BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data, maka penulis dapat menyimpulkan bahwa: a.
Dari hasil pengolahan data hasil produksi kelapa sawit di Kebun Bah Jambi pada tahun 2008 sampai tahun 2015 dalam satuan kilogram dengan menggunakan
metode pemulusan eksponensial ganda dengan metode linier satu-parameter dari Brown, diperoleh nilai MSE terkecil dari
� = , yaitu sebesar .
. .
. , .
b. Bentuk persamaan peramalan hasil produksi kelapa sawit di Kebun Bah Jambi
berdasarkan data tahun 2008 sampai tahun 2015 dengan � = , adalah:
+
= .
. , + .
. ,
c. Hasil produksi kelapa sawit di Kebun Bah Jambi untuk periode ke-10 atau tahun
2017 sebesar .
. , kilogran.
d. Dari hasil peramalan yang penulis lakukan terhadap data hasil produksi kelapa
sawit di Kebun Bah Jambi, terlihat bahwa ramalan hasil produksinya meningkat dari tahun ke tahun
5.2 Saran
Berdasarkan penelitian yang telah penulis lakukan, maka saran yang dapat penulis berikan yaitu untuk meramalkan hasil produksi kelapa sawit untuk waktu yang akan
datang, pihak PTPN IV Kebun Bah Jambi dapat menggunakan metode peramalan pemulusan smoothing eksponensial ganda: metode linier satu-parameter dari
Brown dan dapat menggunakan alat bantu komputer dengan aplikasi Microsoft Excel untuk mempermudah proses perhitungan.
Universitas Sumatera Utara
BAB 2
TINJAUAN TEORITIS
2.1 Peramalan
2.1.1 Pengertian dan Kegunaan Peramalan
Assauri 1984 mengemukakan bahwa peramalan forecasting adalahkegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan
datang. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan suatu
kebijakan. Jadi dalam menentukan kebijakan itu perlu diperkirakan kesempatan atau peluang yang ada dan ancaman yang mungkin terjadi.
Dalam usaha mengetahui atau melihat perkembangan dimasa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau
suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan- tindakan yang perlu dilakukan. Gambaran perkembangan pada masa depan
diperoleh dari hasil analisa data yang didapat dari penelitian yang telah dilakukan. Perkembangan pada masa depan merupakan perkiraan apa yang akan terjadi,
sehingga dapatlah dikatakkan bahwa peramalan selalu diperlukan didalam penelitian.
Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa
yang akan terjadi pada waktu keputusan itu akan dilaksanakan. Baik tidaknya hasil dari suatu penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat.
Walaupun demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari
ramalan tersebut.
Universitas Sumatera Utara
2.1.2 Jenis-Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi. Apabila dilihat dari sifat penyusunannya, maka jenis peramalan ada dua yaitu:
1. Peramalan Subjektif
Peramalan subjektif 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.
2. Peramalan Objektif
Peramalan objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam
penganalisaan data tersebut. Jika dilihat dari jangka waktu ramalan yang disusun, maka jenis
peramalannya yaitu: 1.
Peramalan Jangka Panjang Peramalan jangka panjang yaitu peramalan yang dilakukan untuk penyusunan
hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester.
2. Peramalan Jangka Pendek
Peramalan jangka pendek yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengan tahun, atau
tiga semester. Berdasarkan sifat ramalan yang telah disusun, maka jenis peramalan yaitu:
1. Peramalan Kualitatif
Peramalan kualitatif yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu.
Universitas Sumatera Utara
2. Peramalan Kuantitatif
Peramalan kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif hanya dapat digunakan apabila adanya kondisi
sebagai berikut: 1.
Adanya informasi tentang keadaan masa lalu. 2.
Informasi tersebut dapat dikuantitatifkan dalam bentuk data. 3.
Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
2.2 Metode Peramalan
2.2.1 Pengertian dan Kegunaan Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode
peramalan juga merupakan cara memperkirakan secara kuantitatif,oleh karena itu metode peramalan termasuk dalam kegiatan peramalan kuantitatif.
Metode peramalan berguna untuk memperkirakan secara sistimatis dan pragmatis atas dasar data yang relevan pada masa lalu, dengan demikian metode
peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan
suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan dalam suatu kegiatan peramalan, maka akan didapat dasar
pemikiran dan pemecahan yang sama karena argumentasinya sama. Selain itu, metode peramalan memberikan cara pengerjaan yang teratur dan terarah, sehingga
dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisaan yang lebih maju.
Universitas Sumatera Utara
2.2.2 Jenis-Jenis Metode Peramalan
Pada dasarnya metode peramalan kuantitatif dibedakan atas: 1.
Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan
deret waktu time series, yang terdiri dari: a.
Metode smoothing, yang mencakup metode data lewat past data, metode rata-rata kumulatif, metode rata-rata bergerak moving averages dan metode
exponentialsmoothing. Metode smoothing digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu maupun kedua-duanya, dengan
membuat rata-rata tertimbang dari sederetan data yang lalu. Data yang dibutuhkan untuk penggunaan metode peramalan ini minimum selama dua
tahun. b.
Metode Box Jenkins menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat sekecil mungkin. Penggunaan
metode ini membutuhkan identifikasi model dan estimasi parameternya. Data yang dibutuhkan untuk penggunaan metode peramalan ini minimum dua
tahun, dan lebih baik bila data yang dimiliki lebih dari dua tahun. c.
Metode proyeksi trend dengan regresi, merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal yang diteliti untuk masa depan. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data tahunan, dan semakin
banyak data yang dimiliki semakin baik, serta minimum data tahunan yang harus ada adalah lima tahun.
2. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antara
variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab akibat causal
methods, yang terdiri dari: a.
Metode regresi dan korelasi didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik least square. Data yang dibutuhkan untuk
Universitas Sumatera Utara
penggunaan metode peramalan ini adalah data kuartalan dari beberapa tahun yang lalu.
b. Metode ekonometri, didasarkan atas peramalan pada sistim persamaan
regresi yang diestimasikan secara simultan. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data kuartalan beberapa tahun.
c. Metode input output dipergunakan untuk menyusun proyeksi trendekonomi
jangka panjang. Data yang dibutuhkan untuk penggunaan metode atau model ini adalah data tahunan selama sekitar sepuluh sampai lima belas tahun.
2.2.3 Metode Pemulusan Smoothing
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa
tahun untuk menaksir nilai pada beberapa tahun kedepan. Secara umum, metode smoothing diklasifikasikan menjadi dua yaitu :
1. Metode Perataan Average
a. Nilai Tengah Mean
b. Rata-rata Bergerak Tunggal Single Moving Average c. Rata-rata Bergerak Ganda Double Moving Average
d. Kombinasi Rata-rata Bergerak Lainnya 2. Metode Pemulusan Smoothing Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
�+
= ��
�
+ − �
�
2.1 di mana:
�+
= hasil peramalan untuk 1 periode kedepan yang akan diramalkan.
�
�
=data pada periodeke-t
�
=ramalan pada periode ke-t �
= parameter smoothing
Universitas Sumatera Utara
Metode smoothing eksponensial terdiri dari: a. Pemulusan Eksponensial Tunggal
1. Satu Parameter 2. Pendekatan Adaptif
b. Pemulusan Eksponensial Ganda 1. Metode Linier Satu-Parameter dari Brown
2. Metode Dua Parameter dari Holt c. Pemulusan Eksponensial Tripel
1. Metode Kwadratik Satu Parameter dari Brown 2. Metode Tiga Parameter untuk Kecenderungan dan Musiman dari Winter
d. Pemulusan Eksponensial menurut Klasifikasi Pegels
2.3 Metode Peramalan yang Digunakan
Untuk mendapatkan hasil yang baik dan tepat maka harus diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan hasil produksi kelapa sawit
menggunakan metode smoothing eksponensial satu parameter dari Brown. Persamaan yang dipakai dalam pelaksanaan pemulusan smoothing
eksponensial ganda: metode linier satu-parameter dari Brown adalah sebagai berikut:
�
� ′
= ��
�
+ − � �
�− ′
2.2 �
� ′′
= ��
� ′
+ − � �
�− ′′
2.3
�
= �
� ′
+ �
� ′
− �
� ′′
= �
� ′
− �
� ′′
2.4
�
=
� −�
�
� ′
− �
� ′′
2.5
�+
=
�
+
�
2.6
Universitas Sumatera Utara
di mana: = jumlah periode didepan yang diramalkan
�
� ′
= nilai pemulusan eksponensial tunggal �
� ′′
= nilai pemulusan eksponensial ganda �
= parameter pemulusan eksponensial
�
= konstanta pada periode ke-t
�
= Nilai slope
�+
= hasil peramalan untuk m periode kedepan yang akan diramalkan.
Untuk menghitung nilai kesalahan error ramalan tersebut, dapat digunakan rumus di bawah ini:
�
�
= �
�
−
�
2.7
2.4 KetepatanPeramalan
Kategori