teknik tersebut, maka diharapkan dapat memberikan kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi
secara ilmiah. Dari uraian diatas, dapat disimpulkan bahwa metode peramalan sangat
berguna, karena akan membantu dalam mengadakan pendekatan analisis terhadap tingkah laku atau pola dari data yang lalu. Sehingga dapat memberikan cara
pemikiran, pengajaran dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketetapan hasil ramalan yang
dibuat atau disusun. Sofjan Assauri, 1984
2.6 Jenis-jenis Metode Peramalan
1. Metode peramalan yang digunakan atas penggunaan analisa hubungan antar
variabel yang diperkirakan dengan variabel waktu merupakan deret berkala Time Series. Metode peramalan yang termasuk pada jenis ini yaitu :
a. Metode Pemulusan Smoothing
b. Metode Box Jenkins
c. Metode Proyeksi Trend dengan regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
antar variabel yang akan diperkirakan dengan variabel lain yang
Universitas Sumatera Utara
mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat metode causal. Metode yang termasuk dalam jenis ini adalah :
a. Metode Regresi dan Korelasi
b. Metode Ekonometri
c. Metode Input Output
2.7 Metode Pemulusan Smoothing
Metode Pemulusan Smoothing adalah metode peramalan dengan mengadakan penghalusan atau pemulusan data masa lalu yaitu dengan mengambil rata-rata dari
nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Smoothing dilakukan dengan dua cara yaitu rata-rata bergerak moving average dan pemulusan
eksponensial exponential smoothing.
2.7.1 Rata-rata Bergerak Moving Average
Dengan rata-rata bergerak moving averages 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
1. Rata-rata Bergerak Tunggal Single Moving Averages
Menetukan ramalan dengan metode rata-rata bergerak tunggal 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 :
N X
X X
X F
n t
t t
t t
1 2
1 1
...
+ −
− −
+
+ +
=
Indriyo dan Najmudin,2000:8 Keterangan :
1 +
t
F : ramalan untuk periode ke t + 1
X
t
: nilai riil periode ke t n
: jangka waktu rata-rata bergerak.
a. Karakteristik Khusus Rata-rata Bergerak Tunggal Single Moving Averages Metode single moving average memiliki karakteristik khusus.
1. Untuk menentukan ramalan pada periode yang akan datang
memerlukan data historis selam jangka waktu tertentu. 2.
Semakin panjang jangka waktu rata-rata bergerak moving average, efek pelicinan semakin terlihat dalam ramalan atau
menghasilkan rata-rata bergerak moving average yang semakin
Universitas Sumatera Utara
halus. Artinya pada rata-rata bergerak moving average yang jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan
ramalan terbesar menjadi lebih kecil. b. Menghitung Kesalahan Ramalan
Hasil proyeksi yang akurat adalah ramalan yang bisa meminimalkan kesalahan meramal. Besarnya kesalahan meramaldihitung dengan mengurangi data riil
dengan besarnya ramalan. Error E = X
t
- F
t
Indriyo dan Najmudin,2000:11 Keterangan :
X
t
= data riil periode ke-t F
t
= ramalan periode ke-t Dalam menghitung kesalahan ramalan digunakan.
aMean Absolute Error Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa
menghiraukan tanda positif maupun negatif.
n F
X MAE
t t
∑
− =
Indriyo dan Najmudin,2000: 11 b Mean Squared Error
Universitas Sumatera Utara
Mean Squared Error adalah kuadrat rata-rata kesalahan meramal.
n F
X MSE
t t
2
∑
− =
Indriyo dan Najmudin,2000:11 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, 3 kalau fluktuasi data tidak random, tidak menghasilkan forecasting yang
baik. Pangestu Subagyo, 1986:11.
2. Rata-rata Bergerak Ganda Double Moving Average
Menentukan ramalan dengan metode rata-rata bergerak ganda double moving average sedikit lebih sulit dibandingkan dengan metode rata-rata bergerak
tunggal single moving average. Ada beberapa langkah dalam menentukan ramalan dengan metode rata-rata bergerak ganda double moving average,
antara lain sebagai berikut.
1. Menghitung moving average rata-rata bergerak pertama, diberi simbol
S
I t
, dihitung dari data historis yang ada. Hasilnya diletakkan pada periode
terakhir moving average pertama.
Universitas Sumatera Utara
2. Menghitung moving averagerata-rata bergerak kedua, diberi simbol S
II t
, dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan pada
periode terakhir moving average kedua.
3. Menentukan besarnya nilai a
t
konstanta
t II
t I
t I
t
s s
s a
− +
=
4. Menentukan besarnya nilai b
t
slope
1 2
− −
= V
s s
b
t II
t I
t
V adalah jangka waktu moving average.
5. Menentukan besarnya peramalan
m b
a m
F
t
+ =
+ m adalah jangka waktu forecast
kedepan.Indriyo dan
Najmudin,2000:13.
2.7.2 Pemulusan Eksponensial Exponential Smoothing
Metode pemulusan eksponensial exponential smoothing merupakan pengembangan dari metode rata-rata bergerak moving averages. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan
Universitas Sumatera Utara
data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih
besar.
Dua metode dalam pemulusan eksponensial exponential smoothing diantaranya pemulusan eksponensial tunggal single exponential smoothing dan
pemulusan eksponensial ganda double exponential smoothing.
1. Pemulusan Eksponensial Tunggal Single Exponential Smoothing
Pada metode single exponential smoothing bobot yang diberikan pada data yang ada adalah sebesar
α untuk data yang terbaru, α1-α untuk data yang lama,
α1-α
2
untuk data yang lebih lama, dan seterusnya. Besarnya α adalah
antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Secara matematis besarnya peramalan adalah:
F
t+1
= α X
t
+ 1- α F
t
Indriyo dan Najmudin,2000:17 F
t+1
: ramalan untuk periode ke t + 1 X
t
: nilai riil periode ke t F
t
: Ramalan untuk periode ke t Dari persamaan di atas besarnya peramalan periode yang akan datang
dijelaskan sebagai berikut. F
t+1
= α X
t
+ 1- α F
t
F
t+1
= α X
t
+ F
t
- α F
t
Universitas Sumatera Utara
F
t+1
= F
t
+ αX
t
- α F
t
F
t+1
= F
t
+ α X
t
– F
t
Indriyo dan Najmudin,2000:17 X
t
- F
t
merupakan kesalahan ramlan forecast error periode ke t. Dengan dapat dikatakan bahwa forecast pada periode yang akan datang adalah ramalan
sebelumnya ditambah α alpha dikalikan dengan kesalahan forecast periode
sebelumnya.
Dalam melakukan peramalan dengan menggunakan metode single exponential smoothing besarnya
α alpha ditentukan secarat trial dan error sampai diketemukan
α alpha yang menghasilkan forecast error terkecil. Metode ini lebih cocok digunakan untuk meramal data-data yang fluktuatif
secara random tidak teratur. Pangestu Subagyo, 1986:22.
2. Pemulusan Eksponensial Ganda Double Exponential Smoothing
Pada metode ini proses penentuan ramalan dimulai dengan menentukan alpha secara trial dan error. Sedangkan tahap-tahap dalam menentukan ramalan
adalah sebagai berikut.
1. Menentukan Smoothing pertama S
I t
Universitas Sumatera Utara
1
1
−
− +
=
t I
t t
I
S X
S
α α
Indriyodan Najmudin,2000:23 S
I t
: smoothing pertama periode ke t X
t
: nilai rii periode t S
I t
– 1 : smoothing pertama periode t - 1 2.
Menentukan Smoothing kedua S
II t
1 1
− −
+ =
t II
t I
t II
S S
S α
α Indriyo dan Najmudin,2000:23
1 −
t II
S : smoothing kedua periode t-1
3. Menentukan besarnya konstanta a
t
t II
t I
t
S S
a −
= 2
4. Menentukan besarnya slope b
t
t II
t I
t
S S
b −
− =
α α
1
5. Menentukan besarnya forecast F
t
+ m F
t
+ m = a
t
+ b
t
m, dimana m adalah jangka waktu peramalan.
Metode pemulusan eksponensial ganda double exponential smoothing ini biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan.
Pangestu Subagyo, 1986:2.
Universitas Sumatera Utara
2.8 Pengertian Perdagangan
Perdagangan perniagaan adalah kegiatan tukar menukar barang atau jasa atau keduanya. Pada masa awal sebelum
uang ditemukan, tukar menukar barang
dinamakan barter yaitu menukar barang dengan barang. Pada masa modern perdagangan dilakukan dengan penukaran
uang . Setiap barang dinilai dengan
sejumlah uang. Pembeli akan menukar barang atau jasa dengan sejumlah uang yang
diinginkan penjual. Wikipedia Bahasa Indonesia, Ensiklopedia Bebaas – Mozilla Firefox
Dalam Produk Domestik Regional Bruto PDRB mencakup seluruh kegiatan pengumpulan dan pendistribusian barang baru maupun lama, bekasafkiran, oleh
produsen atau importir kepada konsumen, tanpa mengubah bentuk dan sifat barang- barang tersebut. Kegiatan pendistribusianpenyaluran dapat melalui pedagang besar
pedagang yang umumnya melayani pedagang eceran atau konsumen lain yang bukan konsumen rumah tangga.
Barang-baran yang diperdagangkan meliputi produksi sektor pertanian,pertambangan dan penggalian, dan sektor industri yang berasal dari
Universitas Sumatera Utara
produksi dari dalam daerah, daerah lain maupun dari luar negeri impor. Barang yang diperdagangkan ini disebut sebagai penyediaan supply.
Produk Domestik Regional Bruto PDRB Kota Medan Tahun 2008
2.9 Produk Domestik Regional Bruto PDRB
Produk Domestik Regional Bruto PDRB didefinisikan sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau merupakan jumlah
seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit usaha. Kegunaan PDRB antara lain memperlihatkan:
a. tingkat pertumbuhan ekonomi
Laju pertumbuhan ekonomi regional baik total maupun sektoral umumnya dihitung berdasarkan angka indeks berantai baik total PDRB maupun sektor –
sektornya. Yang dimaksud dengan pertumbuhan ekonomi adalah perubahan persentase PDRB atas dasar harga konstan dari suatu kurun waktu.
b. tingkat kemakmuran ekonomi
Tingkat kemakmuran ekonomi biasanya diukur dengan pendapatan perkapita yang merupakan hasil bagi pendapatan regional dengan angka penduduk
pertengahan tahun.
Universitas Sumatera Utara
c. tingkat inflasi dan deflasi
Tingkat inflasi dan deflasi dapat diketahui bila PDRB atas dasar harga berlaku dibandingkan dengan PDRB atas dasar harga konstan, hasil baginya disebut
indeks harga implisit.
d. struktur perekonomian
Struktur perekonomian biasanya terdiri atas sektor – sektor menurut klasifikasi lapangan usaha.
Data PDRB disajikan dalam dua bentuk yaitu menurut klasifikasi lapangan usaha sektoral dan menurut penggunaannya.
a. PDRB menurut lapangan usaha
Penyajian PDRB menurut lapangan usaha akan memberikan gambaran mengenai peranan masing – masing sektor. PDRB menurut lapangan usaha
dirinci menurut 11 sektor yaitu: 1.
sektor pertanian 2.
sektor pertambangan dan penggalian 3.
sektor industri pengolahan 4.
sektor listrik, gas, dan air minum 5.
sektor bangunan
Universitas Sumatera Utara
6. sektor perdagangan, hotel dan restoran
7. sektor pengangkutan dan komunikasi
8. sektor bank, lembaga keuangan lainnya
9. sektor sewa rumah
10. sektor pemerintahan dan pertahanan
11. sektor jasa-jasa
Untuk memperoleh angka – angka PDRB menurut lapangan usaha dilakukan penghitungan sebagai berikut:
NTB = NPB – NBA
NPNPB = HP x KP
NBABA = HBA x KBA
dimana : NTB = nilai tambah bruto
NPB = nilai produksi bruto nilai produksi NBA = nilai biaya antara
HP = harga produksi
KP = kuantum produksi
HBA = harga biaya antara KBA = kuantum biaya antara
Universitas Sumatera Utara
b. PDRB menurut penggunaannya
Penyajian PDRB menurut penggunaannya menggambarkan bagaimana penggunaan barang dan jasa akhir oleh berbagai kegiatan ekonomi. Secara
rinci penyajiannya berbentuk sebagai berikut: 1.
pengeluaran konsumsi akhir rumah tangga 2.
pengeluaran konsumsi lembaga non-profit 3.
pengeluaran konsumsi akhir pemerintah 4.
pembentukan modal tetap bruto 5.
ekspor neto
Untuk memperoleh angka – angka PDRB menurut penggunaannya, dilakukan penghitungan secara langsung pada komponen – komponen yang tercakup. Namun
karena mengalami kesulitan dalam kelengkapan data, sehingga data komponen yang dihitung secara rasional berdasar pada penghitungan sektoral. Dari komponen –
komponen yang tercakup dalam perhitungan PDRB menurut penggunaan dapat dinotasikan dalam suatu rumus persamaan sebagai berikut:
Y + M = C + I
F
+ I
S
+E dimana :
Y = Produk Domestik Regional Bruto
M = impor
Universitas Sumatera Utara
C = konsumsi rumah tangga, pemerintah, lembaga swasta tidak mencari
untung I
f
= pembentukan modal tetap bruto I
s
= perubahan stok E
= ekspor
Dengan berdasarkan pada persamaan tersebut maka PDRB menurut penggunaan dapat digolongkan menjadi:
1. pengeluaran konsumsi rumah tangga
2. pengeluaran konsumsi lembaga non-profit
3. pembentukan modal tetap Bruto
4. perubahan stok
5. ekspor neto ekspor dikurangi impor
Universitas Sumatera Utara
BAB 3
METODE PENELITIAN
3.1 Ruang Lingkup