2.2 Metode Peramalan
2.2.1 Pengertian dan Kegunaan Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang, berdasarkan data yang relevan pada masa lalu.
Oleh karena metode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan dipergunakan dalam peramalan yang objektif.
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 sama karena argumentasinya sama. Selain itu metode peramalan juga memberikan cara
pengerjaan yang teratur dan terarah sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisisan yang lebih maju.
Metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu,
sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas
ketepatan hasil ramalan yang dibuat atau yang disusun.
2.2.2 Jenis-jenis Metode Peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu, terdiri dari:
a. Metode Pemulusan Smoothing
Universitas Sumatera Utara
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu
dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode pemulusan
smoothing diklasifikasikan menjadi dua bagian yaitu:
1. Metode Rata-rata Average
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu sistem peramalan pada
periode mendatang. Metode Rata-rata Average dibagi atas empat bagian, yaitu:
a. Metode rata-rata bergerak tunggal single moving average
b. Metode rata-rata bergerak ganda double moving average
c. Nilai tengah mean
d. Kombinasi rata-rata bergerak lainnya
2. Metode Pemulusan smoothing Eksponensial
Bentuk umum dari metode pemulusan smoothing Eksponensial adalah:
�
+
= �� + − � �
Keterangan: �
+
= ramalan satu periode kedepan
Universitas Sumatera Utara
� = data aktual pada periode ke t � = ramalan pada periode ke t
α = parameter pemulusan
Persamaan ini merupakan bentuk umum yang digunakan dalam menghitung ramalan dengan metode pemulusan eksponensial.
Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian
daripadanya seperti dalam kasus rata-rata bergerak. Agaknya hanya pengamatan terakhir, ramalan terakhir, dan suatu nilai α yang
harus disimpan. Implikasi pemulusan eksponensial dapat dilihat dengan lebih
baik bila persamaan Pemulusan smoothing Eksponensial diperluas dengan mengganti F dengan komponennya sebagai berikut:
�
−
= �� + − � [��
−
+ − � �
−
] =
�� + − � �
−
+ − � �
−
Jika proses substitusi ini diulangi dengan mengganti �
−
dengan
komponennya, �
−
dengan komponennya, dan seterusnya, hasilnya adalah persamaan berikut ini:
�
+
= �� + � − � �
−
+ � − � �
−
+ � − � �
−
+ ... + � − �
�−
�
− �−
Universitas Sumatera Utara
+ − �
�
�
− �−
Dari perluasan bentuk umum yang telah di uraikan, dapatlah dikatakan bahwa Metode Pemulusan Smoothing Eksponensial
merupakan metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang baru diberikan bobot
yang relative besar dengan nilai relative yang lebih tua. Metode Pemulusan Eksponensial terdiri dari:
a.
Pemulusan Smoothing Eksponensial Tunggal
b. Pemulusan
Smoothing Eksponensial
Tunggal:
Pendekatan Adaptif
c. Pemulusan Smoothing Eksponensial Ganda: Metode
Linier Satu-Parameter dari Brown
d. Pemulusan Smoothing Eksponensial Ganda: Metode
Dua Parameter dari Holt
e. Pemulusan Smoothing Eksponensial Triple: Metode
Kuadratik Satu-Parameter dari Brown
f. Pemulusan Smoothing Eksponensial Triple: Metode
Kecenderungan dan Musiman Tiga-Parameter dari Winter
g.
Pemulusan Smoothing Eksponensial: Klasifikasi Pegels
b. Metode Box Jenkins
Metode Box Jenkins menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat sekecil mungkin. Metode
Universitas Sumatera Utara
ini membutuhkan identifikasi model dan estimasi parameternya. Metode ini sangat baik ketepatannya accuracy untuk peramalan
jangka pendek, sedangkan untuk peramalan jangka panjang ketepatannya kurang baik.
c. Metode proyeksi Trend Dengan Regresi
Metode proyeksi Trend Dengan Regresi merupakan merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar
persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Metode ini sangat baik dipakai untuk peramalan jangka pendek
maupun jangka panjang.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut dengan metode
korelasi sebab akibat Causal Methods, terdiri dari:
a. Metode Regresi dan Korelasi
Metode Regresi dan Korelasi didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik “least squares”. Hubungan
yang ada pertama-tama dianalisa secara statistik. Ketepatan peramalan dengan metode ini sangat baik untuk peramalan jangka pendek,
sedangkan untuk jangka panjang ternyata ketepatannya kurang begitu baik.
Universitas Sumatera Utara
b. Model Ekonometri
Metode Ekonometri didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Metode ini baik digunakan
untuk peramalan jangka pendek maupun jangka panjang, karena ketepatan peramalan dengan metode ini sangat baik.
c. Metode Input-Output
Metode Input-Output dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Model ini kurang baik ketepatannya untuk
peramalan jangka pendek, dan sangat baik digunakan untuk peramalan jangka panjang.
2.2.3 Pemilihan Teknik dan Metode Peramalan
Kategori