5
Peramalan berdasarkan metode kuantitatif intrinsic forecasting mempunyai asumsi bahwa data permintaan masa lalu dari produk atau item yang
diramalkan mempunyai pola yang diperkirakan masih berlanjut ke masa yang akan datang. Peramalan mencakup analisis data masa lalu untuk menemukan pola
permintaan dan berdasarkan pola ini diproyeksikan besarnya permintaan pada masa yang akan datang.
6
1. Defenisikan tujuan peramalan
Prosedur umum yang digunakan dalam peramalan secara kuantitatif adalah:
2. Pembuatan diagram pencar scatter diagram
3. Pilih minimal dua metode peramalan yang dianggap sesuai.
4. Hitung parameter-parameter fungsi peramalan.
5. Hitung kesalahan setiap metode peramalan.
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Lakukan verifikasi peramalan.
3.2.1. Metode Proyeksi Kecenderungan dengan Regresi
7
Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut
dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Bentuk fungsi dari metode ini dapat berupa:
5
Sukaria Sinulingga, Op.Cit., h. 117.
6
Rosnani Ginting, Op.Cit., h. 86-87.
7
Ibid., h.55-56.
Universitas Sumatera Utara
1. Konstan, dengan fungsi peramalan Yt: Yt = a, dimana
N Y
a
∑
=
1
dimana Yt = nilai tambah
N = jumlah periode 2. Linier, dengan fungsi peramalan:
Yt = a + bt dimana :
n bt
Y a
− =
∑ ∑ ∑ ∑ ∑
− −
− =
2 2
t t
n y
t ty
n b
3. Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct
2
dimana :
n t
c t
b Y
a
∑ ∑ ∑
− −
=
2
∂ −
=
α θ
b c
2
α β
θα δ
− ∂
− ∂
= b
∑ ∑
− =
∂
4 2
2
t n
t
∑ ∑ ∑
− =
tY n
Y t
δ
∑ ∑ ∑
− =
Y t
n Y
t
2 2
θ
∑ ∑ ∑
− =
3 2
2
t n
t t
α 4. Eksponensial, dengan fungsi peramalan :
Yt = ae
bt
Universitas Sumatera Utara
dimana :
n t
b Y
a
∑ ∑
− =
ln ln
2 2
ln ln
ln
∑ ∑
∑ ∑
∑
− −
= t
t n
Y t
Y t
n a
5. Siklis, dengan fungsi peramalan :
n t
c n
b a
Y
t
τ τ
2 cos
2 sin
ˆ +
+ =
dimana :
n t
c n
t b
na Y
τ τ
2 cos
2 sin
∑ ∑
+ +
=
n t
n t
c n
b n
t a
n t
Y
τ τ
τ τ
τ
2 cos
2 sin
2 sin
2 sin
2 sin
2
∑ ∑
∑
+ +
=
n t
n t
b n
c n
t a
n t
Y
τ τ
τ τ
τ
2 cos
2 sin
2 cos
2 cos
2 cos
2
∑ ∑
∑ ∑
+ +
=
3.2.2. Kriteria Performance Peramalan
8
8
Ibid., h.58.
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati sehingga
rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan atau ketelitian inilah yang menjadi kriteria performance statu metode peramalan.
Ketepatan atau ketelitian tersebut dapat dinyatakan sebagai kesalahan dalam peramalan.
Universitas Sumatera Utara
Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, antara lain adalah:
1. Mean Square Error MSE
N F
X MSE
2 t
t N
1 t
− =
∑
=
dimana:
t
X
: data aktual periode t
t
F
: nilai ramalan periode t N : banyaknya periode
2. Standard Error of Estimate SEE
f N
F X
SEE
N 1
t 2
t t
− −
=
∑
=
dimana : F = Derajat Kebebasan
Untuk data konsatan, f=1 Untuk data linear, f=2
Untuk data kwadratis, f=3 Untuk data siklis, f=3
3. Percentage Error PE
100 ×
− =
t t
t t
X F
X PE
Dimana nilai dari Pet bisa positif ataupun negatif.
Universitas Sumatera Utara
4. Mean Absolute Percentage Error MAPE
N PE
MAPE
t N
1 t
∑
=
=
3.2.3. Proses Verifikasi
