2013

[ TECHNOLOGY FORECASTING ]
[ANGKY WAHYU P. ]
[116100317011002]

Sebagai Tugas Untuk Mata Kuliah

Manajemen Teknologi

PROGRAM MAGISTER TEKNOLOGI INDUSTRI PERTANIAN

JURUSAN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS BRAWIJAYA
MALANG
A. PENGERTIAN PERAMALAN

 Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
kejadian atau peristiwa di waktu yang akan datang.
 Peramalan merupakan sebuah alat bantu yang penting dalam perencanaan yang efesien
dan efektif.
 Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang
meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan
dalam rangka memenuhi permintaan barang ataupun jasa.
 Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan
datang.
 Peramalan dilakukan dengan memanfaatkan informasi terbaik yang ada pada masa itu,
untuk menimbang kegiatan di masa yang akan datang.
 Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan.
Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya
persoalan dalam pengambilan keputusan itu.
 Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu
atau beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan
hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik
tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan
perkiraan yang ilmiah (educated guess).

B. TUJUAN PERAMALAN

Tujuan peramalan dilihat dengan waktu:

1. Jangka pendek (Short Term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian
ataupun mingguan dan ditentukan oleh Low Management.
2. Jangka Menengah (Medium Term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan
ataupun kuartal dan ditentukan oleh Middle Management.
3. Jangka Panjang (Long Term)
Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5
tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 2

C. KARAKTERISTIK PERAMALAN YANG BAIK
Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi,
biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut :
1. Akurasi.
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan
tersebut bila terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya
terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif
kecil.

2. Biaya.
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari
jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang
dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banayak data
yang dibutuhkan, bagaimana pengolahan datanya ( manual atau komputerisasi),
bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan
metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi
yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode
yang sederhana dan murah.

3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai
metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena
keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

D. KEGUNAAN ATAU MANFAAT PERAMALAN

Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka atau
bilangan yang harus dipergunakan begitu saja. Penggunaannya masih memerlukan
pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil ramalan biasanya
didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah seperti waktu
sebelumnya.

Kegunaan peramalan terlihat pada saat pengambilan keputusan atau menetapkan

berbagai kebijakan. Keputusan yang baik adalah keputusan yang didasarkan atas
pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Ramalan

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 3

 diperlukan untuk memberikan informasi sebagai dasar untuk membuat suatu keputusan
dalam berbagai kegiatan, seperti penerbangan, peternakan, perkebunan dan sebagainya.

Pertimbangan tentang peramalan telah tumbuh karena beberapa faktor, antara lain
sebagai berikut :

1. karena meningkatnya kompleksitas organisasi dan lingkungan. Hal ini menyebabkan

semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara
memuaskan.
2. meningkatnya ukuran organisasi menyebabkan bobot dan kepentingan suatu keputusan
meningkat pula.
3. lingkungan dari kebanyakan organisasi telah berubah dengan cepat.

Peramalan diperlukan karena adanya perbedaan-perbedaan waktu antara kebijakan

baru dengan waktu pelaksanaan tersebut. Oleh karena itu dalam menentukan kebijakan
sangat diperlukan pemanfaatan kesempatan yang ada, dan gangguan yang mungkin terjadi
pada saat kebijakan baru tersebut dilaksanakan. Peramalan diperlukan untuk mengantisipasi
suatu peristiwa yang dapat terjadi pada masa yang akan datang, sehingga dapat
dipersiapkan kebijaksanaan atau tindakan-tindakan yang perlu dilakukan. Adapun manfaat
dari peramalan adalah sebagai berikut:

1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan tepat.

2. Merupakan suatu pedoman dalam menentukan tingkat persediaan perencanaan dapat
bekerja secara optimal.

3. Sebagai masukan untuk penentuan jumlah investasi.

4. Membantu menentukan pengembangan suatu pekerjaan untuk periode selanjutnya.

E. BEBERAPA SIFAT HASIL PERAMALAN

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa
hal yang harus dipertimbangkan yaitu :
1. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi
ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian
tersebut.
2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan,
artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi
peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 4

 3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini
disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi
permintaan relatif masih konstan sedangkan masih panjang periode peramalan, maka
semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi
permintaan.

F. METODE PERAMALAN

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi
pada masa depan berdasarkan data yang relevan pada masa lalu. Oleh karena metode
peramalan didasarkan atas data yang relevan pada masa lalu, sehingga metode peramalan
ini dipergunakan dalam peramalan yang objektif. Metode peramalan sangat berguna untuk
membantu dalam mengadakan pendekatan analisis terhadap pola data yang lalu, sehingga
dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis, serta
memberi tingkat keyakinan yang lebih atas ketepatan hasil ramalan yang dibuat.
Keberhasilan dari suatu peramalan ditentukan oleh:
1. Pengetahuan teknik tentang informasi masa lalu yang dibutuhkan, informasi ini bersifat
kuantitatif.
2. Teknik dan metode peramalan
Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktor-
faktor penentu kejadian sebenarnya, jenis-jenis pola data dan beberapa pola lain. Hal yang
sangat mempengaruhi terhadap kesuksesan dalam menentukan ramalan adalah pemilihan
teknik yang tepat.

Ada enam faktor utama yang dapat didefinisikan sebagai teknik dan metode
peramalan yaitu:
1. Horizon waktu
 Merupakan pemilihan yang didasarkan atas jangka waktu peramalan yaitu:
a. Peramalan yang segera dilakukan dengan waktu kurang dari satu bulan.
b. Peramalan jangka pendek dengan waktu antara satu sampai tiga bulan.
c. Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua tahun.
d. Peramalan jangka panjang dengan waktu tiga tahun ke atas.

2. Pola Data
 Salah satu dasar pemilihan metode peramalan adalah dengan memperhatikan pola.
Ada empat jenis pola data mendasar yang terdapat dalam suatu deretan data yaitu:

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 5

a. Apabila pola data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini
adalah stasioner terhadap nilai rata-ratanya), maka disebut dengan Pola Horisontal
(H).

Pola Data Horizontal

b. Apabila pola data terjadi saat suatu deret dipengaruhi oleh faktor musiman
(misalnya: kuartalan, bulanan, atau hari-hari pada minggu), maka disebut dengan
Pola Musiman (M).

Pola Data Musiman

c. Apabila pola data terjadi saat data dipengaruhi oleh fluktuasi jangka panjang dan
lebih lama dari pola musiman, lamanya berbeda dari satu siklus yang lain, maka
pola ini disebut dengan Pola siklis (C).

Pola Data Siklis

d. Apabila pola data terjadi saat terdapat kenaikan dan penurunan jangka panjang
dalam data, maka disebut dengan Pola Trend (T).

Pola Data Trend

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 6

 3. Jenis dari model
 Untuk mengklasifikasikan metode peramalan kuantitatif perlu diperhatikan model yang
didasarinya. Model sangat penting diperhatikan, karena masing-masing model
mempunyai fungsi yang berbeda.

4. Biaya yang dibutuhkan

 Biaya sangat diperlukan dalam meneliti suatu objek, yang termasuk biaya dalam
penggunaan metode peramalan antara lain, biaya penyimpangan data, biaya
perhitungan, biaya untuk menganalisisa dan biaya pengembangan.

5. Ketepatan metode peramalan

 Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan. Dalam pengambilan keputusan, variasi atau
penyimpangan atas peramalan yang dilakukan antara 10% sampai 15% bagi
maksumaksud yang diharapkan, sedangkan untuk hal atau kasus lain mungkin
menganggap bahwa adanya variasi atau penyimpangan atas ramalan sebesar 5%
adalah cukup berbahaya.

6. Kemudahan dalam penerapan

 Metode peramalan yang digunakan adalah metode yang mudah dimengerti dan mudah
diterapkan dalam pengambilan dan analisanya.

G. JENIS-JENIS PERAMALAN

Dalam hal peramalan ini beberapa teknik telah dikembangkan dan dapat
dikelompokkan ke dalam dua metode yaitu :

a. Metode Kuantitatif
Metode Kuantitatif adalah metode peramalan yang sangat mengandalkan pola
data historis yang dimiliki atau atas data kuantitatif pada masa lalu. Hasil peramalan yang
dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.
Baik tidaknya metode yang digunakan ditentukan oleh perbedaan antara penyimpangan
hasil ramalan dengan kenyataan yang terjadiPeramalan kuantitatif ini dipergunakan bila
terdapat kondisi sebagai berikut :

a. Tersedianya informasi tentang masa lalu

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 7

c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus berlanjut
sampai ke masa datang.

Metode kuantitatif ini dibagi menjadi dua yaitu :

1. Metode Deret Berkala (Time series)
 Metode Deret Berkala adalah peramalan di masa datang didasarkan pada nilai
sebuah variabel masa lalu atau kesalahan yang dilakukan sebelumnya.
 Tujuannya yaitu meneliti pola data yang digunakan untuk meramalkan dan
melakukan ekstrapolasi ke masa depan. Metode peramalan ini menggunakan time
series sebagai dasar peramalan data aktual lalu yang akan diramalkan untuk
mengetahui pola data yang diperlukan untuk menentukan metode peramalan yang
sesuai. Metode-metode peramalan dengan menggunakan time series yaitu :
a. Metode Smoothing :
1). Metode Data Lewat
2). Metode Rata-rata Kumulatif
3). Metode rata-rata bergerak (Moving Average)
4). Metode Eksponensial Smoothing
b. Metode Box-Jenkins
c. Metode Perkiraan Trend dengan Regresi

2. Metode Kausal
 Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu
hubungan sebab-akibat dengan satu atau lebih variabel bebas. Metode peramalan
dengan kuasalitas yaitu :
a. Metode Regresi dan Korelasi
b. Metode Ekonometrika
c. Metode Analisis Input-output

Salah satu metode yang mencampurkan pendekatan deret berkala dan

pendekatan kausal yaitu metode fungsi transfer (adakalanya disebut multivariat ARIMA
atau MARIMA). Hal ini disebabkan karena model multivariat menggabungkan beberapa
karakteristik dari model ARIMA univariat dan beberapa karakteristik analisa regresi
berganda.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 8

 b. Metode Kualitatif (Teknologi)
Peramalan Kualitatif merupakan peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan
pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman
penyusunan.

Metode peramalan kualitatif ini tidak memerlukan data yang serupa seperti metode
peramalan kuantitatif. Input yang dibutuhkan tergantung pada pemikiran intuitif,
pertimbangan, dan pengetahuan yang telah di dapat. Metode ini dibagi menjadi dua,
yaitu:

1. Metode Eksploratoris

 Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan
bergerak kearah masa depan dengan melihat semua kemungkinan yang ada.

2. Metode Normatif

 Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang,
kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai berdasarkan
kendala, sumber daya, dan teknologi yang tersedia.

H. PEMILIHAN TEKNIK PERAMALAN

Faktor utama yang mempengaruhi pemilihan teknik peramalan adalah identifikasi dan
mengetahui pola dari data. Beberapa teknik peramalan yang dapat digunakan antara lain :

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.

a. Teknik peramalan stasioner digunakan jika :

 Data stabil, lingkungan yg berpengaruh relatif tetap.
Contoh : angka kerusakan perminggu pada pemasangan bagian-bagian
perakitan mesin memiliki rata-rata produksi yang sama, kumpulan
penjualan produk atau layanan dalam perkembangan proses

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 9

 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.
 Data adalah himpunan eror dari teknik peramalan yang dianggap cukup baik
(memadai).
b. Teknik yang bisa digunakan
 Naïve
 Simple averaging
 Moving average
 Autoregressive moving average (ARMA)

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.

a. 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.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 10

 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 baru.

b. Teknik yang bisa digunakan

 Moving average
 Holt’ linear exponential smoothing
 Simple regression
 Growth curve
 Exponential
 Autoregressive integrated moving average

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.

a. 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.

b. Teknik yang bisa digunakan

 Clasical decomposition
 Census X-12

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 11

  Winter’s 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. Fluktuasi seperti gelombang yang naik–turun disekitar trend jarang terulang di
interval waktu yang tetap dan besarnya fluktuasi cenderung bervariasi. Metode
dekomposisi dapat diperluas untuk menganalisis data siklis. Akan tetapi, karena sifat yang
tidak teratur dari siklus,penganalisaan komponen siklis dari rangkaian sering memerlukan
penemuan kejadian yang kebetulan atau kepemimpinan indikator ekonomi.

a. Teknik peramalan untuk data siklis digunakan jika

 Putaran bisnis mempengaruhi variabel minat
Contoh : ekonomi, pasar dan faktor persaingan.
 Adanya pergantian selera,mode, dll
Contoh : fashion,musik,makanan,dll.
 Terjadinya perubahan dalam penduduk.
Contoh : perang, kelaparan, wabah penyakit dan bencana alam
 Adanya pergantian siklus produk
Contoh : pengenalan, pertumbuhan, kematangan dan kejenuhan pasar, dan
penurunan.

b. Teknik yang bisa digunakan

 Clasical decompotition
 Economic indicator
 Econometrics model
 Multiple regression
 ARIMA

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 12

I. CONTOH PERAMALAN TEKNOLOGI

PEMANFAATAN INFORMASI POTENSI DAERAH DALAM PERAMALAN TEKNOLOGI

(Studi Kasus Provinsi Bali , Sulawesi Selatan dan Papua)

1. PENDAHULUAN

Pada tahun 2003 telah dilaksanakan kegiatan di lingkungan Biro

Perencanaan BPPT mengenai peramalan teknologi masa depan (technology
forecasting). Kegiatan ini bertujuan untuk memperoleh gambar dari teknologi masa
depan yang mungkin terjadi di Indonesia. Pada kegiatan tersebut dianalisis
teknologi satelit untuk aplikasi pertanian. Hasil yang diperoleh dari kegiatan tahun
2003 tersebut yang berupa potensi daerah akan digunakan dalam penulisan
makalah ini. Pada makalah ini akan dilihat teknologi masa depan yang sesuai
dengan kondisi dan potensi daerah Bali , Sulawesi Selatan dan Papua Adanya
perbedaan yang cukup tajam dalam sumberdaya dan pengaruhnya terhadap
perkembangan wilayah sekitar menjadi pertimbangan ketiga daerah tersebut
diambil sebagai studi kasus. Teknologi masa depan yang akan dilihat adalah di
bidang teknologi satelit pendukung pangan, sesuai kesinambungan dengan
kegiatan TF 2003.

2. POTENSI DAERAH

Hasil TF 2003 berupa data primer yang didapat dari BPS hasil survei tahun
2001 , dapat diperoleh melalui server lokal di Biro perencanaan. Dalam pangkalan data
ini terdapat informasi daerah mengenai:
 Cuaca  Neraca gula pasir
 Ekspor menurut komoditas  Neraca tepung terigu
 Ekspor menurut negara tujuan  Luas lahan
 Gunung  Produksi padi
 Impor menurut barang  Produksi ketela pohon
 Jumlah perusahaan yang bergerak di  Produksi ketela rambat
 Sektor industri  Produksi jagung
 Investasi dan tenaga kerja yang Diserap  Produksi kacang tanah
 Jumlah dan kapasitas pabrik  Produksi kacang hijau
 Kondisi tenaga listrik pada sektor industri  Produksi kacang kedelai
 Kependudukan  Produksi buah-buahan

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 13

 Potensi tenaga kerja  Sarana pendidikan
 Neraca volume ekspor/impor  Sarana kesehatan
 Jumlah perusahaan yang bergerak di  Bencana alam
 Sektor perdagangan

Berdasarkan informasi yang diperoleh dari pangkalan data ini, diusahakan

untuk memperoleh potensi daerah baik dari segi iklim, lahan yang potensial, maupun
jumlah penduduknya. Daerah yang menjadi perhatian dari penelitian ini adalah Bali,
Sulawesi Selatan dan Papua. Kondisi yang akan diamati adalah:
a. Cuaca : parameter cuaca sangat menentukan dalam menentukan teknologi masa
depan pendukung pangan, dikarenakan ketergantungan yang sangat besar komoditi
pangan terhadap cuaca
b. Gunung : parameter ketinggian gunung akan sangat berguna dalam menentukan
kemampuan daerah mengembangkan komoditi yang sangat bergantung pada
ketinggian tanah. Selain itu keberadaan gunung akan sangat menentukan dalam
ketelitian informasi satelit yang dapat dipergunakan.
c. Kependudukan dan potensi tenaga kerja: parameter kependudukan akan sangat
berguna dalam menentukan seberapa besar kebutuhan akan tenaga kerja dalam
mengembangkan komoditi pertanian di daerah tersebut. Selain itu sangat
menentukan apakah teknologi masa depan akan lebih banyak menggunakan
otomatisasi atau dengan menggunakan tenaga kerja yang lebih banyak.
d. Luas lahan: parameter luas lahan sangat berguna dalam menentukan kemampuan
produksi dari daerah yang bersangkutan.
e. Produksi komodit i: data ini berguna untuk menentukan kecocokan kandungan
tanah dengan komoditi pertanian di daerah tersebut. Apabila suatu komoditi
berjumlah banyak di suatu daerah maka salah satu sebabnya adalah kondisi tanah
yang mendukung di daerah tersebut selain dari faktor harga dan kebudayaan yang
ada.
f. Sarana pendidikan : parameter ini sangat berguna dalam menentukan apakah
dalam lima tahun kedepan dapat diperoleh sumber daya manusia yang cukup
handal dalam kualitas pendidikannya.
g. Sarana kesehatan : parameter ini akan sangat berguna dalam menentukan apakah
dalam lima tahun kedepan pelayanan kesehatan akan berimbang dengan
perkembangan jumlah penduduk.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 14

 h. Bencana alam : paremeter ini meskipun sangat jarang terjadi tetapi akan sangat
menentukan jenis teknologi masa depan. Teknologi masa depan diharapkan dapat
mengurangi efek dari bencana alam tersebut.

3. METODE

Metode yang digunakan dalam penelitian ini adalah metode TRIZ yang
merupakan teknologi Rusia. Beberapa metode teknologi forecasting banyak yang telah
ketinggalan jaman disebabkan oleh karena pada saat pengembangannya
permasalahan yang dihadapi sangat berbeda dengan keadaan saat ini.

Sebagai contoh, pada saat ini terdapat masalah yang berhubung dengan
adanya perubahan iklim yang global serta munculnya micro dan nano teknologi,
tissues tenhnology, global governance, macro dan global engineering. TRIZ berusaha
untuk mengakomodasi beberapa permasalahn tersebut pada analisisnya. Apabila kita
membandingkan beberapa metode yang telah ada dapat dikategorikan seperti dalam
tabel berikut :

Tabel Metode peramalan

Metode Family Kuantitatif/kualitatif
Proses hirarki analitis Nilai / ekonomi / statistik Kuantitatif
Delphi Pendapat expert Kualitatif
TRIZ Kreatif Kuantitatif
Visi Generasi Kreatif Kualitatif
Difusi Modelling Modelling dan simulasi Kuantitatif

Dalam penelitian terdahulu digunakan model TRIZ dalam melakukan analisa

peramalan teknologi. Pilihan ini berdasarkan bahwa dalam melakukan peramalan
teknologi diharapkan teknologi dimasa depan yang dituju adalah teknologi yang
innovative. Oleh karena itu creative family menjadi salah satu kriteria yang diambil.
Problem yang dihadapi merupakan problem yang dikategorikan sebagai hard, dimana
hasilnya bersifat kuantitattif. Sedangakn vision generation mempunyai kelebihan
apabila soft solution atau solusi yang bersifat kuantitatif ingin deperoleh.

Metode TRIZ sangat berdasarkan pada input yang menjadi parameternya. TRIZ
merupakan suatu temuan yang menggunakan pendekatan secara mormatif. Sistim ini
menggunakan masukan dalam bentuk paten yang ada di dunia untuk melihat solusi
potensial bagi teknologi masa depan. Salah satu karakteristik dalam penggunaan TRIZ
adalah untuk menggunakan pemikiran yang telah ada unnutk menciptakan inovasi

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 15

 baru. Metode TRIZ pada implementasinya dapat dilakukan dengan perangkat lunak
CREAX Software ini digunakan pula dalam penelitian ini.

Pada penelitian kali ini, hasil dari peramlan teknologi 2003 akan digunakan.
Selanjutnya masukan dari data tabular dan spasial spesifik di daerah Bali, Sulawesi
Selatan dan Papua akan digunakan untuk mempertajam hasil dari peramalan teknologi
2003. Penajaman dilakukan dengan menggunkaan sistem pembobotan pada setiap
variabel yang ada di setiap provinsi sebagaimana diberikan pada gambar berikut :

Gambar Metode Pemanfaatan Hasil TF 2003

4. HASIL PERAMALAN TEKNOLOGI 2003

a. Idea 1: kategori: innovative, feasible
 Laser gattering

Dengan menggunakan proses dimana passive reaktan diaktivasi secara

fotokimia dengan menggunakan laser (radiasi ultraviolet), untuk membersihkan /
menambahkan impurities tanah dari substansi lain. Di masa depan kemungkinan
idea 1 dapat digunakan di teknologi satelit pendukung opangan. Dimana laser
transmitter digunakan do satelit dalam rangka meningkatkan komoditas pangan di
Indonesia. Laser diarahkan dengan menggunakan informasi yang tersedia satelit
(penggabungan GPS /komunikasi/cuaca, dsb).

Laser dikirimkan sesuai kebutuhan tanah pada wilayah tersebut sehingga

dapat meningkatkan kualitas dan kuantitas produksi pangan di daerah tersebut.
Metode laser feasible dikarenakan ketelitian dari laser sangat tinggi sehingga
kekhawatiran akan melebarnya sideeffect keluar target kecil

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 16

 b. ldea 2. Kategori: Innovative, Feasible
 Thermal Desorption

Menggunakan metode Thermal desorption untuk membersihkan tanah

yang terkontaminasi atau kurang subur, kemudian menambahkan dengan metode
electron impact desorpsion seperti proses panas matahari yang menyinari bulan
dan mengakibatkan bulan mengeluarkan atom sodium Di masa depan metode ini
dapat diterapkan dalam satelit, dengan menggunakan bantuan satelit cuaca / GPS
/ komunikasi. Kekhawatiran yang ada dikarenakan transmisi termal yang aman
dan murah

c. Idea 3: kategori Innovative, not feasible

 Ultrasonic oscillation

Ultrasonic oscillation menggunakan proses di mana vibrasi digunakan pada

tanah (lingkungan) menggunakan gelombang suara Frekuensi linggi. Misal:
Saringan industri digetarkan mula-mula pada frekuensi rendah untuk
mendistribusikan produk secara seragam diikuti dengan getaran pada frekuensi
ultrasonik dengan menjadikannya sebagai gelombang ultrasonik. Hal ini
memungkinkan gerakan yang lebih cepat melalui saringan tersebut dengan
mencegah penghentian dari lubang pada saringan dan juga membantu
memisahkan partikel besar dan kecil dalam produk tersebut

5. KESIMPULAN DAN TINDAK LANJUT

Pada saat ini telah diperoleh hasil dari Teknologi Forecasting 2003 berupa
tiga alternatif teknologi satelit di masa depan dan data Potensi Daerah dari tiga
propinsi: Bali, Sulawesi Selatan dan Papua. Dengan menggunakan dua data dasar
ini akan dapat menjadi awal dari langkah berikut berupa penajaman teknologi
masa depan Pada penelitian berikutnya diharapkan data potensi daerah akan
diberikan pembobotan berdasarkan tingkatan kepentingannya dalam menerapkan
tiga alternalif teknologi satelit tersebut. Setelah diperoleh pembobotan yang
sesuai， akan dapat digunakan metode optimalisasi yang berbasiskan: neural
network, adaptive algorithm, maupun optimalisasi metode lainnya.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 17

J. REFERENSI

Anonim. 2012. Bab IX. Teknik Peramalan. http://www.scribd.com/doc/108921442/Tdi-

437-Handout-Peramalan1. diakses tanggal 12 November 2012.

Hanke, John E.1992. Business Forecasting.Edisi ke-8. New Jersey: Pearson

Education International.

Riris. 2011. Metode Peramalan. http://ririez.blog.uns.ac.id/ . Jurusan matematika.

Fakultas matematika dan ilmu pengetahuan alam. UNS. Solo

Santoso, Singgih.2009. Business Forecasting Metode Peramalan Bisnis Masa Kini

dengan Minitab dan SPSS, PT Elex Media Komputindo, Jakarta.

Septiawan, R., dan Mustadjab Djamsari. 2004. Pemanfaatan Informasi Potensi

daerah Dalam Peramalan Teknologi. Jurnal Perencanaan Iptek, Vol. 2, No. 2.

Brawijaya University | S2_TIP_UB_angkywahyu@gmail.com 18