Ria Desrina Saragih : Proyeksi Tingkat Produksi Padi Dan Kebutuhan Konsumsi Beras Pada Tahun 2011 Di Kabupaten Karo, 2009.
Peramalan kuantitatif hanya dapat digunakan apabila tedapat tiga kondisi sebagai berikut :
1. Adanya informasi tentang keadaan yang lalu 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
3.Dapat diasumsikan bahwa pola yang lalu akan bekelanjutan pada masa yang akan datang.
Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yakni teknik statistik dan teknik deterministik. Teknik statistik menitikberatkan pada pola,
perubahan pola, dan faktor gangguan yang disebabkan pengaruh random.Termasuk dalam teknik ini adalah teknik smoothing, dekomposisi dan
teknik Box-Jenkins.Teknik deterministic mencakup identifikasi dan penentuan hubungan antara variable yang akan diperkirakan dengan variable-variabel lain
yang akan mempengaruhinya.Termasuk dalam teknik ini adalah teknik regresi sederhana, regresi berganda, auto regresi dan model input output.
2.4.3 Langkah-langkah Peramalan
Ria Desrina Saragih : Proyeksi Tingkat Produksi Padi Dan Kebutuhan Konsumsi Beras Pada Tahun 2011 Di Kabupaten Karo, 2009.
Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang dilakukan
dengan mengikuti langkah-langkah ataun prosedur penyusunan yang baik . Pada dasarnya ada tiga langkah peramalan yang penting, yaitu :
1. Menganalisis data yang lalu. Tahap ini berguna untuk pada pola yang masa lalu.
Analisa ini dilakukan dengan cara membuat tabulasi data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut.
2. Menetukan metode yang dipergunakan. Masing-masing metode akan memberikan
hasil peramalan yang berbeda. Metode peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi.
Dengan kata lain, 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.
Hasil inilah yang dipergunakan sebagai dasar untuk perencanaan dan pengambilan keputusan.
2.4.4 Menghitung Kesalahan Meramal
Ria Desrina Saragih : Proyeksi Tingkat Produksi Padi Dan Kebutuhan Konsumsi Beras Pada Tahun 2011 Di Kabupaten Karo, 2009.
Hasil proyeksi yang akurat adalah forecast yang bias meminimalkan kesalahan meramal forecast eror. Besarnya forecast error kesalahan meramal dihitung dengan mengurangi
data yang sebenarnya dengan besarnya ramalan.
Eror = Data yang sebenarnya – ramalan = X
t
- F
t
Dimana X
t
= Data sebenarnya periode ke - t F
t
= Ramalan periode ke t
Dalam menghitung forecast error digunakan : a.
Mean Absolute Error MAE Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa
menghiraukan tanda positif atau negatif
MAE =
b. Mean Squared Error MSE
Mean Square Error adalah rata-rata kesalahan meramal dikuadratkan
n e
MSE
i
∑
=
2
c. Menentukan Besarnya Konstanta a
t
Ria Desrina Saragih : Proyeksi Tingkat Produksi Padi Dan Kebutuhan Konsumsi Beras Pada Tahun 2011 Di Kabupaten Karo, 2009.
a
t
: 2S
t
– S
t
d. Menentukan Besarnya Slope b
t
b
t
: S
t
– S
t
e. Menentukan Besarnya Forecast F
t +
m
F
t +
m : a
t
+ b
t
m , dimana m adalah jumlah periode didepan
yang diramalkan
Dengan menggunakan rumusan-rumusan yang sudah ada penulis melakukan suatu proyeksi peramalan tingkat produksi padi tahun 2011. Adapun alasan penulis
memilih rumusan ini adalah melihat selisih produksi padi dari setiap tahunnya tidak begitu konstan naik turun . Sehingga peramalan produksi padi dilakukan dengan
metode pemulusan eksponensial ganda untuk melicinkan memuluskan ramalan produksi padi dari tahun ke tahun.
2.5 Metode Analisa