Anda di halaman 1dari 5

1

PREDIKSI JUMLAH CALON SISWA/I BARU DI SD N


SAMBIREJO 01 SEMARANG MENGGUNAKAN TIGA METODE
FORECASTING
A. Rizki Iskandar
Sistem Informasi, Universitas Dian Nuswantoro
Email : arizki.iskandar@gmail.com
Abstrak
Banyak jenis dari teknik peramalan yang sudah di kembangkan untuk meningkatkan keakurasian
dalam metode forecasting. Dalam jurnal ini nantinya akan menggunakan tiga pendekatan metode
Forecasting yaitu Simple Moving Average, Regresi Linear dan Exponential Smoothing yang
perhitungannya diolah secara manual guna memprediksi jumlah pendaftar siswa atau siswi sekolah
dasar sambirejo 01, Semarang. Tujuan dari penelitian ini adalah untuk mengetahui hasil dari
peramalan yang nantinya akan ditentukan dari tiga metode forecasting tersebut yang layak dipakai
sebagai dasar perhitungan selanjutnya berdasarkan tingkat akurasinya dari hasil perhitungan MAD
(Mean Absolute Deviation) dan MSE (Mean Squared Error) yang terkecil.
Kata Kunci : Forecasting, manual, MAD, MSE.

I.

PENDAHULUAN
Peranan pendidikan dizaman sekarang sangat
penting karena pendidikan merupakan prioritas utama,
Seperti tercantum didalam Undang Undang Dasar 1945
pasal 31 ayat 1 dan Undang-Undang Nomor 2 tahun
1989 tentang Sistem Pendidikan Nasional bab III ayat 5
dinyatakan bahwa setiap warganegara mempunyai
kesempatan yang sama memperoleh pendidikan.
pendidikan memiliki peranan untuk mencerdaskan
bangsa dan negara indonesia. Salah satu tujuan
diadakannya proses pendidikan 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
fasilitas pendukung proses pendidikan tersebut (Sahney
& Karunes, 2004).
Kemajuan suatu sekolah dipengaruhi oleh besar
kecilnya kualitas kelulusan. Dilihat dari jumlah calon
siswa/i di sekolah di SD N Sambirejo 01, Semarang
yang mempunyai skala peminat yang cukup besar.
Peramalan jumlah calon siswa/i tahun ajaran 2016/2017
merupakan salah satu hal yang sangat penting dalam
pengambilan keputusan di sekolah. Bagi pihak Sekolah
peramalan berfungsi untuk menentukan prioritas serta
berapa jumlah siswa-siswi yang Salah satu cara
pengukuran tersebut dengan cara peramalan /
forecasting. Dengan menggunakan cara peramalan /
forecasting, suatu
pendidikan dapat mengukur
kinerjanya selama ini, apakah lebih tinggi atau lebih
rendah dari yang diramalkan / diharapkan. Dengan
metode forecasting, pendidikan dapat terus melakukan

evaluasi mengenai strategi yang sudah digunakannya


saat ini, jika kurang efektif maka dapat dikombinasikan
atau dicari strategi bersaing lainnya, selain itu dengan
metode forecasting dapat diketahui pula strategi
bersaing yang terbaik yang dapat digunakan oleh
pendidikan dalam bersaing kedepannya.
Identifikasi masalah
Mengacu kepada uraian diatas, maka pokok
permasalahan penelitian ini adalah sebagai berikut: 1)
bagaimana menentukan peramalan jumlah penerimaan
siswa/i di SD Pandean Lamper tahun ajaran 2016/2017
dengan pendekatan tiga metode forecasting? 2)
bagaimana menentukan keakurasian tiga metode
forecasting tersebut dengan menggunakan MAD dan
MSE terkecil?
Ada 3 tipe peramalan menurut Barry Render, Ralph
M. Stair, JR, Michael E. Hanna, International Edition
(2006 : 151) yaitu: 1) Time Series Models, Time
series models attempt to predict the future by using
historical data. These models make the assumption that
what happens in the future is a function of what has
happened in the past. In other words, time series models
look at what has happened over a period of time and use
a series of past data to make a forecast. , 2) Causal
Models, Causal models incorporate the variables or
factors that might influence the quantity being
forecasted into the forecasting model. Causal models
may also include past sales data as time-series models
do, but they include other factors as well. And 3)
Qualitative Models, Whereas time-series and causal
models rely on quantitative data, qualitative models

2
attempt to incorporate judgmental or subjective factors
into the forecasting model.
Pengertian MAD dan MSE (Hanke and Wichern, 2005,
p.77-81).
MAD (Mean Absolute Deviation) adalah ukuran
kesalahan peramalan keseluruhan untuk sebuah
model, yaitu rata rata selisih antara nilai yang
diramalkan dan yang diamati (nilai aktual).
MSE (Mean Squared Error) adalah rata rata selisih
kuadrat antara nilai yang diramalkan dan yang
diamati (nilai aktual).
Mean Absolute Deviation (MAD) Ukuran pertama
kesalahan peramalan keseluruhan untuk sebuah
model adalah MAD. Nilai ini dihitung dengan
mengambil jumlah nilai absolute dari tiap kesalahan
peramalan dibagi jumlah periode data (n)

aktual peramalan
n
MAD=
Mean Squared Error (MSE) merupakan cara kedua
untuk mengukur kesalahan peramalan kaseluruhan.
MSE merupakan rata rata selisih kuadrat antara
kuadrat antara nilai yang diramalkan dan yang
diamati. Rumusnya adalah :

MAPE=
II.

MSE=

(kesalahan peramalan)
n

Kelemahan penggunaan MSE adalah bahwa ia


cenderung menonjolkan deviasi yang besar karena
adanya pengkuadratan. Sebagai contoh, jika kesaahan
peramalan untuk periode 1 dua kali lipat lebih besar dari
kesalahan untuk periode 2, maka kesalahan kuadrat pada
periode satu lebih besar empat kali lipat dibanding
kesalahan kuadrat pada periode 2. Oleh karena itu,
menggunakan MSE sebagai perhitungan kesalahan
peramalan biasanya menunjukan bahwa lebih baik
mempunyai beberapa deviasi yang kecil daripada satu
deviasi besar.
Masalah yang terjadi dengan MAD dan MSE adalah
nilai mereka tergantung pada besarnya unsur yang
diramal. Jika unsur tersebut dihitung dalam suatu ribuan,
maka nilai MAD dan MSE bisa menjadi sangat besar.
Untuk menghindari masalah ini, kita dapat
menggunakan Mean Absolute Percent (MAPE). MAPE
dihitung sebagai rata rata diferensiasi absolute antara
nilai yang diramal dan nilai aktual, yang dinyatakan
sebagai persentase nilai aktual. Jika kita memiliki nilai
yang diramal dan aktual untuk n periode, maka MAPE
dihitung sebagai Berikut :

100 ni1 I aktualiramalani I aktuali


n

METODE PENELITIAN
Tabel Operasional Variabel

No
1

Variabel
Peramalan

Konsep Variabel
Peramalan Penerimaan

Model Peramalan

Hasil Peramalan

Metode
Peramalan
yang
akan
diterapkan di SD N Sambirejo 01,
Semarang
Ukuran Hasil Peramalan

Teknik Pengumpulan Data


Data yang ada adalah data actual yang diperoleh dari
Observasi dan Penelitian di SD N Sambirejo 01,
Semarang.
Metode Analisis Data
Metode analisis yang digunakan menggunakan tiga
metode forecasting, antara lain: Simple Moving Average,
Exponential Smoothing dan Linear Regression.
III. HASIL DAN PEMBAHASAN

Indikator Utama
Data dari Penerimaan siswa/i tahun ajaran
2015/2016 di SD N Sambirejo 01, Semarang
Simple Moving Average, Exponential Smoothing,
Regresi Linear
MAD dan MSE Terkecil

Penelitian yang diambil ini untuk meramalkan


jumlah siswa/i pada SD N Sambirejo 01 di Kota
Semarang untuk tahun ajaran 2016/2017. Berdasarkan
data yang telah diambil, maka dapat diramalkan jumlah
siswa SD N Sambirejo 01, Semarang tersebut tahun
ajaran 2016/2017 dan perhitungan secara manualnya
dapat dilihat pada tabel dibawah ini
Tabel data penerimaan Siswa/i SD N Sambirejo 01, Semarang

Tahun
2010/2011
2011/2012

Jumlah Penerimaan Siswa


65
85

3
Exponential Smoothing dan Linear Regression, dengan
menggunakan perhitungan secara manual.
1. Forecasting metode Linear Regresison
Berdasarkan data diatas, maka dapat ditentukan:
a) ramalan (forecasting) untuk penerimaan siswa
Sumber : Data Penerimaan SD N Sambirejo 01 (2016)
tahun ajaran (2016/2017) dengan menggunakan
pendekatan metode regresi linear / least square,
Dalam menjawab persoalan diatas, digunakan 3 (Tiga)
metode yang berbeda yaitu Simple Moving Average,
b) menghitung MAD dan MSE
2012/2013
2013/2014
2014/2015
2015/2016

70
80
82
67

Tahun

Penerimaan
Siswa/i (Yt)

2010/201
1
2011/201
2
2012/201
3
2013/201
4
2014/201
5
2015/201
6
Jumlah

b=

(t)
(Yt)

(t)

65

Period
e
(t)
1

65

Ft
((73,7333
+ (0,3142*t))
74,04762

85

170

74,3619

70

210

74,67619

80

320

16

74,99048

82

410

25

75,30476

67

402

36

75,61905

449

21

1577

91

Yt - Ft

| Yt Ft |

9,04761905
10,6380952
4
4,67619048
5,00952381

9,04761905

6,69523809
5
8,61904762
0

6,6952381

( n x tYt )(Yt x t )

MAD=

( n x t 2 )( t )

MSE=

Yt b x t

n
n
2.

a = 0,3142
Yt = a + b(t)
Yt = 73,7333 + 0,3142(t)
Y7 = 73,7333 + 0,3142(7) = 75, 9333

76

2010/2011
2011/2012
2012/2013
2013/2014

113,1691
4,67619048
21,86676
5,00952381

Period
e
1
2
3
4

Penerimaan
Siswa (Yt)
65
85
70
80

44,82621
8,61904762
74,28798
361,1048

44,6857143

44,6857143
=7,447619
6

361,1048
=60,184217
6

Forecasting Metode Exponential Smoothing


Berdasarkan data diatas, maka dapat ditentukan :
a) ramalan (forecasting) untuk penerimaan siswa
tahun ajaran (2016/2017) dengan menggunakan
pendekatan metode exponential smoothing
dengan asumsi = 0,3 dan F1 = 65,
b) menghitung MAD dan MSE, dimana untuk
penentuan nilai alpha () tidak ada
ketentuannya, dalam soal ini penentuan ( = 0,3)
hanya untuk pengolahan data, dan untuk
penentuan () bisa menentukan sendiri berapa
() nya.

F2016/ 2017 =75,93333 76 Siswa /i

Tahun

81,85941
10,6380952

25,09533

b = 73,73333

a=

| Yt Ft |

Ft
= 0,30
65,00
71,00
70,70

Yt - Ft

| Yt - Ft|

| Yt Ft |

20,00
-1,00
9,30

20,00
1,00
9,30

400,00
1,00
86,49

4
2014/2015
2015/2016
2016/2017
Jumlah

5
6
7

MAD=

MSE=

3.

82
67
-

73,49
76,04
73,33

47,85
=9,57
5

Forecasting Simple Moving Average


Berdasarkan data diatas, maka dapat ditentukan
a) ramalan (forecasting) (Ft) untuk penerimaan
siswa tahun ajaran (2016/2017) dengan
Period
e

2010/2011
2011/2012
2012/2013
2013/2014
2014/2015
2015/2016
2016/2017
Jumlah

1
2
3
4
5
6
7

MAD=

Penerimaa
n Siswa
(Yt)
65
85
70
80
82
67
-

8,51
9,04
47,85

72,42
81,72
641,63

menggunakan pendekatan metode


moving average dengan asumsi n = 2,

641,63
=128, 3263
5

Tahun

8,51
-9,04
27,767

b) menghitung MAD dan MSE, dimana untuk


penentuan asumsi (n) = 2, tidak ada
ketentuannya, dalam soal ini penentuan (n = 2)
hanya rekayasa penulis, kita bisa menentukan
sendiri berapa (n) yang akan dipakai, asalkan
tidak melebihi jumlah (n) dari data awal yang
ada. Untuk (n) data dalam kasus ini adalah
sebesar 7

Ft
2 Tahunan

Yt - Ft

| Yt - Ft|

| Yt Ft |

(65 + 85) : 2 = 75,0


(85 + 70) : 2 = 77,5
(70 + 80) : 2 = 75,5
(80 + 82) : 2 = 81,0
(82 + 67) : 2 = 74,5

-5,0
2,5
7,0
-14,0
-4,500

5,0
2,5
7,0
14,0
28,5

25
6,25
49
196
276,25

28,50
=9,57
4

simple

MSE=

276,25
=69,0625
4

Tabel Hasil Perhitungan MAD dan MSE

No
1
2
3

Metode Forecasting
Linear Regression
Exponential Smoothing
Simple Moving Average

Dari hasil perhitungan forecasting didapat hasil MAD


dan MSE yang terkecil pada metode Linear Regression
yaitu MAD sebesar 7,447619 dan MSE sebesar
60,184127, jadi untuk perhitungan selanjutnya
menggunakan hasil metode forecasting Linear
Regression, dengan peramalan jumlah siswa tahun
ajaran 2016/2017 sejumlah siswa 76 siswa/i.
IV.

KESIMPULAN
Dari hasil perhitungan menggunakan tiga metode
forecasting maka didapat hasil MAD dan MSE yang
terkecil yaitu pada metode Linear Regression dengan
MAD sebesar 7,447619 dan MSE sebesar 60,184127,
sehingga untuk perhitungan selanjutnya dapat

MAD
7,447619
9,57
7,125

MSE
60,184127
128,3263
69,0625

F 2016/2017
76
75
74

menggunakan hasil metode forecasting Linear


Regression, dengan peramalan jumlah siswa tahun
ajaran 2016/2017 sebesar 76 siswa. Dengan demikian
metode forecasting dengan tingkat akurasi yang mampir
sama adalah dengan metode Linear Regression.
REFERENSI
[1] Hanke, John E and Wichern, Dean W , Business Forecasting,
Eighth Edition, Persaon, Prince Hall, New Jersey. 2005
[2] Mulyono, Sri, Riset Operasi, Edisi Revisi Lembaga Penerbit,
Fakultas Ekonomi Universitas Indonesia, Jakarta. 2007

5
[3] Render, Barry, Ralph M, Stair Jr, and Hanna, Michael E.
Quantitative Analysis for Management. International Edition, Pearson
Prentice Hall, USA. 2006
[4] Santoso, Singgih, Business Forecasting, Metode Peramalan Bisnis
masa kini dengan MINITAB dan SPSS, Elex Media Komputindo,
Jakarta. 2009

[5] Sarjono, Haryadi, Yulia, Agustina dan Arko Pujadi, Analisis


Peramalan Penjualan pada PT. Multi Megah Mandiri untuk tahun 2009
Jurnal Management Expose, Vol. 8, No. 17, September 2008, ISSN:
1410-8631, hlm. 60-78, Universitas Sahid, Jakarta. 2009