BAB II KAJIAN TEORI

2.1. Pengertian Peramalan Ramalan merupakan dugaan atau perkiraan mengenai terjadinya kejadian atau peristiwa dari waktu yang akan datang (Supranto, 1983). Peramalan (forecasting) merupakan alat bantu penting dalam perencanaan efektif dan efisien khususnya dalam bidang ekonomi. Forecasting adalah peramalan yang akan terjadi pada waktu yang akan datang, sedangkan rencana merupakan penentu apa yang akan dilakukan peda waktu yang akan datang (Pangestu, 2002). 2.2. Teknik Peramalan Beberapa teknik peramalan telah dikembangkan untuk

menghadapi penggunaan yang luas. Teknik tersebut dibagi dalam dua kategori utama, yaitu metode kuantitatif dan metode kualitatif. Metode kuantitatif dapat dibagi dalam deret berkala dan metode kausal(regresi), sedangkan metode kualitatif dibagi menjadi metode eksploratorif dan normatif ( SA Pramono, 1992). 2.1.1. Metode kuantitatif 1 Deret Berkala Menurut Thomas Herbert Wonnacott analisis deret berkala merupakan alat yang dapat digunakan untuk mengetahui kecenderungan suatu nilai dari waktu ke waktu, dan untuk meramalkan nilai suatu variable pada suatu kurun waktu tertentu. Dalam hal ini, kurun waktu yang dimaksud bisa saja berupa tahun, bulan, kuartal, minggu, catur wulan, dan lain sebagainya.Adapun model dari analisis deret berkala yaitu Y= T x S x C x I Dalam hal ini Y adalah ramalan berdasarkan analisis deret berkala, T adalah komponen trend, S adalah indeks musim, C adalah komponen siklis dan I adalah komponen dari fluktuasi tak beraturan.(Maryati,2001)

Ada 4 komponen analisis deret berkala yaitu trend, indeks musim, siklis dan fluktuasi tak beraturan. a. Trend Trend adalah suatu garis yang melukiskan gerak data deret waktu selama jangka waktu yang panjang atau cukup lama. Gerak ini mencerminkan sifat kontinuitas atau keadaan yang terus-menerus dari waktu ke waktu selama kurun waktu tertentu, karena sifat kontinuitas inilah maka trend trend dianggap sebagai gerak yang stabil sehingga dalam menginterpretasikannya dapat digunakan model matematis, sesuai dengan keadaan data deret waktunya itu sendiri. (Andi Supangat, hal. 167) Ada dua macam trend yaitu : (Andi Supangat, hal. 168) 1.Trend Linier Trend linier adalah model persamaan garis lurus yang terbentuk berdasarkan titik-titik diagram pencar dari data selama kurun waktu tertentu. Pada model trend ini garis vertical (tegak) dinyatakan sebagai jumlah perkembangan data yang akan dianalisis (y), dan untuk garis horizontal (mendatar) dinyatakan sebagai waktu (x). Metode yang dapat digunakan untuk menentukan garis trend linier ini ada tiga yaitu : (Sri Nastiti, hal.112-122) a. b. c. Metode Tangan Bebas (free hand method) Metode Rata-rata Semi (Semi average method) Metode Kuadrat Terkecil (lest square method)

2.Trend Nonlinier Banyak model trend yang dapat digunakan sebagai alat untuk memprediksi suatu persoalan yang didasarkan pada kumpulan data dari waktu ke waktu. Selain model trend linier ada juga model trend nonlinier, dianta model trend linier tersebuat adalah model trend kuadratis, model logistic, model compertz, model geometris, dan model eksponensial. Model-model trend tersebut secara matematis dinyatakan sebagai berikut :

a.

Model nonlinier

b.

Model logistic

c.

Model Compertz

d.

Model geometris

e.

Model eksponensial

b. Indeks Musim/variasi musiman Variasi musiman menggambarkan pola yang berulang secara teratur dari waktu ke waktu.Dari segi waktu terjadinya , variasi musiman ini relative pendek(kurang dari satu tahun).Misalnya mingguan ,bulanan kuartalan atau semesteran.Ada beberapa metode perhitungan indeks musim yaitu Metode rata-rata sederhana dari data asli. Metode ini dalam perhitungannya menggunakan asumsi bahwa pengaruh trend diasumsikan kecil dan pengaruh siklis serta gerak tak beraturan dihilangkan.Perhitungan ineks musim dengan formula sebagai berikut; Indeks Musim = Nilai data asli x 100 Nilai rata-rata Metode rata-rata sederhana disesuaikan dengan trend. Prosedur perhitungan indeks musim berdasarkan metode rata-rata sederhana disesuaikan dengan trend pada dasarnya sama dengan metode rata-rata sederhana disesuaikan dengan data asli. Indeks Musim = Nilai data asli x 100 Nilai trend

 Metode rata-rata bergerak. Metode rasio rata-rata bergerak merupakan cara lain menghitung indeks musim yaitu dengan cara rata-rata dibuat bergerak selama beberapa periode(misalnya 12 bulan, 6 bulan, 3 bulan atau 2 bulan). c. Fluktuasi siklis Fluktuasi siklis adalah perubahan atau gelombang pasang surut yang berulang kembali dalam waktu lebih dari satu tahun(biasanya antara 5 sampai 10 tahun) 2 Regresi Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya korelasi antar variable. Istilah regresi yang berarti ramalan atau taksiran pertama kali di perkenalkan oleh Sir Francis Galton pada tahun 1877, sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Dalam penelitiannya, Galton menemukan bahwa tinggi anak dari orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi. Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variable dengan variable lainnya dapat ditentukan). Jadi, dengan analisis regresi, peramalan atau perkiraan nilai variable bebas lebih akurat pula (Iqbal hasan, 2002). Analisis regresi telah lama dikembangkan untuk mempelajari pola dan mengukur hubungan statistic antara dua atau lebih peubah (variabel). Teknik analisis yang mencoba menjelaskan bentuk hubungan

antara dua peubah atau lebih khususnya hubungan antara peubah-peubah yang mengandung sebab akibat disebut analisis regresi. Prosedur analisisnya didasarkan atas distribusi probabilitas bersama peubah-peubahnya. Bila hubungan ini dapat dinyatakan dalam persamaan matematik, maka kita dapat memanfaatkannya untuk keperluan-keperluan lain, misalnya peramalan (Yusuf Wibisono, 2005) Tujuan utama dari penggunaan persamaan regresi adalah memperkirakan nilai dari variable tak bebas pada nilai variable bebas tertentu (Supranto, 2008). persamaan regresi terdapat dua macam: 1.Regresi linier Regresi linier adalah regresi yang variable X-nya (periode waktu) berpangkat paling tinggi satu. Untuk Regresi linier sederhana, yaitu regersi linier yang hanya melibatkan dua variable (variable X dan Y), persamaan regresinya dapat ditulis dalam dua bentuk, yaitu sebagai berikut: Persamaan regresi linier dari Y terhadap X Persamaan regresi linier dari Y terhadap X dirumuskan:

Persamaan regresi linier dari X terhadap Y Persamaan regresi linier dari X terhadap Y

Keterangan:

Y = variable terikat X = variable bebas a = intersep b 2. = koefisien regresi Regresi non linier

Regresi non linier adalah regresi yang variable-variabelnya ada yang berpangkat. Bentuk grafik regresi non linier adalah melengkung. Bentuk-bentuk regresi non linier antara lain regresi kuadratis atau parabola dan regresi eksponensial (Iqbal hasan, 2002).