net/publication/332093792
CITATION READS
1 192
1 author:
Rahmawati Rahmawati
Universitas Sulawesi Barat
7 PUBLICATIONS 1 CITATION
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Rahmawati Rahmawati on 15 April 2019.
Rahmawati
Sistem Informasi, STMIK Kharisma Makassar
rahmawati@kharisma.ac.id
Abstrak
Penelitian ini bertujuan untuk menerapkan analisis trend pada data peramalan jumlah
penduduk. Data yang digunakan adalah data time series dari tahun 1979 – 2008. Model trend
menggunakan variabel terikat Y sebagai jumlah penduduk dan variabel bebas X sebagai
periode dalam tahun. Ada tiga jenis trend yang digunakan yaitu, model linear, kuadratik dan
eksponen. Berdasarkan nilai MAPE, MAD, dan MSD terkecil maka diperoleh model trend
kuadratik Yˆ 354685 254.11X 201.917 X 2 sebagai model terbaik. Hasil peramalan untuk 8 periode
berikutnya menunjukkan kenaikan rata-rata sebesar 16479 jiwa.
Kata kunci: Peramalan, trend analysis, MAPE
Abstract
The purpose of this research is to apply the trend analysis in the data of forcasting
population. The data used in this research are time series data from 1979 – 2008. Trend model
use dependent variable Y as number of population and independent variable X as the period of
time. There are three various trend used in this research. They are linear, quadratic, and
exponent model. Based on the lowest value of MAPE, MAD and MSD,
Yˆ 354685 254.11X 201.917 X 2 is obtained as the best quadratic trend model. The forecasting
result for next 8 period shows that the population increase 16479 in average.
Keywords: Forecasting, , trend method, MAPE.
1. Pendahuluan
Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan, sebab efektif
atau tidaknya suatu keputusan umumnya bergantung pada beberapa faktor yang tidak dapat
dilihat pada waktu keputusan itu diambil. Dengan adanya beberapa metode peramalan yang
tersedia, maka masalah yang timbul bagi para peneliti adalah dalam memahami bagaimana
karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.
Situasi peramalan sangat beragam dalam horison waktu peramalan, faktor yang menentukan
hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk menghadapi penggunaan
yang luas seperti itu, beberapa teknik telah dikembangkan, salah satunya adalah metode trend.
Langkah penting dalam memilih suatu metode deret waktu (time series) yang tepat adalah
dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola
tersebut dapat diuji. Salah satu pola data yang terjadi bilamana terdapat kenaikan atau
penurunan sekuler jangka panjang dalam data disebut pola trend [1]. Bambang [2]
mengemukakan bahwa dalam banyak hal pola pergerakan dapat digambarkan dalam suatu
garis lurus seperti pertumbuhan yang gradual atau kemerosotan yang pelan. Selain dari itu,
gerakan tersebut mungkin pula berupa kurva nonlinear. Metode penyederhanaan dengan
asumsi tertentu memungkinkan kita untuk dapat mengidentifikasi, menerangkan dan mengukur
goncangan (fluktuasi) yang terdapat pada suatu deret waktu [3]. Peramalan dalam time series
dapat dilakukan dengan tiga cara yaitu dengan menggunakan penghalusan eksponensial
(eksponential smooting) , rata-rata bergerak (moving average) dan trend. Apabila data tidak
JTRISTE ISSN: 2355-3677 47
mengandung unsur trend, maka teknik peramalan yang dapat digunakan adalah penghalusan
eksponensial dan rata-rata bergerak. Tetapi apabila data mengandung unsur trend, maka
peramalan dapat menggunakan analisis trend.
2. Peramalan (Forecasting)
Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan
variabel untuk mengestimasi nilainya di masa yang akan datang.
Peramalan adalah sebuah prediksi mengenai apa yang akan terjadi di masa yang akan
datang. Seperti: Badan Meteorologi meramalkan keadaan cuaca, manajer suatu perusahaan
berusaha untuk meramalkan berapa permintaan atas produk mereka dimasa yang akan datang.
Peramalan merupakan suatu teknik untuk memperkirakan suatu nilai pada masa yang akan
datang dengan memperhatikan data masa lalu maupun data saat ini [4].
Menurut J. Supranto [5], peramalan (forecasting) merupakan dugaan atau perkirakan
mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Ramalan bisa
bersifat kualitatif, artinya tidak berbentuk angka, misalnya minggu depan akan turun hujan,
tahun depan akan pecah perang antara Vietnam dan Thailand, hasil penjualan tahun depan
akan meningkat, bulan depan pasaran tekstil akan sepi dan lain sebagainya. Ramalan bisa
bersifat kuantitatif, artinya berbentuk angka biasanya dinyatakan dalam bilangan.
Peramalan merupakan suatu teknik untuk memperkirakan suatu nilai pada masa yang
akan datang dengan memperhatikan data masa lalu maupun data saat ini. Metode peramalan
dapat dibagi dalam dua kategori utama, yaitu metode kualitatif dan metode kuantitatif. Metode
kualitatif lebih banyak menuntut analisis yang didasarkan pada pemikiran intuitif, perkiraan logis
dan informasi atau pengetahuan yang telah diperoleh peneliti sebelumnya. Peramalan seperti
ini biasanya digunakan untuk ramalan jangka pendek, atau jika pengambil keputusan lebih
mempercayai intuisinya dari pada rumus matematik. Satu ciri metode ini adalah faktor yang
mempengaruhi ramalan dan cara menilainya sangat bersifat pribadi dan sulit ditirukan orang
lain. Metode kuantitatif dibutuhkan informasi masa lalu yang dikuantitatifkan dalam bentuk data
numerik. Metode peramalan secara kuantitatif mendasarkan ramalannya pada metode statistika
dan matematika. Terdapat dua model peramalan kuantitatif, yaitu model deret waktu (time
series) dan model regresi (regression).
Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah dengan
mempertimbangkan jenis pola data. Pola data dapat dibedakan menjadi empat sebagai berikut.
a) Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata- rata-rata
konstan.
b) Pola musiman (M) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman.
c) Pola siklus (S) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang.
d) Pola trend (T) terjadi bilamana terdapat kenaikan/ penurunan sekuler jangka panjang dalam
data.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi :
a) Adanya informasi tentang masa lalu.
b) Informasi tersebut dapat dikuantitatifkan dalam bentuk angka.
c) Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus berlanjut di masa
mendatang ( asumsi berkesinambungan).
Hasil peramalan kuantitatif secara relatif lebih disukai karena memberikan pandangan
yang lebih nyata dan lebih objektif dalam besaran nilai hasil peramalan [4].
Rahmawati
JTRISTE ISSN: 2355-3677 48
menerangkan dan mengukur goncangan (fluktuasi) yang terdapat pada suatu deret waktu (M.A
Tiro, Baharuddin ilyas, 2002 :173-176).
Time series menunjukkan aktivitas yang penting dari sebuah organisasi, seperti aktivitas
penjualan dalam perusahaan atau dalam industri. Aktivitas ini merupakan hasil dari interaksi
beberapa bentuk dari beberapa faktor-faktor yang mempengaruhinya. Faktor-faktor tersebut
dapat berupa kegiatan ekonomi, politik, dan pengaruh faktor social sebagai suatu faktor
alamiah. Faktor-faktor tersebut umumnya diteliti untuk pengambilan keputusan setelah
perubahan.
Dalam memilih suatu metode time series yang tepat adalah dengan mempertimbangkan
jenis variasi data. Variasi data dapat dibedakan menjadi empat yaitu Variasi trend sekular
atau kecendrungan sekular, Variasi musiman, Variasi siklis, dan Variasi tidak beraturan
(irregular).
4. Analisis Trend
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.
Pada bagian ini akan dibahas peramalan dengan variable bebasnya adalah waktu.
Peramalan suatu variable dengan variable bebasnya waktu disebut dengan trend. Trend yang
dibahas pada penelitian ini adalah metode trend linear, meode trend kuadratik dan metode
trend eksponensial. Dalam memilih dari salah satu dari ketiga metode tersebut yaitu dengan
membuat diagram pencar data observasi. Misalnya, manajer pemasaran sepatu ingin
meramalkan penjualan di masa datang maka variabelnya adalah waktu. Oleh karena itu, untuk
peramalan ini dibutuhkan data yang series agar peramalan lebih baik. Semakin besar sampel
yang digunakan maka kesalahan estimasi yang ditunjukkan kesalahan standar (standart error)
semakin kecil.
Diagram pencar adalah kumpulan titik-titik yang tersebar dalam suatu sumbu silang. Titik-
titik tersebut menghubungkan antara tahun dengan variable terikat. Pada sumbu horizontal (X)
digambarkan peubah waktu dan pada sumbu vertical (Y) ditunjukkan besarnya peubah terikat.
Bila diagram pencarnya menunjukkan kenaikan secara linear maka digunakan trend linear.
Tetapi bila tidak dapat digunakan trend linear maka diperhatikan apakah berbentuk sebuah
parabola baik terbuka ke atas maupun tebuka ke bawah. Apabila bentuknya demikian maka
digunakan trend kuadratik. Selanjutnya, bila diagram pencar tersebut tidak memperlihatkan
model linear atau model kuadratik maka diperhatikan apakah model diagram pencarnya
menunjukkan kenaikan secara berlipat ganda atau dihitung lebih dahulu logaritma data asli dan
digambarkan, ternyata menunjukkan betuk linear maka digunakan model trend eksponen.
Dimana :
: nilai dugaan periode waktu ke-X.
X : periode waktu
Rahmawati
JTRISTE ISSN: 2355-3677 49
Jika diagram pencarnya berbentuk linear maka ada beberapa metode yang dapat
digunakan dalam analisis selanjutnya. Seperti metode trend tangan bebas, metode trend semi
average dan metode trend least squere.
b
XY
X 2
(4)
n( X Y ) X
2 2
Y
c
n( X ) ( X ) 2
4 2
(5)
4.3. Trend Eksponen
Analisis deret waktu diperkenalkan pada tahun 1970 oleh Box dan Jenkin [6] melalui
bukunya yang berjudul Time Series Analysis : Forecasting and control. Sejak saat itu time
series mulai banyak dikembangkan. Salah satu metode analisis deret waktu adalah analisis
trend. Kadang-kadang ditemukan suatu diagram pencar yang penyebaran datanya semakin
naik. Jika hal itu terjadi, persamaan kecendrungan yang cocok digunakan adalah model trend
eksponen. Trend eksponen adalah sebuah trend yang variable bebasnya naik secara berlipat
ganda atau tidak linear. Persamaan trend eksponen adalah sebagai berikut :
Yˆ ab X (6)
Dimana X merupakan pangkat eksponen dari . untuk mencari nilai- nilai dan ,
logaritma natural dari persamaan tersebut menghasilkan ln Yˆ ln a X ln b . Jika notasi ,
, dan diganti dengan , , maka dihasilkan
Y * a * b* X (7)
Persamaan terakhir ini merupakan persamaan trend linear yang telah dibahas
sebelumnya. Untuk menentukan nilai dan metode kuadrat terkecil dapat digunakan.
Nilai-nilai Y yang telah ditransformasikan kedalam , , dan diganti dengan , ,
memberikan rumus:
Rahmawati
JTRISTE ISSN: 2355-3677 50
X ln Yˆ
Y dan b * ln
*
a* (8)
n X 2
a anti ln
ln Yˆ dan b anti ln X ln Yˆ (9)
n X2
dimana;
: data dugaan time series periode X
X : waktu (hari, minggu, bulan, triwulan, tahun)
: koefisien trend
MAPE
(Y Yˆ ) / Y
n
2. MAD (mean absolute deviation)
MAD
(Y Yˆ )
n
3. MSD (mean squared deviation)
MSD
(Y Yˆ ) 2
n
Dimana = nilai sebenarnya , = nilai ramalan dan = jumlah data [7].
Trend Analysis Plot for C1 Trend Analysis Plot for C1 Trend Analysis Plot for C1
Linear Trend Model Quadratic Trend Model Growth Curve Model
Yt = 321302 + 8807*t Yt = 354685 + 2547*t + 201.9*t**2 Yt = 335998 * (1.01924* *t)
V V
600000 A 600000 A 600000
F F
C1
450000
C1
450000 450000
400000
400000 400000
350000
Rahmawati
JTRISTE ISSN: 2355-3677 51
Pada tabel terlihat bahwa metode yang memiliki nilai MAPE, MAD, dan MSD yang paling
kecil adalah metode yang paling baik digunakan dalam peramalan. Model trend kuadratik
merupakan model terbaik dengan persamaan Yˆ 354685 254.11X 201.917 X 2 .
Rahmawati
JTRISTE ISSN: 2355-3677 52
A ccuracy Measures
MA PE 1
600000 MA D 5031
MSD 36573237
C1
500000
400000
300000
4 8 12 16 20 24 28 32 36
Index
Gambar 2. Model trend kuadratik dan peramalan data jumlah penduduk kabupaten gowa.
7. Kesimpulan
Analisis trend untuk peramalan jumlah penduduk kabupaten Gowa menunjukkan model
linear, kuadratik dan eksponen dengan masing-masing persamaan Yˆ 321302 8806.55 X ,
Yˆ 354685 254.11X 201.917 X 2 , dan Yˆ 335998(1.01924 X ) . Model kuadratik dengan
MAPE = 1, MAD = 5031, dan MSD = 36573237 merupakan nilai terkecil dibanding model
lainnya dan dipilih sebagai model terbaik. Peramalan menggunakan model kuadratik
menunjukkan bahwa jumlah penduduk pada 8 periode berikutnya mengalami kenaikan secara
terus-menerus dengan rata-rata kenaikan 16479 jiwa.
8. Referensi
[1] Cryer, J. D., Time Series Analysis. Massachusetts: PWS Publishers. 1986.
[2] Bambang, K.1984. Statistik Analisa Runtun Waktu Dan Korelasi. Yogyakarta: BPFE –
Yogyakarta.
[3] Tiro, M. Arif. 2002. Statistika Terapan untuk Ilmu Ekonomi dan Ilmu Sosial. Makassar:
Andira Publisher.
[4] Aswi, dan Sukarna, Analisis Deret Waktu. Makassar: Andira Publisher. 2006
[5] Supranto, J., Statistika Teori dan Aplikasi, Erlangga. Jakarta, 2000.
[6] Box, G. E. P and Jenkins, G. M., Time Series Analysis Forecasting and Control. 2nd
Edition, San Fransisco: Holden-day, 1976.
[7] Makridakis, Spyros, dkk., Metode Dan Aplikasi Peramalan. Diterjemahkan oleh : untung
sus andryanto dan abdul basith. Jakarta : Erlangga, 1999.
Rahmawati