TINJAUAN PUSTAKA
2. 1 Penelitian Terdahulu
Pekanbaru. Data yang digunakan data runtun waktu yaitu data harga daging sapi di
kota Pekanbaru, dengan menggunakan data harga daging sapi yang di peroleh dari
harga daging sapi di Pekanbaru dengan model aditif untuk bulan Oktober 2014
adalah Rp. 100.489, Rp. 100.656 untuk harga bulan November 2014, Rp. 101.297
untuk bulan Desember 2014, Rp. 101.171 untuk bulan Januari 2015, Rp. 100.823
untuk bulan Februari 2015, Rp. 101.116 untuk bulan Maret 2015, Rp. 100.922
untuk bulan April 2015, Rp. 101.356 untuk bulan Mei 2015, Rp. 102.156 untuk
bulan Juni 2015, Rp. 103.475 untuk bulan Juli 2015, Rp. 104.789 untuk bulan
Agustus 2015, dan Rp. 104.613 untuk bulan September 2015. Perbedaan antara
penelitian tersebut dengan penelitian ini berada pada alat analisis yaitu penelitian
ini akan menggunakan single exponential, double exponential smoothing dan tripel
exponential smoothing.
8
9
(JST) yang dapat dipergunakan sebagai instrumen untuk memprediksi harga beras
pemeliharaan dan dokumentasi dan adaptasi. Data yang digunakan yaitu data-data
harga beras yang diperoleh dari Biro Pusat Statistik dengan menggunakan analisis
arsitektur JST yang di analisis melalui proses pelatihan, pengujian, dan validasi
yang nantinya nilai terbaik ditentukan oleh nilai Mean Square Error (MSE) dan
pemrograman Matlab R2010a. Hasil yang didapat dari penelitian ini yaitu
persentase kesalahan peramalan yang tertinggi terjadi pada peramalan harga beras
sedangkan kesalahan peramalan yang terendah terjadi pada peramalan harga beras
analisis antara arsitektur JST dan exponential smoothing dan lokasi antara
data rata-rata harga beras bulanan di tingkat penggilingan dari bulan Januari 2013
sampai dengan November 2017 dalam bentuk Rp/Kg. Metode yang diguanakan
ialah metode weighted moving average. Untuk menghitung kesalahan (error) yaitu
(MSE) dan Mean Absolute Percentage Error (MAPE). hasil perhitungan dari data
peramalan untuk bulan Desember 2017 adalah sebesar Rp. 9.227,94/Kg. Perbedaan
antara penelitian yang dilakukan oleh Riska Ramadania(2018) dengan yang akan
diteliti terdapat pada metode analisis yang digunakan antara weighted moving
menguji model peramalan terbaik untuk harga beras dengan harga grosir. Penelitian
ini menggunakan data harga beras bulanan yang ada pada pedagang besar (grosir)
yang terdiri dari 97 periode (bulan) dari tahun 2010 – 2017 atau observasi dengan
beberapa model yaitu model moving average, model exponential smoothing, model
absolut (MAPE). Hasilnya yaitu disimpulkan bahwa model MA(2) adalah model
terbaik jika peramalan model harga beras pada tingkat pedagang besar dilakukan
exponential, model dengan α 0,9 adalah model yang terbaik. Model dekomposisi
11
aditif. Pemilihan didasarkan pada kriteria MSE,MAPE dan MAD terkecil, model
single exponential α=0,9 adalah model terbaik jika dibandingkan model lainnya.
Perbedaan penelitian antara penelitian tersebut dengan penelitian ini ialah alat
smoothing.
Penelitian yang dilakukan oleh Salwa, Tatsara, Amalia, dan Zohra (2018)
untuk membuat model dan meramalkan harga bitcoin. Metode yang digunakan pada
Pangan” betujuan untuk memprediksi harga pangan khususnya harga beras dimasa
yang akan datang dan menentukan metode terbaik dari metode peramalan. Data
yang digunakan merupakan data time series dengan menggunakan alat analisis
trend, exponential smoothing dan decomposisi dan nilai ketetapan Mean Absolute
Deviation (MAD), Mean Square Error (MSE) dan Mean Absolute Precentage
merupakan alat analisis terbaik dengan memiliki nilai MSE, MAD dan MAPE
terkecil dari alat analisis lainya. Perbedaan penelian tersebut dengan penelitian ini
berada pada alat analisis dimana penelitian ini menggunakan alat analisis
exponential smoothing.
Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik” betujuan
metode terbaik dari alat analisis yang digunakan. Data yang digunakan merupakan
data time series dengan menggunakan alat analisis naif (naïve), moving average,
weighted moving average, double exponential smoothing dan nilai ketetapan Mean
Absolute Deviation (MAD), Mean Square Error (MSE) dan Mean Absolute
smoothing merupakan alat analisis terbaik dengan memiliki nilai MSE, MAD dan
MAPE terkecil dari alat analisis lainya. Perbedaan penelian tersebut dengan
penelitian ini berada pada alat analisis dimana penelitian ini menggunakan alat
2. 2 Kajian Pustaka
2.2.1 Beras
Beras yang berasal dari tanaman padi (Oryza Sativa) merupakan Beras
merupakan salah satu komoditas penting dalam sendi kehidupan sosial ekonomi
yang sangat penting karena lebih dari 84% masyarakat Indonesia mengkonsumsi
beras. Posisi komoditas beras bagi sebagian besar penduduk Indonesia adalah
13
penting dalam struktur pangan, sehingga aspek penyediaan menjadi hal yang sangat
tenaga kerja yang cukup besar. Tidak kurang dari 75 juta orang bekerja pada
pemasaran dan bidang lainnya. Hampir sepanjang sejarah bangsa (Darwanto &
Rahayu, 2018).
terjadi berdasarkan indeks waktu secara berurutan dengan interval waktu tetap.
Analisis deret waktu adalah salah satu prosedur statistika yang diterapkan untuk
meramalkan struktur probabilistik keadaan yang akan terjadi dimasa yang akan
Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah
dengan mempertimbangkan merek pola data, sehingga metode yang paling tepat
dengan pola tersebut dapat diuji. Pola data dibagi menjadi 4 merek yaitu:
1. Pola Horizontal
Pola horizontal terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata
yang konstan. Deret seperti ini adalah stasioner terhadap nilai rata-ratanya. Suatu
14
produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu
musiman, misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu
tertentu. Penjualan dari produk seperti minuman, es krim dan bahan bakar pemanas
seperti gambar 2.
3. Pola Siklis
Pola data ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
produk seperti mobil, baja. Bentuk pola siklis ditunjukkan seperti gambar 3.
4. Pola Trend
Pola trend muncul ketika observasi data menaik atau menurun pada periode yang
atau penurunan pada deret waktu dari suatu periode yang diperluas. Bentuk pola dapat
terjadinya suatu kejadian atau peristiwa pada waktu yang akan datang, yang dapat
Terdapat dua merek data yang digunakan dalam peramalan. Pertama adalah
data yang dikumpulkan dari satu titik waktu (jam, hari, minggu, bulan, dantriwulan)
yaitu data cross section. Data ini dikumpulkan dari periode yang sama.Tujuannya
hubungan yang ada pada populasi yang besar. Kedua adalah data yang
17
dikumpulkan, dicatat, atau diamati dari rangkaian waktu tahapan waktu yaitudata
pengujian keadaan dimasa lalu. Dalam kehidupan sosial segala sesuatu itu serba
tidak pasti dan sukar diperkirakan secara tepat, sehingga diperlukan peramalan.
ketiadakpastian ini terhadap sebuah masalah. Dengan kata lain peramalan bertujuan
error) yang biasanya diukur dengan mean square error, mean absoulute errror, dan
dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini
menggunakan pencatatan data masa lalu yang sangat sedikit. Model ini
secara terus menerus menggunakan data observasi terbaru. Setiap data yang
digunakan pada metode ini diberi bobot yang disimbolkan alpha, gamma dan betha
di mana bobot ini ditentukan secara bebas dengan trial and eror. Nilai alpha
berkisar antara 0 sampai dengan 1. Nilai tersebut yang menghasilkan nilai tingkat
kesalahan yang paling kecil akan dipilih untuk digunakan dalam model forecast
(Garperz, 2005)
18
memberikan pembobotan secara eksponensial pada data yang lebih lama, data yang
lebih baru akan diberi bobot yang lebih besar. Metode ini digunakan untuk data
yang berpola fluktuasi acak tanpa adanya unsur trend dan musiman (Tannady &
pemulusan dengan menggunakan dua kali pemulusan dan satu parameter. Metode
ini digunakan untuk data yang membentuk pola trend. Metode triple exponential
Metode ini digunakan apabila pola data berbentuk trend dan ada unsur musiman.
metode lain diantaranya adalah data-data dioperasikan dengan efisien, data yang
dibutuhkan sedikit, dapat digunakan untuk mengolah data yang berisi trend tertentu
atau pola musiman dengan cara memodifikasi, baik secara manual maupun dengan
eksponential memiliki pembagian dalam data yang akan diramalkan yaitu training
dengan memberi bobot yang lebih tinggi untuk informasi yang lebih baru. Teknik
Teknik ini sangat cocok untuk pola data stasioner dan tidak efektif dalam
menangani peramalan yang pola datanya memiliki komponen trend dan pola
musiman. Teknik ini hanya menyimpan data terakhir, ramalan terakhir dan
data.
Ŷt+1 = Ŷt + α (ԑt)
Dimana :
ԑt = Kesalahan ramalan
α = Koefisien pelicinan
20
Teknik ini menetapkan bahwa ramalan merupakan hasil dari perhitungan dua
kali pemulusan eksponensial dengan tujuan mengatasi masalah data yang tidak
stasioner dengan trend linear. Hasil yang diperoleh dari pemulusan eksponesial
secara eksponensial.
merupakan hasil dari perhitungan dua kali pelicinan secara eksponen. Cara
Ŷt+m = αt + bt (m)
(2)
St(2) = αSt + (1-α) 𝑆t−1
at = 2St– St(2)
Dimana :
St = Pelicinan tahap 1
α = Koefisien pelicinan
Teknik ini menghasilkan ramalan yang lebih cocok dan tepat untuk pola data
historis yang memiliki pola trend linear dan pola musiman. Persamaan-
Dimana:
mengukur kesesuaian antara data yang yang sudah ada dengan data peramalan. ada
peramalan total.
22
Ketetapan ramalan merupakan suatu hal yang penting untuk peramalan yaitu
bagaimana kesesuaian antara data yang sudah ada dengan data permalan. Ada
peramalan total. Tiga dari perhitungan yang paling terkenal adalah Mean Absolute
Deviation (MAD), Mean square error (MSE), dan Mean Absolute Precentage
∑𝑛
𝑡=1 ⃓𝑌𝑡−𝐹𝑡⃓
MAD = 𝑛
n = Jumlah data
Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode
peramalan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan
dan yang diamati. Kekurangan penggunaan MSE adalah bahwa MSE cenderung
(𝑋𝑡−𝐹𝑡)2
MSE= ∑𝑛𝑡=1
𝑛
23
kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk
presentase penyimpangan antara data aktual dengan data peramalan. Nilai MAPE
100% ⃓𝑋𝑡−𝐹𝑡⃓
MAPE=( )∑𝑛𝑡=1
𝑛 𝑋𝑡
N = Jumlah data
Dalam fase peramalan penggunaan MSE dan MAD sebagai suatu ukuran
perbandingan antar deret berskala yang berbeda dan untuk selang waktu yang
berlainan, karena MSE dan MAD merupakan ukuran absolut yang sangat
tergantung pada skala dari data deret waktu. Lagi pula, interpretasi nilai MSE tidak
Karena alasan tersebut dalam hubungan dengan keterbatasan MSE dan MAD
sebagai ukuran ketepatan peramalan, maka dipakai ukuran alternatif sebagai salah
satu indikasi ketepatan dalam peramalan, yaitu MAPE (Sungkawa & Megasari,
2011)
Kemampuan peramalan sangat baik jika memiliki nilai MAPE kurang dari
10% dan mempunyai kemampuan peramalan yang baik jika nilai MAPE kurang
2.2.6 Harga
penawaran dan permintaan dengan latar belakang biaya produksi dan kegunaan
yang diperankan oleh produsen dan konsumen di pasar (Marshall Alferd, 1924)
Salah satu gejala ekonomi yang sangat penting dan berhubungan dengan prilaku
petani baik sebagai produsen maupun sebagai konsumen adalah harga (Murbyanto,
2013). Dalam arti yang paling sempit, harga (price) adalah jumlah uang yang akan
di bebankan atas suatu produk atau jasa. Lebih luas lagi, harga adalah jumlah dari
2. 3 Kerangka pemikiran
Kerangka pemikiran adalah seuatu konsep yang tersusun secara logis dan
sistematis untuk melakukan penelitian. Menurut Usman & Akbar, (2011) kerangka
disusun secara logis, sistematis, analitis serta disdukung oleh teori-teori yang
relevan.
25
Beras merupakan komoditas yang memiliki nilai strategis, baik dari segi
pangan, stabilisasi pasokan dan harga beras menjadi salah satu unsur penting dalam
bermerek campuran. Produksi beras campuran berasal dari bibit yang digunakan
oleh petani merupakan beras campuran dari beberapa merek. Produksi padi yang
dilakukan oleh petani sebagian besar dijual kepada UD. Tani Makmur selaku mitra
bagian penjualan hasil produksi padi yang natinya akan diproses menjadi beras.
Selaku mitra petani, UD. Tani Makmur menetapkan harga yang kompetitif
dipasaran.
patah berasnya. Ada 3 merek beras yang diproduksi oleh UD. Tani Makmur yaitu
anggur (butir patah beras kurang dari 5%), dua delima (butir patah beras lebih dari
5% dan kurang dari sama dengan 15%) dan wallet (butir patah beras lebih dari sama
dengan 50%). Nantinya data harga beras berdasarkan merek yang ada pada UD.
peramalan yaitu mean absolute deviation (MAD), mean square error (MSE), dan
menghasilkan peramalan harga dari ketiga merek tersebut serta hasil peramalan
terbaik dan metode terbaiknya. Kerangka pemikiran dalam penelitian ini dapat
Exponential
smoothing dan
ketetapan peramalan