empat jenis siklis dan trend:
A. Pola horizontal H Terjadi bilamana nilai data berfluktuasi di sekitar nilai rata- rata yang
konstan. Deret seperti itu adalah “stasioner” terhadap nilai rata-ratanya. Suatu produk yang penjualannya tidak meningkat atau menurun selama
waktu tertentu termasuk jenis ini. Demikian pula suatu keadaan pengendalian kualitas yang menyangkut pengambilan contoh dari suatu
proses produksi kontiniu yang secara teoritis tidak mengalami perubahan juga termasuk jenis ini.
Gambar 1.1 berikut menunjukkan suatu pola khas dari data horizontal atau stasioner seperti itu.
Y
waktu
Gambar 1.1 POLA DATA HORIZONTAL
B. Pola musiman S Terjadi bilamana suatu deret dipengaruhi oleh faktor musiman misalnya
kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu. Penjualan dari produk seperti minuman ringan, es krim dan bahan bakan
UNIVERSITAS SUMATERA UTARA
pemanas ruang. Semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan, mungkin datanya serupa dengan gambar 1.2 berikut.
Y
Waktu Gambar 1.2 POLA DATA MUSIMAN
C. Pola siklis C terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Menunjukkan jenis pola ini seperti ditunjukkan pada gambar 1.3
Y
Waktu Gambar 1.3 POLA DATA SIKLIS
UNIVERSITAS SUMATERA UTARA
D. Pola trend T terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Banyak penjualan perusahaan, produk bruto
nasional GNP dan berbagai indicator bisnis ekonomi lainnya mengikuti suatu pola trend selama perubahannya sepanjang waktu. Gambar 1.4
menunjukkan salah satu pola trend seperti itu.
Y
Waktu Gambar 1.4 POLA DATA TREND
2.1.3 Jenis Data
Data yang diperoleh dari suatu hasil observasi dapat diklarifikasikan menurut jenisnya berdasarkan kriteria berikut:
A. Data Primer dan Data Sekunder
Atas dasar cara perolehannya, data dibedakan menjadi data primer dan data sekunder. Data primer merupakan data yang didapat dari sumber pertama, individu atau
perseorangan, seperti hasil wawancara atau hasil pengisian kuisioner yang biasa dilakukan peneliti.
UNIVERSITAS SUMATERA UTARA
Data sekunder merupakan data primer yang diperoleh pihak lain, atau telah diolah dan disajikan baik oleh pengumpul data primer atau pihak lain, pada umumnya
disajikan dalam bentuk table atau diagram. Data sekunder pada umumnya digunakan peneliti untuk memberikan gambaran tambahan, gambaran pelengkap ataupun untuk
diproses lebih lanjut.
B. Data Kualitatif dan Data Kuantitatif
Data kualitatif adalah data yang sifatnya hanya menggolongkan saja. Termasuk dalam klasifikasi data kualitatif adalah data yang berskala ukur normal atau ordinal. Sebagai
contoh data kualitatif adlah jenis pekerjaan seseorang supir, bisnisman, guru, dll, motivasi karyawan bagus, jelek, sedang dan jabatan di perusahaan supervisor,
manajer pemasaran, dll.
Data kuantitatif adalah data berbentuk angka. Yang termasuk dalam klasifikasi ini adalah data berskala ukur interval dan rasio. Sebagai contoh adalah keuntungan
suatu perusahaan X Rp.5 Miliar, kenaikan penjualan suatu perusahaan X 35, dsb.
C. Data Internal dan Data Eksternal
Data internal didapat dari dalam perusahaan atau organisasi di mana riset dilakukan. Data ini menggambarkan keadaan dalam organisasi tersebut. Sebagai contoh, bila ada
penelitian mengenail produktivitas karyawan bagian penjualan produk sabun Lifebuoy, maka datanya diambil dari PT.Unilever sebagai produsennya.
UNIVERSITAS SUMATERA UTARA
Data eksternal menggambarkan keadaan di luar organisasi. Pada umumnya data ini didapat dari pihak lain dan digunakan sebagai pembanding.
D. Data Time Series dan Data Cross Section
Data time series atau data deret waktu merupakan data yang dikumpalkan dari beberapa tahapan waktu secara kronologis. Pada umumnya data ini merupakan
kumpulan dari fenomena tertentu yang didapat dalam interval tertentu, misalnya waktu mingguan, bulanan atau tahunan.
Data cross section adalah data yang dikumpulkan pada waktu dan tempat tertentu saja. Data ini pada umumnya mencerminkan suatu fenomena dalam satu
kurun waktu tertentu.
Dalam peramalan, data time series dan data cross section menempati posisi yang amat penting. Dalam penggunaannya, beberapa kasus melibatkan gabungan dari
keduanya.
2.2 Bentuk Analisis Data Deret Waktu
Beberapa bentuk analisis data deret waktu dapat dikelompokkan ke dalam beberapa kategori:
a. Metode Pemulusan Smoothing
UNIVERSITAS SUMATERA UTARA
Metode pemulusan dapat dilakukan dengan dua pendekatan yakni Metode Perataan Average dan Metode Pemulusan Eksponensial Exponential Smoothing. Pada
metode rataan bergerak dapat digunakan untuk memuluskan data deret deret waktu dengan berbagai metode perataan, diantaranya:
rata-rata bergerak sederhana rata-rata bergerak ganda
rata-rata bergerak dengan ordo lebih tinggi.
Untuk semua kasus dari metode tersebut, tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan system peramalan pada periode mendatang.
Pada metode pemulusan eksponensial, pada dasarnya data masa lalu dimuluskan dengan cara melakukan pembobotan menurun secara eksponensial
terhadap nilai pengamatan yang lebih tua. Atau nilai yang lebih baru diberikan bobot yang relatif lebih besar dibanding nilai pengamatan yang lebih lama. Beberapa jenis
analisis data deret waktu yang masuk pada kategori pemulusan eksponensial, diantaranya:
pemulusan eksponensial tunggal pemulusan eksponensial tunggal: pendekatan adaptif
pemulusan eksponensial ganda: metode Brown metode pemulusan eksponensial ganda: metode Holt
pemulusan eksponensial tripel: metode Winter.
Pada metode pemulusan eksponensial ini, sudah mempertimbangkan pengaruh acak, trend dan musiman pada data masa lalu yang akan dimuluskan. Sepeti halnya
UNIVERSITAS SUMATERA UTARA
pada metode rataan bergerak, metode pemulusan eksponensial juga dapat digunakan untuk meramalkan data beberapa periode ke depan.
b. Model ARIMA Autoregressive Integrated Moving Average