Peramalan (forecasting)

Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa

yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert,
1982). Awat (1990) menjelaskan bahwa peramalan merupakan kegiatan untuk
mengetahui nilai variabel yang dijelaskan (variabel dependen) pada masa akan
datang dengan mempelajari variabel independen pada masa lalu, yaitu dengan
menganalisis pola data dan melakukan ekstrapolasi bagi nilai-nilai masa datang.
Metode peramalan kuantitatif dijelaskan Supranto (2000) terdiri dari metode
pertimbangan, metode regresi, metode kecendrungan (trend method), metode
input output, dan metode ekonometrika. Metode kecendrungan (trend method)
menggunakan

suatu

fungsi

seperti

metode

regresi

dengan

variable

menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh kriteria yaitu

berkaitan dengan goodness of fit yang menunjukkan bagaimana model
peramalan dapat menghasilkan peramalan yang baik. Selain itu ada tiga kriteria
yang perlu untuk dipertimbangkan, yaitu:
1)

Pola data;

2)

Faktor biaya peramalan; dan

3)

Faktor kemudahan.

Penentuan ketepatan peramalan pada umumnya berdasarkan beberapa metode,

yaitu nilai Sidik Ragam (F-Test), Koefisien determinasi, Kuadrat Tengah Galat
(Mean Square Error (MSE), dan Persentase Galat (Percentage Error (PE)).

Deret Waktu
Deret waktu adalah kumpulan data-data yang merupakan data historis dalam
suatu periode waktu tertentu. Data yang dapat dijadikan deret waktu harus
bersifat kronologis, artinya data harus mempunyai periode waktu yang
berurutan. Misalnya data penjualan suatu perusahaan antara tahun 2006-2011,
maka datanya adalah penjualan tahun tahun 2006, tahun 2007, tahun 2008,
tahun 2009, tahun 2010, dan tahun 2011.

Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat,
atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
menggunakan tahun, kuartal, bulan, minggu, hari atau jam. Runtut waktu
dianalisis untuk menemukan pola variasi masa lalu.
Analisis deret waktu (time series analysis) dipakai untuk meramalkan kejadian di
masa yang akan dating berdasarkan urutan waktu sebelumnya. Ada beberapa
teknik untuk meramalkan kejadian di masa yang akan datang berdasarkan
karakteristik data, misalnya teknik smoothing, teknik siklus, dan teknik musiman.

Trend
Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadangkadang dapat digambarkan dengan garis lurus atau kurva mulus. Deret waktu
untuk bisnis dan ekonomi, yang terbaik adalah untuk melihat trend (atau trendsiklus) sebagai perubahan dengan halus dari waktu ke waktu.
Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi
sederhana seperti garis lurus sepanjang periode untuk time series yang diamati
jarang ditemukan. Seringkali fungsi tersebut mudah dicocokkan dengan kurva
trend pada suatu kurun waktu karena dua alasan, yaitu fungsi tersebut
menyediakan beberapa indikasi arah umum dari seri yang diamati, dan dapat
dihilangkan dari seri aslinya untuk mendapatkan gambar musiman lebih jelas.
Ada tiga trend yang diigunakan untuk meramalkan pergerakan keadaan pada
masa yang akan datang, yaitu:
1.

Trend Linier

Sering kali data deret waktu jika digambarkan ke dalam plot mendekati garis
luruus. Deret waktu seperti inilah yang termasuk dalam trend linier. Persamaan
trend linier adalah sebagai berikut:

Dengan nilai a dan b diperoleh dari formula:

Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan a adalah

nilai intercept dari Y, artinya nilai Yt akkan sama dengan a jika nilai t = 0.
Kemudian b adalah nilai slope, artinya besar kenaikan nilai Yt pada setiap nilai t.
Dan nilai t sendiri adalah nilai tertentu yang menunjukan periode waktu.
2.

Trend Kuadratik

Jika trend linier merupakan deret waktu yang berupa garis lurus, maka trend
kuadratik

merupakan

deret

waktu

dengan

data

berupa

garis

parabola.

Persamaan untuk trend kuadratik adalah:

Dengan nilai a, b, dan c diperoleh dari :

3.

Trend Eksponensial

Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau penurunan
yang cepat maka digunakan metode trend eksponensial. Dalam metode ini
digunakan persamaan:

Tetapi dalam melakukan perhitungannya, persamaan di atas dapat diubah ke

dalam bentuk semi log, sehingga memudahkan untuk mencari nilai a dan b.

4.

Memilih Trend Terbaik

Untuk membuat suatu keputusan yang akan dilakukan di masa yang akan
datang berdasarkkan deret waktu diperlukan suatu metode peramalan yang
paling baik sehingga memiliki nilai kesalahan yang cenderung kecil. Terdapat
beberapa cara untuk menentukan metode peramalan mana yang akan dipilih
sebagai metode peramalan yang paling baik, diantaranya Mean Square Error
(MSE).
Untuk mencari MSE digunakan rumus sebagai berikut:

Dimana nilai e adalah selisih antara nilai Y dengan peramalan (Yt). Model yang
memiliki MSE paling kecil adalah model persamaan yang paling baik.

Contoh Soal