sistematis, dan akhirnya akan membantu umtuk mendapatkan gambaran yang jelas mengenai model-model dasar yang ditangani.
• Analisis Deret Berkala Multivariate Model ARIMA digunakan untuk analisis data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan
model-model univariate. Untuk data-data dengan katagori deret berkala ganda multiple
, tidak bisa dilakukan analisis menggunakan model ARIMA, oleh karena itu diperlukan model-model multivariate
Peramalan Assauri, 1991 adalah kegiatan untuk memeperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat
perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan
kebijakan atau tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen.
2.2. Kebutuhan dan Kegunaan Peramalan
Sering terdapat waktu senjang time lag antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang lead
time ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu
tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir tergantung pada faktor-faktor yang
dapat diketahui, maka perencenaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi
atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Universitas Sumatera Utara
Dalam hal menajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari
beberapa tahun untuk kasus penanaman modal sampai beberapa hari atau bahkan beberapa jam untuk penjadwalan produksi dan transportasi.
2.3. Peranan Teknik Peramalan Dewasa Ini
Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumberdaya peramalan
secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor: yang pertama adalah karena meningkatnya kompleksitas organisasi dan
lingkungannya, hal ini membuat pengambil keputusan semakin sulit untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya
ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang
lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan
memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat. Keempat, pengambilan keputusan telah semakin sistematis yang mencakup
pembenaran tindakan individu secara eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima dan mungkin ini
yang terpenting, bahwa pengembangan metode peramalan dan pengetahuan yang menyangkut aplikasinya telah lebih memungkinkan adanya penerapan secara langsung
oleh para praktisi daripada hanya dilakukan oleh para teknisi ahli.
Universitas Sumatera Utara
Dengan adanya sejumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana
karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.
Situasi peramalan sangat beragam dalam horison waktu peramalan, faktor yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk
menghadapi penggunaan yang luas seperti itu, beberapa teknik telah dikembangkan. Teknik tersebut dibagi dalam dua kategori utama, yaitu metode kuantitatif dan metode
kualitatif atau teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi
metode eksploratoris dan normatif.
Model deret berkala seringkali dapat digunakan dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk
pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau
sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola
data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis dan trend yaitu:
• Pola horisontal H terjadi bilamana nilai data berfluktuasi di sekitar nilai rata- rata yang konstan. deret seperti itu “stasioner” terhadap nilai rata-ratanya.
Suatu produk penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis itu.
Universitas Sumatera Utara
• Pola musiman S terjadi bilamana suatu deret dipengaruhi oleh faktor musiman misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu
tertentu. Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini.
• Pola siklis S terjadi bilaman datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan
produk seperti mobil, baja, dan peralatan utama lainnya. • Pola trend T terjadi bilaman terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional GNP dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu
pola trend selama perubahannya sepanjang waktu.
2.4. Metode Pemulusan Eksponensial Ganda Metode Linier Satu Parameter Dari Brown
