2.

3 Metode Kausal

http://www.slideshare.net/rhizqianacliquers/laporan-praktikum-kerja-bangku

Metode ini menggunakan pendekatan sebab-akibat, dan bertujuan untuk

meramalkan keadaan di masa yang akan datang dengan menemukan dan mengukur
beberapa variabel bebas (independen) yang penting beserta pengaruhnya terhadap variabel
tidak bebas yang akan diramalkan.

Pada metode kausal digunakan untuk mengetahui hubungan suatu variable dengan variable
lainnya. Adapun pedoman untuk menerapkan metode kausal adalah sebagai berikut :

1. Pada saat terdapat alasan-alasan yang prioritas untuk menganggap bahwa satu
variabel adalah dipengaruhi oleh variabel yang lain..
2. Pada saat sebuah indikator utama dapat teridentifikasikan.
3. Horison waktu peramalan yang relevan.

Pada metode kausal terdapat tiga kelompok metode yang sering dipakai yaitu :

1. Metode regresi dan korelasi

Metoda regresi dan korelasi pada penetapan suatu persamaan estimasi
menggunakan teknik least squares.Hubungan yang ada pertama tama
dianalisis secara statistik.Ketepatan peramalan dengan menggunakan metoda
ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan
jangka panjang ternyata ketepatannya kurang begitu baik.Metoda ini banyak
digunakan untuk peramalan penjualan, perencanaan keuntungan, peramalan
permintaan dan permalan keadaan ekonomi.Data yang dibutuhkan untuk
penggunaan metoda ini adalah data kuartalan dari beberapa tahun lalu.
 2. Metode Ekonometrik
Metoda ini didasarkan atas peramalan sistem persamaan regresi yang
diestimasikan secara simultan.Baik untuk peramalan jangka pendek maupun
peramalan jangka panjang, ketepatan peramalan dengan metoda ini sangat
baik.Metoda permalan ini selalu dipergunakan untuk peramalan penjualan
menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti
permintaan, harga dan penawaran.Data yang dibutuhkan untuk penggunaan
metoda peramalan ini adalah data kuartalan beberapa tahun.
3. Metode Input-Output
Metoda ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka
panjang.Model ini kurang baik ketepatannya untuk peramalana jangka
panjang.Model ini banyak dipergunakan untuk peramalan penjualan
perusahaan, penjualan sektor industri dan sub sektor industri, produksi dari
sektor dan sub sektor industri. Data yang dibutuhkan untuk penggunaan
metoda atau model ini adalah data tahunan selama sekitar sepuluh sampai
lima belas tahun.

2.4 Pemilihan Metode Peramalan

1. Teknik peramalan untuk data stasioner

Data stasioner dapat didefinisikan data yang nilai rata-ratanya tidak berubah dari waktu ke
waktu atau dapat dikatakan data bersifat stabil. Seperti situasi yang berkembang ketika ada
peningkatan pola data yang mempengaruhinya maka teknik ini akan relatif stabil.
Teknik peramalan stasioner digunakan jika
data stabil, lingkungan yg berpengaruh relatif tetap
Misalnya angka kerusakan perminggu pada pemasangan bagian-bagian perakitan mesin
memiliki rata-rata produksi yang sama, kumpulan penjualan produk atau layanan dalam
perkembangan proses kehidupan dan jumlah hasil penjualan dari tingkat usaha yang
konstan.
butuh model yang sangat sederhana karena keterbatasan data, atau memudahkan
dalam penjelasan dan pelaksanaan
Contoh: ketika bisnis atau organisasi itu baru dan hanya sedikit data historis yang tersedia
adanya asumsi tertentu sehingga data menjadi lebih stabil
Contoh: mengganti pendapatan ke pendapatan perkapita atau mengganti penjualan dolar ke
jumlah dolar konstan.
adanya transformasi data sehingga menjadi stabil
Contoh: mentransformasi rangkaian dengan menggunakan logaritma, akar kuadrat atau
pembedaan.

2. Teknik peramalan untuk data trend

Rangkaian Trend ditandai dengan adanya kecenderungan arah data bergerak naik (growth)
atau turun (decline) pada jangka panjang. Dengan kata lain runtun waktu dikatakan
mempunyai Trend jika nilai rata-ratanya berubah sewaktuwaktu sehingga diharapkan untuk
menambah atau mengurangi selama periode untuk ramalan yang mana yang diinginkan.
Teknik peramalan untuk data trend digunakan jika
daya produksi yang meningkat atau kemajuan teknologi yang mendorong perubahan
gaya hidup (misal: permintaan barang elektronik)
Contoh: permintaan komponen elektronik, yang meningkat dengan adanya komputer dan
pemakaian jalan kereta api yang menurun karena adanya pesawat terbang.
pertambahan jumlah penduduk yang mendorong pada permintaan barang dan jasa.
Contoh: pajak penjualan barang-barang konsumsi, permintaan konsumsi energi, dan
penggunaan bahan mentah.
daya beli dolar yang mempengaruhi perekonomian( inflasi )
Contoh: gaji,biaya produksi dan harga
 penerimaan pasar meningkat.
Contoh: periode pertumbuhan dalam putaran produk baik.

3. Teknik peramalan untuk data musiman

Rangkaian musiman didefinisikan sebelumnya sebagai runtun waktu dengan pola
pergantian yang berulang dari tahun ke tahun. Satu cara untuk mengembangkan peramalan
musiman melibatkan pemilihan metode dekomposisi perkalian atau pembagian dan
kemudian mengestimasi indeks musiman dari sejarah / histori rangkaian. Indeks ini
kemudian digunakan untuk memasukkan musiman pada ramalan atau menghilangkan efek
dari nilai yang diobservasi. Proses terakhir diarahkan sebagai pengaturan data musiman.
Teknik peramalan untuk data musiman digunakan jika
musim mempengaruhi variabel minat
Contoh: konsumsi yang berhubungan dengan listrik, kegiatan musim panas dan musim
dingin (seperti olaharaga: ski), pakaian, musim tanam.
kalender tahunan (hari libur, hari besar) mempengaruhi variabel minat
Contoh: penjualan tiket masuk obyek wisata dipengaruhi musim libur, 3 hari liburan, dan
kalender sekolah.
Teknik yang bisa digunakan
Clasical decomposition
Census X-12
Winters exponential smoothing
Multiple regression
Autoregressive integrated moving average
4. Teknik peramalan untuk data siklis
Efek siklis didefinisikan sebelumnya sebagai fluktuasi bergelombang disekitar Trend. Pola
siklis sulit untuk dimodelkan karena pola mereka secara tipikal tidak stabil/ tetap.
Terdapat dua kelompok karakteristik yang dapat digunakan sebagai kerangka dasar
untuk menilai kesesuaian suatu model untuk diterapkan :
1. Situasi
Berdasarkan situasi yang ada, harus diperhatikan hal-hal antara lain : horison waktu,
detil yang dibutuhkan, jumlah item yang akan diramal, tujuan dilakukannya
peramalan {kontrol vs perencanaan}, kekonstanan, dan prosedur perencanaan yang
ada saat ini.
2. Metode
Berdasarkan metode yang ada, harus diperhatikan hal-hal antara lain : horison
waktu, pola data, biaya,keakuratan, dan daya tarik intuitif.

(http://winita.staff.mipa.uns.ac.id/files/2011/09/pemilihan-teknik-peramalan.pdf)