20
1. Jenis peramalan dilihat dari sifat penyusunannya
Peramalan dilihat dari sifat penyusunannya dapat dibedakan atas dua macam, yaitu :
a. Peramalan yang subyektif, yaitu peramalan yang didasarkan atas perasaan
atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau judgement dari orang yang menyusunnya sangat menentukan baik
tidaknya hasil ramalan tersebut. b.
Peramalan yang objektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan metode-metode dalam
penganalisisan data.
2. Jenis peramalan dilihat dari jangka waktu ramalan yang disusun
Peramalan dilihat dari jangka waktu ramalan yang disusun dapat dibedakan atas dua macam, yaitu :
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester
b. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah tahun, atau tiga semester. Peramalan seperti ini diperlukan dalam
penyusunan rencana tahunan, rencana kerja operasional dan anggaran.
3. Jenis peramalan dilihat dari sifat ramalan yang telah disusun
Peramalan dilihat dari sifat ramalan yang telah disusun dapat dibedakan atas dua macam, yaitu :
Universitas Sumatera Utara
21 a.
Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan sangat bergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat,
pengetahuan serta pengalaman dari penyusunnya b.
Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung
pada metode yang dipergunakan dalam peramalan tersebut. Peramalan kuantitatif hanya dapat digunakan apabila dalam kondisi
sebagai berikut : 1.
Adanya informasi tentang keadaan yang lalu. 2.
Informasi tersebut dapat dikuantifikasikan dalam bentuk data. 3.
Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
2.2.4 Analisis Data Berkala Time Series Analysis
Data berkala time series adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan. Analisis data berkala
memungkinkan kita untuk mengetahui perkembangan waktu atau beberapa kejadian serta hubungan atau pengaruhnya terhadap kejadian lainnya. Supranto,
2000. Tahapan yang penting dalam pemilihan metode time series yang tepat
yaitu : identifikasi tujuan peramalan, membuat asumsi terhadap jenis bentuk data, pilih metode yang sesuai dengan pola data dan lakukan peramalan terhadap data
Universitas Sumatera Utara
22 tersebut, cek keakuratan ramalan menggunakan satu atau lebih ukuran Setiadi,
2003. Bentuk data yang dimaksud dikelompokkan menjadi 4 jenis :
1. Bentuk data horizontalstationerirregular
Terjadi apabila nilai data berfluktuasi di sekitar nilai rata-ratanya. 2.
Bentuk data musimanseasonal Bila seriesnya dipengaruhi oleh faktor musiman
3. Bentuk data siklis
Data dipengaruhi oleh fluktuasi ekonomi yang panjang seperti dihubungkan dengan siklis bisnis dan lain-lain
4. Bentuk trend
Bila penurunankenaikan data terjadi berkepanjangan Gerakan atau variasi dari data berkala ada 4 komponen yaitu :
1. Trend jangka panjang trend seculer
2. Variasi siklis cyclical variation
3. Variasi musiman seasonal variation
4. Gerakan tidak beraturan variasi residuirregular
Secara simbolis dapat dinyatakan dengan persamaan :
Dimana : Y = Time series T = Trend jangka panjang trend seculer
C = Variasi siklis cyclical variation S = Variasi musiman seasonal variation
Y=T.C.S.I
Universitas Sumatera Utara
23 I = Gerakan tidak beraturan variasi residuirregular
a. Trend jangka panjang trend seculer
Trend jangka panjang disimbolkan T, merupakan suatu gerakan yang menunjukkan arah perkembangan secara umum, garis trend sangat berguna untuk
membuat ramalan forecasting. Y=fx Y=fx Y=fx Y=fx
Waktu X Waktu X Waktu X Waktu X Trend naik Trend turun Trend tetap Trend fluktuasi
Gambar 2.1 Bentuk-bentuk Trend b. Variasi siklis cyclical variation
Variasi siklis disimbolkan C, merupakan gerakan jangka panjang disekitar garis trend. Gerakan siklis ini terulang setelah jangka waktu tertentu, tetapi bisa
juga tidak terulang dalam jangka waktu yang sama. Y=fx
Waktu X
Gambar 2.2Kurva GerakanVariasi siklis c. Variasi musiman seasonal variation
Variasi musiman disimbolkan S, merupakan gerakan yang mempunyai pola tetap dari waktu ke waktu. Pada umumnya gerakan musiman terjadi pada
Universitas Sumatera Utara
24 data bulanan yang dikumpulkan dari tahun ke tahun, dan juga berlaku bagi data
harian, mingguan atau tahunan yang lebih kecil. Y=fx
Waktu X
Gambar 2.3Kurva GerakanVariasi musiman d. Gerakan tidak beraturan variasi residuirregular
Gerakan tidak teratur disimbolkan I, merupakan gerakan variasi yang sporadic sifatnya, misalnya naik turunnya produksi padi akibat banjir yang
datangnya tidak teratur. Y=fx
Waktu X
Gambar 2.4 Kurva Gerakan Tidak Beraturan 2.2.5 Metode Peramalan Kuantitatif
Metode peramalan adalah cara memperkirakan secara kuantitaif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu.
Metode peramalan sangat besar manfaatnya karena akan membantu dalam analisis terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan
Universitas Sumatera Utara
25 cara pemikiran, pengerjaan dan pemecahan masalah yang sistematis dan
pragmatis sehingga memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat Assauri, 1984.
Pada dasarnya metode kuantitatif ini dapat dibedakan atas : 1.
Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel lain
yang memengaruhinya bukan waktu, yang disebut metode korelasi atau sebab akibat causal methods. Metode ini terdiri dari :
a. Metode regresi dan korelasi
b. Metode ekonometrika untuk peramalan jangka panjang dan jangka
pendek c.
Metode analisis input output untuk proyeksi trend ekonomi jangka panjang
2. Metode peramalan yang didasarkan atas penggunaan analisis pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang merupakan deret waktu dari data berkala time series. Metode ini
terdiri dari metode smoothing, metode Box Jenkins, dan metode proyeksi trend dengan regresi
1. Metode smoothing
