Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Pada model ini pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variable atau kesalahan masa lalu. Tujuan metode peramalan deret
berkala ini adalah menetukan pola dalam deret data historis ke masa depan.
2. Metode Regresi Kausal
Pada model kausal ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab akibat dengan satu atau lebih variabel
bebas.
Kedua model Deret Berkala dan kausal mempunyai keuntungan dalam situasi tertentu. Model deret berkala sering kali dapat digunakan dengan mudah untuk meramal,
sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan.
Langkah penting dalam memilih suatu metode Deret Berkala adalah dengan mempertimbangkan jenis pola data sehingga metode yang paling tepat dengan pola dapat
diuji. Dalam penulisan proposal ini, digunakan metode peramalan yang pertama, yaitu
metode peramalan dengan menggunakan variabel waktu yang dikenal dengan “time series”
, atau metode pemulusan eksponensial.
2.3 Jenis-jenis Metode Peramalan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Metode-metode peramalan dengan menggunakan analisa deret waktu, yaitu : 1.
Metode pemulusan smoothing dan Rata-rata Bergerak moving average. Metode ini sering digunakan untuk ramalan jangka pendek dan untuk
ramalan jangka panjang.
2. Metode Box Jenkins.
Metode ini jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjag.
3. Metode Proyeksi Trend dengan Regresi.
Metode ini bisa digunkan untuk ramalan jangka menengah dan jangka panjang.
2.3.1 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam
mempersiapkan peramalan.
Ada enam factor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu :
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
1. Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing- masing metode peramalan, yaitu :
• Pertama adalah cakupan waktu di masa yang akan datang. Aspek
• kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramlan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalakan akan berkelanjutan.
3. Jenis dari Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembanagan, penyimpanan
strorage data, operasi pelaksanaan dan kesempatan dlam penggunaan teknik-teknik dan metode peramalan.
5. Ketepatan Metode Peramalan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Tingkat ketepatan yang dibutuhkan sangat erat kaitanya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.
2.3.2 Penentuan Pola Data
Hal penting harus diperhatikan dalam metode Deret Berkala adalah menetukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historisnya tersebut
dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut : 1.
Pola data horizontal Pola ini terjadi bila berpluktuasi di sekitar nilai rata-rata yang konstan.
2. Pola data Musiman Seasonal
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh
faktor musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Data Siklis Cyclical
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. 4.
Pola data trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam
data.
2.4 Metode Pemulusan smoothing
