Dari uraian di atas dapatlah diketahui bahwa jenis-jenis peramalan sangat tergantung dari segi mana kita memandangnya.
2.3 Langkah-Langkah Peramalan
Kualitas atau mutu dari hasil peramalan yang di susun, sangat ditentukan oleh proses pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan
dengan mengikuti langkah – langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting, yaitu:
1. Menganalisa data yang lalu. Tahap ini benguna untuk pola yang terjadi pada masa
yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat di ketahui pola data tersebut.
2. Menentukan metode yang digunakan. Masing-masing merode akan memberikan
hasil peramalan yang berbeda. Dimana metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai
kenyataan yang sekecil mungkin. 3.
Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa faktor perubahan. Faktor - faktor
perubahan tersebut antara lain terdiri dari perubahan kebijakan - kebijakan yang mungkin terjadi, termaksud kebijakan pemerintah.
Universitas Sumatera Utara
Proyeksi adalah adanya suatu kecendrungan sesuatu hal pada masa yang akan datang masih belum diketahui dan mempunyai nilai pada masa yang akan datang yang
merupakan petunjuk tentang jumlah sesuatu hal tersebut pada, masa yang akan datang.
2.4 Metode Peramalan
Peramalan adalah kegiatan memperkirakan apa yang terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatau situasi atau kondisi yang diperkirakan akan
terjadi pada masa yang akan datang. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang
relevan pada masa lalu. Oleh karena metode peramalan ini dipergunakan dalam peramalan yang objektif. Perlu diketahui bahwa, keberhasilan peramalan didasarkan
atas : 1.
Pengetahuan teknik tentang informasi yang lalu dibutuhkan. 2.
Teknik dan metode peramalan.
2.5 Metode Penelitian
2.5.1 Metode Smoothing
Metode smoothing merupakan teknik meramal dengan cara mengambil rata – rata dari beberapa priode yang lalu untuk menaksir nilai pada masa atau priode yang akan
datang. Dalam metode smoothing ini data historis di gunakan untuk memperoleh angka yang dilicinkan atau di ratakan.
Universitas Sumatera Utara
Metode smoothing ini dibagi menjadi dua, yaitu : 1.
Moving Averanges MOVA rata – rata bergerak 2.
Eksponensial Smoothing
1. Moving Averange
Metode ini di lakukan dengan mengambil sekelompok nilai pengamatan, mencari rata– ratanya kemudian menggunakan rata – rata tersebut sebagai ramalan untuk
priode yang akan datang. Metode ini disebut rata – rata bergerak karena setiap kali data observasi baru tersedia, maka angka rata – rata baru dihitung dan digunakan
sebagai ramalan forecast. Metode moving average ini di bagi menjadi dua, yaitu :
1. Rata – rata Bergerak tunggal Single Moving Averages
Metode ini mempunyai karakteristik khusus, yaitu : a.
Untuk menentukan ramalan pada priode yang akan datang memerlukan data historis selama jangka waktu tertentu. Misalnya, dengan 4 bulan
moving average, maka ramalan ke 5 baru bisa dibuat setelah bulan ke 4 selesai. Jika 6 bulan moving average, ramalan bulan ke 7 baru bisa
dibuat setelah bulan ke 6 selesai. b.
Semakin panjang jangka waktu moving average, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan moving average
yang semakin luas.
Universitas Sumatera Utara
2. Rata-rata Bergerak Ganda Double Moving Average
Dasar dari metode ini adalah menghitung rata-rata bergerak yang kedua. Rata- rata bergerak ganda ini merupakan rata-rata bergerak dari rata-rata bergerak,
dan menurut simbol ditulis sebagai MAM x N dimana artinya adalah MA M periode MA N periode.
Adapun prosedur peramalan rata-rata bergerak linier meliputi tiga aspek:
1. Penggunaan rata-rata bergerak tunggal pada waktu ditullis S’t
2. Penyesuaian, yang merupakan perbedaan antara rata-rata bergerak tunggal
dan ganda pada waktu t ditulis S’t - S”t, dan 3.
Penyesuaian untuk kecenderungan dari periode t ke periode t +1 atau keperiode t + m jika kita meramalkan M periode ke muka.
Secara umum pembahasan tersebut dapat dilakukan sebagai berikut : Prosedur rata-rata bergerak linier secara umum dapat diterangkan melalui persamaan berikut :
a. Menentukan smoothing pertama S’t, persamaan ini mempunyai asumsi
bahwa saat ini kita berada periode waktu t dan mempunyai nilai masa lalu sebanyak N, sebagai berikut :
N X
X X
X S
N t
t t
t t
1 2
1
...
+ −
− −
+ +
+ +
=
S’t = smoothing pertama periode t
Universitas Sumatera Utara
X
t
= nilai real periode t N = jumlah periode
b. Menentukan smoothing kedua S”t, persamaan ini menganggap bahwa semua
rata - rata bergerak tunggal S’t telah dihitung. Persamaan ini kita menghitung rata – rata bergerak N periode dari nilai –nilai S’t tersebut.
N S
S S
S S
N t
t t
t t
1 2
1
...
+ −
− −
+ +
+ +
=
S”t = smoothing kedua periode t c.
Menentukan besarnya konstanta a
t
, persamaan ini mengacu terhadap penyesuaian MA tunggal S’t, dengan persamaan sebagai berikut :
a
t
= S’t + S’t-S”t =2S’t - S”t a
t
= besarnya konstanta periode t d.
Menentukan besarnya slope b
t
, persamaan ini menentukan taksiran kecenderungan dari periode waktu yang satu ke periode waktu berikutnya,
persamaannya sebagai berikut :
b
t
= 1
2
t t
S S
N −
− b
t
= slope nilai trend dari data yang sesuai e.
Menentukan besarnya forecast, persamaan ini menunjukkan bagaimana memoeroleh ramalan untuk m periode ke muka dari t. Ramalan untuk m
periode ke muka adalah a
t
dimana merupakan nilai rata – rata yang di
Universitas Sumatera Utara
sesuaikan untuk periode t ditambah m kali komponen kecenderungan b
t
, persamaannya sebagai berikut :
F
t+m
= a
t
+ b
t
m F
t+m
= besarnya forecast m
= jangka waktu forecast
Hasil peramalan yang akurat adalah peramalan yang bias meminimalkan kesalahan meramal. Karena itu adalah menghitung kesalahan meramal digunakan :
a. Mean Absolute Error MAE
Mean Absolute Error adalah rata – rata absolute dari kesalahan meramal ,tanpa menghiraukan tanda negative.
MAE = n
F X
t t
∑
−
2
b. Mean Squared Error MSE
Mean Squared Error adalah rata – rata kesalahan meramal yang dikuadratkan.
MSE = n
F X
t t
∑
−
c. Mean Absolute Percentage Erroa MAPE
Mean Absolute Percentage Error merupakan nilai tengah kesalahan persentase absolute dari suatu peramalan.
Universitas Sumatera Utara
MAPE = n
APE
∑
d Percentage Error PE Percentage Error merupakan Kesalahan persentase dari suatu peramalan,
PE =
100 x
X F
X
t t
t
−
dimana : x
t
=nilai data ke periode ke-t f
t =
nilai ramalan periode ke-t n
=banyaknya data
Universitas Sumatera Utara
BAB 3
PEMBAHASAN
3.1 Analisa Data Jumlah Kendaraaan Bermotor Menurut Jenisnya di Kotamadya Binjai
