Analisis PeramalanTrendline

PeramalanBerkaitan dengan masa depanPeramalan merupakan tahap awal dari suatu proses pengambilan keputusan

Tujuan Peramalanmemberikan gambaran kondisi masa depan dan konsekuensi yang mungkin terjadi deskriptifmembentuk masa depan sesuai dengan nilai, tujuan dan sasaran, serta kondisi yang diinginkan normatif

Mengapa planning perlu peramalan?

Mengapa perlu peramalan?PLANNING ADALAH SUATU PROSES ANALISIS DAN TINDAKAN TENTANG SEGALA SESUATU DI MASA MENDATANG SEHINGGA PERLU PERAMALAN TERHADAP KONDISI YANG AKAN DATANG BERDASARKAN DATA YANG ADA

Skenario Peramalan

Titik referensi

Data masa lalu tersedia

Ramalan masa mendatang

Perencanaan berkaitan dengan pengambilan keputusan publik (public decision making) untuk mengarahkan masa depanDengan demikian, prinsip ke-masa depan-an menjadi salah satu pilar perencanaan

Jenis PeramalanProyeksi peramalan yang berdasarkan pada ekstrapolasi data sekarang dan data sebelumnyaPrediksi peramalan yang berdasarkan pada asumsi teoritis yang eksplisitSpekulasi peramalan yang berdasarkan pada penilaian subyektif (subjective judgement)

Jenis peramalanDasar peramalanFokus utama dari argumentasi Proyeksi Kondisi saat ini dan kecenderungan sebelumnyaMetode Kasus yang paralelPrediksi Asumsi teoritisSebab akibatSpekulasi Penilaian subyektifPandangan (insight)Motivasi

Peramalan: Pendekatan dan Teknik

Pendekatan Dasar Teknik yang sesuaiProduk Peramalan ekstrapolatifKecenderungan (trend)Ekstrapolasi Analisis time-series Analisis trendLeast Square Trend Estimatimation

Proyeksi Peramalan teoritisTeori Pemetaan teoriAnalisis lintasanPrograma linierAnalisis regresiAnalisis korelasiPrediksi Peramalan intuitifPenilaian subyektifMetode delphiAnalisis cross-impactSpekulasi

PERAMALAN KUANTITATIFTime Series & CausalDERET BERKALA/TIME SERIESPENDUGAAN MASA DEPAN DILAKUKAN BERDASARKAN NILAI MASA LALU.MENEMUKAN POLA DALAM DERET DATA HISTORIS DAN MENGEKSPLORASIKAN POLA TERSEBUT KE MASA DEPAN.DIGUNAKAN UNTUK PERAMALAN.HARUS MEMPERTIMBANGKAN JENIS POLA DATA SHG METODE YG TEPAT DAPAT DIUJI.

EKSPLANATORIS/CAUSAL/REGRESIFAKTOR YG DIRAMALKAN MENUNJUKKAN HUBUNGAN SEBAB AKIBAT DGN SATU ATAU LEBIH VARIABEL BEBAS.MENEMUKAN BENTUK HUBUNGAN DAN MERAMALKAN NILAI MENDATANG DARI VARIABEL TAK BEBAS.DIGUNAKAN UNTUK PENGAMBILAN KEPUTUSAN.

Dalam metode kuantitatif, dapat diterapkan dalam tiga kondisi berikut:

Tersedia informasi tentang masa laluInformasi tersebut dapat dikuantitatifkan dalam bentuk data numerikDapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

PERAMALAN KUALITATIFEksploratoris dan NormatifEKSPLORATORISDIMULAI DENGAN MASA LALU DAN MASA KINI SBG TITIK AWAL DAN BERKERAK KE MASA DEPAN DENGAN MELIHAT KEMUNGKINAN YG ADA.CONTOH METODE: DELPHI, KURVA-S, ANALOGI, MORFOLOGIS.NORMATIFDIMULAI DENGAN MENETAPKAN SASARAN DAN TUJUAN YANG AKAN DATANG, KEMUDIAN BEKERJA MUNDUR UNTUK MELIHAT APAKAH HAL TSB DAPAT DICAPAI, BERDASARKAN KENDALA, SUMBER DAYA, DAN TEKNOLOGI YANG TERSEDIA.CONTOH METODE: MATRIKS KEPUTUSAN, POHON RELEVANSI, ANALISA SISTEM.

PERAMALAN KUALITATIFEksploratoris dan NormatifTIDAK MEMERLUKAN DATA SEPERTI DALAM METODE KUANTITATIFINPUT YG DIBUTUHKAN TERGANTUNG METODE TERTENTU. BIASANYA MERUPAKAN HASIL PEMIKIRAN, INTUITIF, PERTIMBANGAN, DAN PENGETAHUAN YANG TELAH DIDAPAT.INPUT DIDAPAT DARI ORANG-ORANG YANG TELAH TERLATIH KHUSUS DALAM BIDANG TERTENTU.

Analisis trendline (deret berkala).

trendline (deret berkala).

sering kali dapat dengan mudah digunakan untuk meramal.disebut sebagai metode peramalan deret berkala (trendline) karena memiliki karakteristik bahwa data yang dianalisis bersifat deret yang menunjukkan waktu yang berkala. Periode waktu dari data deret berkala dapat berupa tahunan, mingguan, bulanan, semester, kuartal dan lain-lain.Tujuan metode peramalan deret berkala adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depanData deret berkala adalah sekumpulan data yang dicatat dalam suatu periode tertentu

Pola-Pola Data

JENIS / Pola Data POLA HORISONTAL (H)NILAI DATA BERFLUKTUASI DI SEKITAR NILAI RATA-RATA KONSTAN (STATIONER THD NILAI RATA-RATANYA).CONTOH: PRODUK PENJUALAN YG TIDAK NAIK ATAUPUN TURUN PD KURUN WAKTU TERTENTU.POLA MUSIMAM (S)SUATU DERET DIPENGARUHI OLEH FAKTOR MUSIMAN (KUARTAL TAHUN TERTENTU, BULANAN, ATAU HARI-HARI PADA MINGGU TERTENTU).CONTOH: PENJUALAN PRODUK ES KRIM, pemanas ruangan, DLL.POLA SIKLIS (C)DATA DIPENGARUHI OLEH FLUKTUASI EKONOMI JANGKA PANJANG .CONTOH: PENJUALAN BESI BAJA, MOBIL, DLL.POLA TREND (T)TERDAPAT KENAIKAN ATAU PENURUNAN SEKULER JANGKA PANJANG DALAM DATA.CONTOH: PRODUK BRUTO NASIONAL, INDIKATOR BISNIS, DLL. PEMILIHAN SUATU METODE DERET BERKALA YG TEPAT TERGANTUNG DARI JENIS POLA DATA YG ADA

*Least Square Trend EstimationLeast Square berarti meminimalkan jarak antara garis persamaan regresi dengan nilai observasi. Semakin dekat jarak antara persamaan regresi dengan nilai observasi; berarti hasil proyeksi semakin akurat.

Untuk menilai akurat / tidaknya suatu persamaan regresi yang merupakan hasil proyeksi dengan melihat nilai R2 .R2 semakin mendekati nilai 1 proyeksi semakin akurat.

*CONTOH ANALISIS LEAST SQUARE TREND ESTIMATIONJML PDDKTAHUN KE-Hasil proyeksi paling akurat karenaNilai R2 paling mendekati nilai 1.Y= besarnya jlh pddk pada tahun ke nX= selisih tahun awal dengan tahun yang akan diprediksi

Chart2

1200

1376

1732

2003

2500

3891

5006

5700

6006

11000

15000

Linier

Polinomial

Eksponensial

Sheet1

TahunJml Penduduk

19901200

19911376

19921732

19932003

19942500

19953891

19965006

19975700

19986006

199911000

200015000

TAHUNJMLH PENDUDUKPERTUMBUHAN

19901400200

19911600200

19921800200

19932000200

19942200200

19952400200

19962600200

19972800200

19983000200

19993200200

20003400200

TAHUNJMLH PENDUDUKPERTUMBUHAN

199014002%

199114282%

19922%

19932%

19942%

19952%

19962%

19972%

19982%

19992%

20002%

Sheet1

0

0

0

0

0

0

0

0

0

0

0

Linier

Eksponensial

Polinomial

Sheet2

0

0

0

0

0

0

0

0

0

0

0

Logaritmik (series2)

Sheet3

0

0

0

0

0

0

0

0

0

0

0

TahunJml Penduduk

19901200

19911376

19921732

19932003

19942500

19953891

19965006

19975700

19986006

199911000

200015000

0

0

0

0

0

0

0

0

0

0

0

Linier

Polinomial

Eksponensial

DAFTAR PUSTAKADunn, W. 1981. Public Policy Analysis. New York: Prentice-Hall, Inc.Field, B.G. (et.all). 1987. Forecasting Techniques for Urban and Regional Planning. Glasgow: UCL Press.Makridakis, S. (et.all). 1983. Forecasting: Methods and Applications. New York: John Wiley and SonsThaha, H.A. 1997. Operations Research: An Introduction. Upper Saddle River: Prentice-Hall

***