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