Metode peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Dengan metode peramalan akan
memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.
2.3 Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu : 1.
Peramalan kwalitatif atau teknologis Peramalan kwalitatif adalah peramalan yang didasarkan atas data kwalitatif pada
masa lalu. Hasil peramlan ini sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran
yang instuisi, pendapat dan pengetahuan serta pengalaman dari orang – orang yang menyusunnya.
2. Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut, karena dengan metode yang berbeda akan diperoleh
suatu hasil peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan dan penyimpangan antara hasil ramalan
dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik.
Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur penyusunan yang baik.
Universitas Sumatera Utara
Peramalan kuantitatif dapat dipergunakan bila terdapat 3 kondisi, yaitu: 1.
Adanya informasi tentang masa lalu 2.
Informasi tersebut dapat dikuantitatifkan dalam bentuk angka 3.
Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang
Metode – metode peramalan dengan analisis deret waktu yaitu : 1.
Metode Pemulusan Eksponensial dan Rata – Rata Bergerak Sering digunakan untuk peramalan jangka pendek dan jarang dipakai untuk
peramalan jangka panjang. 2.
Metode Regresi Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.
3. Metode Box – Jenkins
Jarang digunakan, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.
2.4 Jenis – Jenis Metode Peramalan
2.4 .1 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama perlu diketahui ciri – ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan
dalam mempersiapkan peramalan.
Ada 6 faktor utama yang diidentifikassikan sebagai teknik dan metode peramalan yaitu :
Universitas Sumatera Utara
1. Horizon waktu
Ada 2 aspek dari horizon waktu yang berhubungan dengan masing – masing metode peramalan yaitu : cakupan waktu di masa yang akan datang dan jumlah
periode untuk peramalan yang diinginkan. 2.
Pola data Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola
yang didapati di dalam data yang diramalkan akan berkelanjutan. 3.
Jenis dari model Model –model merupakan suatu deret di mana waktu digambarkan sebagai unsur
yang penting untuk menentukan perubahan – perubahan dalam pola. Model – model perlu diperhatikan karena masing – masing model mempunyai kemampuan
yang berbeda dalam analisis keadaan untuk pengambilan keputusan. 4.
Biaya yang dibutuhkan Umumnya ada 4 unsur biaya yang tercakup dalam penggunaan suatu prosedur
peramalan yaitu biaya – biaya pengembangan, penyimpangan storage data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik – tekhnik dan
metode peramalan. 5.
Ketepatan metode peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan di dalam suatu peramalan. 6.
Kemudahan dan penerapan Metode – metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
Universitas Sumatera Utara
2.4.2 Analisis Deret Berkala
Data berkala time series adalah data yang dikumpulkan untuk memberikan gambaran tentang perkembangan suatu kegiatan. Analisis data berkala
memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan kerja lainnya.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa
yang akan datang. Stationer itu sendiri berarti bahwa tidak terdapat pertumbuhanpenurunan data. Data secara kasar harus horizontal sepanjang waktu
dengan kata lain fluktuasi data tetap konstan setiap waktu.
2.4.3 Penentuan Pola Data
Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya, sehingga pola data yang tepat dengan pola data historis
tersebut dapat diuji, di mana pola data umumnya dapat dibedakan sebagai berikut : 1.
Pola Horizontal H Pola ini terjadi bilamana nilai data berfluktuasi di sekitar nilai rata yang kostan.
2. Pola Musiman S
Pola yang menunjukkan perubahan yang berulang – ulang secara periode dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor
Universitas Sumatera Utara
musiman, misalnya kwartal tahun tertentu, bulanan atau hari – hari pada minggu – minggu tertentu.
3. Pola Siklis C
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend, terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti berhubungan dengan siklus bisnis. 4.
Pola Trend T Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.
2.5 Metode Pemulusan Smoothing
Metode smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata – rata dari nilai beberapa tahun
untuk menaksir nilai pada beberapa tahun ke depan.
Secara umum metode smoothing diklasifikasikan menjadi 2 bagian, yaitu : 1.
Metode Rata – Rata Metode rata – rata dibagi atas 4 bagian, yaitu :
a. Nilai tengah Mean
b. Rata – rata bergerak tunggal Single Moving Average
c. Rata – rata bergerak ganda Double Moving Average
d. Kombinasi rata – rata bergerak lainnya
Tujuan metode rata – rata adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
Universitas Sumatera Utara
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah : =
+ 1 – α 2.1
Keterangan : = Ramalan 1 periode ke depan
= Data aktual pada periode ke – t = Ramalan pada periode ke – t
α = Parameter pemulusan
Metode smoothing eksponensial terdiri atas : 1.
Smoothing eksponensial tunggal a.
Satu parameter b.
Pendekatan adaptif 2.
Smoothing eksponensial ganda a.
Metode linier satu parameter Brown b.
Metode dua dari Holt 3.
Smoothing Eksponensial Tripel a.
Metode kuadratik satu parameter dari Brown b.
Metode 3 parameter untuk kecendrungan dan musiman dari Winter 4.
Smoothing eksponensial menurut klasifikasi Pegels
2.5.1 Metode Smoothing Yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai
Universitas Sumatera Utara
penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan metode smoothing eksponensial yaitu, smoothing eksponensial satu parameter dari
Brown.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari metode smoothing eksponensial linier satu parameter dari Brown
adalah serupa dengan rata – rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebelumnya.
Persamaan yang dipakai dalam persamaan pemulusan eksponensial linier satu parameter dari Brown adalah :
= α X
t
+ 1- α
2.2 = α + 1- α
2.3 a
t
= + = 2 –
2.4 b
t
= –
2.5 = a
t
+ b
t
m 2.6
Keterangan : m
= jumlah periode di depan yang diramalkan = nilai eksponensial smoothing tunggal
= nilai eksponensial smoothing ganda α
= parameter pemulusan eksponensial a
t
, b
t
= konstanta pemulusan = hasil peramalan untuk m periode ke depan yang akan diramalkan
Universitas Sumatera Utara
2.6 Ketepatan Ramalan
Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data
yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode ramalan. Dalam pemodelan deret berkala time series dari data masa lalu
dapat diramalkan situasi yang akan terjadi pada masa yang akan datang. Untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.
Beberapa kriteria yang digunakan dalam menguji ketepatan ramalan adalah sebagai berikut :
1. ME Mean ErrorNilai Tengah Kesalahan
ME = 2.7
2. MSE Mean Square Absolute ErrorNilai Tengah Kesalahan Kuadrat
MSE = 2.8
3. MAE Mean Absolut ErrorNilai Tengah Kesalahan Absolut
MAE = 2.9
4. SSE Sum Square ErrorJumlah Kuadrat Kesalahan
SSE = 2.10
5. SDE Standard Deviation Of ErrorDevisi Standar Kesalahan
SDE = 2.11
6. MAPE Mean Absolut Percentage ErrorNilai Kesalahan Persentase Absolut
MAPE = 2.12
Universitas Sumatera Utara
7. MPE Mean Percentage ErrorNilai Tengah Kesalahan Persentase
MPE = 2.13
Universitas Sumatera Utara
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Singkat PT. PLN Persero
