pengembangan internal dari sumberdaya finansial, manusia, produk dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer
yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun 3 tiga kelompok di atas merupakan bentuk khas dari keperluan peramalan jangka
pendek, menengah dan panjang.
Dari uraian yang sudah dijelaskan, dapat dikatakan metode peramalan sangat berguna karena akan membantu dalam mengadakan analisis terhadap data masa lalu,
sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat
atau disusun.
2.3 Peranan Teknik Peramalan Dewasa ini
Sejak awal 1960-an, semua tipe organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumberdaya peramalan
secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor. Yang pertama adalah karena meningkatnya kompleksitas organisasi dan
lingkungannya; hal ini menjadikan semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya
ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula; lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang
lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat.
Universitas Sumatera Utara
Keterkaitan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan bagi organisasi untuk mempelajari keterkaitan yang baru secara lebih
cepat. Keempat, pengambilan keputusan telah semakin sistematis yang melibatkan justifikasi tindakan individu secara gamblang eksplisit. Peramalan formal
merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima, dan mungkin ini yang terpenting adalah bahwa pengembangan metode peramalan dan
pengetahuan yang menyangkut aplikasinya telah lebih memungkinkan adanya penerapan secara langsung oleh para praktisi daripada hanya dilakukan oleh para
teknisi ahli.
Dengan adanya sejumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana
karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.
Situasi peramalan sangat beragam dalam horizon waktu peramalan, faktor yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk
menghadapi penggunaan yang luas seperti itu, beberapa teknik telah dikembangkan. Teknik tersebut dibagi kedalam dua kategori utama, yaitu metode kuantitatif dan
metode kualitatif atau teknologis. Metode kuantitatif dapat dibagi kedalam deret berkala time series dan metode kausal, sedangkan metode kualitatif atau teknologis
dapat dibagi menjadi metode eksploratoris dan normatif.
Suatu dimensi tambahan untuk mengklasifikasikan metode peramalan kuantitatif adalah dengan memperhatikan model peramalan yang mendasarinya.
Terdapat dua jenis model peramalan yang utama, yaitu: model deret berkala time
Universitas Sumatera Utara
series dan model regresi kausal. Pada jenis pertama, pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan kesalahan masa lalu.
Tujuan metode peramalan deret berkala seperti itu adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan.
Model kausal di pihak lain mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas.
Kedua model deret berkala time series dan kausal mempunyai keuntungan dalam situasi tertentu. Model deret berkala seringkali dapat dengan mudah untuk meramal,
sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia,
suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih
suatu metode deret berkala time series yang tepat adalah dengan mempertimbangkan jenin pola data, sehingga metode paling tepat dengan pola tersebut dapat diuji. Pola
data dapat dibedakan menjadi empat jenis siklis cyclical dan trend, yaitu: 1.
Pola horizontal H terjadi bilamana nilai data berfluktuasi disekitar nilai rata- rata yang konstan. Deret seperti itu adalah stasioner tehadap nilai rata-ratanya.
Contoh: suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu.
2. Pola musiman S terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu. Contoh: penjualan dari produk seperti minuman ringan, es krim, dan
bahan bakar pemanas ruang.
Universitas Sumatera Utara
3. Pola siklis C terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: seperti penjualan produk mobil, baja dan peralatan lainnya.
4. Pola trend T terjai bilamana terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Contoh: penjualan banyak perusahaan produk bruto nasional dan berbagai indikator bisnis atau ekonomi lainnya.
2.4 Metode Pemulusan smoothing
