Peramalan
… biasakan mencopy dengan menyertakan sumber/referensi …
Peramalan merupakan suatu proses pendugaan terhadap kejadian yang akan terjadi pada masa depan. Peramalan dapat juga diartikan sebagai proses yang dilakukan ketika ada kesenjangan waktu (lag) dari data aktual pada waktu tertentu dengan data yang ingin diketahui pada waktu yang akan datang. Peramalan diperlukan untuk mengetahui kapan atau bagaimana suatu peristiwa akan terjadi sehingga tindakan yang tepat dapat dilakukan (Makridakis et al., 1998).
Tepat tidaknya hasil ramalan akan menentukan ke arah mana kebijakan tertentu yang disusun dan akan diambil, karena terkait resiko dan ketidakpastian masa depan. Ketika hasil ramalan mendekati data aktualnya, maka dapat dikatakan bahwa ramalan yang dihasilkan akan memberikan manfaat nyata bagi perencanaan dan penyusunan kebijakan-kebijakan. Oleh karena itu perlu dilakukan upaya-upaya untuk memperoleh angka ramalan yang valid dan akurat. Salah satu cara dalam menghasilkan angka ramalan yang valid dan akurat dan teruji signifikan secara statistik adalah dengan melakukan pemilihan teknik atau metode peramalan yang tepat.
Menurut Makridakis et al. (1998), faktor-faktor yang seharusnya perlu dipertimbangkan dalam pemilihan metode peramalan terbaik diantaranya adalah:
- Menetapkan sifat dasar masalah peramalan
- Menjelaskan sifat dasar data yang diteliti
- Mendeskripsikan kemampuan dan keterbatasan dari teknik-teknik peramalan
- Mengembangkan sejumlah kriteria yang ditentukan terlebih dahulu sebagai dasar untuk memilih keputusan
Metode peramalan dibagi menjadi dua kelompok utama yaitu metode kualitatif dan kuantitatif. Metode kualitatif melakukan proses peramalan dengan menggunakan prosedur atau tahap-tahap yang bergerak dari kondisi masa kini sebagai titik awal dengan mempelajari kondisi masa lalu sebagai petunjuk. Pendekatan yang digunakan adalah trial and error untuk mencapai sasaran yang diinginkan dengan mempertimbangkan kendala-kendala yang mungkin terjadi, sumber daya dan teknologi yang tersedia.
Sedangkan metode kuantitatif bergerak berdasarkan informasi masa lalu dalam bentuk data kuantitatif dengan asumsi keberlanjutan beberapa aspek di masa lalu pada masa depan. Metode peramalan kuantitatif dibagi menjadi dua kelompok utama, yaitu:
a. Metode Time Series (deret waktu)
Peramalan identik dengan analisis data deret waktu. Data time series atau data deret waktu merupakan serangkaian data yang berupa nilai pengamatan yang diukur selama kurun waktu tertentu, berdasarkan interval waktu yang tetap (Wei, 2006). Agar data deret waktu dapat digunakan dalam peramalan, maka data tersebut harus memenuhi beberapa asumsi penting. Diantaranya adalah adanya ketergantungan atau hubungan antara kejadian masa mendatang terhadap masa sebelumnya atau lebih dikenal dengan istilah adanya autokorelasi antara suatu variabel pada waktu tertentu dengan variabel itu sendiri pada waktu-waktu sebelumnya. Asumsi berikutnya adalah data masa depan mengikuti pola data yang terjadi di masa lalu dan hubungan/keterkaitan di masa lalu dapat ditentukan dengan pengamatan atau penelitian. Akurasi yang dihasilkan dari peramalan deret waktu, sangat ditentukan oleh seberapa jauh asumsi-asumsi di atas dipenuhi.
Metode peramalan dengan menggunakan data deret waktu menekankan jawaban atas pertanyaan “apa yang akan terjadi” bukan menjawab pertanyaan “mengapa suatu hal tersebut bisa terjadi”. Hal ini mengindikasikan bahwa metode peramalan dengan data deret waktu lebih mengutamakan pada tujuan peramalan yaitu mendapatkan nilai atau data ramalan dari suatu variabel dan tidak berusaha mencari faktor-faktor yang berpengaruh pada variabel tersebut.
Faktor utama dalam memilih metode peramalan deret waktu yang tepat adalah dengan identifikasi dan pemahaman pola data historis. Terdapat berbagai jenis pola data deret waktu, yang sering dijumpai adalah empat pola yaitu stasioner, trend, seasonal (musiman) dan cyclic (siklus). Dengan memahami pola data, dapat ditentukan kemudian metode yang secara efektif mampu mengekstrapolasi pola-pola tersebut (Hanke dan Wichern, 2005).
b. Metode Kausal
Model kausal yang digunakan dalam peramalan ditujukan untuk menemukan hubungan sebab-akibat antara variabel yang akan diramalkan dengan satu atau lebih variabel lain (prediktor) dan menggunakan hubungan tersebut untuk meramalkan nilai mendatang dari variabel yang dimaksud dengan variabel-variabel lain. Asumsi yang harus dipenuhi dari metode ini salah satunya adalah variabel yang akan diramalkan memiliki hubungan kausal dengan prediktornya.
sumber:
Wijaya, Adi. (2012). Peramalan Produksi Padi dengan ARIMA, Fungsi Transfer dan Adaptive Neuro Fuzzy Inference System (ANFIS). Tesis. Surabaya: ITS
when adiw talks, it's fun 