BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan - Peramalan Jumlah Pelanggan Energi Gas Pada PT. Perusahaan Gas Negara (Persero) Cabang Medan Tahun 2013 Berdasarkan Data Tahun 2000-2010
BAB 2 LANDASAN TEORI
2.1 Pengertian Peramalan
Kegiatan manusia senantiasa diarahkan pada kondisi pada waktu yang akan datang dan keberadaannya tidak dapat diketahui secara pasti. Usaha untuk meminimalkan ketidakpastian tersebut lazim dilakukan dengan metode atau teknik peramalan tertentu. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi atau kapan suatu peristiwa itu terjadi, sehingga tindakan atau keputusan yang tepat dapat dilakukan. Dalam peramalan didasarkan pada bermacam- macam cara yaitu, Metode Perataan (Average), Metode Pemulusan (Smoothing) Eksponensial dan Metode Box Jenkins.
Disamping itu, melalui metode atau teknik peramalan diharapkan dapat diidentifikasikan model yang akan digunakan untuk meramalkan kondisi pada waktu yang akan datang. Model peramalan itu secara umum dapat dikemukakan sebagai + = . berikut : Jadi, data dibedakan menjadi komponen yang dapat di identifikasi (pola) dan yang tidak dapat di identifikasi (error). Maka, penggunaan metode peramalan adalah untuk mengidentifikasikan suatu model peramalan sedemikian rupa sehingga error-nya menjadi seminimal mungkin.
Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi pola data pada waktu-waktu yang lalu guna mengembangkan model yang sesuai dengan pola data dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan berulang lagi untuk waktu yang akan datang dan model ini digunakan untuk meramalkan kondisi pada waktu yangakan datang. Bila uraian mengenai kegiatan peramalan tersebut diamati ada dua dimensi yang tercakup yaitu, waktu yang lalu dimana data tersedia dan waktu yang akan datang dimana data tidak tersedia.
Kegiatan penerapan model yang telah dikembangkan pada waktu lalu dinamakan proyeksi, sedangkan kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang dinamakan peramalan. Penggunaan metode atau teknik peramalan dengan model yang diidentifikasikan secara tepat juga di dukung oleh baik tidaknya data maupun informasi yang digunakan. Selama data maupun informasi yang digunakan tidak dapat meyakinkan seperti sumber dari data atau informasi yang tidak jelas, maka hasil peramalan yang di susun juga akan sulit dipercaya akan ketepatan dan keakuratannya.
2.2 Kegunaan Peramalan
Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead
time ) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu
tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor- faktor yang
Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Apalagi saat ini, telah terjadi kemajuan yang pesat dalam bidang peramalan. Beberapa kegunaan peramalan dalam bagian organisasi yaitu: 1. Penjadwalan sumber daya yang tersedia.
Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaaan untuk produk, bahan, tenaga kerja, financial dan jasa pelayanan.
2. Penyediaan sumber daya tambahan.
Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang.
3. Penentuan sumber daya yang diinginkan Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor lingkungan, dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
Tiga kelompok di atas merupakanbentuk khas dari keperluan peramalan jangka pendek, menengah, dan panjang dari organisasi saat ini selain bidang lainnya.
Organisasi dalam membangun suatu sistem peramalan perlu memiliki pengetahuan dan keterampilan yang meliputi paling sedikit empat bidang ; identifikasi dan definisi masalah peramalan ; aplikasi serangkaian metode peramalan ; prosedur pemilihan metode yang tepat untuk situasi tertentu ; dan dukungan organisasi untuk menerapkan dan menggunakan metode peramalan secara formal.
Berdasarkan uraian di atas, maka dapat dikatakan bahwa metode peramalan sangat dibutuhkan dan berguna untuk menganalisis data masa lalu untuk keperluan waktu yang akan datang. Sehingga, dengan metode peramalan akan diperoleh perencanaan yang teratur, terarah, dan sistematis sesuai hasil analisis yang tepat.
2.3 Jenis – Jenis Peramalan
Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dlm dua kategori utama yaitu:
1. Peramalan yang subjektif Peramalan yang subjektif adalah yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.
2. Peramalan yang objektif Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.
Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:
1. Peramalan Jangka Panjang Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Misalnya, diperlukan penyusunan rencana pembangunan suatu negara atau daerah dan lain sebagainya.
2. Peramalan Jangka Pendek Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya, peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan, dan lain sebagainya.
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:
1. Peramalan yang Kualitatif atau Teknologis Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang berdasarkan pemikiran yang bresifat intuisi, pendapat, dan pengetahuan dari orang yang meyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode eksploratoris dan normatif.
2. Peramalan Kuantitatif Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu . hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut dengan metodeyang berbeda akan diperoleh hasil peramalan yang berbeda pula.Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif di bagi dalam berkala (time series) dan metode kausal.
Saat ini telah dikembangkan beberapa metode atau teknik-tenik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Tetapi dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karna itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan atas:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series).
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal methods) .
Dalam penulisan tugas akhir ini, digunakan metode peramalan yang pertama, yaitu peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time
series ”.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu:
1. Adanya informasi tentang masa lalu 2. informasi tersebut dapat dikuantitatifkan dalam bentuk data 3. informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (assumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
2.4 Metode Peramalan
Metode- metode peramalan dengan analisa deret waktu yaitu :
1. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak Sering digunakan untuk jangka pendek dan jarang dipakai untuk peramalan jangka
2. Metode Regresi Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.
3. Metode Box-Jenkins Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.
2.4.1 Analisa Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan di perkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri itu berarti bahwa tidak ada penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konstan setiap waktu.
2.4.2 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:
1. Horizon Waktu Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang.
Aspek kedua adalah 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 dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karna masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur operasi pelaksanaan, dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.
5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam Penerapan Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.
2.4.3 Penentuan Pola Data
Hal penting harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:
1. Pola Data Horizontal Pola ini terjadi bila berfluktuasi di sekitar nilai rata-rata yang konstan.
2. Pola Data Musiman (seosonal) Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Siklis (cylical) Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.
4. Pola Data Trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.
2.5 Metode Pemulusan (Smoothing)
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode smoothing diklasifikasikan menjadi dua bagian:
1. Metode Rata-rata Metode rata-rata dibagi atas empat bagian:
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.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengenbangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
t t 1 t
) ... 1 ( )
2. Metode Smoothing Eksponensial Ganda
b. Pendekatan Aditif digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola data atau trend.
a. Satu Parameter (One Parameter)
1. Metode Smoothing Eksponensial Tunggal
Dari pemulusan bentuk umum di atas dapatlah dikatakan bahwa metode eksponensial smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas:
X X F
X X
N t N t t t t
) 1 ( 1 (
) 1 ( 2
2
1 1F
: parameter pemulusan Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
: ramalan pada periode ke-t α
F
: data aktual pada periode ke-t
X
: ramalam pertama periode ke depan
F
Dimana,
1 X F
a. Metode Linear Satu Parameter dari Brown b. Metode Dua Parameter dari Holt
3. Metode Smoothing Eksponensial Triple
a. Metode Kuadratik Satu Parameter dari Brown Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi.
b. Metode Kecendrungan dan Musim Tiga Parameter dari Winter Digunakan untuk data berbentuk trend dan musiman.
2.5.1 Metode yang Digunakan
Untuk mendapatkan hasil ramalan yang baik, maka harus diketahui cara peramalan yang tepat. Maka metode peramalan deret berkala yang digunakan untuk meramalkan jumlah pelanggan energi gas pada pemecahan masalah ini adalah dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter dari Brown.
Metode ini merupakan metode linear yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Linear Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linear, karna kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsure trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend.
Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Linear Satu Parameter dari Brown adalah sebagai berikut:
' 1 t t ' t
1 b
Ketetapan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana
: ramalan untuk periode waktu t + m m : periode waktu yang diramalkan : 1,2,3,4,… t : periode dalam tahun.
t+m
: pemulusan tahap kedua untuk periode t - 1 F
: pemulusan tahap pertama untuk periode t -1 '' 1 t S
Dimana, ' t S : pemulusan tahap pertama untuk periode t '' t S : pemulusan tahap kedua untuk periode t ' 1 t S
. m b a F t t m t
S S
S
'' t ' t t
S S S 2 S S a
'' t ' t '' t ' t ' t t
S S 1 S
'' 1 t ' t '' t
1 X S
2.6 Ketetapan Ramalan
yang diberikan. Ketetapan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan.dalam permodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang. Maka untuk menguji kebenaran ramalan digunakan kriteria ketetapan ramalan.
n PE MPE n t t
5. MPE(Mean Percentage Error) / Nilai Tengah Kesalahan Persentase
1
n PE MAPE n t t
4. MAPE(Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut
1
n e MAE n t t
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah:
3. MAE(Mean Absolute Error) / Nilai Tengah Kesalahan Absolut
1 2
n e MSE n t t
2. MSE(Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
1
n e ME n t t
1. ME(Mean Error) / Nilai Tengah Kesalahan
1
6. SSE (Sum Square Error) / Jumlah Kesalahan Kuadrat
F X e (kesalahan pada periode ke-t) t X = data aktual pada periode ke-t
nilai ramalan pada periode ke-t
X PE (kesalahan persentase pada periode ke-t) t F =
X F
t t t t
100
Dimana, t t t
SDE n t t
n e
7. Kesalahan Standart Deviasi (Standart Deviation Error) ) 1 ( 1 2
SSE e 1 2
n t t
n banyaknya periode waktu