20
Tabel 1. Pemilihan Metode Peramalan
Metode Pola Data
Jangka Waktu Model
Sederhana ST,T,M
PDK RW
Rata-Rata bergerak sederhana ST
PDK RW
Pemulusan eksponensial ST
PDK RW
Regresi sederhana T
MNH K
Regresi berganda M,S
MNH K
Dekomposisi klasik M
PDK RW
Model trend eksponensial T
MNH,PJG RW
Box-jenkins ST,T,S,M
PDK RW
Model ekonometri S
PDK K
Regresi berganda runtut waktu T,M
MNH,PJG K
Sumber : Arsyad 1994 :56
Keterangan : -
Pola Data : ST = stasioner ; T = trend ; M = musiman ; S = siklis -
Jangka Waktu : PDK = pendek ; MNH = menengah ; PJG = panjang -
Model : RW = runtut waktu time series ; K= kausal -
L = panjang musiman
2.3.2. Teknik Peramalan
Ada dua metode atau teknik yang dapat digunakan dalam peramalan yaitu teknik peramalan kualitatif dan teknik peramalan kuantitatif. Peramalan kualitatif
adalah peramalan yang lebih mengandalkan judgement dan intuisi manusia daripada penggunaan data historis yang dimiliki. Beberapa teknik kualitatif yaitu
metode Delphi, kurva pertumbuhan, dan riset pasar. Sedangkan teknik kuantitatif adalah peramalan yang menggunakan data historis yang cukup memadai dan
representatif untuk meramalkan masa datang. Mulyono 2000:91 menjelaskan bahwa metode kuantitatif yang
digunakan pada dasarnya dikelompokkan menjadi dua jenis yaitu metode time series dan metode kausal regresi. Menurut Tampubolon 2004:41 peramalan
yang sistematis adalah analisis historis, seperti analisis urutan waktu time series
21
analysis. Permintaan berdasarkan urutan dapat menggambarkan permintaan, dapat secara konstan constant, meningkat secara garis lurus trend linear atau
musiman seasonal seperti yang terdapat pada Gambar 2.
Produksi atas Permintaan
garis peningkatan per unit
musiman
konstan Waktu
Gambar 2. Pola Permintaan
Sumber : Tampubolon 2004:41
Menurut Prasetya dan Lukiastuti 2009 :47, Komponen-komponen runtun waktu pada umumnya diklasifikasikan sebagai :
a. Trend T, merupakan pergerakan data sedikit demi sedikit meningkat atau menurun. Perubahan pendapatan, populasi, penyebaran umur, atau
pandangan budaya dapat mempengaruhi pergerakan trend. b. Musiman atau Seasonal S, merupakan pola data yang berulang pada
kurun waktu tertentu, seperti hari, minggu, bulan, atau kuartal. c. Siklikal atau Cyclical C, merupakan pola dalam data yang terjadi
setiap beberapa tahun. d. Residu atau Erratic E, merupakan satu titik khusus dalam data yang
disebabkan oleh peluang dan situasi yang tidak biasa.