Anda di halaman 1dari 11

Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting

PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH
ATAS SWASTA MENGGUNAKAN ENAM METODE
FORECASTING
Lim Sanny1, Haryadi Sarjono1
Department of Management , Binus University
Jln. KH. Syahdan No. 9, Kemanggisan, Palmerah, Jakarta 114870
lsanny2004@yahoo.com
1

Abstrak
Latar belakang dan tujuan penelitian ini adalah untuk mengetahui peramalan
jumlah siswa/i Sekolah Menengah Atas Swasta XX di sebuah propinsi di
Kalimantan dengan pendekatan enam metode forecasting yaitu Linear Regression,
Exponential Smoothing With Trend, Exponential Smoothing, Weighted Moving
Average, Moving Average dan Naïve Method, dimana selain menggunakan perhitungan secara Manual juga menggunakan pendekatan QM for windows, sebagai
perbandingan, yang hasilnya akan ditentukan mana dari enam metode forecasting
tersebut yang layak dipakai sebagai dasar perhitungan selanjutnya berdasarkan
pendekatan MAD (Mean Absolute Deviation) dan MSE (Mean Squared Error)
terkecil.
Kata kunci: Forecasting, manual, QM for windows, MAD, MSE

Pendahuluan
Peranan pendidikan dalam kehidupan sangat penting, seperti yang tertuang
dalam UUD 1945 dimana setiap warga
Negara berhak mendapatkan pendidikan.
Perguruan tinggi sebagai salah satu instrument pendidikan nasional diharapkan dapat menjadi pusat penyelenggaraan dan pengembangan pendidikan tinggi untuk mencapai tujuan pendidikan nasional seperti
yang tercantum dalam undang-undang
no.20 tahun 2003 tentang Sistem Pendidikan Nasional. Salah satu tujuan diadakannya proses pendidikan tinggi adalah
untuk meningkatkan kualitas kehidupan
warga negaranya dan daya saing sebuah
bangsa, dimana sarana dan prasarana yang
memadai sangat mendukung tercapainya
proses pendidikan yang berkualitas
(Watkins & Verna, 2007), maka diperlukan
sumberdaya yang berkualitas sebagai

Forum Ilmiah Volume 10 Nomer 2, Mei 2013

198

fasilitas pendukung proses pendidikan
tersebut (Sahney & Karunes, 2004).
Adapun persaingan di pendidikan
tinggi di Indonesia cukup tinggi, khususnya untuk perguruan tinggi swasta di
Indonesia. Untuk itu perlunya strategi
yang baik dari setiap perguruan tinggi
untuk dapat terus bersaing dengan perguruan tinggi lainnya. Untuk itu diperlukan
pengukuran kinerja yang sudah dilakukan
dengan harapan dari perguruan tinggi tersebut. Salah satu cara pengukuran tersebut
dengan cara peramalan / forecasting. Dengan menggunakan cara peramalan / forecasting, suatu perguruan tinggi dapat
mengukur kinerjanya selama ini, apakah
lebih tinggi atau lebih rendah dari yang diramalkan / diharapkan. Dengan metode
forecasting, perguruan tinggi dapat terus
melakukan evaluasi mengenai strategi
yang sudah digunakannya saat ini, jika
kurang efektif maka dapat dikombinasikan
atau dicari strategi bersaing lainnya, selain

Stair. Ralph M. maka kesalahan kuadrat pada periode satu lebih besar empat kali lipat dibanding kesalahan kuadrat pada periode 2. menggunakan MSE sebagai perhitungan kesalahan peramalan biasanya menunjukan bahwa lebih baik mempunyai beberapa deviasi yang kecil daripada satu deviasi besar. Mei 2013 199 Mean Absolute Deviation (MAD) Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model adalah MAD. International Edition (2006 : 151) yaitu: 1) Time – Series Models. These models make the assumption that what happens in the future is a function of what has happened in the past.” And 3) Qualitative Models. Nilai ini dihitung dengan mengambil jumlah nilai absolute dari tiap kesalahan peramalan dibagi jumlah periode data (n) Mean Squared Error (MSE) merupakan cara kedua untuk mengukur kesalahan peramalan kaseluruhan. 2) Causal Models. jika kesaahan peramalan untuk periode 1 dua kali lipat lebih besar dari kesalahan untuk periode 2. Masalah yang terjadi dengan MAD dan MSE adalah nilai mereka tergantung pada besarnya unsur yang diramal. Sebagai contoh. “Causal models incorporate the variables or factors that might influence the quantity being forecasted into the forecasting model. but they include other factors as well. kita dapat menggunakan Mean Absolute Percent .77-81). Untuk menghindari masalah ini. “Whereas time-series and causal models rely on quantitative data. p. Oleh karena itu. Michael E. maka pokok permasalahan penelitian ini adalah sebagai berikut: 1) bagaimana menentukan peramalan jumlah penerimaan siswa/i SMA Swasta XX tahun ajaran 2011/2012 dengan pendekatan enam metode forecasting? 2) bagaimana menentukan enam metode forecasting tersebut dengan menggunakan MAD dan MSE terkecil? Ada 3 tipe peramalan menurut Barry Render. JR.  MAD (Mean Absolute Deviation) adalah ukuran kesalahan peramalan keseluruhan untuk sebuah model.  diramalkan dan yang diamati (nilai aktual) MSE (Mean Squared Error) adalah rata – rata selisih kuadrat antara nilai yang diramalkan dan yang diamati (nilai aktual) Identifikasi masalah Mengacu kepada uraian tersebut diatas. ”. Jika unsur tersebut dihitung dalam suatu ribuan. Rumusnya adalah: Kelemahan penggunaan MSE adalah bahwa ia cenderung menonjolkan deviasi yang besar karena adanya pengkuadratan. time series models look at what has happened over a period of time and use a series of past data to make a forecast.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting itu dengan metode forecasting dapat diketahui pula strategi bersaing yang terbaik yang dapat digunakan oleh perguruan tinggi dalam bersaing dengan perguruan tinggi lainnya. maka nilai MAD dan MSE bisa menjadi sangat besar. 2005. MSE merupakan rata – rata selisih kuadrat antara kuadrat antara nilai yang diramalkan dan yang diamati. Hanna. “Time series models attempt to predict the future by using historical data. yaitu rata – rata selisih antara nilai yang Forum Ilmiah Volume 10 Nomer 2. In other words. Causal models may also include past sales data as time-series models do. qualitative models attempt to incorporate judgmental or subjective factors into the forecasting model.” Pengertian MAD dan MSE (Hanke and Wichern.

manualnya dibawah ini dapat dilihat pada tabel Tabel data penerimaan Siswa/i SMA Swasta XX Metode Analisis Data Metode analisis yang digunakan menggunakan enam metode forecasting. Mei 2013 Dalam menjawab persoalan diatas. Exponential Smoothing. dimana hasilnya secara manual dan program QM for Windows. hasilnya akan sama. Jika kita memiliki nilai yang diramal dan aktual untuk n periode. Exponential Smoothing. Moving Average dan Naïve Method. Weighted Moving Average. Moving Average dan Naïve Method. Weighted Moving Average.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting (MAPE). Exponential Smoothing With Trend. dengan menggunakan perhitungan secara manual dan menggunakan QM for windows 200 . Berdasarkan data yang telah diambil. yaitu Linear Regression. Exponential Smoothing With Trend. maka data yang di dapat adalah dari inspirasi data skripsi mahasiswa Strata Satu yang mengambil judul mengenai SMA dan SMK di Terbanggi Besar. MAPE dihitung sebagai rata – rata diferensiasi absolute antara nilai yang diramal dan nilai aktual. Exponential penelitian ini di sekolah Smoothing. yang dinyatakan sebagai persentase nilai aktual. maka MAPE dihitung sebagai: Metode Penelitian No 1 2 3 Tabel Operasional Variabel Variabel Konsep Variabel Indikator Utama Peramalan Peramalan penjualan Data dari penerimaan siswa/i tahun ajar 2005/2006 – 2010/2011 SMA Swasta Model Metode Peramalan yang Linear Regression. Lampung Tengah. Exponential Peramalan akan diterapkan pada Smoothing With Trend. maka dapat diramalkan jumlah siswa SMA Swasta XX tersebut tahun ajaran 2011/2012 dan perhitungan secara Forum Ilmiah Volume 10 Nomer 2. Moving Average dan Naïve Method. Weighted Moving SMA Swasta Average. antara lain: Linear Regression. digunakan 6 (enam) metode yang berbeda. Tahun Penerimaan Siswa 2005/2006 650 2006/2007 540 2007/2008 600 2008/2009 598 2009/2010 706 2010/2011 542 Sumber : Data rekayasa penulis (2011) Hasil Dan Pembahasan Penelitian yang diambil ini untuk meramalkan jumlah siswa/i pada SMA Swasta XX (rekayasa penulis) di sebuah propinsi di Kalimantan untuk tahun ajaran 2011/2012. Hasil Peramalan Ukuran akurasi hasil MAD dan MSE terkecil peralaman Teknik Pengumpulan Data Mengingat data yang ada adalah data rekayasa peneliti.

1678 3.6284 104.1145 61.2571 (forecasting) untuk penerimaan siswa tahun ajaran (2011/2012) dengan menggunakan pendekatan metode regresi linear / least square.2571 .6 + 1.839.7713 600.2571X) 596.6 = 595.788.6284 601.6821 6 MSE =  Secara QM for Window Langkah-langkah pengoperasioannya 201 .8855 603.824.2571 603 Siswa/i = 1.1426  Y Ft (595. Mei 2013 MAD = = 46.1426 280.4175 20. maka dapat ditentukan: a) ramalan penjualan Tahun 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 2010/2011 Jumlah F2011/2012 = Penerimaan Siswa/i (Yt) 650 540 600 598 706 542 3636 Xi (Xi)(Yi) (Xi)2 1 2 3 4 5 6 - 650 1080 1800 2392 3530 3252 12704 1 4 9 16 25 39 91 603.788.5097 6.738.7289 20.0927 = 3.9084 10.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting 1.6+1.0927 = 595.1426 - Y7 l Yt – Ft l 53.377.8571 598.464.2287 2.1142 1.6 + 1. Forecasting metode “Linear Regression”  Secara manual Berdasarkan data diatas.1142 598. b) menghitung MAD dan MSE = 595.3713 Yt – Ft 2 2.2571X Forum Ilmiah Volume 10 Nomer 2.8291 3.1429 58.2602 1.1.

Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting Hasil perhitungan MAD dan MSE Hasil akhir peramalan menggunakan QM for windows Hasil perhitungan manual dan QM for Windows mungkin saja berbeda hal ini dikarenakan adanya pembulatan pada perhitungan manual 2. dalam soal ini penentuan ( = 0.3) dan ( = 0. dimana untuk penentuan () dan () tidak ada ketentuannya. T1 = 0.2 dan b) menghitung MAD dan MSE nya.  = 0.3 dan  = 0. maka dapat ditentukan : a) ramalan penjualan (forecasting) untuk penerimaan siswa tahun ajaran (2011/2012) dengan menggunakan Forum Ilmiah Volume 10 Nomer 2. kita bisa menentukan sendiri berapa () dan berapa () 202 .2) hanya rekayasa penulis. Forecasting metode “Exponential Smoothing With Trend” Berdasarkan data diatas. Mei 2013 pendekatan metode exponential smoothing with trend dengan asumsi F1 = 650.

6 – 616.5 0. Mei 2013 203 .2) = 614.3 0.6 0.58 0.8 0.8 X5.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting Tahun Periode 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 2010/2011 1 2 3 4 5 6 2011/2012 7 Tahun Periode 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 2010/2011 2011/2012 1 2 3 4 5 6 7 Peneimaan Siswa (Yt) 650 540 600 598 706 542 - Penerimaan Siswa (Yt) 650 540 600 598 706 542 - Tahun Periode 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 1 2 3 4 5 Penerimaan Siswa (Yt) 650 540 600 598 706 2010/2011 6 542 2011/2012 7 - Ft 0.3 X 542 + 0.2 X (616.88)2 = 5.88 2 594.01 – 612.7 618.58 = 1.3 +2.6) + 0.7 X (650 + 0) = 650 0.6)2 = 7.01 Tt 0.7 X (617 +6.6 0.100 (23.6) = 616.804 Jumlah Forum Ilmiah Volume 10 Nomer 2.7 X (614.88 l Yt – FIT l l Yt – FIT l2 110 23.678 26.7 X (650 + 0) = 617 0.673.3 – 614.3 X 598 + 0.6 =5.2 X (593.76 (72.8 X 0 = 0 0.7 X (616.5) + 0.6)2 = 556.2 X (617 – 650) + 0.3 X 706 + 0.3 X 600 + 0.2 X (612.8 X 6.2 0.8 X2.5 – 617) + 0.6 621.2 X (650 – 650) + 0.3) + 0.3 X 650 + 0.2 X (614.4 614.203.69 (87.7 87.8 X3.311.5 +5.49 - 317.6 23.8) =612.794 FIT = Ft + Tt 650 623.8 =2.58 ) = 593.7 X (612.3 X 540 + 0.6 - (110) = 12.7)2 = 561.2=3.8 X 0 = 6.96 (23.6 +3.90 72.

6177 Jumlah Forum Ilmiah Volume 10 Nomer 2.065.21 9.3 X (600 – 617) = 611.99 95. Forecasting metode “Exponential Smoothing” Berdasarkan data diatas.211 637.27 l Yt – Ft l2 12. b) menghitung MAD dan MSE.304.3 X (650 – 650) = 650 650 + 0.9 98. dalam soal ini penentuan ( = 0. Penerimaan Siswa (Yt) 650 540 600 598 706 Ft 650 + 0.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting 3.73) = 637.3 X (706 – 607.3 X (542 – 637. kita bisa menentukan sendiri berapa () nya.73 542 607.3 X (540 – 650) = 617 617 + 0.211) = 608.3) hanya rekayasa penulis.100 289 193.381 13. maka dapat ditentukan a) ramalan penjualan (forecasting) untuk penerimaan siswa tahun ajaran (2011/2012) dengan menggunakan pendekatan metode exponential smoothing Tahun Periode 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 1 2 3 4 5 2010/2011 6 2011/2012 7 dengan asumsi  = 0.13 - - 334.73 + 0.9 + 0.656. Mei 2013 204 l Yt – Ft l 110 17 13.3 dan F1 = 650.9) = 607.211 + 0. dimana untuk penentuan () tidak ada ketentuannya.3 X (598 – 611.9 611.33 .211 9.

dan 0.16 26. a) ramalan penjualan (forecasting) untuk penerimaan siswa tahun ajaran (2011/2012) dengan menggunakan pendekatan metode weighted moving average dengan bobot 0.5 X 598 600) = 592 (0.2.5 hanya rekayasa penulis.4 235.188. 0. maka dapat ditentukan.2 X 540 + 0.385.3 X 598 + 0.2 X 650 + 0.4 (0.2 X 600 + 0. b) Tahun Periode 2005/2006 2006/2007 2007/2008 1 2 3 2008/2009 4 2009/2010 5 2010/2011 6 2011/2012 7 menghitung MAD dan MSE. kita bisa menentukan sendiri berapa bobot yang akan dipakai.3.161 12.5.3 X 600 + 0.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting Hasil akhir menggunakan QM for windows 4.2 X 598 + 0. asalnya totalnya = 1  dalam kasus ini penulis menggunakan bobot (0.5 X 542 706) =652.3 X 706 + 0. dalam soal ini penentuan bobot 0. Mei 2013 205 l Yt – Ft l 6 119 110.3 + 0.5 X 542) = 602.3 X 540 + 0. Forecasting metode “Weighted Moving Average” Berdasarkan data diatas.5 X598) 706 = 587 (0. dimana untuk penentuan jumlah bobot tidak ada ketentuannya.4 lYt – Ftl2 36 14.16 .2 + 0.2.3 dan 0.5) Penerimaan Siswa (Yt) 650 540 600 Ft (0.4 Jumlah Hasil akhir menggunakan QM for windows Forum Ilmiah Volume 10 Nomer 2. 0.

8867 Hasil akhir menggunakan QM for windows Forecasting metode “Naive Method” Berdasarkan data diatas.67 92.33 220.33 (600 + 598 + 706) : 3 = 634. kita bisa menentukan sendiri berapa (n) yang akan dipakai. Untuk (n) data dalam kasus ini adalah sebesar 7 Ft (650 + 540 + 600) : 3 = 596. Forecasting “Moving Average” Berdasarkan data diatas.045.33 l Yt – Ft l2 1. maka dapat ditentukan a) ramalan penjualan (forecasting) (Ft) untuk penerimaan siswa Forum Ilmiah Volume 10 Nomer 2. Mei 2013 tahun ajaran (2011/2012) dengan menggunakan pendekatan metode Naive Method.67 (598 + 706 + 542) : 3 = 615. dalam soal ini penentuan (n = 3) hanya rekayasa penulis.67 (540 + 600 + 598) : 3 = 579. tidak ada ketentuannya.33 Jumlah l Yt – Ft l 1. asalkan tidak melebihi jumlah (n) dari data awal yang ada.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting 5. 206 .524.571.2889 8. dimana untuk penentuan asumsi (n) = 3.8289 24. dan b) menghitung MAD Tahun Periode 2005/2006 2006/2007 2007/2008 1 2 3 Penerimaan Siswa (Yt) 650 540 600 2008/2009 4 598 2009/2010 5 706 2010/2011 6 542 2011/2012 7 - dan MSE. b) menghitung MAD dan MSE.33 126.7689 16. maka dapat ditentukan a) ramalan penjualan (forecasting) (Ft) untuk penerimaan siswa tahun ajaran (2011/2012) dengan menggunakan pendekatan metode exponential smoothing with trend dengan asumsi n = 3.

8 Dari hasil perhitungan forecasting didapat hasil MAD dan MSE yang terkecil pada metode Linear Regression yaitu MAD sebesar 46.8 F 2011/2012 603 595 609 602 615 542 selanjutnya menggunakan hasil metode forecasting Linear Regression.600 4 11.896 54.868 3.8762 47.6822.7289 dan MSE sebesar 3.443 88.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting Penerimaan Siswa (Yt) 650 540 600 598 706 542 Jumlah Tahun Periode 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 2010/2011 2011/2012 1 2 3 4 5 6 7 Ft = Yt – 1 650 540 600 598 706 542 l Yt – Ft l l Yt – Ft l2 110 60 2 108 164 444 12.7289 71.264 Implementasi Hasil Hasil akhir menggunakan QM for windows Tabel Hasil Perhitungan MAD dan MSE No 1 2 3 4 5 6 Forecasting Linier Regression Exponential Smoothing With Trend Exponential Smoothing Weighted Moving Average Moving Average Naive Method MAD 46.377 10.824 6260.0419 66.914.032 4.100 3.436. dengan peramalan jumlah siswa tahun ajaran 2011/2012 sejumlah 603 siswa 207 .6822 6601.272. jadi untuk perhitungan Forum Ilmiah Volume 10 Nomer 2.664 26.436. Mei 2013 MSE 3.852.8 73.

Analisa Perbandingan Peramalan jumlah siswa SMAN/i dan SMKN/i Terbanggi Besar Lampung Tengah tahun 2011/2012 dengan Forum Ilmiah Volume 10 Nomer 2. tetapi tetap ada perbedaan. Jakarta. Skripsi strata satu. 2005 Mustikarani. New Jersey. Singgih. 2009 208 . Quantitative Analysis for Management. hasilnya tidak berbeda jauh. 8. Michael E. and Hanna. Jakarta. dengan peramalan jumlah siswa tahun ajaran 2011/2012 sebesar 603 siswa. Barry.436. Sekolah Tinggi Ilmu Ekonomi Bisnis Indonesia. Persaon. Elex Media Komputindo. Yulia. 60-78. Universitas Sahid. USA. Multi Megah Mandiri untuk tahun 2009 Jurnal Management Expose. 2007 Render. Agustina dan Arko Pujadi. Stair Jr. International Edition. Jakarta. sedangkan pada program QM for windows tidak ada pembulatan pendekatan metode Forecasting”. Haryadi. Dean W . Analisis Peramalan Penjualan pada PT. dimana perbedaan tersebut terjadi karena masalah pembulatan pada perhitungan manual. Pearson Prentice Hall. ISSN: 1410-8631. Edisi Revisi Lembaga Penerbit. 17. sehingga untuk perhitungan selanjutnya dapat menggunakan hasil metode forecasting Linear Regression.7289 dan MSE sebesar 3. Hasil perhitungan secara manual maupun menggunakan pendekatan QM for windows. Eighth Edition. No.6822. Riset Operasi. Fakultas Ekonomi Universitas Indonesia. 2011 Mulyono. hlm. Vol. Business Forecasting. Business Forecasting. Metode Peramalan Bisnis masa kini dengan MINITAB dan SPSS. Ralph M. John E and Wichern. Jakarta.Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting Gambar Grafik Rekapitulasi Hasil Forecasting SMA Swasta XX Sumber : Hasil pengolahan penulis (2011) Kesimpulan Dari hasil perhitungan menggunakan enam metode forecasting maka didapat hasil MAD dan MSE yang terkecil yaitu pada metode Linear Regression dengan MAD sebesar 46. Sri. Prince Hall. 2006 Santoso. 2009 Daftar Pustaka Hanke. Mei 2013 Sarjono. September 2008. Dewi.