1

Nama : Cep Mulya

NPM : 17211063
Mata Kuliah : Penganggaran Tugas 1
Forecasting (Peramalan)
Forecasting atau peramalan adalah kegiatan memperkirakan atau
memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu
yang relative lama. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan
diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksi hal
tersebut diperlukan data yang akurat di masa lalu, sehingga dapat dilihat prospek
situasi dan kondisi di masa yang akan datang. Dengan menggunakan metode –
metode tertentu, peramalan akan menjadi lebih dari sekedar perkiraan. Peramalan
dilakukan dengan memanfaatkan informasi terbaik yang ada pada masa itu, untuk
menimbang kegiatan dimasa yang akan datang agar tujuan yang diinginkan dapat
tercapai.

Pada umumnya kegunaan peramalan adalah sebagai berikut:

1. Sebagai alat bantu dalam perencanaan yang efektif dan efisien.

2. Untuk menentukan kebutuhan sumber daya di masa mendatang.
3. Untuk membuat keputusan yang tepat.

Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Keputusan

yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi
pada waktu keputusan dalam berbagai kegiatan perusahaan. Adapun beberapa metode
forecasting yang dapat digunakan:

1. Moving Average Method (Metode Rata-rata Bergerak)

Moving Average atau Rata-rata bergerak adalah metode peramalan yang
menghitung rata-rata suatu nilai runtut waktu dan kemudian digunakan untuk
memperkirakan nilai pada periode selanjutnya. Moving Average atau Rata-rata
 2

Bergerak diperoleh melalui penjumlahan dan pencarian nilai rata-rata dari

sejumlah periode tertentu, kemudian menghilangkan nilai terlamanya dan
menambah nilai baru.
Metode Moving Average ini lebih baik digunakan untuk menghitung data
yang bersifat stabil atau data yang tidak berfluktuasi dengan tajam (data yang
perubahan naik dan turunnya sangat drastis). Hal ini dikarenakan data pada setiap
periode diberikan bobot yang sama sehingga tidak dapat mewakilkan periode-
periode tertentu yang bersifat khusus ataupun data periode terakhir yang biasanya
dinilai sebagai data yang terbaik dalam mengambarkan kondisi terkini. Oleh
karena itu, munculah Metode-metode Moving Average yang lain untuk mencoba
mengatasinya, metode moving average yang lain diantaranya adalah Metode
Weighted Moving Average (Rata-rata Bergerak Berbobot) atau disingkat dengan
WMA dan Metode Exponential Smoothing (Metode Penghalusan Bertingkat).
Sedangkan Metode Moving Average yang sederhana ini sering disebut dengan
Simple Moving Average atau disingkat dengan SMA.

Rumus Moving Average (Rumus Rata-rata Bergerak)

ΣX
MA=
Jumlah Periode

Keterangan:

MA = Moving Average
ΣX = Keseluruhan Penjumlahan dari semua data periode waktu
Jumlah Periode = Jumlah Periode Rata-rata bergerak

2. Semi Average Method (Metode Setengah Rata-rata)

Menurut metode ini garis lurus yang dibuat sebagai pengganti garis patah-
patah yang dibentuk dari data-data historis tersebut diperoleh dengan perhitungan-
 3

perhitungan statistika dan matematika tertentu, sehingga unsur subyektifitas dapat

dihilangkan.
Metode trend semi average dapat digunakan untuk keperluan peramalan
dengan membentuk suatu persamaan seperti analisis regresi. Metode ini dapat
digunakan dengan jumlah data genap ataupun ganjil. Dalam analisis trend ini
unsur subyektifitas mulai dihapuskan karena teknik peramalannya sudah
menggunakan perhitungan-perhitungan.
Metode trend setengah rata-rata menentukan bahwa untuk mengetahui fungsi
Y =a+bx, semua data historis dibagi menjadi dua kelompok dengan jumlah
anggota masing-masing sama.
a. Metode Setengah Rata-rata dengan data historis dalam jumlah genap.
b. Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil
Persamaan trend yang diperoleh dengan menggunakan metode ini, selain
dapat digunakan untuk mengetahui kecenderungan nilai suatu variabel dari waktu
ke waktu, juga dapat digunakan untuk meramal nilai suatu variabel tersebut pada
suatu waktu tertentu. Persamaannya adalah sebagai berikut:
Y 2−Y 1
b=
n
Keterangan:
b = Perubahan nilai variabel setiap tahun
Y 1 = Rata-rata kelompok pertama
Y 2 = Rata-rata kelompok kedua
n = Periode tahun antara tahun A

3. Least Square Methode (Metode Kuadrat Terkecil)

Least square methode atau kuadrat terkecil adalah metode peramalan yang
menggunakan persamaan linear untuk menemukan garis paling sesuai untuk
kumpulan data lampau guna meramalkan data di masa depan.
 4

Berikut adalah kira kira gambaran dalam metode peramalan least square.

Rumus untuk metode peramalan dengan metode kuadrat terkecil adalah:

^y =a+bx
Keterangan:
^y = Besarnya nilai yang diramal
a = Trend pada periode dasar
b = Tingkat perkembangan nilai yang diramal
x = Unit waktu yang dihitung dari periode dasar

4. Trend Kuadratik
Trend kuadratik merupakan deret waktu dengan data berupa garis parabola.
 5

Persamaan untuk trend kuadratik adalah:

Y t=a+bt +ct 2

Dengan nilai a, b, dan c diperoleh dari:

∑ Y −c ∑t 2
a=
n

∑ tY
b=
∑t2

n ∑t 2 Y −∑t 2 ∑ Y
c= 2
n∑t 4 −( ∑t 2 )
 SUMBER

Lea, Tian. (2011, 08 Desember). PERAMALAN (FORECASTING)

STATISTIKA DAN CONTOH KASUS. Dikutip 3 Oktober 2019 dari Kotak-
Kata-Kata: http://kotakatatian.blogspot.com/2011/12/peramalan-
forecasting-statistika-dan.html
Universitas Sumatera Utara. Chapter II. Dikutip 3 Oktober 2019 dari
Repository.usu: http://repository.usu.ac.id/bitstream/handle/123456789/263
67/Chapter%20II.pdf?sequence=3
Inggrid, Sundikse. Teori Forecasting. Dikutip 6 Oktober 2019 dari
Academia.edu: https://www.academia.edu/15664711/Teori_Forecasting
Kho, Budi. (2018, 15 Januari). Pengertian Moving Average (Rata-rata
Bergerak) dan Rumus Moving Average. Dikutip 3 Oktober 2019 dari Ilmu
Manajemen Industri: https://ilmumanajemenindustri.com/pengertian-
moving-average-rata-rata-bergerak-rumus-moving-average/
Oktavia, Via. Analisa data berkala dengan metode semi everange. Dikutip 3
Oktober 2019 dari Academia.edu: https://www.academia.edu/19631275/
Analisa_data_berkala_dengan_metode_semi_everange
Dounkey. (2017, 23 September). Metode Peramalan Kuadrat Terkecil (Least
Square). Dikutip 6 Oktober 2019 dari Dounkey:
https://www.dounkey.com/ 2017/ 09/kuadrat-terkecil.html