Peramalan Jumlah Konsumsi Kalori Di Provinsi Nanggroe Aceh Darussalam

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu (timelag) antara kesadaran yang dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jika perbedaan waktu tersebut panjang, maka peran peramalan begitu penting dan sangat dibutuhkan terutama dalam penentuan waktu kapan akan terjadinya sesuatu, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih atas ketepatan hasil ramalan yang dibuat.

2.2 Jenis-Jenis Peramalan

Peramalan (forecasting) : adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.

Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain.

1. Peramalan berdasarkan jangka waktu :

a. Peramalan jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi).

b. Peramalan jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis berbagai rencana operasi),

c. Peramalan jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan).

2. Peramalan berdasarkan rencana operasi

a. Ramalan ekonomi : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya.

b. Ramalan teknologi : berkaitan dengan tingkat kemajuan teknologi dan produk baru.

c. Ramalan permintaan : berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjualan perusahaan.

3. Peramalan berdasarkan metode / pendekatan

a. Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan data historis dan atau variabel-variabel kausal untuk meramalkan permintaan.

b. Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan.

2.3 Langkah-langkah Peramalan

Secara umum untuk memastikan bahwa peramalan yang dilakukan dapat tepat guna serta memenuhi ketepatan yang optimal, maka terdapat beberapa langkah yang harus dilakukan dalam melakukan peramalan ( Teguh Baroto 2005 ). Adapun langkah-langkah tersebut antara lain

1. Penentuan Tujuan

Tujuan peramalan bergantung pada kebutuhan informasi para manager setelah melakukan penentuan tujuan maka dapat selanjutnya melakukan penentuan antara lain :

a. Variabel apa yang diramalkan

b. Siapa yang akan menggunakan hasil peramalan c. Untuk tujuan apa hasil peramalan digunakan

d. Peramalan jangka panjang atau jangka pendek yang diperlukan e. Derajat ketepatan peramalan yang diinginkan

f. Kapan peramalan dilakukan

g. Bagian-bagian peramalan yang dinginkan seperti peramalan untuk kelompok pembeli, kelompok produk atau daerah geografis

2. Pengembangan Model

Model dapat diibaratkan sebagai cara pengolahan dan penyajian data agar lebih sederhana sehingga mudah untuk dianalisis

3. Pengujian Model

Pengujian Model dilakukan untuk menentukan tingkat akurat,validitas dan reabilitas yang diharapkan. Nilai suatu model ditentukan dengan derajat ketepatan peramalan dengan permintaan aktualnya.

4. Penerapan model atau hasil dari peramalan yang diperoleh. 5. Revisi dan Evaluasi.

2.4 Metode Peramalan

Peramalan adalah 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. Ramalan dapat didasarkan atas bermacam-macam cara yang kita kenal dengan metode peramalan.

Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu, dan karena itu maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Metode peramalan ini sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang disusun.

Seperti yang telah diuraikan pada pembahasan diatas, dimana metode peramalan menggunakan peramalan kuantitatif. Oleh karena itu dalam

pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas.

1. Metode peramalan yang didasarkan atas penggunaan analisa pada hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series)

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu dan bisa disebut dengan sebab akibat (causal mrthods)

Dengan pembahasan ini penulis membatasi mengenai metode peramalan yang berhubungan deret waktu, karena penulis akan menggunakan salah satu diantara metode-metode peramalan yang berhubungan dengan deret waktu (time serise). Adapun metode-metode tersebut adalah sebagai berikut:

1. Metode Smooting, yaitu yang digunakan untuk mengurangi ketidak-teraturan musiman dari data yang lalu maupun kedua-duanya, dengan membuat rata-rata tertimbang dari sederetan data yang lalu. Ketepatan dari peramalan dengan metode ini akan terdapat pada peramalan jangka pendek,sedangkan untuk peramalan jangka panjang ketepatan akan berkurang. Data yang dibutuhkan untuk penggunaan metode ini minimal selama dua tahun.

2. Metode box jenkins, yaitu dengan menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat diminimalkan. Oleh karena itu penggunaan metode ini membutuhkan identifikasi model dan

estimasi parameternya. Metode ini sangat baik ketepatannya untuk peramalan jangka pendek, sedangkan peramalan untuk jangka panjang ketepatannya kurang baik. Data yang dibutuhkan penggunaan metode peramalan ini minimum dua tahun dan lebih baik bila data yang dimiliki lebih dari dua tahun.

3. Metode Proyeksi trend dengan regresi merupakan dasar garis trend untuk persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek maupun jangka panjang, ketepatan peramalan dengan menggunakan metode ini sangat baik.

Berdasarkan penjelasan diatas dan data yang diperoleh oleh penulis, maka pada tugas akhir ini penulis akan menggunakan metode proyeksi trend dengan regresi yang akan dijelaskan pada pembahasan selanjutnya.

2.5 Metode Pemulusan Smoothing

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksirkan nilai pada beberapa tahun ke depan.

Secara umum Metode Smoothing di klasifikasikan menjadi dua bagian, yaitu: 1. Metode Rata-rata

Metode rata-rata dibagi menjadi 4 bagian, yaitu: a. Nilai tengah (Mean)

c. Rata-rata bergerak ganda ( Double Moving Average) d. Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial adalah:

Dengan :

= Ramalan satu periode ke depan = Data aktual pada periode ke-t = Ramalan aktual pada periode ke-t = Parameter pemulusan

Metode smoothing Eksponensial Terdiri atas : 1. Smoothing Eksponensial Tunggal

a. Satu Parameter b. Pendekatan adaptif 2. Smoothing Eksponensial Ganda

a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt

3. Smoothing Eksponensial Triple

a. Metode kuadratik satu parameter dari Brown

b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter

4. Smoothing Eksponensial Menurut Klasifikasi Pegels

Untuk mendapatkan hasil ramalan yang baik dan benar harus diketahui cara peramaan yang tepat. Maka metode pemulusan analisis time series yang digunakan untuk meramalkan atau memprediksi jumlah konsumsi kalori di provinsi Aceh. Pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smooting Eksponensial satu Parameter dari Brown”.

Metode ini merupakan metode yang di kemukakan oleh brown, dasar pemikiran dari metode Smoothing Eksponensial Linier satu parameter dari brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.

Persamaan yang tepat dipakai dalam pelaksanaan pemulusan eksponensial linier satu parameter dari Brown adalah sebagai berikut:

a) Menentukan Pemulusan Pertama ( )

Dengan:

=Pemulusan pertama periode t = Nilai periode t

= Pemulusan periode t-1

Dengan :

= Pemulusan kedua periode t-1

c) Menentukan Besarnya Konstanta ( )

Dengan:

= konstanta pemulusan

d) Menentukan besarnya slope/ koefisien ( )

Dengan:

= konstanta pemulusan

e) Menentukan Besarnya trend peramalan/forecast ( )

Dengan:

= Hasil pengamatan untuk m periode kedepan yang akan diramalkan

= jumlah periode kedepan yang diramalkan

2.6 Ketepatan Ramalan

Ketepatan Ramalan adalah satu hal yang mendasarkan 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 (time

series) dari data masa lalu dapat diramalkan situasi yang akn terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:

1. ME (Mean Error) atau Nilai Tengah Kesalahan

2. MSE (Mean Square Absolut Error) atau Nilai Tengah Kesaahan Kuadrat

pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas.

1. Metode peramalan yang didasarkan atas penggunaan analisa pada hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series)

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu dan bisa disebut dengan sebab akibat (causal mrthods)

Dengan pembahasan ini penulis membatasi mengenai metode peramalan yang berhubungan deret waktu, karena penulis akan menggunakan salah satu diantara metode-metode peramalan yang berhubungan dengan deret waktu (time serise). Adapun metode-metode tersebut adalah sebagai berikut:

1. Metode Smooting, yaitu yang digunakan untuk mengurangi ketidak-teraturan musiman dari data yang lalu maupun kedua-duanya, dengan membuat rata-rata tertimbang dari sederetan data yang lalu. Ketepatan dari peramalan dengan metode ini akan terdapat pada peramalan jangka pendek,sedangkan untuk peramalan jangka panjang ketepatan akan berkurang. Data yang dibutuhkan untuk penggunaan metode ini minimal selama dua tahun.

2. Metode box jenkins, yaitu dengan menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat diminimalkan. Oleh karena itu penggunaan metode ini membutuhkan identifikasi model dan

estimasi parameternya. Metode ini sangat baik ketepatannya untuk peramalan jangka pendek, sedangkan peramalan untuk jangka panjang ketepatannya kurang baik. Data yang dibutuhkan penggunaan metode peramalan ini minimum dua tahun dan lebih baik bila data yang dimiliki lebih dari dua tahun.

3. Metode Proyeksi trend dengan regresi merupakan dasar garis trend untuk persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek maupun jangka panjang, ketepatan peramalan dengan menggunakan metode ini sangat baik.

Berdasarkan penjelasan diatas dan data yang diperoleh oleh penulis, maka pada tugas akhir ini penulis akan menggunakan metode proyeksi trend dengan regresi yang akan dijelaskan pada pembahasan selanjutnya.

2.5 Metode Pemulusan Smoothing

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksirkan nilai pada beberapa tahun ke depan.

Secara umum Metode Smoothing di klasifikasikan menjadi dua bagian, yaitu: 1. Metode Rata-rata

Metode rata-rata dibagi menjadi 4 bagian, yaitu: a. Nilai tengah (Mean)

c. Rata-rata bergerak ganda ( Double Moving Average) d. Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial adalah:

Dengan :

= Ramalan satu periode ke depan = Data aktual pada periode ke-t = Ramalan aktual pada periode ke-t = Parameter pemulusan

Metode smoothing Eksponensial Terdiri atas : 1. Smoothing Eksponensial Tunggal

a. Satu Parameter b. Pendekatan adaptif 2. Smoothing Eksponensial Ganda

a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt

3. Smoothing Eksponensial Triple

a. Metode kuadratik satu parameter dari Brown

b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter

4. Smoothing Eksponensial Menurut Klasifikasi Pegels

Untuk mendapatkan hasil ramalan yang baik dan benar harus diketahui cara peramaan yang tepat. Maka metode pemulusan analisis time series yang digunakan untuk meramalkan atau memprediksi jumlah konsumsi kalori di provinsi Aceh. Pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smooting Eksponensial satu Parameter dari Brown”.

Metode ini merupakan metode yang di kemukakan oleh brown, dasar pemikiran dari metode Smoothing Eksponensial Linier satu parameter dari brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.

Persamaan yang tepat dipakai dalam pelaksanaan pemulusan eksponensial linier satu parameter dari Brown adalah sebagai berikut:

a) Menentukan Pemulusan Pertama ( )

Dengan:

=Pemulusan pertama periode t = Nilai periode t

= Pemulusan periode t-1

Dengan :

= Pemulusan kedua periode t-1

c) Menentukan Besarnya Konstanta ( )

Dengan:

= konstanta pemulusan

d) Menentukan besarnya slope/ koefisien ( )

Dengan:

= konstanta pemulusan

e) Menentukan Besarnya trend peramalan/forecast ( )

Dengan:

= Hasil pengamatan untuk m periode kedepan yang akan diramalkan

= jumlah periode kedepan yang diramalkan

2.6 Ketepatan Ramalan

Ketepatan Ramalan adalah satu hal yang mendasarkan 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 (time

series) dari data masa lalu dapat diramalkan situasi yang akn terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:

1. ME (Mean Error) atau Nilai Tengah Kesalahan

2. MSE (Mean Square Absolut Error) atau Nilai Tengah Kesaahan Kuadrat