Peramalan
Peramalan adalah kegiatan memperkirakan atau memprediksi apa yang terjadi pada waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu rencana diantaranya didasarkan pada suatu proyeksi atau peramalan (Assauri Sofyan, 1984).
Peramalan adalah suatu untuk memperkirakan keadaan dimasa yang akan datang melalui pengujian keadaan dimasa lalu. Dalam kehidupan sosial segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat. Dalam hal ini perlu diadakan peramalan. Peramalan yang dibuat selalu diupayakan agar dapat meminimumkan pengaruh ketidak pastian ini terhadap sebuah permasalahan. Dengan kata lain peramalan bertujuan mendapatkan peramalan yang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan mean square error, mean absolute error , dan sebagainya.
Berdasarkan sifatnya, peramalan dibedakan atas dua macam yaitu:
1. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas pendapat suatu pihak, dan datanya tidak bisa direpresentasikan secara tegas menjadi suatu angka atau nilai. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran institusi, pendapat dan pengetahuan serta pengalaman penyusunnya.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuntitatif masa lalu (data historis) dan dapat dibuat dalam bentuk angka yang biasa disebut sebagai data time series.
Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode yang digunakan.
Jangka wantu peramalan dapat dikelompokkan menjadi tiga kategori, yaitu:
1. Peramalan jangka pendek, peramalan untuk jangka waktu kurang dari tiga bulan.
2. Peramalan jangka menengah, peramalan untuk jangka waktu antara tiga bulan sampai tiga tahun.
3. Peramalan jangak panjang, peramalan untuk jangka waktu lebih dari tiga tahun.
Jenis-jenis Pola Data
Langkah penting dalam memilih suatu metode deret berkala (time series) yang tepat adalah dengen mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis, yaitu:(Makridakis, 1999)
1. Pola Horizontal (H) atau Horizontal Data Pattern
Pola data ini terjadi bilamana data berfluktuasi di sekitar nilai rata-rata yang konstan. Suatu produk yang penjualannya tidak meningkat atau menurun selama kurun waktu tertentu termasuk jenis ini.
Gambar 2.1 Pola Data Horizontal
2. Pola Tren (T) atau Trend Data Pattern
Pola data ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contohnya penjualan perusahaan, produk bruto nasional (GNP) dan berbagai indikator bisnis atau ekonomi lainnya, selama perubahan sepanjang waktu.
Gambar 2.2 Pola Data Tren
3. Pola Musiman (S) atau Seasonal Data Pattern
Pola data ini terjadi bilamana suatu deret dipengaruhi oleh factor musiman (misalnya kuartal tahun tertentu, bulan atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan dan es krim menunjukkan jenis pola ini.
Gambar 2.3 Pola Data Musiman
4. Pola Siklis (S) atau Cyclied Data Pattern
Pola data ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contohnya penjualan produk seperti mobil.
Gambar 2.4 Pola Data Siklis
Data Berkala (Time Series)
Data berkala adalah data yang dikumpulkan dari waktu ke waktu, untuk menggambarkan perkembangan suatu kegiatan. Analisis data berkala memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan/pengaruhnya terhadap kejadian lainnya. Pola gerakan data atau nilai-nilai variabel dapat diikuti atau diketahui dengan adanya data berkala, sehingga data berkala dapat dijadikan sebagai dasar untuk:
1. Pembuatan keputusan pada saat ini.
2. Peramalan keadaan perdagangan dan ekonomi pada masa yang akan dating.
3. Perencanaan kegiatan untuk masa depan.
Gerakan-gerakan khas dari data time series dapat digolongkan ke dalam empat kelompok utama, yang sering disebut komponen-komponen time series:
1. Gerakan jangka panjang atau sekuler merujuk kepada arah umum dari grafik time seriesyang meliputi jangka waktu yang panjang.
2. Gerakan siklis (cyclical movements) atau variasi siklis merujuk kepada gerakan naik-turun dalam jangka panjang dari suatu garis atau kurva tren. Siklis yang demikian dapat terjadi secara periodik ataupun tidak, yaitu dapat ataupun tidak dapat mengikuti pola yang tepat sama setelah interval-inteval waktu yang sama. Dalam kegiatan bisnis ekonomi, gerakan-gerakan hanya dianggap siklis apabila timbul kembali setelah interval waktu lebih dari satu tahun.
3. Gerakan musiman (seasonal movements) atau variasi musim merujuk kepada pola-pola yang identik, atau hampir identik, yang cenderung diikuti suatu time series selama berbulan-bulan yang bersangkutan dari tahun ke tahun. Gerakan-gerakan demikian disebabkan oleh peristiwa-peristiwa yang berulang-ulang terjadi setiap tahun.
4. Gerakan tidak teratur atau acak (irregular or random movements) merujuk kepada gerakan-gerakan sporadic dari time series yang disebabkan karena peristiwa-peristiwa kebetulan seperti banjir, pemogokan, pemilihan umum dan sebagainya. Meskipun umumnya dianggap bahwa peristiwa-peristiwa demikian menyebabkan variasi-variasi yang hanya berlangsung untuk jangka pendek, namun dapat saja terjadi bahwa peristiwa-peristiwa ini demikian hebatnya sehingga menyebabkan gerakan-gerakan siklis atau hal lain yang bari.
Pengukur Kesalahan Peramalan
Berdasarkan Linconlin Arsyad dalam peramalan bisnis (1995) notasi dasar peramalan adalah sebagai berikut:
Yt = nilai data runtut waktu periode t
Y^ = nilai peramalan dari Yt
et = Yt - Y^ = kesalahan peramalan
Kesalahan rata-rata kuadrat atau mean squared error (MSE) merupakan metode alternative dalam mengevaluasi suatu teknik peramalan. Setiap kesalahan atau residual dikuadratkan, kemudian dijumlahkan dan dibagikan dengan jum;lah observasi. Pendekatan ini mengukur suatu kesalahan peramalan yang besar karena dikuadratkan kesalahan. Pendekatan ini penting karena suatu teknik yang menghasilkan kesalahan yang lebih kecil tetapi kadang-kadang menghasilkan kesalahan yang sangat besar.