BAB 2 TINJAUAN TEORITIS - Peramalan Jumlah Kenderaan Bermotor di Kota Medan Tahun 2012 s/d 2015 dengan Metode Tren Eksponensial
BAB 2 TINJAUAN TEORITIS
2.1. Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramalan ini digunakan dalam peramalan yang bersifat objektif.
Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat kuantitatif serta teknik dan metode peramalannya.
2.2. Kegunaan Peramalan
Di dalam bagian organisasi terdapat beberapa kegunaan peramalan diantaranya: daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan konsumennya atau si pelanggan.
2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam waktu jangka panjang.
Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangannya. Semua penentuan ini memerlukan peramalan yang baik dan menajer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.
Walaupun banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.
2.3. Jenis Peramalan
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:
1. Peramalan yang kualitatif atau teknologis Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya.
2. Peramalan Kuantitatif Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang diperguanakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Metode kuantitaif dapat dibagi dalam deret berkala (time series) dan metode kausal.
Dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan Tugas Akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya peramalan kuantitatif dibedakan atas :
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal methods).
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu:
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.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (asumption of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
2.4. Pemilihan Teknik Dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan. yaitu :
1. Horizon waktu Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang.
Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola data Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.
3. Jenis dari model Model-model merupakan suatu deret dengan 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 analisa keadaan untuk pengambilan keputusan.
4. Biaya yang dibutuhkan Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan
5. Ketepatan metode peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam penerapan Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.
2.5. Penentuan Pola Data
Hal penting yang harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dengan pola data umumnya dapat dibedakan sebagai berikut:
1. Pola Data Horizontal Pola ini terjadi bila berfluktuasi disekitar nilai rata-rata yang konstan
2. Pola Data Musiman (Seasonal)
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Siklis (Cyclical) Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.
4. Pola Data Trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.
2.6. Metode Yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis deret berkala yang digunakan untuk meramalkan jumlah kendaraan pada pemecahan masalah ini adalah dengan menggunakan Metode Tren Eksponensial.
Suatu Tren Eksponensial akan berupa garis lurus pada grafik semilog tetapi berupa kurva pada grafik aritmatik. Persamaan eksponensial yang digunakan dalam menggambarkan tren sekuler adalah :
… (2.1) Ŷ =
Diubah dalam bentuk logaritma, maka diperoleh :
Ŷ = Buat
- … (2.2)
∑ X = 0 dengan menggunakan metode kuadrat terkecil. Dua konstanta yang tidak diketahui yaitu log a dan log b dapat dihitung dengan rumus berikut :
∑
… (2.3) =
∑( )
= … (2.4)
∑
dengan : log a = rata- rata logaritma Y log b = slope dari garis pada grafik semilog X = per 1 tahun Y = per unit kendaraan
Nilai b adalah perbandingan dari Ŷ pada tahun yang sedang berjalan dengan Ŷ pada tahun yang berikutnya. Dan laju kenaikan / penurunan (r) adalah selisih antara ra b dan 1 (1 = 100% atau dasar).
Jika b > 1, selisihnya merupakan laju pertambahan (r = b-1); Jika b < 1, merupakan laju penurunan (r = 1-b).
Persamaan eksponensial sangat berguna untuk runtun waktu, dalam perhitungan kenaikan atau penurunan pada laju yang konstan (progresi geometrik). Karena metode kuadrat terkecil jumlah dari deviasi kuadrat logaritma nilai Y dari
2 nilai tren, atau adalah minimum.
∑( − log Ŷ)
Dua persamaan normal untuk garis lurus pada grafik semi logaritma adalah : ∑ log Y = n log a + (log b) ∑ X
2
… (2.5)
∑( X log Y ) = (log a) ∑ X +(log b) ∑ X
∑ X = 0 persamaan
Ŷ = normalnya menjadi :
- Yang diperoleh dari persamaan . Bila
∑ log Y = n log a
2 ) … (2.6) ∑ ( X log Y ) =( log b) (∑ X
Persamaan kuadrat semi logaritmanya adalah :
2
log log c … (2.7)
Ŷ = log a + X log b + XBila
∑ X = 0 atau dasar pada pertengahan tahun, maka ketiga persamaan normalnya
adalah :
2 = n log a + log c ( ) ∑ log Y ∑ X
2 = log b ( ) ∑ (X log Y) ∑ X
2
2
4
log Y) = log a ( ) + log c ( ) … (2.8)
∑ (X ∑ X ∑ X