BAB 2 LANDASAN TEORI 2.1 Peramalan - Peramalan Kecepatan Angin Bulanan Di Kota Medan Dengan Metode Box Jenkins Tahun 2012
BAB 2 LANDASAN TEORI
2.1 Peramalan
Ramalan ialah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam suatu instansi atau perusahaan, ramalan sangat diperlukan dalam pengambilan keputusan atau menetapkan berbagai kebijakan terhadap publik. Ramalan diperlukan untuk memberikan informasi sebagai dasar untuk membuat suatu keputusan dalam berbagai kegiatan, seperti : penerbangan, peternakan, perkebunan, dan sebagainya. Sehingga ramalan yang tepat akan memberikan manfaat lebih bagi instansi atau perusahan serta public yang memerlukan hasil ramalan.
2.2 Jenis-jenis Peramalan
Jenis peramalan tergantung pada jangka waktu peramalan, faktor-faktor yang lainnya.Berdasarkan sifatnya teknik ramalan dibedakan atas dua macam yaitu peramalan Kualitatif dan Peramalan Kuantitatif (Makridakis S,1999).
2.2.1 Peramalan kualitatif
Permalan Kualitatif merupakan peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang di buat sangat tergantung pada orang yang menyusunnya Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman penyusunan.
2.2.2 Peramalan kuantitatif
Peramalan Kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan antara penyimpangan hasil ramalan dengan kenyataan yang terjadi peramalan kuantitatif hanya dapat digunakan apabila tersedia informasi masa lalu yang dipergunakan dimana informasi tersebut dapat disusun dalam bentuk data dan dapat diasumsikan bahwa pola masa lalu akan berkelanjutan pada masa yang akan datang.
Pada dasarnya terdapat tiga langkah prosedur peramalan yang penting,yaitu : 1. Menganalisa data pada masa lalu.
2. Menentukan metode yang digunakan.
3. Memproyeksi data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbankan adanya beberapa faktor perubahan.
2.3 Metode Peramalan
Metode peramalan ialah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan berdasarkan data-data dimasa masa lalu. Oleh karena metode peramalan didasarkan pada datan yang relevan pada masa lalu\, maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Metode peramalan sangat berguna untuk membantu dalam mengadakan pendekatan analisis terhadap pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis, serta memberikan tingkat keyakinan yang lebih atas ketepatan hasil ramalan yang dibuat.
Keberhasilan dari suatu peramalan ditentukan oleh : 1.
Pengetahuan teknik informasi pada masa lalu yang dibutuhkan, informasi ini bersifat kuantatif.
2.4 Jenis-jenis Metode Peramalan Kuantitatif
1. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variable yang diperkirakan dengan variable waktu yang merupakan deret berkala (time series). Metode peramalan yang termasuk data jenis ini ialah : a. Metode pemulusan
b. Metode Box-Jenkins
c. Metode proyeksi tren dengan regresi
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variable yang akan diperkirakan dengan variable yang mempengaruhinya, yang bukan waktu disebut metode korelasi atau sebab akibat (metode kausal).
a. Metode Regresi dan korelasi.
b. Metode ekonometri.
c. Model input dan output.
2.5 Pemilihan Teknik dan Metode Peramalan
Semua tipe organisasi telah menunjukkan keinginan yang telah meningkat untuk
Dengan adanya sejumlah besar metode peramalan tersedia, maka masalah yang timbul bagi para praktisi ialah memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.
Adapun enam faktor yang dapat diidentifikasi sebagai teknik dan metode peramalan, yaitu :
1. Horison waktu Merupakan pemilihan yang didasarkan atas jangka waktu peramalan,yaitu: a.
Peramalan yang segera dilakukan dengan waktu kurang dari satu bulan.
b.
Peramalan jangka pendek dengan waktu antar satu sampai tiga bulan.
c.
Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua tahun.
d.
Peramalan jangka panjang dengan waktu dua tahun keatas.
2. Pola data Salah satu dasar pemilihan metode peramalan ialah dengan memperhatikan pola data. Ada empat jenis pola data mendasar yang terdapat dalam suatu deretan data yaitu: a.
Pola Horisontal (H) terjadi apabila data berfluktuasi di sekitar nilai rata- rata yang konstan (deret seperti ini ialah “stasioner” terhadap nilai rata- ratanya ). b.
Pola Musiman (M) terjadi apabila suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).
c.
Pola Siklis (C) terjadi apabila data dipengaruhi oleh fluktuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari suatu siklus yang lain.
d.
Pola Trend (T) terjadi apabila terdapat kenaikan atau penurunan jangka panjang dalam data.
3. Jenis dari model Untuk mengklasifikasikan metode peramalan kuanitatif perlu diperhatikan model yang didasarinya. Model sangat penting diperhatikan, karena masing- masing model mempunyai fungsi yang berbeda.
4. Biaya yang dibutuhkan Biaya sangat diperlukan dalam meneliti suatu objek, yang termasuk biaya dalam penggunaan metode peramalan antara lain, biaya penyimpanan data, biaya-biaya perhitungan, biaya untuk menganalisa dan biaya-biaya pengembangan.
5. Ketepatan metode peramalan Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian atau penyimpangan atas peramalan yang dilakukan antatara 10% sampai 15% , sedangkan untuk haln atau kasus lain mungkin menganggap bahwa adanya variasi atau penyimpangan atas ramalan sebesar 5% adalah cukup berbahaya.
6. Kemudahan dalam penerapan Metode peramalan yang digunakan adalah metode yang mudah dimengerti dan mudah diterapkan dalam pengambilan keputusan dan analisisnya.
2.6 Metode Deret Berkala (Time Series) Box-Jenkins (ARIMA)
Metode peramalan yang sering digunakan adalah deret waktu (time series), dimana sejumlah observasi ,diambil selama beberapa periode sebagai dasar dalam penyusunan suatu ramalan untuk beberapa periode dimasa depan yang diinginkan. Metode box- Jenkins adalah salah satu metode untuk menganalisis waktu. Metode peramalan box- Jenkins merupakan suatu metode yang sangat tepat untuk menangani kerumitan deret waktu dan situasi peramalan lainnya.
Pada dasarnya ada dua model dari metode Box-Jenkins, yaitu model linier untuk deret statis (Stationery Series) dan model untuk deret data yang tidak statis (Non
Stationery Series) . Model-model linier untuk deret data yang statis menggunakan
teknik penyaringan (filtering) untuk deret waktu, yaitu apa yang disebut dengan untuk model yang tidak statis menggunakan apa yang disebut ARIMA (Auto Regresive – Integrated – Moving Average) .
2.7 Metode Auto Regresive (AR)
Metode autoregressive adalah model yang menggambarkan bahwa variable dependent dipengaruhi oleh variable dependent itu sendiri pada periode-periode sebelumnya, atau autokorelasi dapat diartikan juga sebagai korelasi linier deret berkala dengan deret berkala itu sendiri dengan selisih waktu (lag) 0,1,2 periode atau lebih. Bentuk umum model autoregressive dengan ordo p atau dituliskan dengan AR (p) mempunyai persamaan sebagai berikut :
= Dimana :
= Parameter auto korelasi ke-I dengan i=1,2,…,p = Nilai kesalahan pada saat t
= Nilai konstan Persamaan umum model AR (p) dapat juga ditulis sebagai berikut :
(1- Dalam hal ini B adalah operator mundur (Backward shift Operator), bentuk umum operator bergerak mundur ini dapat ditulis sebagai berikut : Artinya jika operator ekerja pada Y maka bergeser data tersebut sebanyak d
t periode kebelakang.
Model autoregressive yang sering dijumpai dalam praktek ialah model AR (1) dan AR (2).
Persamaan AR (1) ditulis dengan : (1- B )Y = + e
t t t
Persamaan AR (2) ditulis dengan : (1- -
2.8 Metode Rataan Bergerak/Moving Average (MA)
Metode rataan bergerak (Moving Average) mempunyai bentuk umum dengan ordo q atau bisa ditulis dengan MA (q) adalah sebagai berikut : Dimana :
= Parameter dari proses rataan bergerak ke i, i = 1,2,3,…,q Y t = Variabel yang akan diramalkan e = nilai kesalahan pada saat t-q
t-q
Persamaan untuk model MA(q) nbila menggunakan operator penggerak mundur dapat ditulis sebagai berikut : Persamaan MA (1) dapat dituliskan dengan : Persamaan MA (2) dapat ditulis dengan Perbedaan model moving average dan model auto regressive terletak pada jenis variable independent pada model autoregressive adalah nilai sebelumnya (lag) dari variable dependent (Y t ) itu sendiri, maka pada model moving average sebagai variable independent adalah nilai residual pada periode sebelumnya.
2.9 Metode Box-Jenkins
Model ARIMA meliputi tiga tahap yang harus dilakukan secara berurutan : 1.
Identifikasi parameter-parameter model dengan menggunakan metode autokorelasi dan autokorelasi parsial.
2. Estimasi (Penaksiran) komponen-komponen autoregressive (AR) dan rata-rata bergerak (MA) untuk melihat apakah komponen-komponen tersebut secara signifikan memberikan kontribusi pada model atau salah satunya dapat di hilangkan.
3. Pengujian dan penerapan model untuk meramalkan series data beberapa period eke depan. Pada tahap ini digunakan try and error yang sangat bermanfaat untuk meningkatkan pemahaman dalam aplikasi model ARIMA untuk memprediksi data-data klimatologi yang berbasis timeseries.