3.1.3.2. Metode Kuantitatif
Pada metode peramalan kuantitatif merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dan menunjukkan hubungan
antara permintaan dengan satu atau lebih variabel yang mempengaruhinya. Metode peramalan kuatitatif pada dasarnya dapat dikelompokkan dalam dua jenis,
yaitu metode deret berkala time series dan metode kausal.
A. Metode Deret Berkala
Metode deret berkala adalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini
mengasumsikan beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya. Pada asumsi bahwa deret waktu tersebut terdiri dari
komponen-komponen: Trend T, Sikluscycle C, pola musimanseason S, dan variasi acakrandom R yang akan menunjukkan suatu pola tertentu. Komponen-
komponen tersebut kemudian akan dipakai sebagai dasar dalam membuat persamaan matematis.
Y = T C R S Tujuan dari analisis ini adalah untuk menemukan pola deret variabel yang
bersangkutan berdasarkan atas nilai-nilai pada masa sebelumnya, dan mengekstrapolasikan pola tersebut untuk membuat peramalan nilai variabel
tersebut pada masa yang akan datang. Metode peramalan yang termasuk model berkala adalah:
Universitas Sumatera Utara
1. Metode Penghalusan Smoothing
Metode Smoothing digunakan untuk mengurangi ketidak teraturan musiman dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan
data masa lalu, dengan membuat rata-rata tertimbang. Metode Smoothing ini terdiri dari beberapa jenis antara lain:
a Metode Rata-rata Bergerak, terdiri dari:
1. Single Moving Average SMA
Single moving average pada suatu periode merupakan peramalan untuk satu periode kedepan dari periode rata-rata tersebut. Persoalan yang timbul dalam
penggunaan metode ini adalah dalam menentukan nilai t periode perata-rataan. Semakin besar nilai tersebut maka peramalan yang dihasilkan akan semakin
menjauhi pola data. Secara matematis, rumus fungsi peramalan metode ini adalah:
n X
X X
F
t t
N t
t
1 1
1
...
Dimana ; X
t
= Data pengamatan periode tersebut N = Jumlah deret waktu yang digunakan
F
t=1
= Nilai peramalan periode t + 1
2. Linier Moving Average LMA
Dasar dari metode ini adalah pengunaan moving average kedua untuk memperoleh penyesuaian bentuk pola trend Metode LMA adalah ;
1. Menghitung SMA dari data dengan perata-rataan tertentu, hasilnya
dinotasikan dengan S
t
’
Universitas Sumatera Utara
2. Setelah semua SMA dihitung, hitung moving average kedua yaitu moving
average dari S
t
’ dengan periode perata-rataan yang sama hasilnya dinotasikan dengan S
t
” 3.
Hitung komponen at dengan rumus: at = S
t
’ + S
t
’ – S
t
” 4.
Hitung komponen trend bt dengan rumus: bt = 2N – 1 S
t
’ – S
t
” 5.
Maka peramalan untuk m periode ke delapan setelah tersebut adalah sebagai berikut:
F
t+m
= at + bt . m
b Metode Ekponensial Smoothing, terdiri atas:
- Single Exponensial Smoothing
Pengertian dasar dari metode ini adalah nilai ramalan pada periode t + 1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian yang
berasal dari kesalahan nilai ramalan yang terjadi pada periode tersebut tersebut. Nilai peramalan dapat dicari dengan menggunakan rumus
berikut: F
t+m
= α . X
t
+ 1 – α . Ft
Dimana X
t
= data permintaan periode tersebut α = faktor atau konstanta pemulusan
F
t+m
= peramalan untuk periode t
Universitas Sumatera Utara
- Double Exponensial Smoothing
- Triple Exponensial Smoothing
- Adaptive Response Rate Exponensial Smoothing
- Holt 2 – Parameter Exponensial Smoothing
- Wintwer 3 – Parameter Exponensial Smoothing
2. Metode Proyeksi Kecendrungan dengan Regresi
Metode kecendrungan dengan regresi merupakan dasar garis kecendrungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut
dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Bentuk fungsi dari metode ini dapat berupa:
a. Konstan, dengan fungsi peramalan Y
Kategori