b Motif Tumbuhan
Motif tumbuhan pada kain batik biasanya berupa hiasan yang diperoleh dari objek yang distilirdigayakan. Motif tumbuhan pada batik misalnya berupa
tumbuhan menjalar dan tumbuhan air.
c Motif Hewan
Motif hewan pada batik berupa bentuk hewan-hewan yang distilir atau disederhanakan. Hewan-hewan yang digunakan sebagai motif adalah hewan-
hewan yang dianggap keramat seperti kerbau, burung, singa barong, kupu-kupu, dan sebagainya.
d Motif Manusia
Motif manusia dapat ditemukan pada kain tenun dan songket, yang biasanya juga berbentuk motif yang distilir atau disederhanakan. Motif batik manusia
kebanyakan dianggap sebagai lambang roh nenek moyang ataupun sebagai lambang kesaktian. Motif manusia pada batik contohnya seperti wayang.
Untuk pembuatan motif sendiri tergantung pada daerah masing-masing dan biasanya disesuaikan dengan lambang daerah ataupun kebudayaan yang ada pada
daerah tersebut.
2.2. Peramalan Forecasting
Peramalan Forecasting merupakan salah satu aktifitas fungsi bisnis yang digunakan untuk memperkirakan penjualan produk di masa mendatang Gaspersz, 2004.
Peramalan dibuat dengan tujuan untuk meminimumkan ketidakpastian dalam proses produksi. Dengan kata lain, peramalan adalah alat bantu yang sangat penting untuk
mencapai perencanaan produksi yang efektif dan efisien Subagyo, 1986. Berdasarkan sifatnya, peramalan dibedakan menjadi dua jenis, yaitu peramalan
kualitatif dan peramalan kuantitatif Levine, 2002.
Universitas Sumatera Utara
1. Peramalan Kualitatif
Pada metode ini, proses peramalan dilakukan tanpa adanya data historis. Artinya, peramalan dilakukan dengan mengandalkan intuisi, pendapat ataupun
pengetahuan dari si pembuat peramalan.
2. Peramalan Kuantitatif
Pada metode ini, proses peramalan dilakukan dengan menggunakan data historis atau kumpulan data-data pada masa lalu. Hasil peramalan nantinya bergantung
pada metode yang digunakan pada peramalan tersebut. Untuk datanya sendiri, pada jenis peramalan ini data historis yang digunakan dibagi ke dalam dua jenis
kelompok data, yaitu data kausal dan data runtun waktu Winarno, 2007.
a Data Kausal Causal Data
Pada data kausal, model peramalan yang dikembangkan menggunakan hubungan sebab-akibat sebagai asumsi, yaitu apa yang terjadi pada masa
lalu, akan kembali terulang di masa mendatang.
b Data Runtun Waktu Time Series Data
Data runtun waktu time series data adalah data yang menggambarkan suatu objek dari waktu ke waktu atau periode secara historis dan terjadi
berurutan Winarno, 2007. Data runtun waktu mencakup penelitian pola data yang digunakan apakah stasioner atau tidak.
Dalam peramalan menggunakan data runtun waktu, satu hal yang harus diperhatikan adalah bagaimana pola data yang terbentuk. Menurut Makridakis 1999,
pada data runtun waktu pola data yang terbentuk ada empat :
1. Pola Data Horizontal
Pola data horizontal terjadi jika data berfluktuasi di sekitar nilai rata-rata yang konstan.
Universitas Sumatera Utara
Gambar 2.1. Data Runtun Waktu Dengan Pola Horizontal Tanjung, 2012
Gambar 2.1 menunjukkan grafik jumlah penjualan beras pada sebuah usaha pengecer beras dalam kurun waktu satu tahun. Dapat dilihat pada gambar 2.1 bahwa
penjualan beras berfluktuasi secara konstan, yaitu sekitar 5 karung beras setiap bulannya.
2. Pola Data Tren
Pola data tren terbentuk jika terjadi kenaikan atau penurunan sekuler jangka panjang. Artinya pola data tersebut naik turun atau bahkan konstan dalam jangka
waktu yang panjang.
Gambar 2.2. Data Runtun Waktu Dengan Pola Tren Tanjung, 2012
Universitas Sumatera Utara
Gambar 2.2 menunjukkan grafik produk domestik bruto yaitu jumlah nilai produk barang dan jasa yang dihasilkan oleh unit-unit produksi di dalam batas wilayah
suatu negara selama satu tahun. Pada gambar 2.2 terlihat pola kenaikan untuk jangka waktu yang panjang, yaitu dari tahun pertama hingga tahun ke-11.
3. Pola Data Siklis
Pola data siklis terjadi apabila fluktuasi permintaan jangka panjang membentuk pola siklus. Biasanya pola ini dipengaruhi oleh siklus bisnis.
Gambar 2.3. Data Runtun Waktu Dengan Pola Siklus Tanjung, 2012
Gambar 2.3 menunjukkan grafik penjualan mobil dari tahun 2000 sampai tahun 2008 pada sebuah perusahaan dealer mobil. Pada gambar 2.3 dapat ditunjukkan bahwa
penjualan mobil dipengaruhi oleh faktor ekonomi di Indonesia tiap tahunnya. Gambar 2.3 juga menunjukkan bahwa pada tahun 2002 dan 2008 adalah tahun dimana ekonomi
rakyat lebih baik dari tahun lainnya, sehingga penjualan mobil sebagai bahan kebutuhan tersier meningkat
.
4. Pola Data Musiman
Pola data musiman terjadi jika jika dalam data terlihat pengulangan otomatis dalam interval tertentu.
Universitas Sumatera Utara
Gambar 2.4. Data Runtun Waktu Dengan Pola Musiman Tanjung, 2012
Gambar 2.4 menunjukkan grafik penjualan baju seragam sekolah dalam kurun waktu satu tahun. Pada gambar 2.4 dapat dilihat bahwa terjadi kenaikan penjualan
seragam pada bulan pertama Januari dan bulan ke-7 Juli. Hal ini disebabkan karena pada bulan tersebut adalah bulan awal masuk tahun ajaran baru sehingga penjualan
seragam sekolah meningkat pada bulan tersebut.
Selain berdasarkan sifat, peramalan juga dibedakan berdasarkan jangka waktu peramalan. Ada tiga jenis peramalan berdasarkan jangka waktu, yaitu peramalan jangka
pendek, peramalan jangka menengah, dan peramalan jangka panjang.
1. Peramalan Jangka Pendek
Peramalan jangka pendek dilakukan dalam kurun waktu kurang dari 3 bulan.
2. Peramalan Jangka Menengah
Peramalan jangka menengah dilakukan dalam kurun waktu 3 sampai 18 bulan. Peramalan penjualan termasuk dalam peramalan jangka menengah.
3. Peramalan Jangka Panjang
Peramalan jangka panjang dilakukan dalam kurun waktu lebih dari 18 bulan.
Universitas Sumatera Utara
Peramalan kuantitatif banyak digunakan untuk jenis peramalan jangka pendek dan menengah, sedangkan peramalan kualitatif banyak digunakan untuk peramalan
jangka panjang.
2.3. Ukuran Akurasi Peramalan
