Peramalan Jumlah Wisatawan Mancanegara Yang Berkunjung Ke Kota Medan Tahun 2018
9
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Berdasarkan pendapat Barry Render dan Jay Heizer (2001), Peramalan (forecasting)
adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan
menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa
bentuk model matematis.
Untuk melakukan peramalan diperlukan metode tertentu dan metode mana
yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan
yang hendak dicapai. Peramalan diperlukan karena adanya perbedaan waktu antara
keadaan akan dibutuhkannya suatu kebijakan baru. Apabila perbedaan waktu tersebut
panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama
dalam
penentuan
kapan
terjadi
suatu peristiwa sehingga dapat dipersiapkan
tindakan yang diperlukan.
Kegunaan suatu peramalan dapat dilihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang
akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang dialami
kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Karena masalah
pengambilan keputusan merupakan masalah yang dihadapi, maka peramalan juga
merupakan masalah yang harus dihadapi, karena peramalan berkaitan erat dengan
pengambilan keputusan.
Universitas Sumatera Utara
10
2.2 Jenis - Jenis Peramalan
Menurut Makridakis, Wheelright, dan McGee (1999), teknik peramalan dapat dibagi
dalam 2 bagian jika dilihat dari sifatnya, yaitu:
1. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa
lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya, karena
berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta
pengalaman dari orang-orang yang menyusunnya. Biasanya peramalan kualitatif ini
didasarkan atas hasil penyelidikan seperti Delphi, analogis, dan didasarkan atas
ciri-ciri normatif seperti decision matrices atau decision trees. Metode kualitatif
dapat dibagi menjadi dua, yaitu metode eksploratoris dan normative.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti
prosedur peramalan penyusunan dengan baik. Semakin baik kita menggunakan
prosedur
peramalan,
maka
penyimpangan
antara
hasil peramalan dengan
kenyataan yang terjadi juga semakin kecil. Metode peramalan kuantitatif dapat
dibagi dalam deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat digunakan bila memenuhi syarat berikut:
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 dan kondisi ini disebut dengan kondisi yang
konstan (assumption of constancy). Asumsi ini merupakan modal yang mendasari dari
Universitas Sumatera Utara
11
semua metode peramalan kuantitatif dan banyak metode peramalan teknologis
terlepas dari bagaimana canggihnya metode tersebut.
Metode-metode peramalan dengan analisis deret waktu dibagi tiga yaitu:
1.
Metode Pemulusan Eksponensial dan Rata-rata Bergerak
Metode ini sering digunakan untuk ramalan jangka pendek dan jarang dipakai
untuk ramalan jangka panjang.
2.
Metode Regresi
Metode ini biasanya digunakan untuk ramalan jangka menengah dan jangka
panjang.
3.
Metode Box – Jenkins
Metode ini jarang dipakai,
tetapi baik untuk ramalan jangka pendek,
menengah, dan panjang.
2.3 Pemilihan Metode Peramalan
Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri penting
dalam pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan.
Ada 6 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, yaitu cakupan waktu di masa yang akan datang dan jumlah
periode untuk peramalan yang diinginkan.
2.
Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola yang
didapati di dalam data yang diramalkan akan berkelanjutan.
Universitas Sumatera Utara
12
3.
Jenis dan model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur
yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model
perlu diperhatikan karena masing-masing model mempunyai kemampuan yang
berbeda dalam analisis keadaan untuk pengambilan keputusan.
4.
Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan, yaitu biaya-biaya penyimpangan (storage) data, operasi
pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode
peramalan,
5.
Ketepatan peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
6.
Kemudahan dan Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4
Kegunaan Peramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi dan
kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan datang setelah
situasi tersebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam
perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk
mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat perbedaan waktu
Universitas Sumatera Utara
13
pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan peramalan merupakan dua
hal yang sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana,
dimana dalam penyusunan ini melibatkan peramalan juga.
Dengan demikian dapat
dikatakan
bahwa peramalan
merupakan dasar
untuk
menyusun rencana karena dapat membantu menganalisis data dari masa lalu, sehingga
melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur
dan terarah serta perencanaan yang sistematis hingga memberikan ketetapan hasil
analisis.
2.5
Metode Pemulusan (Smoothing)
Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa
tahun untuk menaksir nilai pada beberapa tahun ke depan. Metode pemulusan
(smoothing) banyak digunakan untuk menghilangkan atau mengurangi keteracakan
(randomness) dari data deret berkala (time series). Secara umum, metode smoothing
diklasifikasikan menjadi dua bagian, yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian yaitu:
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 dalam
mengembangkan suatu sistem peramalan pada periode mendatang.
Universitas Sumatera Utara
14
2. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
dengan:
= ramalan satu periode ke depan
= data aktual pada periode ke t
= ramalan pada periode ke t
= parameter pemulusan
Metode pemulusan atau smoothing eksponensial terdiri atas:
1. Pemulusan atau smoothing ekspnensial tunggal
2. Pemulusan atau smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
2.6
Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka
metode peramalan analisis time series yang digunakan untuk meramalkan jumlah
wisatawan mancanegara pada pemecahan masalah ini adalah dengan menggunakan
metode smoothing eksponensial ganda yaitu metode smoothing eksponensial satu
parameter dari Brown.
Metode ini merupakan metode yang digunakan oleh Brown. Dasar pemikiran dari
metode smoothing eksponensial linier satu parameter dari Brown adalah dengan ratarata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari
data sebenarnya.
Universitas Sumatera Utara
15
2.7
Ketepatan Peramalan
Ketepatan peramalan adalah suatu hal yang mendasar dalam peramalan yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk
memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari
data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan
datang, untuk menguji kebenaran ramalan ini digunakan ketepatan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah:
a. ME (Mean Error) atau Nilai Tengah Kesalahan
2.1
b. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat
N
e
t 1
2
t
. . . 2.2
N
c. MAE (Mean Absolute Error) atau Nilai Tengah Kesalahan Absolut
N
∑ |et |
MAE = t =1
N
. . . 2.3
d. MPE (Mean Percentage Error) atau Nilai Tengah Kesalahan
Persentase
Universitas Sumatera Utara
16
N
∑ PEt
MPE = t =1
N
. . . 2.4
e. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah
Kesalahan Persentase Absolut
N
∑ |PEt |
MAPE = t =1
N
. . . 2.5
f. SSE (Sum Square Error) /Jumlah Kuadrat Kesalahan
N
. . . 2.6
et 2
SSE = ∑
t =1
dengan:
=
=
kesalahan pada periode ke t
(kesalahan persentase pada periode ke t)
= data aktual pada periode ke t
= Nilai ramalan pada periode ke t
N
= Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Berdasarkan pendapat Barry Render dan Jay Heizer (2001), Peramalan (forecasting)
adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan
menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa
bentuk model matematis.
Untuk melakukan peramalan diperlukan metode tertentu dan metode mana
yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan
yang hendak dicapai. Peramalan diperlukan karena adanya perbedaan waktu antara
keadaan akan dibutuhkannya suatu kebijakan baru. Apabila perbedaan waktu tersebut
panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama
dalam
penentuan
kapan
terjadi
suatu peristiwa sehingga dapat dipersiapkan
tindakan yang diperlukan.
Kegunaan suatu peramalan dapat dilihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang
akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang dialami
kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Karena masalah
pengambilan keputusan merupakan masalah yang dihadapi, maka peramalan juga
merupakan masalah yang harus dihadapi, karena peramalan berkaitan erat dengan
pengambilan keputusan.
Universitas Sumatera Utara
10
2.2 Jenis - Jenis Peramalan
Menurut Makridakis, Wheelright, dan McGee (1999), teknik peramalan dapat dibagi
dalam 2 bagian jika dilihat dari sifatnya, yaitu:
1. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa
lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya, karena
berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta
pengalaman dari orang-orang yang menyusunnya. Biasanya peramalan kualitatif ini
didasarkan atas hasil penyelidikan seperti Delphi, analogis, dan didasarkan atas
ciri-ciri normatif seperti decision matrices atau decision trees. Metode kualitatif
dapat dibagi menjadi dua, yaitu metode eksploratoris dan normative.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti
prosedur peramalan penyusunan dengan baik. Semakin baik kita menggunakan
prosedur
peramalan,
maka
penyimpangan
antara
hasil peramalan dengan
kenyataan yang terjadi juga semakin kecil. Metode peramalan kuantitatif dapat
dibagi dalam deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat digunakan bila memenuhi syarat berikut:
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 dan kondisi ini disebut dengan kondisi yang
konstan (assumption of constancy). Asumsi ini merupakan modal yang mendasari dari
Universitas Sumatera Utara
11
semua metode peramalan kuantitatif dan banyak metode peramalan teknologis
terlepas dari bagaimana canggihnya metode tersebut.
Metode-metode peramalan dengan analisis deret waktu dibagi tiga yaitu:
1.
Metode Pemulusan Eksponensial dan Rata-rata Bergerak
Metode ini sering digunakan untuk ramalan jangka pendek dan jarang dipakai
untuk ramalan jangka panjang.
2.
Metode Regresi
Metode ini biasanya digunakan untuk ramalan jangka menengah dan jangka
panjang.
3.
Metode Box – Jenkins
Metode ini jarang dipakai,
tetapi baik untuk ramalan jangka pendek,
menengah, dan panjang.
2.3 Pemilihan Metode Peramalan
Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri penting
dalam pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan.
Ada 6 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, yaitu cakupan waktu di masa yang akan datang dan jumlah
periode untuk peramalan yang diinginkan.
2.
Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola yang
didapati di dalam data yang diramalkan akan berkelanjutan.
Universitas Sumatera Utara
12
3.
Jenis dan model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur
yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model
perlu diperhatikan karena masing-masing model mempunyai kemampuan yang
berbeda dalam analisis keadaan untuk pengambilan keputusan.
4.
Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan, yaitu biaya-biaya penyimpangan (storage) data, operasi
pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode
peramalan,
5.
Ketepatan peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
6.
Kemudahan dan Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4
Kegunaan Peramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi dan
kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan datang setelah
situasi tersebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam
perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk
mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat perbedaan waktu
Universitas Sumatera Utara
13
pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan peramalan merupakan dua
hal yang sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana,
dimana dalam penyusunan ini melibatkan peramalan juga.
Dengan demikian dapat
dikatakan
bahwa peramalan
merupakan dasar
untuk
menyusun rencana karena dapat membantu menganalisis data dari masa lalu, sehingga
melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur
dan terarah serta perencanaan yang sistematis hingga memberikan ketetapan hasil
analisis.
2.5
Metode Pemulusan (Smoothing)
Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa
tahun untuk menaksir nilai pada beberapa tahun ke depan. Metode pemulusan
(smoothing) banyak digunakan untuk menghilangkan atau mengurangi keteracakan
(randomness) dari data deret berkala (time series). Secara umum, metode smoothing
diklasifikasikan menjadi dua bagian, yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian yaitu:
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 dalam
mengembangkan suatu sistem peramalan pada periode mendatang.
Universitas Sumatera Utara
14
2. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
dengan:
= ramalan satu periode ke depan
= data aktual pada periode ke t
= ramalan pada periode ke t
= parameter pemulusan
Metode pemulusan atau smoothing eksponensial terdiri atas:
1. Pemulusan atau smoothing ekspnensial tunggal
2. Pemulusan atau smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
2.6
Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka
metode peramalan analisis time series yang digunakan untuk meramalkan jumlah
wisatawan mancanegara pada pemecahan masalah ini adalah dengan menggunakan
metode smoothing eksponensial ganda yaitu metode smoothing eksponensial satu
parameter dari Brown.
Metode ini merupakan metode yang digunakan oleh Brown. Dasar pemikiran dari
metode smoothing eksponensial linier satu parameter dari Brown adalah dengan ratarata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari
data sebenarnya.
Universitas Sumatera Utara
15
2.7
Ketepatan Peramalan
Ketepatan peramalan adalah suatu hal yang mendasar dalam peramalan yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk
memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari
data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan
datang, untuk menguji kebenaran ramalan ini digunakan ketepatan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah:
a. ME (Mean Error) atau Nilai Tengah Kesalahan
2.1
b. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat
N
e
t 1
2
t
. . . 2.2
N
c. MAE (Mean Absolute Error) atau Nilai Tengah Kesalahan Absolut
N
∑ |et |
MAE = t =1
N
. . . 2.3
d. MPE (Mean Percentage Error) atau Nilai Tengah Kesalahan
Persentase
Universitas Sumatera Utara
16
N
∑ PEt
MPE = t =1
N
. . . 2.4
e. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah
Kesalahan Persentase Absolut
N
∑ |PEt |
MAPE = t =1
N
. . . 2.5
f. SSE (Sum Square Error) /Jumlah Kuadrat Kesalahan
N
. . . 2.6
et 2
SSE = ∑
t =1
dengan:
=
=
kesalahan pada periode ke t
(kesalahan persentase pada periode ke t)
= data aktual pada periode ke t
= Nilai ramalan pada periode ke t
N
= Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
Universitas Sumatera Utara