PERAMALAN/ FORECASTING

Peramalan/forecasting ialah kegiatan untuk memperkirakan apa yang akan

terjadi di masa akan datang.
Kegunaan dari peramalan ialah akan membantu dalam pengambilan keputusan.
Keputusan yang baik ialah keputusan yang didasarkan atas pertimbangan apa yang
terjadi pada waktu keputusan itu dilaksanakan. Apabila peramalan yang dibuat kurang
tepat, maka keputusan yang dibuat kurang baik. Ketepatan dalam melakukan
peramalan akan menunjang perencanaan yang ditetapkan.

A. JENIS-JENIS PERAMALAN
Peramalan dilihat dari sifat penyusunannya terbagi atas dua macam, yaitu :
1. Peramalan Kualitatif
Peramalan kualitatif bersifat subyektif dan didasarkan atas perasaan atau intuisi
dari orang yang menyusunnya. Dalam hal ini pandangan atau judgement dari
orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan
tersebut.
2. Peramalan Kuantitatif
Peramalan kuantitatif didasarkan atas data historis yang relevan di masa lalu,
mengikuti pendekatan statistika formal dan pendekatan yang sistematis yang
meminimumkan kesalahan (error) peramalan.
Dalam peramalan kuantitatif, memerlukan tiga kondisi yaitu :
a. Adanya informasi masa lalu
b. Informasi tersebut dapat dikuantifisir
c. Dapat diasumsikan bahwa pola di masa lalu dapat berkelanjutan di masa yang
akan datang.


B. JENIS POLA DATA
J enis pola data dapat dilihat dalam gambar sbb :





(1) Pola Data Horizontal (2) Pola Data Musiman





(3) Pola Data Siklus (4) Pola Data Trend

Keterangan :
(1) Pola data horizontal menunjukan bahwa nilai data berfluktuasi di sekitar
nilai rata-rata (stasioner terhadap nilai rata-ratanya)
(2) Pola data musiman menunjukan bahwa nilai data dipengaruhi oleh faktor
musiman (harian, mingguan, bulanan, semesteran, tahunan)
(3) Pola data siklus menunjukan bahwa nilai data dipengaruhi oleh flukstuasi
dalam jangka panjang
(4) Pola data trend menunjukan bahwa nilai data terjadi kenaikan atau
penurunan dalam jangka panjang.

C. TAHAPAN PERAMALAN
Tahapan peramalan yang baik meliputi 3 hal :
a. Menganalisis Data Masa Lalu.
Tahap ini berguna untuk mengetahui pola data yang tepat di masa lalu.
Analisis dilakukan dengan cara membuat tabulasi kemudian mem-plot-kan
data untuk mengetahui pola data
b. Menentukan Metode
Tahap ini ialah menetapkan metode peramalan yang baik. Metode yang baik
ialah metode yang menghasilkan penyimpangan terkecil.

c. Memproyeksikan Data.
Tahap ini ialah memproyeksikan data masa lalu dengan menggunakan
metode terpilih dan mempertimbangkan adanya faktor-faktor perubahan.

D. MODEL DAN DASAR-DASAR PERAMALAN
Dalam Peramalan Kuantitatif, dikenal dua model data yaitu :
(1) Model Deret Berkala / time series
Model deret berkala bertujuan menemukan pola dalam deret data
historis, kemudian mengeksplorasi data historis tersebut untuk diekstrapolasi
ke masa yang akan datang.
Peramalan dengan model deret berkala memperlakukan sistem sebagai
suatu kotak hitam (black box) dan tidak ada upaya untuk menemukan faktor
yang berpengaruh pada perilaku sistem tersebut.
Sistem dianggap sebagai suatu proses bangkitan (generating process)
yang tidak diketahui mekanismenya.

Input Output



Terdapat dua alasan utama mempelakukan sebagai black box,
a. Sistem tidak dimengerti dan kalaupun diketahui sulit untuk mengukur
hubungan yang mengaturnya
b. Perhatian utama hanya untuk meramalakan apa yang akan terjadi dan
bukan untuk mengetahui mengapa hal itu terjadi

(2) Model Kausal/ Eksplanatoris/ Regresi
Model kausal mengasumsikan adanya hubungan sebab dan akibat
antara input dan output sistem dengan satu atau lebih variabel bebas.
Setiap perubahan dalam input akan berakibat pada output sistem
dengan cara yang dapat diramalkan dengan menganggap hubungan sebab
dan akibat itu tetap

Proses Bangkitan
Generating Process
Hubungan
Sebab & Akibat
Input Output



Kedua model tersebut pada dasarnya mempunyai keuntungan dalam kondisi
tertentu. Model deret berkala seringkali dapat digunakan dengan mudah untuk
meramal sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih
besar dalam pengambilan keputusan.

MODEL DERET BERKALA / TIME SERIES
1. Peramalan Rata-rata Bergerak (Moving Average)
Menggunakan sejumlah data actual masa lalu untuk menghasilkan
ramalan. Berguna jik dapat mengasumsikan bahwa permintaan pasar
akan stabil sepanjang masa yang diramalkan.

Rata-rata bergerak =
perm|ntaan n per|ude xehe|umnya
n

n =jumlah periode dalam rata-rata bergerak
Waktu Penjualan aktual
Rata-rata bergerak 3
bulanan
J anuari 10
Pebruari 12
Maret 13
April 16 (10+12+13)/3 =
Mei 19 (12+13+16)/3 =
J uni 21 dst
J uli 30
Agustus 35
September 24
Oktober 39
Nopember 27
Desember 20

Rata-rata bergerak dengan pembobotan :
(huhut pada per|ude n)(perm|ntaan pada per|ude n)
huhut


Bobot yang diberikan Periode
3 Bulan Lalu
2 2 bulan lalu
1 3 bulan lalu
6 J umlah total bobot

Ramalan untuk bulan ini :
3xpenjua|an hu|an |a|u +2xpenjua|an 2 hu|an |a|u +1xpenjua|an 3 hu|an |a|u
jum|ah tuta| huhut


Waktu Penjualan aktual
Rata-rata bergerak 3
bulanan
J anuari 10
Pebruari 12
Maret 13
April 16 ((3x13)+(2x12)+(10))/6 =
Mei 19 ((3x16)+(2x13)+(12))/6 =
J uni 21 Lanjutkan !
J uli 30

2. Penghalusan Eksponensial (Exponential Smoothing)
Peramalan baru =
Peramalan periode lalu + (permintaan actual periode lalu peramalan
periode lalu)
F
t
=F
t-1
+ (A
t-1
F
t-1
)
F
t
=Peramalan baru
F
t-1
=Peramalan sebelumnya
= konstanta penghalus/bobot (0 1)
A
t-1
=Permintaan actual periode lalu


Tugas :
Carilah peramalan dari data di bawah ini dengan menggunakan =
0,1 dan 0,5
Bulan Penjualan actual Peramalan
1 180 175
2 168
3 159
4 175
5 190
6 205
7 ?

3. Penghalusan Eksponensial dengan penyesuaian trend
Langkah 1 =
F
t
= (Permintaan actual periode terakhir ) + (1- )(Peramalan
periode terakhir +estimasi trend periode terakhir)
F
t
= (A
t-1
) +(1- ) (F
t-1
+T
t-1
)
Langkah 2 =
T
t
= (peramalan periode ini peramalan periode terakhir) +(1-)
(estimasi tren periode terakhir)
T
t
= (F
t
F
t-1
) +(1-) T
t-1


Dimana :
F
t
=peramalan dengan eksponensial yang dihaluskan dari data berseri
pada periode t
T
t
=tren dengan eksponensial yang dihaluskan pada periode t
A
t
=permintaan actual pada periode t
= konstanta penghalusan untuk rata-rata (0 1)
= konstanta penghalusan untuk tren (0 1)

Langkah 3 =
FIT
t
= peramalan penghalusan eksponensial + tren penghalusan
eksponensial
FIT
t
= F
t
+ T
t


TUgas :
Bulan Permintaan Aktual
1 12
2 17
3 20
4 19
5 24

= 0,2, = 0,4. Diasumsikan peramalan awal untuk bulan pertama (F
t
)
adalah 11 unit dan tren pada periode tersebut (T
t
) adalah 2 unit.
Carilah Peramalan bulan kedua dan ketiga !

MENGHITUNG KESALAHAN PERAMALAN
MAD =
|aktua|-perama|an|
n


MSE =
(kexa|ahan perama|an)
2
n


MAPE =
1 |aktua|
|
-rama|an
|
|/ aktua|
|
n
|=1
n


Tugas :
Carilah perhitungan MAD, MSE dan MAPE untuk hasil peramalan
Eksponential smoothing = 0,1 dan 0,5
.

MODEL KAUSAL/EKSPLANATORIS/REGRESI
Model analisa Regresi

Metode regresi merupakan model sebab dan akibat/ eksplanatoris,
yaitu pendekatan yang mencoba mengajukan variabel lain yang berkaitan
dengan rangkaian data dan mengembangkan suatu model yang
menyatakan adanya saling ketergantungan fungsional diantara semua
variabel tersebut.

Model-model regresi ialah sebagai berikut :

a.









b.







c.


Y1
Y2
.
.
.
Yn

X1
X2
.
.
.
Xn

Regresi Sederhana Y terhadap X
a. Satu Variabel Tidak Bebas (Y)
b. Satu Variabel Bebas (X)
c. n Buah pengamatan (Observasi)
Y1
Y2
.
.
.
Yn
X11 X1k
X12 X2k
. .
. .
. .
Xn Xnk
Regresi Berganda Y Terhadap X1,
X2, Xk
a. Satu Variabel Tidak Bebas (Y)
b. K buah Variabel Bebas (X1, X2,
, Xk)
d. n Buah pengamatan (Observasi)
Model Ekonometrik (Korelasi
Kanonik)
a. m Variabel Tidak Bebas (Y1,
Y2, ..., Ym)
b. k buah Variabel Bebas (X1, X2,
, Xk)
c. n Buah pengamatan
(Observasi)
X11 X1k
X12 X2k
. .
. .
. .
Xn Xnk
Y11
Y1m
Y12
Y2m
. .
. .
Persamaan :

`
=a +bx

b =
x-nx
x
2
-nx
2


a =y - bx

x =nilai variable bebas
y= nilai variable terikat
x =rata-rata nilai x =
x
n

y =rata-rata nilai y =

n

n =jumlah data atau pengamatan

Tugas :
Tahun Permintaan daya listrik
2006 74
2007 79
2008 80
2009 90
2010 105
2011 142
2012 122

Tahun
Periode Waktu
(x)
Permintaan daya
listrik (y)
x
2
xy
2006 1 74
2007 2 79
2008 3 80
2009 4 90
2010 5 105
2011 6 142
2012 7 122
x = y = x
2
= xy =



x =
x
n
=..

y =

n
=..

b =
x-nx
x
2
-nx
2
=.

a =y - bx =.

`
=a +bx

`
=..

Permintaan tahun 2013 adalah