Suatu proyeksi yang baik adalah proyeksi yang menghasilkan penyimpangan antara
hasil proyeksi dengan kenyataan sekecil mungkin.
Peranan proyeksi sangat membantu di bidang-bidang lain yang membutuhkan, maka proyeksi dapat digunakan untuk :
1. Dasar utama untuk membuat suatu perencanaan,agar prencanaan itu sesuai
dengan tingkat kemampuan yang telah ada. 2.
Sebagai dasar pembanding dari hasil kerja yang nyata, dengan hasil proyeksi yang telah ditentukan. Kalau suatu hasil proyeksi tidak tercapai,
maka faktor apa yang menjadi penyebabnya akan dicari dan dilakukan perbaikan atau koreksi.
Proyeksi tingkat produksi kedelai melihat kedepan akan hasil dari produksi padi tersebut dengan melihat perkembangan pertumbuhan tanaman kedelai
tersebut dari tahun-tahun sebelumnya.
2.3.4 Menghitung kesalahan peramalan
Hasil proyeksi yang akurat adalah forecast yang bisa meminimalkan kesalahan meramal forecast error. Besarnya forecast error kesalahan meramal dihitung
dengan mengurangi data yang sebenarnya dengan besarnya ramalan. Error = Data yang sebenarnya – ramalan
= X
t
– F
t
Universitas Sumatera Utara
Dimana : X
t
: Data sebenarnya periode ke t F
t
: Ramalan periode ke t
Dalam menghitung forecast error digunakan : a.
Mean Absolute Error : Mean Absolute error adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau tanda negatif.
MAE =
n F
X
t t
−
∑
b. Mean Square Error : Mean Square error adalah rata-rata kesalahan meramal
dikuadratkan. MSE =
n F
X
t t
2
−
∑
2.3.5 Metode double exponential smoothing pemulusan eksponensial ganda
Peramalan dengan menggunakan metode double exponential smoothing atau disebut juga metode exponential smoothing yang linier dapat dilakukan dengan perhitungan
yang hanya membutuhkan tiga buah nilai data dan satu nilai α. Dasar pemikiran dari
metode double exponential smoothing ini adalah, baik nilai pelicin smoothing value tunggal maupun ganda terdapat pada waktu sebelum data sebenarnya, bila pada data
itu ada trend, maka nilai-nilai pelicin tunggal single smoothing value ditambahkan nilai-nilai pelicin ganda double smoothing value.
Universitas Sumatera Utara
Metode smoothing metode pemulusanpelicin merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir
nilai pada periode yang akan datang. Dalam metode ini data historis digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara terus-menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih
besar.
Pada peramalan tingkat produksi kedelai tahun 2009 yang menggunakan double exponential smoothing pemulusan eksponensial ganda memiliki tahap-tahap dalam
menentukan ramalan. Persamaan-persamaan yang dipergunakan dalam penerapan metode double exponential smoothing adalah seperti yang akan diuraikan dibawah ini,
persamaan atau formula ini dikenal dengan nama Metode atau teknik “Brown’s one parameter linier exponential smoothing”. Pada dasarnya formula atau tahapan-
tahapan tersebut adalah sebagai berikut: a.
Menentukan Smoothing Pertama S ′
t
S ′t
: αX
t
+ 1- α S′
1 −
t
S ′
t
: Smoothing pertama periode t X
t
: Nilai real periode t S
′
1 −
t
: Smoothing pertama periode t-1
b. Menentukan Smoothing kedua S
″
t
S ″
t
: αS′t + 1-α S″
1 −
t
S ″
1 −
t
: Smoothing kedua periode t-1
Universitas Sumatera Utara
c. Menentukan Besarnya Konstanta a
t
a
t
: 2S ′
t
- S ″
t
d. Menentukan Besarnya Slope b
t
b
t
: α
α
− 1
S ′
t
- S ″
t
e. Menentukan Besarnya Forecast F
m t
+
F
m t
+
: a
t
+ b
t
m, dimana m adalah jumlah periode ke depan yang diramalkan.
Dengan menggunakan rumus - rumus yang sudah ada, penulis melakukan suatu proyeksiperamalan tingkat produksi kedelai tahun 2009.Dengan melihat selisih
produksi kedelai dari setiap tahunnya tidak begitu konstan naik turun. Sehingga peramalan kedelai dilakukan dengan metode pemulusan eksponential ganda untuk
melicinkan memuluskan ramalan produksi kedelai dari tahun ke tahun.
Universitas Sumatera Utara
BAB 3
SEJARAH BADAN KETAHANAN PANGAN
3.1 Sejarah Perkembangan Badan Ketahanan Pangan
