berwarna hijau tua merupakan sumber karotenoid pigmen dalam tanaman yang terdapat pada tumbuhan terbaik dan tergolong penting untuk
memerangi radikal bebas.
2.2 Definisi Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Usaha untuk melihat situasi dan kondisi
pada masa yang akan datang merupakan usaha untuk memperkirakan pengaruh situasi dan kondisi yang berlaku terhadap perkembangan di masa
yang akan datang. Peramalan merupakan dasar untuk penyusunan rencana yang manfaatnya dapat terlihat pada saat pengambilan keputusan dengan
menggunakan suatu metode yang sesuai. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan,
berdasarkan data yang relevan pada masa lalu Assauri, 1984. Sedangkan menurut Kusuma 1999, peramalan adalah perkiraan tingkat permintaan satu
atau produk selama beberapa periode mendatang. Menurut Heizer dan Render 2006, peramalan adalah seni dan ilmu
untuk memperkirakan kejadian di masa depan dapat dilakukan dengan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang
dengan suatu bentuk model matematis atau bisa juga dengan prediksi intuisi yang bersifat subjektif, maupun kombinasi dari keduanya. Prosedur
peramalan dapat dikelompokkan sesuai dengan sifatnya yang kuantitatif atau kualitatif. Teknik kualitatif yang murni adalah yang jelas tidak memerlukan
manipulasi data, hanya pendapat pribadi yang digunakan oleh forecaster peramal yang mengacu hasil dari manipulasi mental data historis masa lalu.
Di sisi lain, teknik kuantitatif yang murni tidak memerlukan input pendapat pribadi, hal ini merupakan prosedur mekanis yang menghasilkan keluaran
kuantitatif dan memerlukan lebih banyak manipulasi data yang canggih dibandingkan lainnya Hanke et, al., 2003.
2.2.1 Jenis-jenis Peramalan
Jenis-jenis peramalan menurut Assauri 1984, apabila dilihat dari sifat penyusunannya dapat dibedakan atas dua macam:
a. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.
b. Peramalan yang 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 peramalan
dapat dibedakan atas tiga macam: a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan yang jangka waktunya lebih dari tiga tahun atau lebih.
b. Peramalan jangka menengah, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya mencakup hitungan
bulanan hingga tiga tahun. c. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu tahun tetapi umumnya kurang dari tiga periode.
Metode peramalan kuantitatif dibagi ke dalam dua kategori, yaitu: a. Metode peramalan yang didasarkan atas penggunaan analisis pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu disebut metode deret waktu atau time series, seperti dengan
menggunakan pendekatan naif, rata-rata bergerak, penghalusan eksponensial, dan proyeksi tren.
b. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan digunakan dengan variabel lain
yang mempengaruhinya, yang bukan waktu, disebut metode korelasi atau sebab akibat causal methods Assauri, 1984, seperti dengan
menggunakan regresi linear.
2.2.2 Peramalan Time Series Runtut Waktu
Peramalan time series runtut waktu menggunakan data runtut waktu yaitu data yang dikumpulkan dari suatu waktu ke waktu
berikutnya selama jangka waktu tertentu, seperti jam, hari, minggu,
periode, tahun, dan lainnya. Data yang diperlukan untuk peramalan time series adalah nilai masa lalu dari suatu produk dianalisis pola data
tersebut apakah berpola trend, musiman, atau siklus. Meramalkan berdasarkan data time series berarti nilai masa depan yang diperkirakan
hanya dari nilai masa lalu dan bahwa peubah lain diabaikan, walaupun peubah-peubah lain tersebut mungkin sangat bermanfaat pada analisis.
Data deret waktu dapat dibedakan menjadi data deret waktu yang bersifat stasioner dan tidak stasioner. Data stasioner memiliki nilai rata-
rata dan variansi yang relatif konstan dari waktu ke waktu, sedangkan data yang tidak stasioner relatif bervariansi dari waktu ke waktu
Aritonang, 2002. Data time series dapat juga dibedakan menjadi empat komponen, yaitu trend, musim, siklus, dan variasi acak atau
random variation.
2.3 Teori Pemasaran
