Menurut Firdaus 2006, metode peramalan dapat diklasifikasikan menjadi dua, yaitu metode kualitatif dan metode kuantitatif. Peramalan kualitatif di dalam
prosedurnya melibatkan pengalaman, judgements maupun opini dari sekelompok orang yang pakar dalam bidangnya. Termasuk di dalam metode ini antara lain
teknik sales-force composite agregasi ramalan dari setiap individu dalam suatu organisasi dan teknik delpi mengumpulkan pendapat dari pakar secara iteratif.
Peramalan kualitatif mempunyai kelemahan antara lain tidak ada prosedur yang sistematis untuk mengukur dan memperbaiki keakuratan hasil peramalan
serta kemungkinan tingginya subyektivitas pendapat. Metode ini cocok untuk peramalan jangka panjang lebih dari 5 tahun. Peramalan kuantitatif sebaliknya
melibatkan analisis statistik terhadap data-data yang lalu. Metode peramalan kuantitatif terbagi atas dua golongan: model deret waktu satu ragam dan model
kausal. Model deret waktu satu ragam fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu, contoh: teknik naif, teknik perataan;
teknik pemulusan, teknik dekomposisi, teknik trend, teknik Box-Jenkins ARIMA-SARIMA.
2.4 Penelitian Terdahulu
Peramalan yang dilakukan oleh Mulyana 1998 menggunakan model ekonometrika dengan judul penelitian Keragaan dan Permintaan Beras Indonesia
dan Prospek Swasembada Menuju Era Perdagangan Bebas. Penelitian ini bertujuan untuk mengevaluasi dan meramalkan masa depan swasembada beras,
dan mengkaji dampak alternatif kebijakan unilateral, multilateral, dan alternatif
non kebijakan terhadap penawaran dan permintaan beras, dan kesejahteraan pelaku ekonomi beras domestik.
Penelitian mengenai konsistensi maupun tingkat akurasi data produksi dan konsumsi beras BPS dilakukan oleh Akbar 2002. Penelitian tersebut memberi
gambaran ringkas mengenai bagaimana jumlah produksi dan jumlah konsumsi beras dihitung oleh BPS. Hasilnya menunjukkan bahwa perbedaan tersebut
disebabkan oleh laporanestimasi produksi yang terlalu tinggi dibandingkan dengan konsumsi yang diperkirakan rendah. Estimasi produksi yang terlalu tinggi
disebabkan karena data yang dikumpulkan oleh mantri tani setiap kecamatan merupakan data luas tanam yang potensial untuk ditanami padi, bukan luas panen
aktual yang benar-benar menghasilkan tanaman padi. Purwoko 2005 dalam penelitiannya yang berjudul Peramalan Produksi
Beras Kualitas pada Strategic Business Unit Perberasan PT Pertani persero menyimpulkan bahwa metode peramalan yang paling sesuai untuk
memperkirakan produksi beras dimasa yang akan datang adalah metode kausal, pada model regresi dengan data transformasi diperoleh metode peramalan dengan
MSE terkecil, sedangkan dari metode time series, model yang paling baik untuk peramalan produksi beras kualitas PT Pertani adalah dengan metode holt-winters
additive yang memiliki nilai MSE terkecil. Pada tahun yang sama Farihah 2005 melakukan penelitian mengenai
komoditi beras dengan judul Analisis Peramalan Produksi dan Konsumsi Beras Serta Implikasinya Terhadap Pencapaian Swasembada Beras di Indonesia. Metode
yang digunakan dalam penelitiannya adalah: metode naive, metode rata-rata sederhana, metode trend, metode rata-rata bergerak sederhana, metode pemulusan
eksponensial tunggal, metode brown, metode holt, dan metode ARIMA. Data yang digunakan dalam penelitian ini yaitu data produksi dan konsumsi beras.
Hasil pengujian beberapa metode diperoleh metode ARIMA 1,1,1 sebagai metode terakurat. Hasil ramalan enam tahun yang akan datang menunjukkan data
konsumsi yang cenderung meningkat dan data produksi yang cenderung berfluktuatif.
Penelitian tentang peramalan terhadap komoditi selain beras telah banyak dilakukan diantaranya Mardian 2005 yang judul penelitiannya Peramalan Ekpor
Udang Beku Frozen Shrimp PT Central Pertiwi Bahari Processing Plant Unit 3 Muara Baru, Jakarta Utara. Dalam penelitiannya menggunakan tujuh metode
peramalan, yaitu metode : rata-rata sederhana, rata-rata bergerak sederhana, metode pelicinan eksponensial tunggal, metode brown, metode winter
multiplikatif, metode dekomposisi, dan ARIMA. Metode trend digunakan untuk mengetahui plot data udang beku dan membandingkan nilai MSE, MAPE, dan SE
dengan ketujuh metode time series. Berdasarkan beberapa metode peramalan kuantitatif yang diuji, diperoleh alternatif metode peramalan kuantitatif terakurat,
yaitu ARIMA 1,1,1. Peramalan Permintaan Daging Ayam di PT Sierad Produce Tbk oleh Azmi
2004 yaitu untuk mengetahui permintaan daging ayam satu tahun yang akan datang dengan memilih metode peramalan kuantitatif yang terakurat. Penelitian
ini menggunakan metode delphi, berdasarkan pertimbangan dan pengalaman tenaga ahli konsultan yang telah dipercaya perusahaan, yaitu dengan melihat
kecenderungan permintaan selama satu tahun terakhir dan performance
permintaannya. Alternatif pemilihan metode peramalan terakurat adalah metode ARIMA, hal ini didasarkan dari nilai MSE, MAPE dan SE terkecil.
Berdasarkan referensi penelitian terdahulu penelitian mengenai peramalan harga beras di pulau Jawa dan Bali belum pernah dilakukan. Perbedaan penelitian
ini adalah menggunakan data harga beras IR II mingguan di lima kota, yaitu Jakarta, Bandung, Yogyakarta, Surabaya dan Bali. Alternatif pemilihan teknik
peramalan time series untuk masing-masing kota besar bisa saja berbeda-beda. Selain itu penelitian ini juga menentukan faktor-faktor yang berpengaruh secara
nyata terhadap harga beras di tingkat konsumen untuk masing-masing kota. Persamaannya dengan penelitian terdahulu adalah menggunakan beberapa teknik
peramalan time series dan memilih alternatif teknik peramalan terakurat.
III. KERANGKA PEMIKIRAN