b. Informasi data tersebut dapat dikuantitatifkan dalam bentuk data numerik
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
pada masa yang akan datang.
Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah peramalan kuantitatif.
2.3 Metode Peramalan
2.3.1 Pengertian Metode Peramalan
Metode Peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan data yang
relevan pada masa lalu.
Kegunaan Metode Peramalan ini adalah untuk memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan
demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar.
2.3.2 Jenis-jenis Metode Peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antar
variabel yang diperkirakan dengan variabel waktu merupakan deret berkala
Universitas Sumatera Utara
Time Series . Metode Peramalan yang termasuk pada jenis ini yaitu : a.
Metode Pemulusan smoothing b.
Metode Box Jenkins c.
Metode Proyeksi Trend dengan regresi 2.
Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat metode causal . Metode peramalan yang termasuk dalam jenis ini
adalah : a.
Metode Regresi dan Korelasi b.
Metode Ekonometri c.
Metode Input Output
2.3.3 Metode Pemulusan Smoothing
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-
rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang.
Secara umum metode pemulusan smoothing dapat digolongkan menjadi beberapa bagian :
1. Metode Perataan Average
a. Nilai Tengah Mean
b. Rata-rata Bergerak Tunggal Single Moving Average
c. Rata-rata Bergerak Ganda Double Moving Average
Universitas Sumatera Utara
d. Kombinasi Rata-rata Bergerak Lainnya.
2. Metode Pemulusan Smoothing Eksponensial a Pemulusan Eksponensial Tunggal
1. Satu parameter
2. Pendekatan Adaptif
Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai α yang
dapat berubah secara terkendali, dengan adanya perubahan dalam pola datanya.
b. Pemulusan Eksponensial Ganda
1. Metode Linear Satu-Parameter dari Brown
S
t
=
1
1
−
− +
t t
S X
α α
S
t
=
1
1
−
− +
t t
S S
α α
a
t
= S
t
+ S
t
- S
t
= 2 S
t
- S
t
b
t
= α
α
− 1
S
t
- S
t
F
m t
+
= a
t
+ b
t
m Di mana:
S
t
= nilai Pemulusan Eksponensial Tunggal Single Eksponensial Smoothing Value
S
t
= nilai Pemulusan Eksponensial Ganda Double Eksponensial Smoothing Value
α = parameter Pemulusan Eksponensial a
t
, b
t
= konstanta pemulusan
Universitas Sumatera Utara
F
m t
+
= hasil peramalan untuk m periode ke depan yang akan diramalkan 2.
Metode Dua Parameter dari Holt Metode ini digunakan untuk peramalan data yang bersifat trend.
S
t
= α X
t
+ 1- α S
1 −
t
+ b
1 −
t
, b
t
= γ S
t
- S
1 −
t
+ 1 - γ b
1 −
t
, F
m t
+
= S
t
+ b
t
m
c. Pemulusan Eksponensial Triple
1. Pemulusan Kwadratik Satu Parameter Dari Brown
Dapat digunakan untuk meramalkan data dengan suatu pola trend dasar, bentuk pemulusan yang lebih tinggi dapat digunakan
bila dasar pola datanya adalah kuadratik, kubik atau orde yang lebih tinggi.
2. Metode kecendrungan dan Musiman Tiga Parameter dari Winter
Metode ini merupakan salah satu dari beberapa metode pemulusan eksponential yang dapat menangani musiman
d Pemulusan Eksponential Menurut Klasifikasi Pegels Bentuk umum dari metode pemulusan eksponensial adalah:
Di mana: F
1 +
t
= Ramalan untuk periode mendatang F
1 +
t
= α X
t
+ 1 - α F
t
Universitas Sumatera Utara
α = Parameter eksponensial yang besarnya 0α 1 X
t
= Nilai aktual pada periode-t F
t
= Ramalan pada periode-t
2.4 Metode Peramalan Yang Digunakan
