Peramalan Jumlah Kebutuhan Jagung Tahun 2016-2018 Berdasarkan Data Tahun 2006-2015 di Kota Binjai
7
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan
kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis
peramalan didefinisikan sebagai kegiatan memperkirakan apa yang terjadi pada
masa yang akan datang dengan menggunakan data dan informasi yang ada.
Sedangkan ramalan adalah suatu situasi atau kondisi yang memperkirakan apa
yang akan terjadi di masa yang akan datang.
Dengan hasil analisa peramalan akan dapat menunjukkan yang akan terjadi
di masa yang akan datang. Dalam peramalan ini pada umumnya akan berhadapan
dengan ketidakpastian. Terdapat dua jenis peramalan yang utama yaitu, model
deret berkala (time series) dan model regresi (kausal). Pada jenis petama,
pendugaan masa dapat dilakukan berdasarkan nilai masa lalu dari suatu variabel
dan kesalahan masa lalu. Tujuan metode deret berkala seperti itu adalah
menemukan pola deret data historis dan mengekstrapolasikan pola tersebut ke
masa depan. Model kausal di pihak lain mengasumsikan bahwa faktor yang
diramalkan menunjukan suatu hubungan sebab akibat dengan satu atau lebih
variabel bebas.
Ada beberapa metode yang digunakan dalam peramalan. Tetapi metode
yang digunakan penulis dalam Tugas Akhir ini adalah Metode Double
Exponensial Smoothing dengan Metode Linier Satu Parameter Brown.
2.2 Kegunaan Peramalan
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead
time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan
terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu
angka atau bilangan yang harus dipergunakan begitu saja. Penggunaanya masih
7
Universitas Sumatera Utara
8
memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena
hasil ramalan biasanya didasarkan atas dasar asumsi-asumsi kalau keadaan tidak
berubah seperti waktu sebelumnya.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan
kebutuhan yang sangat penting. Dimana organisasi selalu menentukan sasaran dan
tujuan, berusaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang
diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Terdapat
beberapa kegunaan peramlan, yaitu:
1. Untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang
efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan
sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan
tingkat permintaan untuk produk, bahan, tenaga kerja, financial, atau jasa
pelayanan.
2. Untuk penyediaan sumber daya tambahan waktu tenggang (lead time) untuk
memperoleh bahan baku, menerima pekerjaan baru, atau membeli mesin dan
peralatan dapat berkisar antara beberapa hari sampai beberapa tahun,
peramalan diperlukan untuk menentukan sumber daya di masa mendatang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan
semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan sumber
daya keuangan. Semua ini memerlukan ramalan yang baik dan manager yang
dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
2.3 Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam dua kategori 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. Metode kualitatif dibagi menjadi dua yaitu Metode Eksporatis
dan Metode Normatif.
8
Universitas Sumatera Utara
9
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang
digunakan dalam peramalan tersebut. Karena dengan metode yang berbeda
akan diperoleh suatu hasil ramalan dengan kenyataan yang terjadi. Semakin
kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti
metode yang digunakan semakin baik. Metode kuantitatif dapat dibagi dalam
metode deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:
1. Tersedia informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
dimasa mendatang.
2.4 Analisis Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu
untuk memberikan gambaran-gambaran tentang perkembangan suatu kegiatan
dari waktu ke waktu. Analisi deret berkala memungkinkan untuk mengetahui
perkembangan suatu kejadian serta hubungan dengan kejadian yang lain.
Tujuan time series ini mencakup pola data yang digunakan untuk
meramalkan apakah data tersebut stationer atau tidak serta ekstrapolasi ke masa
yang
akan
datang.
Stasioner
ini
sendiri
bahwa
tidak
terdapat
penurunan/peningkatan pada data. Data secara kasar harus horizontal sepanjang
waktu, dengan kata lain fluktuasi data tetap konsisten sepanjang waktu.
2.5 Metode Pemulusan
Metode pemulusan adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun
lalu untuk menaksir nilai pada beberapa tahun ke depan. Suatu sampel dikatakan
sudah mencukupi atau mewakili populasinya apabila N’ < N. Secara umum,
Metode Pemulusan dibagi menjadi dua yaitu:
9
Universitas Sumatera Utara
10
1. Metode Rata-rata
Metode rata-rata dibagi menjadi empat 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.
2. Metode Pemulusan Eksponensial
Bentuk umum dari Metode Pemulusan Eksponensial adalah:
Metode Pemulusan Eksponensial terdiri atas:
1. Smoothing Exponensial Tunggal
a. Satu parameter (one parameter)
b. Pendekatan aditif (ARES)
2. Smoothing Exponensial Ganda
a. Metode Linier Satu Parameter Brown
b. Metode Linier Dua Parameter Holt
3. Smoothing Exponensial Tripel
a. Metode kuadratik satu parameter dari Brown
Digunakan untuk pola data kuadratik, kubik atau orde yang lebih tinggi.
b. Metode kecenderungan dan musiman tiga parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend atau musiman.
2.6 Metode Pemulusan yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara yang tepat. Maka metode
peramalan analisis time series yang digunakan untuk meramalkan jumlah
kebutuhan beras pada pemecahan masalah ini adalah dengan menggunakan
Metode Double Exponensial Smoothing dengan Metode Linier Satu Parameter
Brown. Metode ini dikemukakan oleh Brown. Dasar pemikiran dari Metode
Smoothing Exponensial Linier Satu Parameter Brown adalah serupa dengan ratarata bergerak linier.
10
Universitas Sumatera Utara
11
Persamaan yang digunakan dalam pelaksanaan Smoothing Exponensial
Linier Satu Parameter Brown adalah sebagai berikut:
–
)
-
Keterangan:
= nilai smoothing pertama period ke- t
= nilai smoothing kedua period ke- t
= nilai smoothing pertama periode ke- t1
= nilai smoothing kedua periode ke- t1
= nilai peramalan pada periode ke- t
= besarnya konstanta pada periode ke- t
= besarnya koefesien pada periode yang akan diramalkan
t
= jumlah periode yang diramalkan
= nilai real periode
2.7 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu periode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala dari data
masa lalu dapat diramalkan situasi yang akan terjadi di masa yang akan datang,
untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:
1. ME (Mean Error)/Nilai Tengah Kesalahan
∑
2. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat
∑
11
Universitas Sumatera Utara
12
3. MAE (Mean Absolute Error)/Nilai Tengah Kesalahan Absolut
∑
4. MAPE (Mean Absolute Percentage Error)/Nilai Tengah Kesalahan Persentase
Absolut
∑
5. MPE (Mean Percentage Error)/Nilai Tengah Kesalahan Persentase
∑
Keterangan:
et
= Xt - Ft
Xt
= data aktual dari periode ke- t
100 ; kesalahan persentase pada periode ke- t
Ft
= nilai ramalan pada periode ke- t
N
= banyaknya periode waktu
Metode peramalan yang dipilih adalah metode peramalan yang
memberikan nilai MSE terkecil.
12
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan
kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis
peramalan didefinisikan sebagai kegiatan memperkirakan apa yang terjadi pada
masa yang akan datang dengan menggunakan data dan informasi yang ada.
Sedangkan ramalan adalah suatu situasi atau kondisi yang memperkirakan apa
yang akan terjadi di masa yang akan datang.
Dengan hasil analisa peramalan akan dapat menunjukkan yang akan terjadi
di masa yang akan datang. Dalam peramalan ini pada umumnya akan berhadapan
dengan ketidakpastian. Terdapat dua jenis peramalan yang utama yaitu, model
deret berkala (time series) dan model regresi (kausal). Pada jenis petama,
pendugaan masa dapat dilakukan berdasarkan nilai masa lalu dari suatu variabel
dan kesalahan masa lalu. Tujuan metode deret berkala seperti itu adalah
menemukan pola deret data historis dan mengekstrapolasikan pola tersebut ke
masa depan. Model kausal di pihak lain mengasumsikan bahwa faktor yang
diramalkan menunjukan suatu hubungan sebab akibat dengan satu atau lebih
variabel bebas.
Ada beberapa metode yang digunakan dalam peramalan. Tetapi metode
yang digunakan penulis dalam Tugas Akhir ini adalah Metode Double
Exponensial Smoothing dengan Metode Linier Satu Parameter Brown.
2.2 Kegunaan Peramalan
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead
time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan
terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu
angka atau bilangan yang harus dipergunakan begitu saja. Penggunaanya masih
7
Universitas Sumatera Utara
8
memerlukan pertimbangan dari para pemakai. Hal ini disebabkan oleh karena
hasil ramalan biasanya didasarkan atas dasar asumsi-asumsi kalau keadaan tidak
berubah seperti waktu sebelumnya.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan
kebutuhan yang sangat penting. Dimana organisasi selalu menentukan sasaran dan
tujuan, berusaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang
diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Terdapat
beberapa kegunaan peramlan, yaitu:
1. Untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang
efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan
sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan
tingkat permintaan untuk produk, bahan, tenaga kerja, financial, atau jasa
pelayanan.
2. Untuk penyediaan sumber daya tambahan waktu tenggang (lead time) untuk
memperoleh bahan baku, menerima pekerjaan baru, atau membeli mesin dan
peralatan dapat berkisar antara beberapa hari sampai beberapa tahun,
peramalan diperlukan untuk menentukan sumber daya di masa mendatang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan
semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan sumber
daya keuangan. Semua ini memerlukan ramalan yang baik dan manager yang
dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
2.3 Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam dua kategori 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. Metode kualitatif dibagi menjadi dua yaitu Metode Eksporatis
dan Metode Normatif.
8
Universitas Sumatera Utara
9
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang
digunakan dalam peramalan tersebut. Karena dengan metode yang berbeda
akan diperoleh suatu hasil ramalan dengan kenyataan yang terjadi. Semakin
kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti
metode yang digunakan semakin baik. Metode kuantitatif dapat dibagi dalam
metode deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:
1. Tersedia informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
dimasa mendatang.
2.4 Analisis Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu
untuk memberikan gambaran-gambaran tentang perkembangan suatu kegiatan
dari waktu ke waktu. Analisi deret berkala memungkinkan untuk mengetahui
perkembangan suatu kejadian serta hubungan dengan kejadian yang lain.
Tujuan time series ini mencakup pola data yang digunakan untuk
meramalkan apakah data tersebut stationer atau tidak serta ekstrapolasi ke masa
yang
akan
datang.
Stasioner
ini
sendiri
bahwa
tidak
terdapat
penurunan/peningkatan pada data. Data secara kasar harus horizontal sepanjang
waktu, dengan kata lain fluktuasi data tetap konsisten sepanjang waktu.
2.5 Metode Pemulusan
Metode pemulusan adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun
lalu untuk menaksir nilai pada beberapa tahun ke depan. Suatu sampel dikatakan
sudah mencukupi atau mewakili populasinya apabila N’ < N. Secara umum,
Metode Pemulusan dibagi menjadi dua yaitu:
9
Universitas Sumatera Utara
10
1. Metode Rata-rata
Metode rata-rata dibagi menjadi empat 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.
2. Metode Pemulusan Eksponensial
Bentuk umum dari Metode Pemulusan Eksponensial adalah:
Metode Pemulusan Eksponensial terdiri atas:
1. Smoothing Exponensial Tunggal
a. Satu parameter (one parameter)
b. Pendekatan aditif (ARES)
2. Smoothing Exponensial Ganda
a. Metode Linier Satu Parameter Brown
b. Metode Linier Dua Parameter Holt
3. Smoothing Exponensial Tripel
a. Metode kuadratik satu parameter dari Brown
Digunakan untuk pola data kuadratik, kubik atau orde yang lebih tinggi.
b. Metode kecenderungan dan musiman tiga parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend atau musiman.
2.6 Metode Pemulusan yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara yang tepat. Maka metode
peramalan analisis time series yang digunakan untuk meramalkan jumlah
kebutuhan beras pada pemecahan masalah ini adalah dengan menggunakan
Metode Double Exponensial Smoothing dengan Metode Linier Satu Parameter
Brown. Metode ini dikemukakan oleh Brown. Dasar pemikiran dari Metode
Smoothing Exponensial Linier Satu Parameter Brown adalah serupa dengan ratarata bergerak linier.
10
Universitas Sumatera Utara
11
Persamaan yang digunakan dalam pelaksanaan Smoothing Exponensial
Linier Satu Parameter Brown adalah sebagai berikut:
–
)
-
Keterangan:
= nilai smoothing pertama period ke- t
= nilai smoothing kedua period ke- t
= nilai smoothing pertama periode ke- t1
= nilai smoothing kedua periode ke- t1
= nilai peramalan pada periode ke- t
= besarnya konstanta pada periode ke- t
= besarnya koefesien pada periode yang akan diramalkan
t
= jumlah periode yang diramalkan
= nilai real periode
2.7 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu periode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala dari data
masa lalu dapat diramalkan situasi yang akan terjadi di masa yang akan datang,
untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:
1. ME (Mean Error)/Nilai Tengah Kesalahan
∑
2. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat
∑
11
Universitas Sumatera Utara
12
3. MAE (Mean Absolute Error)/Nilai Tengah Kesalahan Absolut
∑
4. MAPE (Mean Absolute Percentage Error)/Nilai Tengah Kesalahan Persentase
Absolut
∑
5. MPE (Mean Percentage Error)/Nilai Tengah Kesalahan Persentase
∑
Keterangan:
et
= Xt - Ft
Xt
= data aktual dari periode ke- t
100 ; kesalahan persentase pada periode ke- t
Ft
= nilai ramalan pada periode ke- t
N
= banyaknya periode waktu
Metode peramalan yang dipilih adalah metode peramalan yang
memberikan nilai MSE terkecil.
12
Universitas Sumatera Utara