Peramalan nilai penjualan energy listrik di PT PLN (persero) tanjung morawa dengan metode smoothing
5
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang
akan terjadi pada masa yang akan datang. Peramalan penjualan adalah peramalan
yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan
yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan
arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan
waktu antara keadaan akan dibutuhkannya suatu kebijakan baru. Apabila
perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan
sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa
sehingga dapat dipersiapkan tindakan yang diperlukan. (Sofyan Assauri, 1984)
Kegunaan suatu
peramalan dapat dilihat pada saat pengambilan
keputusan. Keputusan yang baik adalah keputusan yang didasarkan oleh
pertimbangan
yang akan terjadi saat keputusan tersebut dilakukan. Apabila
keputusan yang dialami kurang tepat sebaiknya keputusan tersebut tidak
dilaksanakan.Oleh karena masalah pengambilan keputusan merupakan masalah
yang dihadapi, maka peramalan juga merupakan masalah yang harus dihadapi,
karena peramalan berkaitan erat dengan pengambilan keputusan.
2.2 Jenis-Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori
utama,yaitu:
1. Peramalan Kualitatif atau Teknologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang
Universitas Sumatera Utara
6
menyusunnya, karena berdasarkan pemikiran yang bersifat intuisi,
pendapat dan pengetahuan serta pengalaman dari orang-orang yang
menyusunnya. Biasanya peramalan kualitatif ini didasarkan atas hasil
penyelidikan seperti Delphi, analogis dan didasarkan atas ciri-ciri normatif
seperti decision matrices atau decision trees. Metode kualitatif dapat
dibagi menjadi dua, yaitu metode eksploratoris dan normatif.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Peramalan yang baik adalah peramalan yang
dilakukan dengan mengikuti prosedur peramalan penyusunan dengan baik.
Semakin baik kita menggunakan prosedur peramalan, maka penyimpangan
antara hasil peramalan dengan kenyataan yang terjadi juga semakin kecil.
Metode peramalan kuantitatif dapat dibagi dalam deret berkala (time
series) dan metode kausal.Peramalan kuantitatif dapat digunakan bila
memenuhi syarat-syarat berikut:
1. Adanya informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa
lalu akan terus berlanjut di masa yang akan datang dan kondisi ini
disebut dengan kondisi yang konstan (assumption of constancy).
Asumsi ini merupakan modal yang mendasari dari semua metode
peramalan kuantitatif dan banyak metode peramalan teknologis terlepas
dari bagaimana canggihnya metode tersebut.
Metode-metode peramalan dengan analisis deret waktu dibagi tiga, yaitu:
1. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak
Metode ini sering digunakan untuk ramalan jangka pendek dan jarang
dipakai untuk ramalan jangka panjang.
2. Metode Regresi
Universitas Sumatera Utara
7
Metode ini biasanya digunakan untuk ramalan jangka menengah dan
jangka panjang.
3. Metode Box-Jenkins
Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek,
menengah dan panjang. Metode ini dapat dipergunakan untuk meramalkan
data historis dengan kondisi yang sulit dimengerti pengaruhnya terhadap
data secara teknis.
2.3PemilihanMetodePeramalan
Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri
penting
dalam
pengambilan
keputusan
dan
analisis
keadaan
dalam
mempersiapkan peramalan. Ada 6 faktor utama yang diidentifikasikan sebagai
teknik dan metode peramalan, yaitu:
1.
Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masingmasing metode peramalan, yaitu cakupan waktu dimasa yang akan datang
dan jumlah periode untuk peramalan yang diinginkan.
2.
Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola
yang didapati didalam data yang diramalkan akan berkelanjutan.
3.
Jenis dan Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsure yang penting untuk menentukan perubahan-perubahan dalampola.
Model-model perlu diperhatikan Karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis
keadaan untuk pengambilan
keputusan.
4.
Biaya yang Dibutuhkan
Umumnya ada empat unsure biaya yang tercakup dalam penggunaan suatu
prosedur peramalan, yaitu biaya-biaya
penyimpangan (storage) data,
operasi pelaksanaan, kesempatan dalam penggunaan teknik-teknik dan
metode peramalan.
Universitas Sumatera Utara
8
5.
Ketepatan Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
6.
Kemudahan dan Penerapan
Metode-metode yang dapat dimengertidan mudah
diaplikasikan
sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4KegunaanPeramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi
dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan dating
setelah situasi tersebut dianalisis. Peramalan adalah suatu alat bantu yang penting
dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu
rencana untuk mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat
perbedaan waktu pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan
peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat
dalam penyusunan rencana, dimana dalam penyusunan ini melibatkan peramalan
juga.
Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar
untuk menyusun rencana karena dapat membantu menganalisis data dari masa
lalu,sehingga melalui metode peramalan akan didapat cara pemikiran dan
pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga
memberikan ketetapan hasil analisis.
2.5 MetodePemulusan(Smoothing)
Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai
beberapa
tahun
untuk
menaksir
nilai
padabeberapatahunkedepan.Metode
pemulusan (smoothing) banyak digunakan untuk menghilangkan atau mengurangi
Universitas Sumatera Utara
9
keteracakan (randomness) dari data deret berkala (timeseries). Secara umum,
metode smoothing diklasifikasikan menjadi duabagian,yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian 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 system peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
=
+ (1 − )
(2.1)
dimana:
=ramalan satu periode kedepan
= data asli pada periode ke-t
= ramalan pada periode ke-t
= parameter pemulusan
Metode pemulusan atau smoothing eksponensial terdiri atas:
1. Pemulusan atau smoothing eksponensial tunggal
2. Pemulusan atau smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
2.6 MetodeSmoothing yangDigunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat.
Maka metode peramalan analisis time series yang digunakan untuk meramalkan
pasokan nilai penjualan energy listrik pada pemecahan masalah ini adalah dengan
menggunakan metode smoothing eksponensial ganda yaitu metode smoothing
eksponensial satu parameter dari Brown.
Metode ini merupakan metodeyangdigunakanolehBrown.Dasarpemikiran
darimetodesmoothing eksponensial linier satu parameterdari Brown adalah
Universitas Sumatera Utara
10
dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda
ketinggalan dari data sebenarnya.
Persamaan yang dapat dipakai dalam pelaksanaan pemulusan eksponensial
linier satu-parameter dari Brown adalah sebagai berikut:
=
=
+ (1 − )
+ (1 − )
(2.2)
(2.3)
= S + (S − S ) = 2 S − S
(2.4)
=
(S − S )
(2.5)
+ ( )
(2.6)
=
dimana:
=nilai smoothing eksponensial tunggal
=nilai smoothin gganda
=konstanta pada periode ke-t
=nilai slope
= hasilperamalanuntukmperiodekedepanyangakan
diramalkan.
= parameterpemulusan
= jumlah periode di depan yang diramalkan
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan
rumus dibawah ini:
=
−
(2.7)
di mana:
= kesalahan pada periode ke-t
X = data asli pada periode ke-t
F = ramalan pada periode ke-t
2.7 KetepatanPeramalan
Universitas Sumatera Utara
11
Ketepatan peramalan adalah suatu hal yang mendasar dalam peramalan yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai criteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala
(timeseries) dari data masa lalu dapat diramalkan situasi yang akan terjadipada
masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan
ketepatan. Beberapa kriteria yang digunakan untukmenguji ketepatan ramalan
adalah:
a. ME(MeanError)atauNilaiTengahKesalahan
ME =
"
e
N
#
(2.8)
b. MSE(MeanSquareError)atau NilaiTengahKesalahanKuadrat
"
MSE =
e$
N
#
(2.9)
c. MAE(MeanAbsoluteError)atauNilaiTengahKesalahanAbsolut
N
MAE=
∑ |e |
.
t
t=1
N
.
.(2.10
d. MPE(MeanPercentageError)
atauNilaiTengahKesalahanPersentase
N
∑PE
MPE=
t=1
. . .(2.11)
t
N
e. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah
Kesalahan PersentaseAbsolut
N
MAPE=
∑ |PE |
t=1
t
. . .(2.12)
N
Universitas Sumatera Utara
12
f. SSE (SumSquareError)/JumlahKuadratKesalahan
N
SSE =∑et2
. . .(2.13)
t=1
di mana:
= −
*+
=
,- .,-
kesalahan pada periode ke-t
x 100 (kesalahan persentase pada periode ke-t)
= data asli pada periode ke-t
= Nilai ramalan pada periode ke-t
1
=Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang
akan terjadi pada masa yang akan datang. Peramalan penjualan adalah peramalan
yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan
yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan
arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan
waktu antara keadaan akan dibutuhkannya suatu kebijakan baru. Apabila
perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan
sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa
sehingga dapat dipersiapkan tindakan yang diperlukan. (Sofyan Assauri, 1984)
Kegunaan suatu
peramalan dapat dilihat pada saat pengambilan
keputusan. Keputusan yang baik adalah keputusan yang didasarkan oleh
pertimbangan
yang akan terjadi saat keputusan tersebut dilakukan. Apabila
keputusan yang dialami kurang tepat sebaiknya keputusan tersebut tidak
dilaksanakan.Oleh karena masalah pengambilan keputusan merupakan masalah
yang dihadapi, maka peramalan juga merupakan masalah yang harus dihadapi,
karena peramalan berkaitan erat dengan pengambilan keputusan.
2.2 Jenis-Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori
utama,yaitu:
1. Peramalan Kualitatif atau Teknologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang
Universitas Sumatera Utara
6
menyusunnya, karena berdasarkan pemikiran yang bersifat intuisi,
pendapat dan pengetahuan serta pengalaman dari orang-orang yang
menyusunnya. Biasanya peramalan kualitatif ini didasarkan atas hasil
penyelidikan seperti Delphi, analogis dan didasarkan atas ciri-ciri normatif
seperti decision matrices atau decision trees. Metode kualitatif dapat
dibagi menjadi dua, yaitu metode eksploratoris dan normatif.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Peramalan yang baik adalah peramalan yang
dilakukan dengan mengikuti prosedur peramalan penyusunan dengan baik.
Semakin baik kita menggunakan prosedur peramalan, maka penyimpangan
antara hasil peramalan dengan kenyataan yang terjadi juga semakin kecil.
Metode peramalan kuantitatif dapat dibagi dalam deret berkala (time
series) dan metode kausal.Peramalan kuantitatif dapat digunakan bila
memenuhi syarat-syarat berikut:
1. Adanya informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa
lalu akan terus berlanjut di masa yang akan datang dan kondisi ini
disebut dengan kondisi yang konstan (assumption of constancy).
Asumsi ini merupakan modal yang mendasari dari semua metode
peramalan kuantitatif dan banyak metode peramalan teknologis terlepas
dari bagaimana canggihnya metode tersebut.
Metode-metode peramalan dengan analisis deret waktu dibagi tiga, yaitu:
1. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak
Metode ini sering digunakan untuk ramalan jangka pendek dan jarang
dipakai untuk ramalan jangka panjang.
2. Metode Regresi
Universitas Sumatera Utara
7
Metode ini biasanya digunakan untuk ramalan jangka menengah dan
jangka panjang.
3. Metode Box-Jenkins
Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek,
menengah dan panjang. Metode ini dapat dipergunakan untuk meramalkan
data historis dengan kondisi yang sulit dimengerti pengaruhnya terhadap
data secara teknis.
2.3PemilihanMetodePeramalan
Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri
penting
dalam
pengambilan
keputusan
dan
analisis
keadaan
dalam
mempersiapkan peramalan. Ada 6 faktor utama yang diidentifikasikan sebagai
teknik dan metode peramalan, yaitu:
1.
Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masingmasing metode peramalan, yaitu cakupan waktu dimasa yang akan datang
dan jumlah periode untuk peramalan yang diinginkan.
2.
Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola
yang didapati didalam data yang diramalkan akan berkelanjutan.
3.
Jenis dan Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsure yang penting untuk menentukan perubahan-perubahan dalampola.
Model-model perlu diperhatikan Karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis
keadaan untuk pengambilan
keputusan.
4.
Biaya yang Dibutuhkan
Umumnya ada empat unsure biaya yang tercakup dalam penggunaan suatu
prosedur peramalan, yaitu biaya-biaya
penyimpangan (storage) data,
operasi pelaksanaan, kesempatan dalam penggunaan teknik-teknik dan
metode peramalan.
Universitas Sumatera Utara
8
5.
Ketepatan Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
6.
Kemudahan dan Penerapan
Metode-metode yang dapat dimengertidan mudah
diaplikasikan
sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4KegunaanPeramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi
dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan dating
setelah situasi tersebut dianalisis. Peramalan adalah suatu alat bantu yang penting
dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu
rencana untuk mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat
perbedaan waktu pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan
peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat
dalam penyusunan rencana, dimana dalam penyusunan ini melibatkan peramalan
juga.
Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar
untuk menyusun rencana karena dapat membantu menganalisis data dari masa
lalu,sehingga melalui metode peramalan akan didapat cara pemikiran dan
pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga
memberikan ketetapan hasil analisis.
2.5 MetodePemulusan(Smoothing)
Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai
beberapa
tahun
untuk
menaksir
nilai
padabeberapatahunkedepan.Metode
pemulusan (smoothing) banyak digunakan untuk menghilangkan atau mengurangi
Universitas Sumatera Utara
9
keteracakan (randomness) dari data deret berkala (timeseries). Secara umum,
metode smoothing diklasifikasikan menjadi duabagian,yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian 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 system peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
=
+ (1 − )
(2.1)
dimana:
=ramalan satu periode kedepan
= data asli pada periode ke-t
= ramalan pada periode ke-t
= parameter pemulusan
Metode pemulusan atau smoothing eksponensial terdiri atas:
1. Pemulusan atau smoothing eksponensial tunggal
2. Pemulusan atau smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
2.6 MetodeSmoothing yangDigunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat.
Maka metode peramalan analisis time series yang digunakan untuk meramalkan
pasokan nilai penjualan energy listrik pada pemecahan masalah ini adalah dengan
menggunakan metode smoothing eksponensial ganda yaitu metode smoothing
eksponensial satu parameter dari Brown.
Metode ini merupakan metodeyangdigunakanolehBrown.Dasarpemikiran
darimetodesmoothing eksponensial linier satu parameterdari Brown adalah
Universitas Sumatera Utara
10
dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda
ketinggalan dari data sebenarnya.
Persamaan yang dapat dipakai dalam pelaksanaan pemulusan eksponensial
linier satu-parameter dari Brown adalah sebagai berikut:
=
=
+ (1 − )
+ (1 − )
(2.2)
(2.3)
= S + (S − S ) = 2 S − S
(2.4)
=
(S − S )
(2.5)
+ ( )
(2.6)
=
dimana:
=nilai smoothing eksponensial tunggal
=nilai smoothin gganda
=konstanta pada periode ke-t
=nilai slope
= hasilperamalanuntukmperiodekedepanyangakan
diramalkan.
= parameterpemulusan
= jumlah periode di depan yang diramalkan
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan
rumus dibawah ini:
=
−
(2.7)
di mana:
= kesalahan pada periode ke-t
X = data asli pada periode ke-t
F = ramalan pada periode ke-t
2.7 KetepatanPeramalan
Universitas Sumatera Utara
11
Ketepatan peramalan adalah suatu hal yang mendasar dalam peramalan yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai criteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala
(timeseries) dari data masa lalu dapat diramalkan situasi yang akan terjadipada
masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan
ketepatan. Beberapa kriteria yang digunakan untukmenguji ketepatan ramalan
adalah:
a. ME(MeanError)atauNilaiTengahKesalahan
ME =
"
e
N
#
(2.8)
b. MSE(MeanSquareError)atau NilaiTengahKesalahanKuadrat
"
MSE =
e$
N
#
(2.9)
c. MAE(MeanAbsoluteError)atauNilaiTengahKesalahanAbsolut
N
MAE=
∑ |e |
.
t
t=1
N
.
.(2.10
d. MPE(MeanPercentageError)
atauNilaiTengahKesalahanPersentase
N
∑PE
MPE=
t=1
. . .(2.11)
t
N
e. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah
Kesalahan PersentaseAbsolut
N
MAPE=
∑ |PE |
t=1
t
. . .(2.12)
N
Universitas Sumatera Utara
12
f. SSE (SumSquareError)/JumlahKuadratKesalahan
N
SSE =∑et2
. . .(2.13)
t=1
di mana:
= −
*+
=
,- .,-
kesalahan pada periode ke-t
x 100 (kesalahan persentase pada periode ke-t)
= data asli pada periode ke-t
= Nilai ramalan pada periode ke-t
1
=Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
Universitas Sumatera Utara