36 penawaran. 3 Metode Input – Output, yaitu menganalisis arus barang dan jasa
antar industri dalam perekonomian atau antar departemen dari suatu organisasi besar yang ditunjukkan oleh tabel input-output. Menurut Assauri 1984 metode
ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Metode ini banyak dipergunakan untuk peramalan penjualan perusahaan,
penjualan sektor industri dan subsektor industri.
2.4.5 Metode Time Series
Metode peramalan time series merupakan bagian dari peramalan kuantitatif dengan menggunakan data-data masa lalu dalam membuat ramalan
untuk masa depan dengan mengidentifikasikan pola data historis dan mengekstrapolasi pola tersebut untuk masa mendatang Buffa et al, 1996.
Menurut Sugiarto et al 2000, beberapa asumsi penting yang mendasari penggunaan metode time series antara lain 1 adanya ketergantungan kejadian
masa yang akan datang dengan masa sebelumnya, 2 aktivitas di masa yang akan datang mengikuti pola yang terjadi di masa lalu, 3 hubungan atau keterkaitan
masa lalu dan masa kini dapat ditentukan dengan observasi atau penelitian. Beberapa metode time series adalah metode naïve, metode rata-rata
sederhanasimple average, metode rata-rata bergerak sederhanasimple moving average
, metode rata-rata bergerak gandadouble moving average, metode pemulusan eksponensialexponential smoothing, pemulusan eksponensial
tunggalsingle exponential smoothing, pemulusan eksponensial tunggal: pendekatan adaptif, double exponential smoothing: metode linear satu-parameter
dari Brown, pemulusan eksponensial ganda: metode dua parameter dari Holt, pemulusan eksponensial tripel: metode kuadratik satu-parameter dari Brown,
37 triple Exponential Smoothing Winters,
metode dekomposisi, model Autoregresisve Integrated Moving Average
ARIMA.
2.4.6 Pemilihan Metode Peramalan
Penggunaan peramalan dalam pengambilan keputusan merupakan hal yang sangat penting sehingga pemilihan teknik dan metode peramalan yang tepat
sangat diperlukan untuk pemecahan suatu masalah atau keadaan tertentu. Ada enam faktor yang perlu dipertimbangkan dalam pemilihan metode peramalan
Assauri, 1984, yaitu : 1 Horison waktu, 2 Pola data, 3 Jenis dari model, 4 Biaya, 5 Ketepatan accuracy, 6 Mudah tidaknya penggunaan atau
aplikasinya. Ukuran-ukuran akurasi model peramalan dapat dikelompokkan menjadi
dua bagian besar Aritonang, 2002, yaitu: ukuran yang bersifat mutlak, terdiri atas mean error ME, mean absolute error MAE, mean squared error MSE
dan ukuran yang bersifat relatif terdiri dari mean percentage error MPE, mean absolute percentage error
MAPE, U dari Theil dan McLaughlin Batting Average
MBA. Dari semua ukuran tersebut ukuran yang lebih lazim digunakan adalah MSE, dengan pedoman bahwa semakin kecil nilai MSE berarti model itu
semakin tepat untuk digunakan.
2.5 Hasil penelitian yang relevan