PKL Zia - BAB I-3
-
Upload
zia-silver -
Category
Documents
-
view
113 -
download
15
description
Transcript of PKL Zia - BAB I-3
PERAMALAN PERMINTAAN PARIWISATA INTERNASIONAL DI LOMBOK
MENGGUNAKAN METODE DOUBLE MOVING AVERAGE
LAPORAN PRAKTEK KERJA LAPANGAN
DISUSUN OLEH:
CENDRA PUSPA NUSWANTRI
(3125071818)
PROGRAM STUDI MATEMATIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI JAKARTA
2013
HALAMAN PENGESAHAN
Laporan Praktek Kerja Lapangan
PERAMALAN PERMINTAAN PARIWISATA DI LOMBOK MENGGUNAKANMODEL DOUBLE MOVING AVERAGE
Disusun sebagai tugas akhir pada mata kuliah Praktek Kerja Lapangan
Disusun oleh:CENDRA PUSPA NUSWANTRI
3125071822
Jakarta, 10 September 2013
Menyetujui,
Dosen Pembimbing Dosen Pengampu Praktek Kerja Lapangan Praktek Kerja Lapangan
Mulyono, M.Si Yudi
NIP. NIP.
Mengetahui,
Ketua Jurusan MatematikaUniversitas Negeri Jakarta
Drs. Makmuri
NIP.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Sektor pariwisata merupakan salah satu faktor yang mendukung perekonomian
daerah Lombok. Pariwisata adalah salah satu sumber penerimaan devisa maupun sebagai
pencipta lapangan pekerjaan serta kesempatan berusaha bagi Indonesia. Untuk meningkatkan
kesejahteraan rakyat, pengembangan pariwisata terus dilanjutkan dan ditingkatkan melalui
perluasan dan pemanfaatan sumber serta potensi pariwisata daerah sehingga menjadi kegiatan
ekonomi yang dapat diharapkan untuk meningkatkan penerimaan devisa. Selain itu kegiatan
pariwisata diharapkan juga dapat memperluas dan meratakan kesempatan kerja dan
kesempatan berusaha, khususnya masyarakat sekitarnya untuk merangsang pembangunan
regional serta memperkenalkan identitas dan kebudayaan nasional.
Dalam pengembangan pariwisata daerah, pandangan hidup dan kualitas lingkungan
harus tetap dijaga. Pengembangan pariwisata dilakukan sejalan dengan program
pengembangan dari berbagai macam industri pariwisata, sehingga tidak hanya industri dalam
skala kecil dan menengah saja tetapi juga industri pariwisata dalam skala besar akan dapat
memperoleh manfaat. Bukan pula hanya terbatas pada wisatawan domestik saja, melainkan
juga wisatawan asing (internasional). Daerah Lombok mempunyai potensi wisata berupa
wisata alam bahari yang sangat indah sehingga banyak wisatawan asing tertarik berkunjung
ke daerah ini. Selain itu, Lombok juga memiliki keunikan budaya dan seni.
Dalam rangka pengembangan pariwisata internasional perlu dilakukan langkah-
langkah untuk meningkatkan arus wisatawan yang biasa ditempuh dengan cara meningkatkan
kegiatan pemasaran dan penyempurnaan berbagai fasilitas yang diperoleh oleh wisataan
seperti sarana angkutan, perbankan, akomodasi, restoran, biro perjalanan, informasi mengenai
daerah wisata dan lainnnya. Peningkatan kegiatan pemasaran memerlukan perancanaan yang
baik dengan berlandaskan informasi kuantitatif maupun kualitatif mengenai penampilan
pariwisata internasional dimasa yang lalu. Dengan demikian diperlukan metode yang tepat
untuk memprediksi masa depan pariwisata, salah satunya menggunakan model peramalan
Double Moving Average.
Berdasarkan masalah diatas, maka penulis bermaksud mengambil judul: “Peramalan
Permintaan Pariwisata Internasional di Lombok Menggunakan Model Double Moving
Average” dengan tujuan untuk mengetahui apakah jumlah wisatawan asing yang berkunjung
ke daerah Lombok mengalami peningkatan atau justru akan mengalami penurunan hingga
pada kurun waktu 3 tahun mendatang.
1.2 Perumusan Masalah
Bagaimana hasil peramalan permintaan pariwisata internasional di Lombok
menggunakan model Double Moving Average?
1.3 Pembatasan Masalah
Dalam laporan ini, permasalahan hanya dibatasi pada peramalan jumlah pengunjung
asing yang akan datang ke daerah Lombok pada kurun waktu 2014-2016 berdasarkan data
pengunjung asing tahun 2001-2013.
1.4 Tujuan
Tujuan penelitian ini adalah untuk mendapatkan hasil ramalan jumlah wisatawan
asing yang akan berkunjung ke Lombok pada kurun waktu 2014-2016.
1.5 Manfaat
a. Bagi penulis, diharapkan dapat menambah pengetahuan tentang metode peramalan
khususnya peramalan permintaan pariwisata dengan menggunakan metode Double
Moving Average.
b. Bagi universitas, laporan ini dapat digunakan sebagai bahan evaluasi akademik untuk
meningkatkan dan mengembangkan perkuliahan di kampus.
c. Bagi instansi (BPS DKI Jakarta),harapkan agar penulisan dapat menjadi bahan
masukan yang bermanfaat.
d. Bagi pihak lain, diharapkan dapat menjadi referensi penelitian mengenai pariwisata.
1.6 Sistematika Penulisan
Untuk mempermudah dalam memahami keseluruhan isi laporan Praktek Kerja
Lapangan ini dengan jelas, maka sepintas uraian bab demi bab yang saling berhubungan,
terdiri dari lima bab dengan rincian sebagai berikut :
1. BAB I PENDAHULUAN
Pada bab ini dijabarkan mengenai latar belakang penulisan makalah ini, perumusan
masalah yang akan dibahas, pembatasan masalah, tujuan dan manfaat penulisan serta
sistematika dalam penulisan makalah ini.
2. BAB II PROFIL BADAN PUSAT STATISTIK JAKARTA
Pada bab ini dijelaskan secara singkat sejarah, visi misi, struktur organisasi, kegiatan dan
gambaran unit kerja/divisi instansi Badan Pusat Statistik Jakarta.
3. BAB III LANDASAN TEORI
Pada bab ini memuat penjelasan tentang konsep dan prinsip dasar yang diperlukan untuk
memecahkan masalah yang berkaitan dengan permasalahan.
4. BAB IV PEMBAHASAN
Pada bab ini memuat metode-metode yang digunakan untuk menyelesaikan
permasalahan dalam laporan Praktek Kerja Lapangan.
5. BAB V PENUTUP
Pada bab ini memuat tentang kesimpulan dan saran yang berdasarkan pada isi Bab III
dan Bab IV.
1.7 Waktu dan Tempat Praktek Kerja Lapangan
Kegiatan Praktek Kerja Lapangan ini dilaksanakan mulai tanggal 2 Juli 2013 sampai
dengan 2 Agustus 2013. Jam kerja dimulai dari pukul 08.00 WIB sampai dengan 16.00 WIB.
Adapun tempat Praktek Kerja Lapangan di Badan Pusat Statistik (BPS) Provinsi DKI Jakarta,
dengan alamat Jl. Letjen R. Suprapto Kav. 3 Gedung BIPI Lantai 3-4, Jakarta Pusat.
BAB II
PROFIL BADAN PUSAT STATISTIK JAKARTA
2.1 Sejarah
Badan Pusat Statistik adalah lembaga pemerintah non-departemen yang
bertanggungjawab langsung kepada presiden. Sebelumnya, BPS merupakan Biro Pusat
Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomer
7 Tahun 1960 tentang statistik. Sebagai pengganti kedua UU tersebut ditetapkan UU Nomor
16 Tahun 1997 tentang statistik. Berdasarkan UU ini yang ditindaklanjuti dengan peraturan
perundangan di bawahnya, secara formal nama Biro Pusat Statistik diganti menjadi Badan
Pusat Statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yang mengatur
organisasi dan tata kerja BPS (di Pusat dan Daerah). Tahun 1980 ditetapkan Peraturan
Pemerintah No. 6 tahun 1980, tentang organisasi BPS sebagai pengganti PP No. 16 tahun
1968. Berdasarkan PP No. 6 tahun 1980 di setiap Provinsi terdapat kantor statistik dengan
nama Kantor Statistik Provinsi dan begitu juga di kabupaten/kotamadya. Dengan demikian,
secara resmi kantor statistik provinsi secara resmi ada di seluruh Indonesia tidak terkecuali di
DKI Jakarta dengan nama Kantor Statistik Provinsi DKI Jakarta.
Tahun 1992, ditetapkan Peraturan Pemerintah No. 2 tahun 1992, tentang organisasi
BPS sebagai pengganti PP No. 6/1980. Kedudukan, tugas, fungsi, susunan organisasi, dan tata
kerja Biro Pusat Statistik selanjutnya diatur dengan keputusan Presiden. Tahun 1997,
ditetapkan Undang-Undang No. 16 tahun 1997 tentang statistik sebagai pengganti Undang-
Undang No. 6 tahun 1960 tentang sensus dan Undang-Undang No. 7 tahun 1960 tentang
statistik. Tahun 1998, ditetapkan keputusan Presiden No. 86 tahun 1998 tentang Badan Pusat
Statistik sebagai pengganti keputusan Presiden No. 6 tahun 1992 tentang kedudukan, tugas,
fungsi, susunan organisasi, dan tata kerja Biro Pusat Statistik. Dengan keputusan Presiden ini
“Kantor Statistik Provinsi DKI Jakarta” berubah menjadi BADAN PUSAT STATISTIK
(BPS) PROVINSI DKI JAKARTA.
2.2 Visi Misi
Visi
Terwujudnya informasi statistik yang terpercaya dan tepat waktu sebagai tulang
punggung informasi di DKI Jakarta.
Misi :
Dalam rangka mewujudkan Visi, maka misi BPS Provinsi DKI Jakarta dapat
dirumuskan sebagai berikut :
1. Menyediakan informasi statistik yang lengkap, akurat, dan mutakhir.
2. Mewujudkan koordinasi, integrasi, sinkronisasi, dan standarisasi kegiatan statistik dalam
kerangka Sistem Statistik Nasional yang handal, efektif, dan efisien.
3. Meningkatkan kapasitas sarana dan prasarana serta sumber daya manusia yang
profesional, sehingga mampu menguasai ilmu pengetahuan dan teknologi informasi
mutakhir.
2.3 Struktur Organisasi
2.4 Kegiatan dan Gambaran Unit Kerja
BAB III
TINJAUAN TEORI
3.1 Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
akan datang. Sedangkan ramalan adalah situasi atau kondisi yang diperkirakan akan terjadi
pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara
yaitu metode eksponential smoothing, moving average, metode Box Jenkins dan metode
regresi. semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk
memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang atas
dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramalan ini digunakan
dalam peramalan yang bersifat objektif.
Disamping itu metode peramalan memberikan urutan pengerjaan dan pemecahan atas
pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama
dalam suatu permasalahan dalam suatu kegiatan peramalan, maka akan dapat dasar pemikiran
dan pemecahan yang sama.
Baik tidaknya suatu peramalan yang disusun, di samping ditentukan oleh metode
yang digunakan, juga ditentukan baik tidaknuya informasi yang digunakan. Selama informasi
yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang disusun juga agar sukar
dipercaya akan ketepatannya.
3.2 Jenis-Jenis Peramalan
Metode sistem peramalan yang sering digunakan dapat dilihat di bawah ini :
1. Metode Deret Waktu (Time Series)
a. ARIMA ( Box-Jenkins )
b. Bayesian
c. Autokorelasi
d. Filter Kalman
e. Multivariate
f. Smoothing
g. Regresi
2. Metode Kausal
a. Ekonometri
b. Input-Output
c. Regresi Korelasi
3.6.1 Metode Deret Waktu
Metode peramalan ini menggunakan deret waktu (time series) sebagai dasar
peramalan memerlukan data aktual lalu yang akan diramalakan untuk mengetahui pola data
yang diperlukan untuk menentukan metode peramalan yang sesuai. Beberapa metode dalam
time series yaitu sebagai berikut:
a. ARIMA (Autoregressive Integrated Moving Average) pada dasarnya menggunakan
fungsi deret waktu, metode ini memerlukan pendekatan model identifikasi serta
penaksiran awal dari parameternya.
b. Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk memisahkan sinyal
dari noise yang masuk ke sistem. Metoda ini menggunakan pendekatan model state
space dengan asumsi white noise memiliki distribusi Gaussian.
c. Bayesian merupakan metode yang menggunakan state space berdasarkan model dinamis
linear (dynamical linear model). Sebagai contoh: menentukan diagnosa suatu penyakit
berdasarkan data-data gejala (hipertensi atau sakit jantung).
d. Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang bersifat
musiman dengan cara membuat keseimbangan rata- rata dari data masa lampau.
e. Regresi menggunakan dummy variabel dalam formulasi matematisnya. Sebagai contoh:
kemampuan dalam meramal penjualan suatu produk berdasarkan harganya.
3.2.2 Metode Kausal
Metode ini menggunakan pendekatan sebab- akibat, dan bertujuan untuk meramalkan
keadaan di masa yang akan datang dengan menemukan dan mengukur beberapa variabel
bebas (independent) yang penting beserta pengaruhnya terhadap variabel tidak bebas yang
akan diramalkan. Pada metode kausal terdapat tiga kelompok metode yang sering dipakai.
a. Metode regresi dan korelasi memakai teknik kuadrat terkecil (least square). Metode ini
sering digunakan untuk prediksi jangka pendek. Contohnya: meramalkan hubungan
jumlah kredit yang diberikan dengan giro,deposito dan tabungan masyarakat
b. Metode ekonometri berdasarkan pada persamaan regresi yang didekati secara simultan.
Metode ini sering digunakan untuk perencanaan ekonomi nasional dalam jangka pendek
maupun jangka panjang. Contohnya: meramalkan besarnya indikator moneter buat
beberapa tahun kedepan, hal ini sering dilakukan pihak BI tiap tahunnya.
c. Metode input-output biasa digunakan untuk perencanaan ekonomi nasional jangka
panjang. Contohnya : meramalkan pertumbuhan ekonomi seperti pertumbuhan domestik
bruto (PDB) untuk beberapa periode tahun ke depan 5-10 tahun mendatang. Tahapan
perancangan peramalan : Secara ringkas terdapat tiga tahapan yang harus dilalui dalam
perancangan suatu metode peramalan, yaitu :
1. Melakukan analisa pada data masa lampau. Langkah ini bertujuan untuk mendapatkan
gambaran pola dari data bersangkutan.
2. Memilih metode yang akan digunakan. Terdapat bermacam - macam metode yang
tersedia dengan keperluannya. Metode yang berlainan akan menghasilkan sistem
prediksi yang berbeda pula untuk data yang sama. Secara umum dapat dikatakan
bahwa metoda yang berhasil adalah metoda yang menghasilkan penyimpangan
(error) sekecil-kecilnya antara hasil prediksi dengan kenyataan yang terjadi.
3. Proses transformasi dari data masa lampau dengan menggunakan metoda yang
dipilih. Kalau diperlukan, diadakan perubahan sesuai kebutuhannya.
3.3 Kegunaan Peramalan
Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa. Adanya
waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan.
Dalam situasi itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi
atau timbul, sehingga tindakan yang tepat akan dilakukan.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan kebutuhan
yang sangat penting, dimana baik buruknya peramalan dapat mempengaruhi seluruh bagian
organisasi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa
tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan
efisien.
Di dalam bagian organisasi terdapat kegunaan peramalan, yaitu :
1. Berguna untuk 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 akan
konsumennya atau pelanggan.
2. Berguna dalam menyediakan 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 datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan
sumber daya yang dimiliki dalam jangka panjang. Keputusan semacam itu bergantung
kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan.
Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat
menafsirkan pendugaan serta membuat keputusan yang baik.
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 metode peramalan sangat berguna, karena akan
membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga dapat
memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis
serta memberikan ketepatan hasil peramalan yang dibuat atau disusun.
3.4 Metode Peramalan
Berdasarkan sifatnya teknik peramalan dibagi dalam 2 (dua) kategori utama yaitu:
1. Metode peramalan kualitatif atau tekhnologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa
lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal
ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang
bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode
kualitatif atau tekhnologis dapat dibagi menjadi metode eksploratoris dan normatif.
2. Metode peramalan kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa
lalu. Hasil peramalan yang dibuat sangat bergantung pada metodeyang dipergunakan
dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan
yang berbeda. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau
penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Semakin kecil
penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang
dipergunakan semakin baik.
Metode kuantitatif dapat dibagi dalam deret berkala (Time Series) dan metode kausal.
Peramalan kuantitatif dapat digunakan bila terdapat 3 (tiga) kondisi yaitu:
a. Adanya informasi tentang masa lalu
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
c. 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 (Asumtion of
Continuity), asumsi ini merupakan mo dal yang mendasari semua metode peramalan
kuantitatif dan banyak metode peramalan tekhnologis, terlepas dari bagaimana canggihnya
metode tersebut.
3.5 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam
mempersiapkan peramalan.
Ada 6 (enam) faktor utama yang diidentifikasi sebagai teknik dan metode peramalan,
yaitu:
1. Horizon Waktu
Ada 2 (dua) aspek dari horizon waktu yang berhubungan dengan masing-masing metode
peramalan. Pertama adalah cakupan waktu dimasa yang akan datang, kedua adalah
jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam -macam dari pola
yang didapati di dalam data yang diramalakan akan berkelanjutan.
3. Jenis dan 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
analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu prosedur
peramalan, yaitu biaya-biaya pengembangan, penyimpanan (Storage) data, operasi
pelaksanaan dan kesempatan dalam penggunaan teknik- teknik dan metode lainnya.
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 pengambilan keputusan.
3.6 Analisa Deret Berkala (Time Series)
Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk
memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisa
data berkala memungkinkan untuk mengetahui perkemabngan suatu kejadian atau beberapa
kejadian serta hubungannya dengan kejadian yang lain.
Metode Time Series merupakan metode peramlan kuantitatif yang didasarkan atas
penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel
waktu. Tujuan Time Series ini mencakup penelitian pola data yang digunakan untuk
meramalk an apakah data tersebut stasionerr atau tidak dan ekstrapolasi ke masa yang akan
datang. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhsan/penurunan pada data.
Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap
konstan setiap waktu.
3.6.1 Penentuan Pola Data
Hal yang penting 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 pada umumnya dapat dibedakan sebagai berikut:
a. Gerakan Trend Jangka Panjang (Long Term Movement or Secular Trend).
Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah
perkembangan secara umum (kecendrungan menaik/menurun). Garis trend sangat
berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan.
b. Gerakan/Variasi Siklis (Cyclical Movements or Variations)
Gerakan/variasi siklis adalah gerakan/variasi jangka panjang disekitar garis trend
(berlaku untuk data tahunan). Gerakan siklis ini bisa terukang setelah jangka waktu
tertentu dan bisa juga terulang dalam jangka aktu yang sama. Contoh gerakan siklis
yakni kemakmuran, kemunduran, depresi, dan pemulihan.
c. Gerakan/Variasi Musiman (Seasonal Movements or Variation)
Gerakan/variasi musiman adalah gerakan yang memounyai pola tetap dari waktu ke
waktu, misalnya naik turunnya harga pohon cemara menjelang Natal, menurunnya harga
beras pada waktu panen, dan lain sebagainya. Walaupun pada umumnya gerakan
musiman terjadi pada data bulanan yang dikumpulkan dari tahun ke tahun, namun juga
berlaku bagi data harian, mingguan, atau satuan waktu yang lebih kecil lagi.
d. Gerakan/Variasi yang Tidak Teratur (Iregular or Random Movements)
Gerakan/variasi yang tidak tetap adalah gerakan/variasi yang sifatnya sporadis, misalnya
naik turunnya produksi akibat banjir yang datangnya tidak teratur.
3.6.2 Metode Smoothing
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk
menaksir niai pada beberapa tahun ke depan. Secara umum metode smoothing
diklasifikasikan menjadi 2 (dua) bagian, yaitu:
1. Metode Moving Average
a. Metode Single Moving Average / Rata-Rata Bergerak Tunggal
Jika data berkala tidak terjadi gejala trend naik maupun turun, musiman, dan
lainnya, melainkan sulit diketahui polanya, maka metode yang digunakan adalah
metode rata- rata bergerak tunggal. Metode ini cocok untuk melakukan peramalan
yang bersifat random. Untuk menentukan ramalan pada periode yang akan datang
memerlukan data historis selama jangka waktu tertentu. Rumus umumnya adalah:
St=X t+ X t−1+X t−2+…+X t−n+1
n
St=1n
∑j=t−n+1
t
Xt
b. Metode Double Moving Average / Rata-Rata Bergerak Ganda
Metode ini sedikit lebih sulit jika dibandingkan dengan metode rata-rata bergerak
tunggal. Ada beberapa langkah yangn harus ditentukan dalam meramal dengan rata-
rata bergerak ganda yaitu:
1. Menghitung rata- rata bergerak pertama, diberi simbol S 't . Ini dihitung dari
data historis yang ada. Hasilnya diletakkan pada periode terakhir rata -rata
bergerak pertama.
S 't=X t+ X t−1+X t−2+…+X t−n+1
n
2. Menghitung rata- rata bergerak kedua, diberi simbol S } rsub {t ¿. Ini dihitung
dari rata-rata bergerak pertama. Hasilnya diletakkan pada periode terakhir rata -
rata bergerak kedua.
S } rsub {t} = {{S'} rsub {t} + {S'} rsub {t-1} + {S'} rsub {t-2} +…+ {S'} rsub {t-n+1}} over {n ¿
3. Menentukan besarnya nilai a t (constant).
a t=S ' t+¿
4. Menentukan besarnya nilai b t (slope).
b t=2¿¿
v= jangka wakturata−ratabergerak
5. Menentukan ramalan.
F t+m=a t+b t (m )
m= jangka waktu peramalan kedepan
2. Metode Pemulusan (Smoothing) Eksponensial
Bentuk umum dari metode pemulusan (Smoothing) Eksponensial ini adalah:
F t+1=αX t+(1−α ) Ft
dengan
F t+1=ramalansuatu periode ke depan
X t=data aktual periode t
F t=ramalan pada periode
α=periode pemulusan (0<α <1 )
Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
F t+1=αX t+α (1−α ) X t−1+α (1−α )2 X t−2+…+(1−α )N F t+( N−1 )
Dari perluasan bentuk umum di atas dapatlah dikatakan bahwa Metode Smoothing
Eksponensial secara eksponensial terhadap nilai observasi yang lebih tua atau dengan
kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai
observasi yang lebih tua.
Metode ini terdiri atas:
a. Smoothing Eksponensial Tunggal
1. Satu Parameter (one parameter)
2. Pendekatan aditif (ARRES)
Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola
atau trend.
b. Smoothing Eksponensial Ganda
1. Metode Linier Satu Parameter dari Brown
2. Metode Dua Parameter dari Holt
c. Smoothing Eksponensial Triple
1. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadrati, kubik, atau orde yang lebih tinggi.
2. Metode kecendrungan dan musiman tiga parameter dari Winter dapat
digunakan untuk data yang berbentuk trend dan musiman.
d. Smoothing Eksponensial menurut Klasifikasi Pegels
3.7 Ketepatan Peramalan
Ketepatan peramalan adalah suatu hal yang paling mendasar di dalam peramalan,
yaitu bagaimana memngukur kesesuaian suatu kumpulan data yang diberikan. Ketepatan
yang dipandang sebagai kriteria penolakan untuk memilih suatu peramalan. Dalam
pemodelan pemulusan (smoothing), dari data masa lalu dapat diramallakn situasi yang akan
terjadi di masa yang akan datang. Untuk menguji kebenaran ini digunakan peramalan.
Untuk mendapat hasil peramalan yang lebih akurat adalah maramal yang biasa
meminimalkan kesalahan meramal (forecast error). Besarnya (forecast error) dihitung
dengan:
e t=X t−Ft
dimana
X t=data periode ke−i
F t=ramalan periode ke−i
Untuk mengukur kesalahan ramalan (forecast error) biasanya digunakan mean
absolut error, mean square error, atau mean absolut percentage error.
1. Percentage Error (PE)
PE=( X t−Ft
X t)×100
2. Absolut Percentage Error (APE)
Adalah kesalahan persentase absolut
APE=|X t−Ft
X t|
3. Mean Percentage Error (MPE)
Adalah persentase rata-rata kesalahan absolut
MPE=∑ ( X t−F t
Xt)×100
n
MPE=∑i=1
n
PE
n
4. Mean Absulute Percentage Error (MAPE)
Adalah persentase rata-rata kesalahan absolut
MAPE=
∑|( X t−Ft
X t)×100|
n
X t=data aktual
F t=dataramalandihitung dari model yangdigunakan pada waktuatautahun t
n=banyaknyadata hasil ramalan
BAB IV
PEMBAHASAN
3.1 Data Permintaan Pariwisata di Lombok
3.2 Langkah Peramalan
Langkah peramalan menggunakan Double Moving Average adalah
3.3 Analisis menggunakan Metode Double Moving Average
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
yang akan datang. Sedangkan ramalan adal
BAB IV
PENUTUP
3.4 Kesimpulan
3.5 Saran
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
yang akan datang. Sedangkan ramalan adal