3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa
yang akan datang.
2.2.3 Kegunaan Peramalan
Dalam hal penyusunan suatu rencana dalam rangka pencapaian tujuan dan sasaran organisasi sering terjadi adanya perbedaan waktu antara kegiatan penyusunan
rencana yang berupa penentuan kegiatan apa saja yang perlu atau harus dilakukan, kapan waktu pelaksanaannya dan oleh siapa dilaksanakan Assauri, 1984.
Apabila perbedaan waktu tersebut panjang, maka peranan peramalan menjadi penting dan sangat dibutuhkan, terutama dalam menentukan kapan suatu peristiwa
akan terjadi atau suatu kebutuhan akan timbul sehingga dapat dipersiapkan tindakan- tindakan apa yang perlu dilakukan. Efektif tidaknya suatu rencana yang disusun
sangat ditentukan oleh kemampuan para penyusunnya untuk meramalkan situasi dan kondisi pada saat rencana itu dilaksanakan Assauri, 1984.
2.3 Analisis Data Berkala Analysis of Time Series
Data berkala time series adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan. Analisis data
berkala memungkinkan untuk mengetahui perkembangan waktu atau beberapa kejadian serta hubungan dan pengaruhnya terhadap kejadian lain Supranto, 1994.
Time series adalah peramalan di masa datang didasarkan pada nilai sebuah variebel masa lalu atau kesalahan yang dilakukan sebelumnya. Tujuan Time series ini
Universitas Sumatera Utara
mencakup meneliti pola data yang digunakan untuk meramalkan dan melakukan ekstrapolasi ke masa mendatang Manurung, 1990.
Tahapan yang penting dalam pemilihan metode time series yang tepat yaitu: membuat asumsi terhadap jenis bentuk data, dan metode yang paling tepat tersebut
diuji terhadap data tersebut Setiadi, 2003. Bentuk data yang dimaksud dikelompokkan menjadi 4 empat jenis:
1. Bentuk data horizontalstasionerirregular
Terjadi apabila nilai data berfluktuasi di sekitar nilai rata-ratanya 2.
Bentuk data musiman Bila seriesnya dipengaruhi oleh faktor musiman
3. Bentuk data siklis
Data dipengaruhi oleh fluktuasi ekonomi yang panjang seperti dihubungkan dengan siklis bisnis dan lain-lain
4. Bentuk trend
Bila penurunankenaikan data terjadi berkepanjangan Menurut Assauri 1984, secara matematis time series dapat disimbolkan
dengan Y, terdiri dari beberapa komponen, yaitu: 1.
Trend jangka panjang trend seculer 2.
Variasi siklis cyclical variation 3.
Variasi musiman seasonal variation 4.
Gerakan tidak beraturan variasi residuirregular
Universitas Sumatera Utara
Secara simbolis dapat dinyatakan dengan persamaan sebagai berikut:
Dimana: Y = Time series T = Trend jangka panjang trend seculer
C = Variasi siklis cyclical variation S = Variasi musiman seasonal variation
I = Gerakan tidak beraturan variasi residuirregular
a. Trend jangka panjang trend seculer
Trend jangka panjang trend seculer disimbolkan T adalah gerakan teratur atau gerakan rata-rata dalam jangka waktu yang panjang. Trend seculer memiliki bentuk
yang beraneka ragam, dapat berupa garis meningkat, menurun, horizontal atau naik turun secara halus mirip huruf S yang memanjang.
Y = fx Y = fx
Y = fx Y = fx
Waktu x Waktu x
Waktu x Waktu x
Trend naik Trend turun
Trend tetap Trend
fluktuasi
Gambar 2.1 Kurva Trend jangka panjang
b. Variasi siklis cyclical variation
Y = T.C.S.I
Universitas Sumatera Utara
Variasi siklis cyclical variation disimbolkan C adalah gerakan jangka panjang disekitar trend, lima tahun atau lebih, tetapi juga tidak terulang dalam
jangka waktu yang sama. Pada siklis tersebut terdapat titik tertinggi puncak dan titik terendah
lembah. Pergerakan dari puncak ke lembah dinamakan kontraksi, sebaliknya pergerakan dari lembah ke puncak dinamakan ekspansi. Waktu yang diperlukan
untuk melewati satu siklis dinamakan lama siklis. Y = fx
Waktu x
Gambar 2.2 Kurva Variasi Siklis
c. Variasi musiman seasonal variation
