PERAMALAN PERMINTAAN PARIWISATA INTERNASIONAL DI LOMBOK MENGGUNAKAN METODE DOUBLE MOVING AVERAGE

LAPORAN PRAKTEK KERJA LAPANGAN

DISUSUN OLEH: CENDRA PUSPA NUSWANTRI (3125071818)

PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI JAKARTA 2013

HALAMAN PENGESAHAN Laporan Praktek Kerja Lapangan PERAMALAN PERMINTAAN PARIWISATA DI LOMBOK MENGGUNAKAN MODEL DOUBLE MOVING AVERAGE Disusun sebagai tugas akhir pada mata kuliah Praktek Kerja Lapangan Disusun oleh: CENDRA PUSPA NUSWANTRI 3125071822 Jakarta, 10 September 2013 Menyetujui, Dosen Pembimbing Praktek Kerja Lapangan Dosen Pengampu Praktek Kerja Lapangan

Mulyono, M.Si NIP.

Yudi NIP.

Mengetahui, Ketua Jurusan Matematika Universitas Negeri Jakarta

Drs. Makmuri NIP.

BAB I PENDAHULUAN

1.1

Latar Belakang Sektor pariwisata merupakan salah satu faktor yang mendukung perekonomian daerah Lombok. Pariwisata adalah salah satu sumber penerimaan devisa maupun sebagai pencipta lapangan pekerjaan serta kesempatan berusaha bagi Indonesia. Untuk meningkatkan kesejahteraan rakyat, pengembangan pariwisata terus dilanjutkan dan ditingkatkan melalui perluasan dan pemanfaatan sumber serta potensi pariwisata daerah sehingga menjadi kegiatan ekonomi yang dapat diharapkan untuk meningkatkan penerimaan devisa. Selain itu kegiatan pariwisata diharapkan juga dapat memperluas dan meratakan kesempatan kerja dan kesempatan berusaha, khususnya masyarakat sekitarnya untuk merangsang pembangunan regional serta memperkenalkan identitas dan kebudayaan nasional. Dalam pengembangan pariwisata daerah, pandangan hidup dan kualitas lingkungan harus tetap dijaga. Pengembangan pariwisata dilakukan sejalan dengan program pengembangan dari berbagai macam industri pariwisata, sehingga tidak hanya industri dalam skala kecil dan menengah saja tetapi juga industri pariwisata dalam skala besar akan dapat memperoleh manfaat. Bukan pula hanya terbatas pada wisatawan domestik saja, melainkan juga wisatawan asing (internasional). Daerah Lombok mempunyai potensi wisata berupa wisata alam bahari yang sangat indah sehingga banyak wisatawan asing tertarik berkunjung ke daerah ini. Selain itu, Lombok juga memiliki keunikan budaya dan seni. Dalam rangka pengembangan pariwisata internasional perlu dilakukan langkahlangkah untuk meningkatkan arus wisatawan yang biasa ditempuh dengan cara meningkatkan kegiatan pemasaran dan penyempurnaan berbagai fasilitas yang diperoleh oleh wisataan seperti sarana angkutan, perbankan, akomodasi, restoran, biro perjalanan, informasi mengenai daerah wisata dan lainnnya. Peningkatan kegiatan pemasaran memerlukan perancanaan yang baik dengan berlandaskan informasi kuantitatif maupun kualitatif mengenai penampilan pariwisata internasional dimasa yang lalu. Dengan demikian diperlukan metode yang tepat untuk memprediksi masa depan pariwisata, salah satunya menggunakan model peramalan Double Moving Average. Berdasarkan masalah diatas, maka penulis bermaksud mengambil judul: Peramalan Permintaan Pariwisata Internasional di Lombok Menggunakan Model Double Moving Average dengan tujuan untuk mengetahui apakah jumlah wisatawan asing yang berkunjung ke daerah Lombok mengalami peningkatan atau justru akan mengalami penurunan hingga pada kurun waktu 3 tahun mendatang.

1.2

Perumusan Masalah

Bagaimana hasil peramalan permintaan pariwisata internasional di Lombok menggunakan model Double Moving Average?

1.3

Pembatasan Masalah Dalam laporan ini, permasalahan hanya dibatasi pada peramalan jumlah pengunjung asing yang akan datang ke daerah Lombok pada kurun waktu 2014-2016 berdasarkan data pengunjung asing tahun 2001-2013.

1.4

Tujuan Tujuan penelitian ini adalah untuk mendapatkan hasil ramalan jumlah wisatawan asing yang akan berkunjung ke Lombok pada kurun waktu 2014-2016.

1.5

Manfaat a. Bagi penulis, diharapkan dapat menambah pengetahuan tentang metode peramalan khususnya peramalan permintaan pariwisata dengan menggunakan metode Double Moving Average. b. Bagi universitas, laporan ini dapat digunakan sebagai bahan evaluasi akademik untuk meningkatkan dan mengembangkan perkuliahan di kampus. c. Bagi instansi (BPS DKI Jakarta),harapkan agar penulisan dapat menjadi bahan masukan yang bermanfaat. d. Bagi pihak lain, diharapkan dapat menjadi referensi penelitian mengenai pariwisata.

1.6

Sistematika Penulisan Untuk mempermudah dalam memahami keseluruhan isi laporan Praktek Kerja Lapangan ini dengan jelas, maka sepintas uraian bab demi bab yang saling berhubungan, terdiri dari lima bab dengan rincian sebagai berikut : 1. BAB I PENDAHULUAN Pada bab ini dijabarkan mengenai latar belakang penulisan makalah ini, perumusan masalah yang akan dibahas, pembatasan masalah, tujuan dan manfaat penulisan serta sistematika dalam penulisan makalah ini. 2. BAB II PROFIL BADAN PUSAT STATISTIK JAKARTA Pada bab ini dijelaskan secara singkat sejarah, visi misi, struktur organisasi, kegiatan dan gambaran unit kerja/divisi instansi Badan Pusat Statistik Jakarta. 3. BAB III LANDASAN TEORI Pada bab ini memuat penjelasan tentang konsep dan prinsip dasar yang diperlukan untuk memecahkan masalah yang berkaitan dengan permasalahan. 4. BAB IV PEMBAHASAN

Pada bab ini memuat metode-metode yang digunakan untuk menyelesaikan permasalahan dalam laporan Praktek Kerja Lapangan. 5. BAB V PENUTUP Pada bab ini memuat tentang kesimpulan dan saran yang berdasarkan pada isi Bab III dan Bab IV.

1.7

Waktu dan Tempat Praktek Kerja Lapangan Kegiatan Praktek Kerja Lapangan ini dilaksanakan mulai tanggal 2 Juli 2013 sampai dengan 2 Agustus 2013. Jam kerja dimulai dari pukul 08.00 WIB sampai dengan 16.00 WIB. Adapun tempat Praktek Kerja Lapangan di Badan Pusat Statistik (BPS) Provinsi DKI Jakarta, dengan alamat Jl. Letjen R. Suprapto Kav. 3 Gedung BIPI Lantai 3-4, Jakarta Pusat.

BAB II PROFIL BADAN PUSAT STATISTIK JAKARTA

2.1

Sejarah Badan Pusat Statistik adalah lembaga pemerintah non-departemen yang

bertanggungjawab langsung kepada presiden. Sebelumnya, BPS merupakan Biro Pusat Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomer 7 Tahun 1960 tentang statistik. Sebagai pengganti kedua UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang statistik. Berdasarkan UU ini yang ditindaklanjuti dengan peraturan perundangan di bawahnya, secara formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik. Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yang mengatur organisasi dan tata kerja BPS (di Pusat dan Daerah). Tahun 1980 ditetapkan Peraturan Pemerintah No. 6 tahun 1980, tentang organisasi BPS sebagai pengganti PP No. 16 tahun 1968. Berdasarkan PP No. 6 tahun 1980 di setiap Provinsi terdapat kantor statistik dengan nama Kantor Statistik Provinsi dan begitu juga di kabupaten/kotamadya. Dengan demikian, secara resmi kantor statistik provinsi secara resmi ada di seluruh Indonesia tidak terkecuali di DKI Jakarta dengan nama Kantor Statistik Provinsi DKI Jakarta. Tahun 1992, ditetapkan Peraturan Pemerintah No. 2 tahun 1992, tentang organisasi BPS sebagai pengganti PP No. 6/1980. Kedudukan, tugas, fungsi, susunan organisasi, dan tata kerja Biro Pusat Statistik selanjutnya diatur dengan keputusan Presiden. Tahun 1997,

ditetapkan Undang-Undang No. 16 tahun 1997 tentang statistik sebagai pengganti UndangUndang No. 6 tahun 1960 tentang sensus dan Undang-Undang No. 7 tahun 1960 tentang statistik. Tahun 1998, ditetapkan keputusan Presiden No. 86 tahun 1998 tentang Badan Pusat Statistik sebagai pengganti keputusan Presiden No. 6 tahun 1992 tentang kedudukan, tugas, fungsi, susunan organisasi, dan tata kerja Biro Pusat Statistik. Dengan keputusan Presiden ini Kantor Statistik Provinsi DKI Jakarta berubah menjadi BADAN PUSAT STATISTIK (BPS) PROVINSI DKI JAKARTA.

2.2

Visi Misi Visi Terwujudnya informasi statistik yang terpercaya dan tepat waktu sebagai tulang punggung informasi di DKI Jakarta.

Misi : Dalam rangka mewujudkan Visi, maka misi BPS Provinsi DKI Jakarta dapat

dirumuskan sebagai berikut : 1. 2. Menyediakan informasi statistik yang lengkap, akurat, dan mutakhir. Mewujudkan koordinasi, integrasi, sinkronisasi, dan standarisasi kegiatan statistik dalam kerangka Sistem Statistik Nasional yang handal, efektif, dan efisien. 3. Meningkatkan kapasitas sarana dan prasarana serta sumber daya manusia yang profesional, sehingga mampu menguasai ilmu pengetahuan dan teknologi informasi mutakhir.

2.3

Struktur Organisasi

2.4

Kegiatan dan Gambaran Unit Kerja

BAB III TINJAUAN TEORI

3.1

Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yaitu metode eksponential smoothing, moving average, metode Box Jenkins dan metode regresi. semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang atas dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramalan ini digunakan dalam peramalan yang bersifat objektif. Disamping itu metode peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, maka akan dapat dasar pemikiran dan pemecahan yang sama. Baik tidaknya suatu peramalan yang disusun, di samping ditentukan oleh metode yang digunakan, juga ditentukan baik tidaknuya informasi yang digunakan. Selama informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang disusun juga agar sukar dipercaya akan ketepatannya.

3.2

Jenis-Jenis Peramalan Metode sistem peramalan yang sering digunakan dapat dilihat di bawah ini : 1. Metode Deret Waktu (Time Series) a. b. c. d. e. f. g. 2. ARIMA ( Box-Jenkins ) Bayesian Autokorelasi Filter Kalman Multivariate Smoothing Regresi

Metode Kausal a. Ekonometri

b. c. 3.6.1

Input-Output Regresi Korelasi

Metode Deret Waktu Metode peramalan ini menggunakan deret waktu (time series) sebagai dasar peramalan memerlukan data aktual lalu yang akan diramalakan untuk mengetahui pola data yang diperlukan untuk menentukan metode peramalan yang sesuai. Beberapa metode dalam time series yaitu sebagai berikut: a. ARIMA (Autoregressive Integrated Moving Average) pada dasarnya menggunakan fungsi deret waktu, metode ini memerlukan pendekatan model identifikasi serta penaksiran awal dari parameternya. b. Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk memisahkan sinyal dari noise yang masuk ke sistem. Metoda ini menggunakan pendekatan model state space dengan asumsi white noise memiliki distribusi Gaussian. c. Bayesian merupakan metode yang menggunakan state space berdasarkan model dinamis linear (dynamical linear model). Sebagai contoh: menentukan diagnosa suatu penyakit berdasarkan data-data gejala (hipertensi atau sakit jantung). d. Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang bersifat musiman dengan cara membuat keseimbangan rata- rata dari data masa lampau. e. Regresi menggunakan dummy variabel dalam formulasi matematisnya. Sebagai contoh: kemampuan dalam meramal penjualan suatu produk berdasarkan harganya.

3.2.2

Metode Kausal Metode ini menggunakan pendekatan sebab- akibat, dan bertujuan untuk meramalkan keadaan di masa yang akan datang dengan menemukan dan mengukur beberapa variabel bebas (independent) yang penting beserta pengaruhnya terhadap variabel tidak bebas yang akan diramalkan. Pada metode kausal terdapat tiga kelompok metode yang sering dipakai. a. Metode regresi dan korelasi memakai teknik kuadrat terkecil (least square). Metode ini sering digunakan untuk prediksi jangka pendek. Contohnya: meramalkan hubungan jumlah kredit yang diberikan dengan giro,deposito dan tabungan masyarakat b. Metode ekonometri berdasarkan pada persamaan regresi yang didekati secara simultan. Metode ini sering digunakan untuk perencanaan ekonomi nasional dalam jangka pendek maupun jangka panjang. Contohnya: meramalkan besarnya indikator moneter buat beberapa tahun kedepan, hal ini sering dilakukan pihak BI tiap tahunnya.

c.

Metode input-output biasa digunakan untuk perencanaan ekonomi nasional jangka panjang. Contohnya : meramalkan pertumbuhan ekonomi seperti pertumbuhan domestik bruto (PDB) untuk beberapa periode tahun ke depan 5-10 tahun mendatang. Tahapan perancangan peramalan : Secara ringkas terdapat tiga tahapan yang harus dilalui dalam perancangan suatu metode peramalan, yaitu : 1. Melakukan analisa pada data masa lampau. Langkah ini bertujuan untuk mendapatkan gambaran pola dari data bersangkutan. 2. Memilih metode yang akan digunakan. Terdapat bermacam - macam metode yang tersedia dengan keperluannya. Metode yang berlainan akan menghasilkan sistem prediksi yang berbeda pula untuk data yang sama. Secara umum dapat dikatakan bahwa metoda yang berhasil adalah metoda yang menghasilkan penyimpangan

(error) sekecil-kecilnya antara hasil prediksi dengan kenyataan yang terjadi. 3. Proses transformasi dari data masa lampau dengan menggunakan metoda yang dipilih. Kalau diperlukan, diadakan perubahan sesuai kebutuhannya. 3.3 Kegunaan Peramalan Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat akan dilakukan. Dalam perencanaan di organisasi atau perusahaan peramalan merupakan kebutuhan yang sangat penting, dimana baik buruknya peramalan dapat mempengaruhi seluruh bagian organisasi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Di dalam bagian organisasi terdapat kegunaan peramalan, yaitu : 1. Berguna untuk 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 akan konsumennya atau pelanggan. 2. Berguna dalam menyediakan 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 datang. 3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik. 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 metode peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat atau disusun. 3.4 Metode Peramalan Berdasarkan sifatnya teknik peramalan dibagi dalam 2 (dua) kategori utama yaitu: 1. Metode peramalan kualitatif atau tekhnologis Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode kualitatif atau tekhnologis dapat dibagi menjadi metode eksploratoris dan normatif. 2. Metode peramalan kuantitatif Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metodeyang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik.

Metode kuantitatif dapat dibagi dalam deret berkala (Time Series) dan metode kausal. Peramalan kuantitatif dapat digunakan bila terdapat 3 (tiga) kondisi yaitu: a. b. c. Adanya informasi tentang masa lalu Informasi tersebut dapat dikuantitatifkan dalam bentuk data Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang. Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (Asumtion of Continuity), asumsi ini merupakan mo dal yang mendasari semua metode peramalan kuantitatif dan banyak metode peramalan tekhnologis, terlepas dari bagaimana canggihnya metode tersebut. 3.5 Pemilihan Teknik dan Metode Peramalan Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam mempersiapkan peramalan. Ada 6 (enam) faktor utama yang diidentifikasi sebagai teknik dan metode peramalan, yaitu: 1. Horizon Waktu Ada 2 (dua) aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan. 2. Pola Data Dasar utama dari metode peramalan adalah anggapan bahwa macam -macam dari pola yang didapati di dalam data yang diramalakan akan berkelanjutan. 3. Jenis dan 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 analisa keadaan untuk pengambilan keputusan. 4. Biaya yang Dibutuhkan Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpanan (Storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik- teknik dan metode lainnya.

5.

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

6.

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

3.6

Analisa Deret Berkala (Time Series) Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisa data berkala memungkinkan untuk mengetahui perkemabngan suatu kejadian atau beberapa kejadian serta hubungannya dengan kejadian yang lain. Metode Time Series merupakan metode peramlan kuantitatif yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang digunakan untuk meramalk an apakah data tersebut stasionerr atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhsan/penurunan pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.

3.6.1

Penentuan Pola Data Hal yang penting 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 pada umumnya dapat dibedakan sebagai berikut: a. Gerakan Trend Jangka Panjang (Long Term Movement or Secular Trend). Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah perkembangan secara umum (kecendrungan menaik/menurun). Garis trend sangat berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan. b. Gerakan/Variasi Siklis (Cyclical Movements or Variations) Gerakan/variasi siklis adalah gerakan/variasi jangka panjang disekitar garis trend (berlaku untuk data tahunan). Gerakan siklis ini bisa terukang setelah jangka waktu tertentu dan bisa juga terulang dalam jangka aktu yang sama. Contoh gerakan siklis yakni kemakmuran, kemunduran, depresi, dan pemulihan. c. Gerakan/Variasi Musiman (Seasonal Movements or Variation)

Gerakan/variasi musiman adalah gerakan yang memounyai pola tetap dari waktu ke waktu, misalnya naik turunnya harga pohon cemara menjelang Natal, menurunnya harga beras pada waktu panen, dan lain sebagainya. Walaupun pada umumnya gerakan musiman terjadi pada data bulanan yang dikumpulkan dari tahun ke tahun, namun juga berlaku bagi data harian, mingguan, atau satuan waktu yang lebih kecil lagi. d. Gerakan/Variasi yang Tidak Teratur (Iregular or Random Movements) Gerakan/variasi yang tidak tetap adalah gerakan/variasi yang sifatnya sporadis, misalnya naik turunnya produksi akibat banjir yang datangnya tidak teratur.

3.6.2

Metode Smoothing Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk

menaksir niai pada beberapa tahun ke depan. Secara umum metode smoothing diklasifikasikan menjadi 2 (dua) bagian, yaitu: 1. Metode Moving Average a. Metode Single Moving Average / Rata-Rata Bergerak Tunggal Jika data berkala tidak terjadi gejala trend naik maupun turun, musiman, dan lainnya, melainkan sulit diketahui polanya, maka metode yang digunakan adalah metode rata- rata bergerak tunggal. Metode ini cocok untuk melakukan peramalan yang bersifat random. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu. Rumus umumnya adalah:

b.

Metode Double Moving Average / Rata-Rata Bergerak Ganda Metode ini sedikit lebih sulit jika dibandingkan dengan metode rata-rata bergerak tunggal. Ada beberapa langkah yangn harus ditentukan dalam meramal dengan ratarata bergerak ganda yaitu: 1. Menghitung rata- rata bergerak pertama, diberi simbol . Ini dihitung dari

data historis yang ada. Hasilnya diletakkan pada periode terakhir rata -rata bergerak pertama.

2.

Menghitung rata- rata bergerak kedua, diberi simbol

. Ini dihitung dari rata-

rata bergerak pertama. Hasilnya diletakkan pada periode terakhir rata -rata bergerak kedua.

3.

Menentukan besarnya nilai

(constant). ( )

4.

Menentukan besarnya nilai

(slope). ( )

5.

Menentukan ramalan. ( )

2.

Metode Pemulusan (Smoothing) Eksponensial Bentuk umum dari metode pemulusan (Smoothing) Eksponensial ini adalah: ( dengan )

Bila bentuk umum tersebut diperluas maka akan berubah menjadi: ( ) ( ) ( )

( )

Dari perluasan bentuk umum di atas dapatlah dikatakan bahwa Metode Smoothing Eksponensial secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai observasi yang lebih tua.

Metode ini terdiri atas: a. Smoothing Eksponensial Tunggal 1. 2. Satu Parameter (one parameter) Pendekatan aditif (ARRES) Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau trend. b. Smoothing Eksponensial Ganda 1. 2. c. Metode Linier Satu Parameter dari Brown Metode Dua Parameter dari Holt

Smoothing Eksponensial Triple 1. Metode Kuadratik Satu Parameter dari Brown Digunakan untuk pola data kuadrati, kubik, atau orde yang lebih tinggi. 2. Metode kecendrungan dan musiman tiga parameter dari Winter dapat digunakan untuk data yang berbentuk trend dan musiman.

d.

Smoothing Eksponensial menurut Klasifikasi Pegels

3.7

Ketepatan Peramalan Ketepatan peramalan adalah suatu hal yang paling mendasar di dalam peramalan, yaitu bagaimana memngukur kesesuaian suatu kumpulan data yang diberikan. Ketepatan yang dipandang sebagai kriteria penolakan untuk memilih suatu peramalan. Dalam pemodelan pemulusan (smoothing), dari data masa lalu dapat diramallakn situasi yang akan terjadi di masa yang akan datang. Untuk menguji kebenaran ini digunakan peramalan. Untuk mendapat hasil peramalan yang lebih akurat adalah maramal yang biasa meminimalkan kesalahan meramal (forecast error). Besarnya (forecast error) dihitung dengan:

Untuk mengukur kesalahan ramalan (forecast error) biasanya digunakan mean absolut error, mean square error, atau mean absolut percentage error. 1. Percentage Error (PE) ( 2. Absolut Percentage Error (APE) Adalah kesalahan persentase absolut | 3. Mean Percentage Error (MPE) Adalah persentase rata-rata kesalahan absolut ( 4. Mean Absulute Percentage Error (MAPE) Adalah persentase rata-rata kesalahan absolut |( ) | ) | )

BAB IV PEMBAHASAN

3.1

Data Permintaan Pariwisata di Lombok

3.2

Langkah Peramalan Langkah peramalan menggunakan Double Moving Average adalah

3.3

Analisis menggunakan Metode Double Moving Average Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adal

BAB IV PENUTUP

3.4

Kesimpulan

3.5

Saran Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adal