Peramalan Jumlah Wisatawan Mancanegara Di Kabupaten Toba Samosir Tahun 2018-2019
BAB 2
LANDASAN TEORI
2.1
Pengertian Wisatawan dan Wisatawan Mancanegara
Wisatawan adalah orang yang mengadakan perjalanan dari tempat kediamannya
tanpa menetap di tempat yang didatanginya atau hanya untuk sementara waktu
tinggal di tempat yang didatanginya. Sedangkan wisatawan mancanegara adalah
warga negara suatu negara yang mengadakan perjalanan wisata keluar lingkungan
dari negaranya (memasuki negara lain).
2.2
Peramalan
Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada
masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu
perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka
peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat dikatakan
perkiraan yang ilmiah (educated guess).
Peramalan (forecasting) dapat juga diartikan sebagai suatu usaha untuk
meramalkan keadaan dimasa mendatang melalui pengujian keadaan di masa lalu
(Handoko, 1984:260). Dalam kehidupan sosial segala sesuatu itu serba tidak pasti,
sukar diperkirakan secara tepat. Dengan kata lain peramalan bertujuan
mendapatkan forecast yang bisa meminimumkan kesalahan meramal.
Dengan melakukan peramalan, para perencana dan pengambil keputusan
akan dapat mempertimbangkan alternatif-alternatif strategi yang lebih luas dari
pada peramalan. Dengan demikian berbagai rencana strategi dan aksi dapat
dikembangkan untuk menghadapi berbagai kemungkinan yang bisa terjadi di
masa mendatang.
Banyak orang yang sulit membedakan antara peramalan dan perencanaan.
Peramalan pada umumnya di pergunakan untuk memprediksi sesuatu yang
kemungkinan besar akan terjadi, misalnya kondisi permintaan, penjualan, arus
kas, kondisi ekonomi, dan lain-lain didasarkan pada sejumlah asumsi. Sedangkan
perencanaan menggunakan ramalan-ramalan yang ada untuk menetapkan target,
termasuk didalamnya penerapan strategi untuk mencapai target itu. Dengan
Universitas Sumatera Utara
9
demikian, peramalan berusaha menggambarkan apa yang akan terjadi, sementara
rencana didasarkan pada gagasan bahwa dengan mengambil tindakan tertentu
pada saat ini, pengambil keputusan dapat mempengaruhi hasil akhir seperti
diharapkan.
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa
atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang
ini merupakan alasan utama bagi perencanaan dan peramalan.Jika waktu tenggang
ini nol atau sangat kecil, maka perencanaan dapat memegang peranan penting.
Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu
peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Peramalan mempunyai tujuan untuk memprediksikan keadaan dari suatu
kejadian, dimana dengan cara demikian suatu proses perencanaan dapat
diselenggarakan dengan tepat. Banyak keputusan yang penting dilakukan
mengarah kepada kejadian di masa mendatang sehingga memerlukan peramalan.
Sebagai dasar untuk merencanakan dan mengambil hasil suatu keputusan tersebut
diperlukan informasi yang baik dan akurat agar kemampuan meramalkan
berdasarkan data yang diperoleh dapat dikendalikan dengan baik untuk mencapai
sasaran yang diinginkan.
Salah satu aspek yang paling sering disalah pahami dalam peramalan
adalah ketidakpastian. Dalam prakteknya, hasil peramalan tidak pernah secara
mutlak tepat kecuali kebetulan. Hal ini karena keadaan maupun kejadian di masa
depan tidak menentu. Meskipun demikian, bila mana semua faktor penting
mempengaruhi telah diperhitungkan dan model hubungan dari faktor-faktor
tersebut ditentukan dengan baik, maka hasil peramalan akan mendekati kondisi
yang sebenarnya.
2.3
Jenis-jenis Peramalan
Peramalan dapat dibedakan dari berbagai segi tergantung dari cara melihatnya.
Jika dilihat dari cara penyusunannya, maka peramalan dapat dibedakan menjadi
dua macam, yaitu:
1.
Peramalan yang subjektif yaitu peramalan yang didasarkan atas perasaan
atau intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari
9
Universitas Sumatera Utara
10
orang yang menyusunnya sangat menentukan baik atau tidak hasil ramalan
tersebut.
2.
Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metodemetode dalam penganilisisan data tersebut.
Bila dilihat jangka waktu ramalan yang disusun, maka peramalan dapat
dibedakan atas duamacam yaitu:
1.
Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
menyusun hasil ramalan yang jangka waktunya lebih dari satu setengah
tahun atau tiga semester. Misalnya, penyusunan rencana pembangunan
Negara atau daerah.
2.
Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu
setengah tahun atau tiga semester. Misalnya, penyusunan rencana
produksi, rencana persediaan dan lain sebagainya.
Sedangkan berdasarkan metode peramalan yang digunakan, maka
peramalan dapat dibedakan atas dua macam yaitu:
1.
Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu atau dengan kata lain peramalan yang didasarkan atas
pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan
serta pengalaman dari penyusunnya. Metode ini penting saat data historis
tidak tersedia.
2.
Peramalan kuantitatif, yaitu peramalan yang didasarkan pada data historis.
Tujuan metode ini adalah mempelajari apa yang terjadi pada masa lalu
untuk memprediksi nilai-nilai pada masa yang akan datang.
Hasil peramalan yang dibuat sangat bergantung pada metode yang
dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan
diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari
penggunaan metode-metode tersebut adalah baik tidaknya metode yang
10
Universitas Sumatera Utara
11
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil
ramalan dengan kenyataan yang terjadi.
Menurut Makridakis, Whellwright, dan McGee (1999) peramalan
kuantitatif dapat diterapkan apabila terdapat tiga kondisi berikut:
1.
Terjadi informasi tentang masa lalu.
2.
Informasi tersebut dapat kualitatifkan dalam bentuk data numerik.
3.
Dapat diasumsikan bahwa beberapa aspek pola masa lalu kan terus
berlanjut di masa mendatang.
2.4
Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan
terjadi pada masa depan, berdasarkan 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 yang lalu yang dibutuhkan, yang bersifat kuantitatif, serta
teknik dan metode peramalannya.
Metode peramalan dapat memberikan cara pengerjaan yang teratur dan
terarah, sehingga demikian dapat memungkinkannya penggunaan teknik-teknik
tersebut, maka diharapkan dapat memberikan tingkat kepercayaan yang lebih
besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi
secara ilmiah.
2.4.1
Metode Peramalan yang digunakan
Untuk mendapatkan hasil peramalan yang akurat, maka harus digunakan metode
peramalan yang tepat. Maka untuk meramalkan jumlah wisatwan mancanegara ini
penulis menggunakan Pemulusan Eksponensial Satu Parameter dari Brown.
Metode Pemulusan Eksponensial Ganda (Metode Linier Satu Parameter
dari Brown) merupakan kelompok metode yang menunjukkan pembobotan
menurun secara eksponensial terhadap nilai pengamatan yang lebih tua disebut
prosedur pemulusan eksponensial. Seperti halnya dengan rata-rata bergerak,
metode eksponensial terdiri atas tunggal, ganda dan metode yang lebih rumit.
11
Universitas Sumatera Utara
12
Semua mempunyai sifat yang sama, yaiu nilai yang lebih baru diberikan bobot
yang relative besar disbanding nilai pengamatan yang lebih lama.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar
pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari
Brown adalah serupa dengan rata-rata bergerak linier, karena nilai pemulusan
tunggal dan ganda ketinggalan dari data sebenarnya. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara terus menerus dengan
menggunakan data-data terbaru. Setiap data diberi bobot, data yang lebih baru
diberi bobot lebih besar. Langkah-langkah dalam metode ini adalah:
=
+ (1- )
… … … … … … … … … … … … … ...(2.4.1.1)
=α
+ (1-α)
… … … … … … … … … … … … … ..(2.4.1.2)
=2
(
=
=
… … … … … … … … … … … … … … … … .(2.4.1.3)
-
) … … … … … … … … … … … … … … … (2.4.1.4)
+
(m) … … … … … … … … … … … … … ... … (2.4.1.5)
dengan,
: nilai pemulusan eksponensial tunggal
: nilai pemulusan eksponensial ganda
: parameter pemulusan eksponensial dengan nilai 0 < < 1
,
2.5
: peramalan untuk m period eke depan
Jenis-jenis Metode Peramalan
Pada dasarnya metode kuantitatif dapat dibedakan menjadi:
1.
Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu
yang merupakan Deret Berkala (Time Series). Metode yang termasuk
dalam jenis ini adalah:
a.
Metode pemulusan (Smoothing), merupakan jenis peramalan
jangka pendek seperti perencanaan persediaan, perencanaan
keuangan.
Tujuan
penggunaan
metode
ini
adalah
untuk
mengurangi ketidakteraturan data masa lampau seperti musiman.
12
Universitas Sumatera Utara
13
b.
Metode
Box
Jenkins,
merupakan
deret
waktu
dengan
menggunakan model matematis dan digunakan untuk peramalan
jangka pendek.
c.
Metode Proyeksi Trend, dengan regresi, merupakan metode yang
digunakan baik untuk jangka pendek maupun jangka panjang.
Metode ini merupakan garis trend untuk persamaan matematis.
2.
Metode peramalan yang didasarkan atas penggunaan analisis pola
hubungan antar variabel lain yang mempengaruhinya, yang bukan waktu
disebut metode korelasi atau sebab akibat. Metode peramalan yang
termasuk dalam dalam jenis ini adalah:
a.
Metode regresi dan korelasi, merupakan metode yang digunakan
baik untuk jangka panjang maupun pendek didasarkan pada
persamaan dengan teknik least squares yang dianalisis secara
statis.
b.
Metode Ekonometrik, merupakan metode yang digunakan untuk
jangka panjang dan pendek.
c.
Metode Input Output, merupakan metode yang digunakan untuk
jangka panjang yang biasa digunakan untuk menyusun trend
ekonomi jangka panjang.
2.6
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 suatukejadian 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.
13
Universitas Sumatera Utara
14
2.7
Pola Data
Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah
dengan mempertimbangkan jenis pola datanya. Pola data dapat dibedakan menjadi
empat, yaitu:
1.
Pola Horizontal
Terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang
konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya).
Suatu produk yang penjualannya tdak meningkat atau menurun selama
waktu tertentu termasuk jenis pola ini. Pola data musiman ditunjukkan
pada gambar berikut.
Gambar 2.1 Pola Data Horizontal
2.
Pola Musiman
Terjadi bila data berfluktuasi, namun fluktuasi tersebut terlihat berualang
tahun dalam satu interval waktu tertentu. Disebut pola musiman karena
permintaan ini biasanya dipengaruhi oleh musim sehingga biasanya
interval perulangan data ini adalah satu tahun. Penjualan dari produk
minuman produk minuman ringan, es krim dan bahan bakar pemanas
ruang termasuk pola musiman di tunjukkan pada gambar berikut.
14
Universitas Sumatera Utara
15
Gambar 2.2 Pola Data Musiman
3.
Pola Siklis
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk
seperti mobil, baja dan peralatan utama lainnya termasuk pola dara siklis.
Pola data siklis ditunjukkan apada gambar berikut.
Gambar 2.3 Pola Data Siklis
4.
Pola Trend
Pola trend adalah bila data permintaan menunjukkan pola kecenderungan
gerakkan
penurunan
atau kenaikan jangka
panjang. Data
yang
kelihatannya berfluktuasi, apabila dilihat pada rentang waktu yang
panjangakan ditarik garis maya. Garis maya itulah yang disebut garis
trend. Pola data trend ditunjukkan pada gambar berikut.
15
Universitas Sumatera Utara
16
Gambar 2.4 Pola Data Trend
2.8
Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting
yang harus diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam
mempersiapkan peramalan.
Ada enam 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. Pertama adalah cakupan waktu di masa yang
akan datang dan yang kedua adalah jumlah periode untuk peramalan yang
diinginkan.
2.
Salah satu hal penting dalam peramalan adalah anggapan bahwa macam
dari pola yang didapat didalam data yang diramalkan akan berkelanjutan.
Oleh karena adanya perbedaan kemampuan metode peramalan untuk
mengindentifikasikan
pola-pola
data,
maka
perlu
adanya
usaha
penyesuaian antara pola data yang telah diperkirakan terlebih dahulu
dengan teknik dan metoe peramalan yang akan digunakan.
3.
Jenis dari model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsure yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
16
Universitas Sumatera Utara
17
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 teknikteknik atau metode peramalan.
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 diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan.
2.9
Metode Smoothing (Pemulusan)
Metode pemulusan adalah metode peramalan dengan mengadakan pemulusan atau
penghalusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai
beberapa tahun untuk menaksir nilai pada beberapa tahun yang akan datang.
Secara umum metode pemulusan (smoothing) dapat diklasifikasikan menjadi
beberapa bagian, yaitu:
1.
2.
Metode Perataan (Average)
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 pemulusan (Smoothing) Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah:
=
+ (1-
… … … … … … … … … … … … … … … .(2.9.1)
dengan,
: ramalan satu periode kedepan
: data actual pada periode ke t
: ramalan pada periode ke t
17
Universitas Sumatera Utara
18
: parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
=
+ (1-
+…+
-(N-1)… … … … … … ..(2.9.2)
Dari pemulusan bentuk umum di atas dapat dikatakan bahwa metode eksponensial
smoothing merupakan sekelompok metode yang menunjukkan pembobotan
menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan
kata lain observasi yang baru diberikan bobot yang relative lebih besar dengan
nilai observasi yang lebih tua. Metode ini terdiri atas:
a.
Pemulusan Eksponensial Tunggal
1.
Satu parameter
2.
Pendekatan aditif
Metode ini cukup baik digunakan untuk peramalan yang mempunyai pola
trend atau sifat yang datanya stasioner.
b.
Pemulusan Eksponensial Ganda
1.
Metode Linier Satu Parameter dari Brown
2.
Metode Dua Parameter dari Holt
Metode ini digunakan untuk peramalan dengan data yang bersifat trend.
c.
Pemulusan Eksponensial Triple
1.
Pemulusan kuadratik Satu Parameter dari Brown
Dapat digunakan bila dasar pola datanya adalah kuadratik kubik atau
berorde lebih tinggi.
2.
Metode Kecenderungan atau musiman tiga parameter dari winter
Metode ini merupakan salah satu dari beberapa metode pemulusan
eksponensial yang dapat menangani data dengan pola musiman.
d.
Pemulusan Eksponensial menurut klasifikasi pegels.
2.9.1 Metode Smoothing yang digunakan
Untuk mendapat hasil yang baik harus diketahui cara peramalan yang tepat. Data
banyaknya jumlah wisatawan mancanegara di Kabupaten Toba Samosir sudah
diplot ke dalam grafis menunjukan pola trend linier yang dapat juga dilihat dari
18
Universitas Sumatera Utara
19
plot auto korelasi yang menunjukan pola data linier. Maka metode peramalan
analisis Time Series yang digunakan untuk meramalkan jumlah wisatawan
mancanegara pada pemecahan masalah ini adalah dengan menggunakan Metode
Eksponensial Ganda, yaitu “Smoothing Eksponensial Linier Satu Parameter dari
Brown”.
2.9.2 Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari
Brown
Metode ini merupakan model linier yang dikemukakan oleh Brown. Dasar
pemikiran dari smoothing eksponensial Ganda, metode Linier Satu Parameter dari
Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai
pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat
unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan
kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai
dalam pelaksanaan smoothing Eksponenial Ganda, metode Linier satu Parameter
dari brown adalah sebagai berikut:
a.
Menentukan nilai pemulusan Eksponensial Tunggal (
=
)
+ (1- )
dengan,
: Nilai pemulusan eksponensial tunggal
: Parameter pemulusan eksponensial
: Nilai riil periode t
: Nilai pemulusan eksponensial sebelumnya
b.
Menentukan nilai pemulusan eksponensial ganda (
=α
)
+ (1-α)
dengan,
: Nilai pemulusan eksponensial ganda
c.
Menentukan besarnya konstanta
=
+(
-
)=2
)
-
dengan,
: besarnya konstanta periode t
d.
Menentukan besarnya Slope ( )
19
Universitas Sumatera Utara
20
=
(
-
)
dengan,
: slope/nilai trend dari data yang sesuai
e.
Menentukan besarnya forecast
=
+
(m)
dengan,
: besarnya forecast
: jangka waktu forecast
2.9.3
Beberapa Kesalahan dan Ukuran Statistik satndar antara lain :
1.
ME (Mean error)/Nilai Tengah Kesalahan:
2.
ME = ∑
3.
MSE = ∑
SSE ( Sum Square Error)/Jumlah Kuadrat Kesalahan:
4.
SSE = ∑
MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat:
SDE (Standard Deviation of Error)/Deviasi Standar Kesalahan:
SDE =
√∑
dengan,
:
-
(kesalahan pada periode ke t)
: Data aktual pada periode t
: Nilai ramalan pada periode
20
Universitas Sumatera Utara
LANDASAN TEORI
2.1
Pengertian Wisatawan dan Wisatawan Mancanegara
Wisatawan adalah orang yang mengadakan perjalanan dari tempat kediamannya
tanpa menetap di tempat yang didatanginya atau hanya untuk sementara waktu
tinggal di tempat yang didatanginya. Sedangkan wisatawan mancanegara adalah
warga negara suatu negara yang mengadakan perjalanan wisata keluar lingkungan
dari negaranya (memasuki negara lain).
2.2
Peramalan
Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada
masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu
perkiraan (guess), tetapi dengan menggunakan teknik-teknik tertentu, maka
peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat dikatakan
perkiraan yang ilmiah (educated guess).
Peramalan (forecasting) dapat juga diartikan sebagai suatu usaha untuk
meramalkan keadaan dimasa mendatang melalui pengujian keadaan di masa lalu
(Handoko, 1984:260). Dalam kehidupan sosial segala sesuatu itu serba tidak pasti,
sukar diperkirakan secara tepat. Dengan kata lain peramalan bertujuan
mendapatkan forecast yang bisa meminimumkan kesalahan meramal.
Dengan melakukan peramalan, para perencana dan pengambil keputusan
akan dapat mempertimbangkan alternatif-alternatif strategi yang lebih luas dari
pada peramalan. Dengan demikian berbagai rencana strategi dan aksi dapat
dikembangkan untuk menghadapi berbagai kemungkinan yang bisa terjadi di
masa mendatang.
Banyak orang yang sulit membedakan antara peramalan dan perencanaan.
Peramalan pada umumnya di pergunakan untuk memprediksi sesuatu yang
kemungkinan besar akan terjadi, misalnya kondisi permintaan, penjualan, arus
kas, kondisi ekonomi, dan lain-lain didasarkan pada sejumlah asumsi. Sedangkan
perencanaan menggunakan ramalan-ramalan yang ada untuk menetapkan target,
termasuk didalamnya penerapan strategi untuk mencapai target itu. Dengan
Universitas Sumatera Utara
9
demikian, peramalan berusaha menggambarkan apa yang akan terjadi, sementara
rencana didasarkan pada gagasan bahwa dengan mengambil tindakan tertentu
pada saat ini, pengambil keputusan dapat mempengaruhi hasil akhir seperti
diharapkan.
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa
atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang
ini merupakan alasan utama bagi perencanaan dan peramalan.Jika waktu tenggang
ini nol atau sangat kecil, maka perencanaan dapat memegang peranan penting.
Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu
peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Peramalan mempunyai tujuan untuk memprediksikan keadaan dari suatu
kejadian, dimana dengan cara demikian suatu proses perencanaan dapat
diselenggarakan dengan tepat. Banyak keputusan yang penting dilakukan
mengarah kepada kejadian di masa mendatang sehingga memerlukan peramalan.
Sebagai dasar untuk merencanakan dan mengambil hasil suatu keputusan tersebut
diperlukan informasi yang baik dan akurat agar kemampuan meramalkan
berdasarkan data yang diperoleh dapat dikendalikan dengan baik untuk mencapai
sasaran yang diinginkan.
Salah satu aspek yang paling sering disalah pahami dalam peramalan
adalah ketidakpastian. Dalam prakteknya, hasil peramalan tidak pernah secara
mutlak tepat kecuali kebetulan. Hal ini karena keadaan maupun kejadian di masa
depan tidak menentu. Meskipun demikian, bila mana semua faktor penting
mempengaruhi telah diperhitungkan dan model hubungan dari faktor-faktor
tersebut ditentukan dengan baik, maka hasil peramalan akan mendekati kondisi
yang sebenarnya.
2.3
Jenis-jenis Peramalan
Peramalan dapat dibedakan dari berbagai segi tergantung dari cara melihatnya.
Jika dilihat dari cara penyusunannya, maka peramalan dapat dibedakan menjadi
dua macam, yaitu:
1.
Peramalan yang subjektif yaitu peramalan yang didasarkan atas perasaan
atau intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari
9
Universitas Sumatera Utara
10
orang yang menyusunnya sangat menentukan baik atau tidak hasil ramalan
tersebut.
2.
Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metodemetode dalam penganilisisan data tersebut.
Bila dilihat jangka waktu ramalan yang disusun, maka peramalan dapat
dibedakan atas duamacam yaitu:
1.
Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk
menyusun hasil ramalan yang jangka waktunya lebih dari satu setengah
tahun atau tiga semester. Misalnya, penyusunan rencana pembangunan
Negara atau daerah.
2.
Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk
penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu
setengah tahun atau tiga semester. Misalnya, penyusunan rencana
produksi, rencana persediaan dan lain sebagainya.
Sedangkan berdasarkan metode peramalan yang digunakan, maka
peramalan dapat dibedakan atas dua macam yaitu:
1.
Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu atau dengan kata lain peramalan yang didasarkan atas
pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan
serta pengalaman dari penyusunnya. Metode ini penting saat data historis
tidak tersedia.
2.
Peramalan kuantitatif, yaitu peramalan yang didasarkan pada data historis.
Tujuan metode ini adalah mempelajari apa yang terjadi pada masa lalu
untuk memprediksi nilai-nilai pada masa yang akan datang.
Hasil peramalan yang dibuat sangat bergantung pada metode yang
dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan
diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari
penggunaan metode-metode tersebut adalah baik tidaknya metode yang
10
Universitas Sumatera Utara
11
dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil
ramalan dengan kenyataan yang terjadi.
Menurut Makridakis, Whellwright, dan McGee (1999) peramalan
kuantitatif dapat diterapkan apabila terdapat tiga kondisi berikut:
1.
Terjadi informasi tentang masa lalu.
2.
Informasi tersebut dapat kualitatifkan dalam bentuk data numerik.
3.
Dapat diasumsikan bahwa beberapa aspek pola masa lalu kan terus
berlanjut di masa mendatang.
2.4
Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan
terjadi pada masa depan, berdasarkan 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 yang lalu yang dibutuhkan, yang bersifat kuantitatif, serta
teknik dan metode peramalannya.
Metode peramalan dapat memberikan cara pengerjaan yang teratur dan
terarah, sehingga demikian dapat memungkinkannya penggunaan teknik-teknik
tersebut, maka diharapkan dapat memberikan tingkat kepercayaan yang lebih
besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi
secara ilmiah.
2.4.1
Metode Peramalan yang digunakan
Untuk mendapatkan hasil peramalan yang akurat, maka harus digunakan metode
peramalan yang tepat. Maka untuk meramalkan jumlah wisatwan mancanegara ini
penulis menggunakan Pemulusan Eksponensial Satu Parameter dari Brown.
Metode Pemulusan Eksponensial Ganda (Metode Linier Satu Parameter
dari Brown) merupakan kelompok metode yang menunjukkan pembobotan
menurun secara eksponensial terhadap nilai pengamatan yang lebih tua disebut
prosedur pemulusan eksponensial. Seperti halnya dengan rata-rata bergerak,
metode eksponensial terdiri atas tunggal, ganda dan metode yang lebih rumit.
11
Universitas Sumatera Utara
12
Semua mempunyai sifat yang sama, yaiu nilai yang lebih baru diberikan bobot
yang relative besar disbanding nilai pengamatan yang lebih lama.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar
pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari
Brown adalah serupa dengan rata-rata bergerak linier, karena nilai pemulusan
tunggal dan ganda ketinggalan dari data sebenarnya. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara terus menerus dengan
menggunakan data-data terbaru. Setiap data diberi bobot, data yang lebih baru
diberi bobot lebih besar. Langkah-langkah dalam metode ini adalah:
=
+ (1- )
… … … … … … … … … … … … … ...(2.4.1.1)
=α
+ (1-α)
… … … … … … … … … … … … … ..(2.4.1.2)
=2
(
=
=
… … … … … … … … … … … … … … … … .(2.4.1.3)
-
) … … … … … … … … … … … … … … … (2.4.1.4)
+
(m) … … … … … … … … … … … … … ... … (2.4.1.5)
dengan,
: nilai pemulusan eksponensial tunggal
: nilai pemulusan eksponensial ganda
: parameter pemulusan eksponensial dengan nilai 0 < < 1
,
2.5
: peramalan untuk m period eke depan
Jenis-jenis Metode Peramalan
Pada dasarnya metode kuantitatif dapat dibedakan menjadi:
1.
Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu
yang merupakan Deret Berkala (Time Series). Metode yang termasuk
dalam jenis ini adalah:
a.
Metode pemulusan (Smoothing), merupakan jenis peramalan
jangka pendek seperti perencanaan persediaan, perencanaan
keuangan.
Tujuan
penggunaan
metode
ini
adalah
untuk
mengurangi ketidakteraturan data masa lampau seperti musiman.
12
Universitas Sumatera Utara
13
b.
Metode
Box
Jenkins,
merupakan
deret
waktu
dengan
menggunakan model matematis dan digunakan untuk peramalan
jangka pendek.
c.
Metode Proyeksi Trend, dengan regresi, merupakan metode yang
digunakan baik untuk jangka pendek maupun jangka panjang.
Metode ini merupakan garis trend untuk persamaan matematis.
2.
Metode peramalan yang didasarkan atas penggunaan analisis pola
hubungan antar variabel lain yang mempengaruhinya, yang bukan waktu
disebut metode korelasi atau sebab akibat. Metode peramalan yang
termasuk dalam dalam jenis ini adalah:
a.
Metode regresi dan korelasi, merupakan metode yang digunakan
baik untuk jangka panjang maupun pendek didasarkan pada
persamaan dengan teknik least squares yang dianalisis secara
statis.
b.
Metode Ekonometrik, merupakan metode yang digunakan untuk
jangka panjang dan pendek.
c.
Metode Input Output, merupakan metode yang digunakan untuk
jangka panjang yang biasa digunakan untuk menyusun trend
ekonomi jangka panjang.
2.6
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 suatukejadian 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.
13
Universitas Sumatera Utara
14
2.7
Pola Data
Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah
dengan mempertimbangkan jenis pola datanya. Pola data dapat dibedakan menjadi
empat, yaitu:
1.
Pola Horizontal
Terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang
konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya).
Suatu produk yang penjualannya tdak meningkat atau menurun selama
waktu tertentu termasuk jenis pola ini. Pola data musiman ditunjukkan
pada gambar berikut.
Gambar 2.1 Pola Data Horizontal
2.
Pola Musiman
Terjadi bila data berfluktuasi, namun fluktuasi tersebut terlihat berualang
tahun dalam satu interval waktu tertentu. Disebut pola musiman karena
permintaan ini biasanya dipengaruhi oleh musim sehingga biasanya
interval perulangan data ini adalah satu tahun. Penjualan dari produk
minuman produk minuman ringan, es krim dan bahan bakar pemanas
ruang termasuk pola musiman di tunjukkan pada gambar berikut.
14
Universitas Sumatera Utara
15
Gambar 2.2 Pola Data Musiman
3.
Pola Siklis
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk
seperti mobil, baja dan peralatan utama lainnya termasuk pola dara siklis.
Pola data siklis ditunjukkan apada gambar berikut.
Gambar 2.3 Pola Data Siklis
4.
Pola Trend
Pola trend adalah bila data permintaan menunjukkan pola kecenderungan
gerakkan
penurunan
atau kenaikan jangka
panjang. Data
yang
kelihatannya berfluktuasi, apabila dilihat pada rentang waktu yang
panjangakan ditarik garis maya. Garis maya itulah yang disebut garis
trend. Pola data trend ditunjukkan pada gambar berikut.
15
Universitas Sumatera Utara
16
Gambar 2.4 Pola Data Trend
2.8
Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting
yang harus diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam
mempersiapkan peramalan.
Ada enam 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. Pertama adalah cakupan waktu di masa yang
akan datang dan yang kedua adalah jumlah periode untuk peramalan yang
diinginkan.
2.
Salah satu hal penting dalam peramalan adalah anggapan bahwa macam
dari pola yang didapat didalam data yang diramalkan akan berkelanjutan.
Oleh karena adanya perbedaan kemampuan metode peramalan untuk
mengindentifikasikan
pola-pola
data,
maka
perlu
adanya
usaha
penyesuaian antara pola data yang telah diperkirakan terlebih dahulu
dengan teknik dan metoe peramalan yang akan digunakan.
3.
Jenis dari model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsure yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
16
Universitas Sumatera Utara
17
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 teknikteknik atau metode peramalan.
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 diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan.
2.9
Metode Smoothing (Pemulusan)
Metode pemulusan adalah metode peramalan dengan mengadakan pemulusan atau
penghalusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai
beberapa tahun untuk menaksir nilai pada beberapa tahun yang akan datang.
Secara umum metode pemulusan (smoothing) dapat diklasifikasikan menjadi
beberapa bagian, yaitu:
1.
2.
Metode Perataan (Average)
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 pemulusan (Smoothing) Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah:
=
+ (1-
… … … … … … … … … … … … … … … .(2.9.1)
dengan,
: ramalan satu periode kedepan
: data actual pada periode ke t
: ramalan pada periode ke t
17
Universitas Sumatera Utara
18
: parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
=
+ (1-
+…+
-(N-1)… … … … … … ..(2.9.2)
Dari pemulusan bentuk umum di atas dapat dikatakan bahwa metode eksponensial
smoothing merupakan sekelompok metode yang menunjukkan pembobotan
menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan
kata lain observasi yang baru diberikan bobot yang relative lebih besar dengan
nilai observasi yang lebih tua. Metode ini terdiri atas:
a.
Pemulusan Eksponensial Tunggal
1.
Satu parameter
2.
Pendekatan aditif
Metode ini cukup baik digunakan untuk peramalan yang mempunyai pola
trend atau sifat yang datanya stasioner.
b.
Pemulusan Eksponensial Ganda
1.
Metode Linier Satu Parameter dari Brown
2.
Metode Dua Parameter dari Holt
Metode ini digunakan untuk peramalan dengan data yang bersifat trend.
c.
Pemulusan Eksponensial Triple
1.
Pemulusan kuadratik Satu Parameter dari Brown
Dapat digunakan bila dasar pola datanya adalah kuadratik kubik atau
berorde lebih tinggi.
2.
Metode Kecenderungan atau musiman tiga parameter dari winter
Metode ini merupakan salah satu dari beberapa metode pemulusan
eksponensial yang dapat menangani data dengan pola musiman.
d.
Pemulusan Eksponensial menurut klasifikasi pegels.
2.9.1 Metode Smoothing yang digunakan
Untuk mendapat hasil yang baik harus diketahui cara peramalan yang tepat. Data
banyaknya jumlah wisatawan mancanegara di Kabupaten Toba Samosir sudah
diplot ke dalam grafis menunjukan pola trend linier yang dapat juga dilihat dari
18
Universitas Sumatera Utara
19
plot auto korelasi yang menunjukan pola data linier. Maka metode peramalan
analisis Time Series yang digunakan untuk meramalkan jumlah wisatawan
mancanegara pada pemecahan masalah ini adalah dengan menggunakan Metode
Eksponensial Ganda, yaitu “Smoothing Eksponensial Linier Satu Parameter dari
Brown”.
2.9.2 Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari
Brown
Metode ini merupakan model linier yang dikemukakan oleh Brown. Dasar
pemikiran dari smoothing eksponensial Ganda, metode Linier Satu Parameter dari
Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai
pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat
unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan
kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai
dalam pelaksanaan smoothing Eksponenial Ganda, metode Linier satu Parameter
dari brown adalah sebagai berikut:
a.
Menentukan nilai pemulusan Eksponensial Tunggal (
=
)
+ (1- )
dengan,
: Nilai pemulusan eksponensial tunggal
: Parameter pemulusan eksponensial
: Nilai riil periode t
: Nilai pemulusan eksponensial sebelumnya
b.
Menentukan nilai pemulusan eksponensial ganda (
=α
)
+ (1-α)
dengan,
: Nilai pemulusan eksponensial ganda
c.
Menentukan besarnya konstanta
=
+(
-
)=2
)
-
dengan,
: besarnya konstanta periode t
d.
Menentukan besarnya Slope ( )
19
Universitas Sumatera Utara
20
=
(
-
)
dengan,
: slope/nilai trend dari data yang sesuai
e.
Menentukan besarnya forecast
=
+
(m)
dengan,
: besarnya forecast
: jangka waktu forecast
2.9.3
Beberapa Kesalahan dan Ukuran Statistik satndar antara lain :
1.
ME (Mean error)/Nilai Tengah Kesalahan:
2.
ME = ∑
3.
MSE = ∑
SSE ( Sum Square Error)/Jumlah Kuadrat Kesalahan:
4.
SSE = ∑
MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat:
SDE (Standard Deviation of Error)/Deviasi Standar Kesalahan:
SDE =
√∑
dengan,
:
-
(kesalahan pada periode ke t)
: Data aktual pada periode t
: Nilai ramalan pada periode
20
Universitas Sumatera Utara