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 X 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 kadang-kadang dapat
digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan ekonomi, yang
terbaik adalah untuk melihat trend (atau trend-siklus) 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.

Contoh Metode Trend Semi Average

Berikut contoh metode Trend Semi Average (Banyaknya Data Keseluruhan dan Banyaknya Data
Dalam Kelompok Berjumlah Genap). Dengan menggunakan data penjualan di bawah ini diminta
untuk membuat peramalan penjualan untuk tahun 2007 dengan menggunakan metode Semi
Average.
 Jumlah seluruh data di atas yakni 4 data (Genap). Oleh karena itu analisis data dilakukan
dengan cara sebagai berikut:

Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung dibagi
dua yang masing-masing kelompok terdiri dari 2 data (Genap).
Menentukan periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun
tengah data tahun kelompok I sehingga periode dasar terletak antara tahun 2003 dan
tahun 2004.
Menentukan Angka Tahun. Karena periode dasar berangka tahun x = 0 dan terletak
antara tahun 2003 dan 2004, maka angka tahun untuk tahun 2003 adalah -1/2 dan angka
tahun untuk 2004, 2005, 2006 berturut-turut adalah 1/2, 3/2, 5/2 dst. Untuk memudahkan
perhitungan maka dikonversi ke bilangan bulat dengan mengalikan dengan angka 2,
sehingga angka tahun untuk 2003 menjadi -1 dan angka tahun 2004, 2005, 2006 dst
brturut-turut menjadi 1, 3, 5 dst.
Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.
Untuk kelompok I, Nilai Semi Totalnya adalah 145 + 150 = 295. Dengan cara yang sama
dihitung Nilai Semi Total untuk Kelompok II.
Menentukan Semi average tiap Kelompok data. Semi Average untuk kelompok I adalah
(semi total kelompok I dibagi jumlah data kelompok I sehingga nilainya adalah
295/2=147,5. Dengan cara yang sama juga dihitung Semi Average untuk Kelompok II.

Ringkasan Perhitungan disajikan pada tabel berikut:

Dari perhitungan tersebut di atas, ditentukanlah nilai a dan b sehingga diperoleh fungsi
persamaan untuk peramalan dengan cara sebagai berikut::
 Nilai a ditentukan berdasarkan nilai Semi Average untuk kelompok yang tahun
tengahnya digunakan sebagai periode dasar. Pada kasus ini periode dasar menggunakan
tahun tengah kelompok I, sehingga nilai a adalah sebesar nilai Semi Average kelompok I
yakni 147,5.
Menentukan nilai b Karena Jumlah data dalam kelompok adalah genap maka untuk
menentukan nilai b terlebih dulu menghitung Nilai Antara dengan cara membagi selisih
antara nilai Semi Average kelompok II dan I dengan jumlah data dalam kelompok
sehingga hasilnya (167,5 - 147,5) / 2 = 10. Selanjutnya Nilai b ditentukan dengan
membagi Nilai Antara dengan selisih antar angka tahun, sehingga diperoleh nilai b
sebesar (10/2) = 5
Menentukan Fungsi Peramalan. Karena nilai a=147,5 dan nilai b= 5, maka fungsi
peramalannya adalah Y= 147,5 + 5X

Perhitungan selengkapnya adalah sebagai berikut:

Jadi dengan menggunakan metode Setengah Rata-Rata, penjualan th 2007 diramalkan

sebesar 182,5 unit dengan perhitungan sbb:

2. ANALISIS TREND (Materi X : Pengertian dan Metode Least Square)

Pengertian : Analisis trend merupakan suatu metode analisis yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak
dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut
dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang
mempengaruhi terhadap perubahan tersebut. Secara teoristis, dalam analisis time series yang
paling menentukan adalah kualitas atau keakuratan dari informasi atau data-data yang diperoleh
serta waktu atau periode dari data-data tersebut dikumpulkan.

Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau
peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin sedikit maka hasil
estimasi atau peramalannya akan semakin jelek.

Dalam hal ini akan lebih dikhususkan untuk membahas analisis time series dengan metode
kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil.

Secara umum persamaan garis linier dari analisis time series adalah : Y = a + b X.
Keterangan : Y adalah variabel yang dicari trendnya dan X adalah variabel waktu (tahun).
Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) adalah :
a = Y / N
dan
b =XY / X2

Contoh Kasus Data Ganjil :

Tabel : Volume Penjualan Barang X (dalam 000 unit) Tahun 1995 sampai dengan 2003
Tahun Penjualan (Y) X XY X2
1995 200 -4 - 800 16
1996 245 -3 - 735 9
1997 240 -2 - 480 4
1998 275 -1 - 275 1
1999 285 0 0 0
2000 300 1 300 1
2001 290 2 580 4
2002 315 3 945 9
2003 310 4 1.240 16
Jumlah 2.460 775 60
Untuk mencari nilai a dan b adalah sebagai berikut :

a= 2.460 / 9 = 273,33
dan
b = 775 / 60 = 12,92

Persamaan garis liniernya adalah : Y = 273,33 + 12,92 X.

Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah :
Y = 273,33 + 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga :
Y = 273,33 + 142,12 = 415,45
artinya penjualan barang X pada tahun 2010 diperkirakan sebesar 415.450 unit.
 Contoh Kasus Data Genap :

Tabel : Volume Penjualan Barang X (dalam 000 unit) Tahun 1995 sampai dengan 2002
Tahun Penjualan (Y) X XY X2
1995 200 -7 - 1.400 49
1996 245 -5 - 1.225 25
1997 240 -3 - 720 9
1998 275 -1 - 275 1
1999 285 1 285 1
2000 300 3 900 9
2001 290 5 1.450 25
2002 315 7 2.205 49
Jumlah 2.150 1.220 168
Untuk mencari nilai a dan b adalah sebagai berikut :

a = 2.150 / 8 = 268,75
dan
b = 1.220 / 168 = 7,26

Persamaan garis liniernya adalah : Y = 268,75 + 7,26 X.

Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah :

Y = 268,75 + 7,26 (untuk tahun 2008 nilai X adalah 19),

sehingga : Y = 268,75 + 137,94 = 406,69 artinya penjualan barang X pada tahun 2008
diperkirakan sebesar 406,69 atau 406.690 unit.

Trend Moment

Metode trend moment menggunakan cara-cara perhitungan statistika dan matematika tertentu
untuk mengetahui fungsi garis lurus sebagai pengganti garis patah-patah yang dibentuk oleh data
historis perusahaan. Dengan demikian pengaruh unsur-unsur subyektif dapat dihindarkan.
Prinsip-prinsip pengerjaan metode trend moment adalah sebagai berikut:
a. Barang tahan lama minimal satu tahun.
b. Barang yang selalu diperlukan, misalnya sembako.
c. Kegiatan usaha sudah berjalan minimal dua tahun, digunakan sebagai data penjualan tahun yang
lalu.
d. Jumlah data tahun lalu baik tahun ganjil maupun genap tetap diurut dari 0, 1, 2, 3,
dst pada kolom x.
Rumus metode trend moment:

I. Y= a + bx
II. y= n.a + b. x
III. xy= a. x + b. x2
Contoh soal:

Sebuah perusahaan yang bergerak dalam penyediaan minuman air gallon ingin membuat
forecast penjualan minuman air gallon untuk beberapa tahun mendatang didaerah Singkawang,
dengan menggambarkan garis trend data penjualan tahun yang lalu adalah sebagai berikut:

Penjualan
Tahun
Y
2005 130.000
2006 145.000
2007 150.000
2008 165.000
2009 170.000

Hitunglah forecast penjualan dengan metode trend moment!

Jawab:

Penjualan
Tahun x xy x2
y
2001 0 130.000 0 0
2002 1 145.000 145.000 1
2003 2 150.000 300.000 4
2004 3 165.000 495.000 9
2005 4 170.000 680.000 16
10 760.000 1.620.000 30
II. y= n.a + b. x
760.000= 5a + 10b
III. xy= a. x + b. x2
1.620.000= 10a + 30b

Dibuat persamaan menjadi:

760.000= 5a + 10b x2 1.520.000 = 10a + 20b

1.620.000= 10a + 30b x1 1.620.000 = 10a + 30b
-100.000 = -10b
b = 10.000
760.000 = 5a + 10b
760.000 = 5a + 10 (10.000)
760.000 = 5a + 100.000
660.000 = 5a
a = 132.000
Persamaanya adalah, Y= a + bx Y= 132.000 + 10.000x

Maka nilai trend tiap tahun sampai tahun 2011 dapat dihitung sebagai berikut:

2005 Y= 132.000 + 10.000 ( 0 ) = 132.000

2006 Y= 132.000 + 10.000 ( 1 ) = 142.000

2007 Y= 132.000 + 10.000 ( 2 ) = 152.000

2008 Y= 132.000 + 10.000 ( 3 ) = 162.000

2009 Y= 132.000 + 10.000 ( 4 ) = 172.000

2010 Y= 132.000 + 10.000 ( 5 ) = 182.000

2011 Y= 132.000 + 10.000 ( 6 ) = 192.000

1.134.000