Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan – pertimbangan yang
akan terjadi pada waktu keputusan itu dilaksanakan. Keberhasilan dari suatu peramalan sangat ditentukan oleh:
a. Pengetahuan teknik tentang pengumpulan informasi data masa lalu, data
ataupun informasi tersebut bersifat kuantitatif b.
Teknik dan metode yang tetap dan sesuai dengan pola data yang telah dikumpulkan.
Gambaran perkembangan pada masa lalu yang akan datang diperoleh dari hasil analisa data yang didapat dari penelitian yang telah dilakukan. Perkembangan pada
masa depan merupakan perkiraan apa yang akan terjadi, sehingga dapat dikatakan bahwa peramalan selalu diperlukan didalam penelitian. Ketepatan penelitian
merupakan hal yang penting, walaupun demikian perlu diketahui bahwa sesuatu ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah
usaha untuk memperkecil kesalahan dari ramalan tersebut.
2.2 Jenis- Jenis Peramalan
Berdasarkan sifatnya, peramalan dibedakan atas dua macam yaitu: a.
Peramalan kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya.
Universitas Sumatera Utara
Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang instuisi, pendapat dan pengetahuan serta pengalaman penyusunnya.
b. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan
dalam peramalan tersebut.
Baik tidaknya metode yang digunakan tergantung dengan perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil
penyimpangan antara hasil ramalan dengan kenyataan yang akan terjadi maka semakin baik pula metode yang digunakan.
Peramalan kuantitatif dapat diterapkan bila terdapat kondisi berikut: a.
Tersedia informasi data tentang masa lalu b.
Informasi data tersebut dapat dikuantitatifkan dalam bentuk data numeric 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.
Universitas Sumatera Utara
2.3 Metode Peramalan
2.3.1 Pengertian Metode Peramalan
Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan, berdasarkan
data yang relevan pada masa lalu. Kegunaan metode peramalan adalah untuk memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada
masa lalu. Dengan demikian peramalan diharapkan dapat memberikan objektivitas yang lebih besar.
Metode peramalan memberikan urutan dan pemecahan atas pendekatan masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas
permasalahan, maka akan didapat dasar pemikiran dan pemecahan yang argumentasinya sama.
2.3.2 Jenis- Jenis Metode Peramalan
Peramalan kuantitatif dibedakan atas : a.
Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang diperkirakan dengan variabel waktu yang
merupakan deret berkala time series. Metode peramalan termaksuk dalam jenis ini adalah:
1. Metode pemulusan smoothing
2. Metode box Jenkins
3. Metode proyeksi trend dengan regresi
Universitas Sumatera Utara
b. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antar variabel yang diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktunya disebut dengan metode korelasi
atau sebab akibat metode causal. Metode peramalan yang termasuk dalam jenis ini adalah:
1. Metode Regresi dan Korelasi
2. Metode Ekonometri
3. 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 pada beberapa periode untuk menaksir nilai pada suatu periode. Smoothing dilakukan dengan dua cara yaitu Moving Average atau Exponential
Smoothing.
1. Forecasting dengan metode Moving Average Rata-rata bergerak
Dengan moving averages rata-rata bergerak ini dilakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan
rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang
baru dihitung dan dipergunakan sebagi ramalan.
Universitas Sumatera Utara
a. Rata – rata Bergerak Tunggal Single Moving Averages
Menetukan ramalan dengan metode single moving averages cukup mudah dilakukan.
Bila akan menerapkan 4 bulan rata-rata bergerak maka maka ramalan pada bulan Mei
dihitung sebesar rata-rata dari 4 bulan sebelumnya, yaitu bulan Januari, Februari,
Maret, April. Persamaan Matematis dari teknik ini adalah :
F
t+1
=
T X
X X
T
+ +
+ ...
2 1
Keterangan : Ft+1
: Ramalan untuk periode ke t + 1
X
T
: Nilai riil periode ke t
T : jangka waktu rata-rata bergerak.
Karakteristik Khusus Single Moving Averages
Metode single moving average memiliki karakteristik khusus, yaitu:
a Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selam jangka waktu tertentu.
b Semakin panjang jangka waktu moving averages, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan moving average yang semakin halus. Artinya
pada moving averages yang jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan ramalan terbesar menjadi lebih kecil.
.
Universitas Sumatera Utara
Menghitung Kesalahan Ramalan
Hasil proyeksi yang akurat adalah forecast yang bisa meminimalkan kesalahan meramal forecast error. Besarnya forecast error dihitung dengan mengurangi data
riil dengan besarnya ramalan. Error E
= X
t
- F
t
Keterangan : X
t
= data riil periode ke-t F
t
= ramalan periode ke-t Dalam menghitung forecast error digunakan.
a Mean Absolute Error
Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif maupun negatif.
MAE = n
F X
t t
∑
−
2
b Mean Squared Error Mean Squared Error adalah kuadrat rata-rata kesalahan meramal.
MSE = n
F X
t t
∑
−
2
Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai kelemahan- kelemahan antara lain :
1 perlu data histories yang cukup, 2 data tiap periode diberi weight bobot sama,
Universitas Sumatera Utara
3 kalau fluktuasi data tidak random, tidak menghasilkan forecasting yang baik. Pangstu Subagyo, 1986:11.
c Mean Absolute Percentage Error MAPE
Mean Absolute Percentage Error merupakan nilai tengah kesalahan persentase absolute dari suatu peramalan.
MAPE =
n APE
∑
d Percentage Error PE Percentage Error merupakan Kesalahan persentase dari suatu peramalan,
PE =
100 x
X F
X
t t
t
−
dimana : x
t
=nilai data ke periode ke-t f
t =
nilai ramalan periode ke-t n
=banyaknya data
2 Rata – rata Bergerak Ganda Double Moving Averages
Menentukan ramalan dengan metode double moving averages sedikit lebih sulit dibandingkan dengan single moving averages. Ada beberapa langkah dalam
Universitas Sumatera Utara
menentukan ramalan dengan metode double moving averages, antara lain sebagai berikut.
a Menghitung moving average rata-rata bergerak pertama, diberi simbol S
’ t
, dihitung dari data historis yang ada. Hasilnya diletakkan pada periode terakhir
moving average pertama. b Menghitung moving averagerata-rata bergerak kedua, diberi simbol S
’’ t
, dihitung dari rata-rata bergerak kedua. Hasilnya diletakkan pada periode terakhir moving
average kedua. c Menentukan besarnya nilai
α
t
Konstanta α
t
= S
’ t
+ S
’ t
– S
’’ t
= 2S
’ t
– S
’’ t
d Menentukan besarnya nilai b
t
slope b
t
= 1
2
t t
S S
N −
− e Menentukan besarnya forecast
F
t+m
= α
t
+ b
tm
, m adalah jangka waktu forecast kedepan. Indriyo dan Najmudin,2000:13.
b. Forecasting dengan metode Exponential Smoothing
