Peramalan Nilai Penjualan Energi Listrik PT.PLN (PERSERO) Provinsi Sumatera Utara Tahun 2017
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) menurut Sofyan Assauri (1984) 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.
Kegunaan suatu peramalan dapat dilihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa
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
Menurut Makridakis, Wheelright, dan McGee (1999), teknik peramalan dapat
dibagi dalam 2 bagian jika dilihat dari sifatnya, yaitu:
a. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang
menyusunnya, karena berdasarkan pemikiran yang bersifat instuisi, pendapat
Universitas Sumatera Utara
7
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 normative.
b. 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
dalam 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
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. 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
Metode ini biasanya digunakan untuk ramalan jangka menengah dan jangka
panjang.
3. Metode Box-Jenkins
Universitas Sumatera Utara
8
Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek,
menengah, dan panjang.
2.3 Pemilihan Metode Peramalan
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:
a. Horizon waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan, yaitu cakupan waktu di masa yang akan datang dan jumlah
periode untuk peramalan yang diinginkan.
b. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola yang
didapati di dalam data yang diramalkan akan berkelanjutan.
c. Jenis dan model
Model-model merupakan suatu deret di mana waktu digambarkan sebagai
unsur yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis keadaan untuk pengambilan
keputusan.
d. Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur
peramalan,
yaitu
biaya-biaya
penyimpangan
data,
operasi
pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode
peramalan.
e. Ketepatan peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
Universitas Sumatera Utara
9
f. Kemudahan dan penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4 Kegunaan Peramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi
dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan
datang setelah situasi tersebut dianalisis. Peramalan merupakan 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. Perencanaan dan
peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat
dalam penyusunan rencana, di mana 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 Metode Pemulusan (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 pada beberapa tahun ke depan. Metode
smoothing banyak digunakan untuk menghilangkan atau mengurangi keteracakan
dari data deret berkala. Secara umum, metode smoothing diklasifikasikan menjadi
dua bagian, yaitu:
a. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian, yaitu:
1. Nilai tengah (mean)
2. Rata-rata bergerak tunggal (single moving average)
Universitas Sumatera Utara
10
3. Rata-rata bergerak ganda (double moving average)
4. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu
dalam mengembangkan suatu sistem peramalan pada periode mendatang.
b. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
Ft 1 X t (1 ) Ft
2.1
Dengan:
Ft 1 = ramalan satu periode ke depan
X t = data aktual pada periode ke-t
Ft = ramalan pada periode ke-t
= parameter smoothing
Metode smoothing eksponensial terdiri atas:
1. Smoothing eksponensial tunggal
2. Smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
2.6 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat.
Maka metode peramalan analisis time series yang digunakan untuk meramalkan
pasokan penjualan energi listrik pada pemecahan masalah ini adalah dengan
menggunakan metode smoothing eksponensial ganda yaitu metode smoothing
eksponensial satu parameter dari Brown.
Metode ini merupakan metode yang digunakan oleh Brown. Dasar
pemikiran dari metode smoothing eksponensial linier satu parameter dari Brown
Universitas Sumatera Utara
11
adalah dengan rata-rata bergerak linier, karena kedua nilai smoothing tunggal dan
ganda ketinggalan dari data sebenarnya.
Peramalan yang dapat dipakai dalam pelaksanaan smoothing eksponensial
linier satu parameter dari Brown adalah sebagai berikut:
St
= X t (1 ) S t 1
2.2
St
= St (1 ) St1
2.3
at
= St (St St ) 2St St
2.4
bt
=
Ft m
= at bt m
2.6
et
X t Ft
2.7
( St St )
1
2.5
Dengan:
St
= nilai smoothing eksponensial tunggal
St
= nilai smoothing ganda
at , bt = konstanta smoothing
Ft m
= hasil peramalan untuk m periode kedepan yang akan diramalkan
et
= kesalahan pada periode ke-t
2.7 Ketepatan Peramalan
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 kriteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala dari data
masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang,
Universitas Sumatera Utara
12
untuk menguji kebenaran ramalan ini digunakan ketepatan. Beberapa kriteria yang
digunakan untuk menguji ketepatan ramalan adalah:
a. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat
N
MSE
e
t 1
2
t
2.8
N
b. SSE (Sum Square Error)/Jumlah Kuadrat Kesalahan
N
SSE et 2
t 1
2.9
N= Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
Universitas Sumatera Utara
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) menurut Sofyan Assauri (1984) 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.
Kegunaan suatu peramalan dapat dilihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa
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
Menurut Makridakis, Wheelright, dan McGee (1999), teknik peramalan dapat
dibagi dalam 2 bagian jika dilihat dari sifatnya, yaitu:
a. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang
menyusunnya, karena berdasarkan pemikiran yang bersifat instuisi, pendapat
Universitas Sumatera Utara
7
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 normative.
b. 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
dalam 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
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. 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
Metode ini biasanya digunakan untuk ramalan jangka menengah dan jangka
panjang.
3. Metode Box-Jenkins
Universitas Sumatera Utara
8
Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek,
menengah, dan panjang.
2.3 Pemilihan Metode Peramalan
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:
a. Horizon waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan, yaitu cakupan waktu di masa yang akan datang dan jumlah
periode untuk peramalan yang diinginkan.
b. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola yang
didapati di dalam data yang diramalkan akan berkelanjutan.
c. Jenis dan model
Model-model merupakan suatu deret di mana waktu digambarkan sebagai
unsur yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis keadaan untuk pengambilan
keputusan.
d. Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur
peramalan,
yaitu
biaya-biaya
penyimpangan
data,
operasi
pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode
peramalan.
e. Ketepatan peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
Universitas Sumatera Utara
9
f. Kemudahan dan penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4 Kegunaan Peramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi
dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan
datang setelah situasi tersebut dianalisis. Peramalan merupakan 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. Perencanaan dan
peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat
dalam penyusunan rencana, di mana 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 Metode Pemulusan (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 pada beberapa tahun ke depan. Metode
smoothing banyak digunakan untuk menghilangkan atau mengurangi keteracakan
dari data deret berkala. Secara umum, metode smoothing diklasifikasikan menjadi
dua bagian, yaitu:
a. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian, yaitu:
1. Nilai tengah (mean)
2. Rata-rata bergerak tunggal (single moving average)
Universitas Sumatera Utara
10
3. Rata-rata bergerak ganda (double moving average)
4. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu
dalam mengembangkan suatu sistem peramalan pada periode mendatang.
b. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
Ft 1 X t (1 ) Ft
2.1
Dengan:
Ft 1 = ramalan satu periode ke depan
X t = data aktual pada periode ke-t
Ft = ramalan pada periode ke-t
= parameter smoothing
Metode smoothing eksponensial terdiri atas:
1. Smoothing eksponensial tunggal
2. Smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
2.6 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat.
Maka metode peramalan analisis time series yang digunakan untuk meramalkan
pasokan penjualan energi listrik pada pemecahan masalah ini adalah dengan
menggunakan metode smoothing eksponensial ganda yaitu metode smoothing
eksponensial satu parameter dari Brown.
Metode ini merupakan metode yang digunakan oleh Brown. Dasar
pemikiran dari metode smoothing eksponensial linier satu parameter dari Brown
Universitas Sumatera Utara
11
adalah dengan rata-rata bergerak linier, karena kedua nilai smoothing tunggal dan
ganda ketinggalan dari data sebenarnya.
Peramalan yang dapat dipakai dalam pelaksanaan smoothing eksponensial
linier satu parameter dari Brown adalah sebagai berikut:
St
= X t (1 ) S t 1
2.2
St
= St (1 ) St1
2.3
at
= St (St St ) 2St St
2.4
bt
=
Ft m
= at bt m
2.6
et
X t Ft
2.7
( St St )
1
2.5
Dengan:
St
= nilai smoothing eksponensial tunggal
St
= nilai smoothing ganda
at , bt = konstanta smoothing
Ft m
= hasil peramalan untuk m periode kedepan yang akan diramalkan
et
= kesalahan pada periode ke-t
2.7 Ketepatan Peramalan
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 kriteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala dari data
masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang,
Universitas Sumatera Utara
12
untuk menguji kebenaran ramalan ini digunakan ketepatan. Beberapa kriteria yang
digunakan untuk menguji ketepatan ramalan adalah:
a. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat
N
MSE
e
t 1
2
t
2.8
N
b. SSE (Sum Square Error)/Jumlah Kuadrat Kesalahan
N
SSE et 2
t 1
2.9
N= Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
Universitas Sumatera Utara