BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan (Forecasting)

Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan

terjadi pada masa mendatang. Peramalan diperlukan karena adanya perbedaan waktu antara

kesadaran akan dibutuhkan suatu kebijakan baru dengan waktu pelaksanaan kebijakan

tersebut. 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 perlu dilakukan.

Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi di masa

akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal

dengan metode peramalan. Metode peramalan adalah cara memperkirakan secara kwantatif

apa yang terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. 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

besar atas ketepatan hasil ramalan yang dibuat atau disusun.

2.2 Kegunaan dan Peran Peramalan

Sering terdapat senjang waktu ( Time Lag ) antara kesadaran akan peristiwa atau

kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ( Lead Time ) ini

merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas peramalan

sangat diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan

akan timbul, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

Dalam perencanaan disuatu instansi baik itu pemerintahan maupun swasta, peramalan

merupakan kebutuhan yang sangat mendasar. Dimana baik maupun buruknya ramalan dapat

mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan

dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam

perencanaan yang efektif dan efisien.

Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan

yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi saat

keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya

keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan

merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang

selalu dihadapi karena peramalan berkaitan dengan pengambilan suatu keputusan. Baik

tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan

juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan atau ketepatan

ramalan yang dibuat. Selama data maupun informasi yang digunakan tidak dapat maka hasil

peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.

Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting,

walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu

ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah untuk memperkecil

kesalahannya tersebut.

Di dalam bagian Organisasi terdapat beberapa peran penting dalam peramalan :

1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber 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, bahan, tenaga kerja, finansial atau jasa pelayanan.

2. Penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan

baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antara

beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan

sumber daya di masa yang akan datang.

3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya

yang ingin dimiliki dalam jangka waktu panjang. Keputusan semacam ini bergantung kepada

kesempatan pasar, faktor-faktor lingkungan dan pengembangan internal dari sumber daya

finansial, manusia, produk, dan teknologi.Semua penentuan ini memerlukan ramalan yang

baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di

atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah, dan

panjang.

Dari uraian di atas dapat dikatakan bahwa metode peramalan sangat berguna, karena

akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan

metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah

serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.

2.3 Jenis Peramalan

Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :

1. Peramalan Kwalitatif atau Teknologis

peramalan Kwalitatif adalah peramalan yang didasarkan atas data kwalitatif pada

masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. hal ini

penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat

instuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya.

metode kwalitatif dapat dibagi menjadi 2 yaitu : metode eksploratoris dan normative.

2. Peramalan Kwantitatif

Peramalan Kwantitatif adalah peramalan yang didasarkan atas data kwantitatif pada

masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam

peramalan tersebut. karena dengan metode yang berbeda akan diperoleh suatu hasil

peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh

perbedaan atau penyimpangan antara hasil ramalan dengan keyakinan yang terjadi. Semakin

kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang

dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang dilakukan dengan

mengikuti prosedur penyusunan yang baik. Metode kwantitatif dapat dibagi dalam deret

berkala ( time series ) dan metode kausal.

Peramalan kwantitatif dapat digunakan bila terdapat tiga kondisi yaitu :

1. Adanya informasi tentang masa lalu

2. Informasi tersebut dapat dikwantitatifkan dalam bentuk data.

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan

terus berlanjut di masa yang akan datang.

Metode-metode peramalan dengan analisis deret waktu yaitu :

1. Metode Pemulusan Ekponensial dan Rata-rata Bergerak

Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan

jangka panjang.

2. Metode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.

3. Metode Box-Jenkins

Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka

panjang

2.4. Jenis – Jenis Metode Peramalan

2.4.1 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 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 masing-masing metode

peramalan yaitu : cakupan waktu dimasa yang akan datang daan 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 dimana 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.

4. Biaya yang Dibutuhkan

Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu

prosedur peramalan yaitu biaya-biaya pengembangan, penyimpanan (storage) data, operasi

pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian

yang dibutuhkan dalam suatu peramalan.

6. Kemudahan dan Penerapan

Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan

suatu prinsip umum bagi pengambilan keputusan.

2.4.2 Analisis Deret Berkala

Data berkala ( time series ) adalah data yang dikumpulkan dari waktu ke waktu untuk

memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis

data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian

serta hubungan kerja lainnya.

Metode time series merupakan metode peramalan kwantitatif didasarkan atas

penggunaan analisis pola hubungan antara variable yang akan diperkirakan dengan variable

waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk

meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa yang akan

datang. Stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan/penurunan data. Data

secara kasar harus horizontal sepanjang waktu dengan kata lain fluktuasi data tetap konstan

setiap waktu.

2.4.3 Penentuan Pola Data

Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan

jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut

dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :

1. Pola Horizontal ( H )

Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan.

2. Pola musiman ( S )

Pola yang menunjukkan perubahan yang berulang-ulang secara periodic dalam deret

waktu. pola yang ini terjadi bial suatu deret dipengaruhi oleh faktor musiman, misalnya

kwartal tahun tertentu, bulanan atau hari-hari pada mingu-minggu tertentu.

3. Pola Siklis ( C )

Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva

trend. terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti

berhubungan dengan siklus bisnis.

4. Pola Trend ( T )

Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

2.5 Metode Pemulusan ( Smoothing )

Metode Smothing adalah metode peramalan dengan mengadakan penghalusan

terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk

menaksir nilai pada beberapa tahun kedepan.

Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu :

1. Metode Rata-Rata

Metode rata-rata dibagi atas empat bagian, yaitu :

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 rata-rata tujuannya adalah untuk memenfaatkan data masa lalu untuk

mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan ekponensial adalah :

Ft+1 = αXt + (1- α) Ft

Dimana :

F t+1 = Ramalan 1 Periode Kedepan

Xt = Data Aktual pada periode ke-t

Ft = Ramalan pada periode ke-t

α = Para meter pemulusan

Metode smooting eksponensial terdiri atas :

1. Smoothing eksponensial tunggal

a. Satu parameter

b. Pendekatan adaptif

2. Smoothing Exponensial Ganda

a. Metode linier satu parameter dari Brown

b. Metode dua dari Holt

3. Smoothing Exponensial Tripel

a. Metode kuatratik satu parameter dari brown

b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter

4. Smoothing Exponensial menurut klasifikasi Pegels

2.5.1 Metode Smooting Yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka

metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan

energy listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing

Eksponensial yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.

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 kedua nilai pemulusan tunggal dan ganda ketinggalan dari

data sebenarnya.

Persamaan yang dipakai dalam persamaan Pemulusan Eksponensial Linier Satu

Parameter dari Brown adalah sebagai berikut :

S' = α X+ ( 1 –α ) S't−1

αt = S't+ ( S't- S''t) = 2 S't- S''t

bt = (S’t- S”t)

Ft+m = at+ btm

Dimana :

m = Jumlah periode didepan yang diramalkan

S't = Nilai eksponensial smoothing tunggal

S''t = Nilai eksponensial smoothing ganda

α = Parameter Pemulusan Eksponensial

at,bt = Konstanta pemulusan

Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan.

2.6 Ketepatan Ramalan

Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana

mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang

diberikan. Ketepatan dipandang sebagaai kriteria penolakan untuk memilih suatu metode

ramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan

situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini

digunakan ketepatan ramalan.

Beberapa Kriteria yang digunakan untuk menguji ketepatan ramalan antara lain :

1. M E ( Mean Error ) / Nilai Tengah Kesalahan

ME=∑t=1

N

e t

N

2. M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat

ME=∑t=1

N

e t2

N

3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

ME=∑t=1

N

|e t|

N

4. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan

SSE=∑t=1

N

et2

5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan

SDE=√∑t=1

N

et2

N

6. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase

Absolut

MAPE=

∑t=1

N

|PEt|

N

7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase

MPE=∑t=1

N

|PEt|

N

Dimana :

et = Xt – Ft (kesalahan pada periode ke-t)

Xt = Data aktual pada periode ke-t

Ft = Nilai ramalan pada periode ke-t

N = Banyaknya periode waktu

PEt=( X t−F t

X t) (100 )kesalahan persentase pada periode ke-t )

Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang

terkecil.

BAB 3

SEJARAH TEMPAT