Gambar 2.4 Gambar Pola Trend
Y
waktu
2.4 Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi dimasa yang akan datang berdasarkan data
– data dimasa yang lalu. Metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan
analisa terhadap tingkah laku atau pola dari data dimasa lampau. Sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan
prakmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang disusun.
2.4.1 Jenis-Jenis Metode Peramalan
Peramalan dapat dibedakan atas peramalan kuantitatif dan peramalan kualitatif. Pada dasarnya metode peramalan kuantitatif dapat dibedakan atas:
a. Metode Peramalan Model Regresi kausal Metode ini merupakan metode peramalan yang didasarkan atas penggunaan
analisa pola hubungan antara variabel. Metode ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab - akibat dengan
satu atau lebih variabel bebas.
Universitas Sumatera Utara
Misalnya : penjualan dipengaruhi harga, kompentisi, atau persaingan. Pengkalian dan lain sebagainya. Maksud dari model kausal adalah menemukan
bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variable tidak bebas.
Adapun metode ini terdiri dari: 1. Model regresi
2. Model ekonometri 3. Model input output.
b. Metode Peramalan Deret Berkala time series Metode ini merupakan metode peramalan yang didasarkan atas penggunaan
analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu .
Ada dua tujuan dasar dari analisa sebuah deret berkala atau time series. Tujuan pertama adalah upaya mencari model atau persamaan trend yang
merupakan salah satu komponen time series yang penting. Ada berbagai cara untuk mendapatkan persamaan trend. Sedangkan tujuan kedua dari analisa
time series adalah upaya untuk memisahkan berbagai komponen time series. Karena data time series adalah data dari pengamatan pada periode waktu
tertentu, maka data yang berjangka waktu panjang bisa terpengaruh secara alami oleh karakteristik yang ada, seperti musim
– musim tertentu sepanjang tahun, siklus bisnis atau siklus cuaca, adaya bencana alam atau pergolakan
politik dan sebagainya.
Jika hanya melihat sebuah data time series dari komponen trend saja menjadi kurang lengkap. Karena dalam praktek, sebagai contoh dalam musim
hujan penjualan minuman dingin cenderung turun, sebaliknya dengan musim panas, atau bisa saja deret data tiba
– tiba berfluktuasi tajam karena adanya pergolakan politik atau gejolak ekonomi. Dengan adanya hal
– hal seperti itu,
Universitas Sumatera Utara
maka sebuah data time series lebih mudah diprediksi jika tidak hanya komponen trend yang analisis, namun juga ketiga komponen lain.
Adapun metode ini terdiri dari : 1. Metode dekomposisi
2. Metode pemulusan 3. Metode Box Jenkins
4. Metode proyeksi trend dengan regresi
2.4.2 Beberapa Uji Yang Digunakan
Kategori