c c


   








Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
terjadi pada masa mendatang. Peramalan diperlukan karena adanya perbedaan waktu antara
kesadaran akan dibutuhkan suatu kebijakan baru dengan waktu pelaksanaan kebijakan
tersebut. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting
dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga
dapat dipersiapkan tindakan yang perlu dilakukan.
Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi di masa
akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal
dengan metode peramalan. Metode peramalan adalah cara memperkirakan secara kwantatif
apa yang terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode
peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau
pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan
pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih
besar atas ketepatan hasil ramalan yang dibuat atau disusun.







Sering terdapat senjang waktu ( Time Lag ) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ( Lead Time ) ini
merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas peramalan
sangat diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan
akan timbul, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.
Dalam perencanaan disuatu instansi baik itu pemerintahan maupun swasta, peramalan
merupakan kebutuhan yang sangat mendasar. Dimana baik maupun buruknya ramalan dapat
mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan
dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam
perencanaan yang efektif dan efisien.
Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan
yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi saat
keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya
keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan
merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang
selalu dihadapi karena peramalan berkaitan dengan pengambilan suatu keputusan. Baik
tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan
juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan atau ketepatan
ramalan yang dibuat. Selama data maupun informasi yang digunakan tidak dapat maka hasil
peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.
Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting,
walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu
ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah untuk memperkecil
kesalahannya tersebut.
Di dalam bagian Organisasi terdapat beberapa peran penting dalam peramalan :

1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien
memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang
penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan konsumennya atau
si pelanggan, bahan, tenaga kerja, finansial atau jasa pelayanan.

2. Penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan
baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antara
beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan
sumber daya di masa yang akan datang.

3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya
yang ingin dimiliki dalam jangka waktu panjang. Keputusan semacam ini bergantung kepada
kesempatan pasar, faktor-faktor lingkungan dan pengembangan internal dari sumber daya
finansial, manusia, produk, dan teknologi.Semua penentuan ini memerlukan ramalan yang
baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di
atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah, dan
panjang.
Dari uraian di atas dapat dikatakan bahwa metode peramalan sangat berguna, karena
akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan
metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah
serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.

!
"


Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :

1. Peramalan Kwalitatif atau Teknologis

peramalan Kwalitatif adalah peramalan yang didasarkan atas data kwalitatif pada
masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. hal ini
penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat
instuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya.
metode kwalitatif dapat dibagi menjadi 2 yaitu : metode eksploratoris dan normative.

2. Peramalan Kwantitatif
Peramalan Kwantitatif adalah peramalan yang didasarkan atas data kwantitatif pada
masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam
peramalan tersebut. karena dengan metode yang berbeda akan diperoleh suatu hasil
peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh
perbedaan atau penyimpangan antara hasil ramalan dengan keyakinan yang terjadi. Semakin
kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang
dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang dilakukan dengan
mengikuti prosedur penyusunan yang baik. Metode kwantitatif dapat dibagi dalam deret
berkala ( time series ) dan metode kausal.
 Peramalan kwantitatif dapat digunakan bila terdapat tiga kondisi yaitu :

1. Adanya informasi tentang masa lalu

2. Informasi tersebut dapat dikwantitatifkan dalam bentuk data.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan
terus berlanjut di masa yang akan datang.

Metode-metode peramalan dengan analisis deret waktu yaitu :

1. Metode Pemulusan Ekponensial dan Rata-rata Bergerak

Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan
jangka panjang.

2. Metode Regresi
Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.

3. Metode Box-Jenkins
Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka
panjang

#
"
$
"
% 


#
&
''

% 


Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam
mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan yaitu :

1. Horizon Waktu
 Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode
peramalan yaitu : cakupan waktu dimasa yang akan datang daan jumlah periode untuk
peramalan yang diinginkan.

2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang
didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang
penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu
diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam
analisis keadaan untuk pengambilan keputusan.

4. Biaya yang Dibutuhkan

Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan yaitu biaya-biaya pengembangan, penyimpanan (storage) data, operasi
pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian
yang dibutuhkan dalam suatu peramalan.

6. Kemudahan dan Penerapan

Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan
suatu prinsip umum bagi pengambilan keputusan.

#


c'

Data berkala ( time series ) adalah data yang dikumpulkan dari waktu ke waktu untuk
memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis
data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian
serta hubungan kerja lainnya.
Metode time series merupakan metode peramalan kwantitatif didasarkan atas
penggunaan analisis pola hubungan antara variable yang akan diperkirakan dengan variable
waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk
meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa yang akan
datang. Stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan/penurunan data. Data
secara kasar harus horizontal sepanjang waktu dengan kata lain fluktuasi data tetap konstan
setiap waktu.

#!




Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan
jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut
dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :

1. Pola Horizontal ( H )

Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan.

2. Pola musiman ( S )

Pola yang menunjukkan perubahan yang berulang-ulang secara periodic dalam deret
waktu. pola yang ini terjadi bial suatu deret dipengaruhi oleh faktor musiman, misalnya
kwartal tahun tertentu, bulanan atau hari-hari pada mingu-minggu tertentu.

3. Pola Siklis ( C )
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva
trend. terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti
berhubungan dengan siklus bisnis.
4. Pola Trend ( T )

Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

(
% 


&


Metode Smothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk
menaksir nilai pada beberapa tahun kedepan.
Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu :

1. Metode Rata-Rata

Metode rata-rata dibagi atas empat bagian, yaitu :

a. Nilai tengah ( Mean )

b.Rata-rata bergerak tunggal ( Single moving Average )

c. Rata-rata bergerak ganda ( Double Moving Average )

d.Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memenfaatkan data masa lalu untuk
mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan ekponensial adalah :

— ·
 
—



Dimana :

F2
= Ramalan 1 Periode Kedepan

 = Data Aktual pada periode ke-t

 — = Ramalan pada periode ke-t
= Para meter pemulusan

Metode smooting eksponensial terdiri atas :

1. Smoothing eksponensial tunggal

a. Satu parameter

b. Pendekatan adaptif

2. Smoothing Exponensial Ganda

a. Metode linier satu parameter dari Brown

b. Metode dua dari Holt

3. Smoothing Exponensial Tripel

a. Metode kuatratik satu parameter dari brown

b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter

4. Smoothing Exponensial menurut klasifikasi Pegels

(
% 

)
'

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka
metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan
energy listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing
Eksponensial yaitu ³Smoothing Eksponensial Satu Parameter dari Brown´.
 Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari
metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah serupa dengan
rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari
data sebenarnya.
Persamaan yang dipakai dalam persamaan Pemulusan Eksponensial Linier Satu
Parameter dari Brown adalah sebagai berikut :
S' = Į X+ ( 1 ±Į ) S'2í

Įt = S't+ ( S't- S''t) = 2 S't- S''2

bt = (S¶t- S´t)
Ft+m = at+ btm
Dimana :
m = Jumlah periode didepan yang diramalkan
S't = Nilai eksponensial smoothing tunggal
S''t = Nilai eksponensial smoothing ganda
Į = Parameter Pemulusan Eksponensial
at,bt = Konstanta pemulusan
Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan.

*
+



Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana
mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang
diberikan. Ketepatan dipandang sebagaai kriteria penolakan untuk memilih suatu metode
ramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan
situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini
digunakan ketepatan ramalan.
Beberapa Kriteria yang digunakan untuk menguji ketepatan ramalan antara lain :
1. M E ( Mean Error ) / Nilai Tengah Kesalahan
Y

Ë
 a


 
Y
 M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat 
 Y

Ë 2
2
2 1

 
Y

3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

Y

Ë 2
2 1

 
Y

4. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan

Y
 Ë
2 1
2
2 

5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan

Y

Ë
2 1
2
2
 
Y
6. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase
Absolut


Ë 2 1
2



7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase

Y

Ë  2
2 1


Y
Dimana :
t= Xt ± t (kesalahan pada periode ke-t)
Xt = Data aktual pada periode ke-t
t = Nilai ramalan pada periode ke-t
Y= Banyaknya periode waktu

 
m
 

kesalahan persentase pada periode ke-t )
Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang
terkecil.

c c
!

"
,
%