Peramalan Data Runtun Waktu

10 BAB II MODEL PERAMALAN DATA RUNTUN WAKTU

A. Peramalan

Peramalan adalah penentuan nilai suatu variabel pada masa yang akan datang menggunakan arah dan pola perkembangan data masa lalu. Sedangkan ramalan adalah kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan dapat diperoleh dengan bermacam-ma- cam cara yang dikenal dengan metode peramalan. Metode peramalan dapat diklasifikasikan ke dalam dua kelompok, yaitu metode kualitatif dan metode kuantitatif. Metode peramalan kualita- tif lebih mengandalkan intuisi manusia daripada penggunaan data masa lalu yang dimiliki. Metode peramalan kuantitatif merupakan peramalan yang didasarkan pada data-data variabel yang bersangkutan di masa lalu. Metode ini menggunakan analisis statistik. Menurut Makridakis 1999: 8, peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut: 1. Tersedia informasi tentang masa lalu 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data nu- merik 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Terdapat dua jenis model peramalan yang utama, yaitu model regresi kausal dan model runtun waktu time series. Model kausal mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hu- bungan sebab akibat dengan satu atau lebih variabel bebas. Tujuan dari model kausal adalah menemukan bentuk hubungan tersebut dan menggu- nakannya untuk meramalkan nilai mendatang dari variabel tak bebas. Pada model runtun waktu, pendugaan masa depan dilakukan berdasarkan nilai masa lalu suatu variabel dan atau kesalahan masa lalu. Tujuan metode peramalan runtun waktu adalah untuk menemukan pola dalam deret data masa lalu dan menggunakan pola tersebut untuk meramalkan kondisi di masa depan.

B. Data Runtun Waktu

Runtun waktu adalah himpunan observasi yang terkumpul atau hasil observasi yang berurut menurut waktu Box, dkk, 1994: 21. Sedangkan data runtun waktu adalah serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Data runtun waktu dikatakan stasioner dalam rata-rata jika rata-ratanya tidak berubah dari waktu ke waktu atau bersifat stabil. Suatu data runtun waktu dikatakan stasioner dalam varians, jika plot data runtun waktu tidak memperlihatkan adanya perubahan varians yang berarti dari waktu ke waktu. Data runtun waktu memiliki suatu pola tertentu. Pola data pada runtun waktu dapat dibedakan menjadi empat jenis Makridakis, dkk, 1999: 10: 1. Pola Horisontal Pola horisontal terjadi apabila nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. Deret seperti ini adalah deret yang stasioner terhadap rata-rata. 2. Pola Musiman Pola musiman terjadi apabila suatu deret dipengaruhi oleh faktor mu- siman. Misalnya kuartal tahun tertentu, bulanan, harian, atau gerakan periodik yang berulang. 3. Pola Siklis Pola siklis terjadi apabila data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. 4. Pola Trend Pola trend terjadi apabila terdapat kenaikan atau penurunan jangka panjang dalam data runtun waktu. Data sebuah runtun waktu mempunyai suatu pola tertentu, oleh karena itu perlu dilakukan identifikasi terlebih dahulu untuk mengetahui pola apa yang ada pada runtun waktu tersebut. Metode yang paling sederhana untuk mengidentifikasinya adalah dengan melihat pola yang ada pada plot time series.

C. Autocorrelation Function ACF