JENIS JENIS METODE PERAMALAN

Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain :

1.      Time Series atau Deret Waktu

Analisis time series merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang mempengaruhi-nya (independent variable), yang dikaitkan dengan waktu seperti mingguan, bulan, triwulan, catur wulan, semester atau tahun.

      Dalam analisis time series yang menjadi variabel yang dicari adalah waktu.

            Metode peramalan ini terdiri dari :

a.      Metode Smoting, merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau seperti musiman.

b.      Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.

c.      Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.

2.      Causal Methods atau sebab akibat

Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari :

a.      Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.

b.      Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.

c.      Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.

$ METODE REGRESI

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan.

Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :

a.      Adanya informasi masa lalu

b.      Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)

c.      Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.

Adapun data- data yang ada dilapangan adalah :

a.      Musiman (Seasonal)

b.      Horizontal (Stationary)

c.      Siklus (Cylikal)

d.     Trend

Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :

1.      Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu

2.      Analisis Cross Section atau sebab akibat (Causal method), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi.

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu :

1.      Analisis deret waktu untuk regresi sederhana linier

2.      Analisis deret untuk regresi sederhana yang non linier

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti :

Y = F (x)

Dimana :

Y = Dependent variable (variabel yang dicari)

X = Independent variable (variabel yang mempengaruhinya)

            Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

            Y = a + b x

Dimana a dan b adalah merupakan parameter yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :

            a =

kemudian nilai b dapat dicari dengan rumus :

            b =

$ ANALISIS DENGAN REGRESI LINIER CROSS SECTION

Cross section method atau casual method atau sebab akibat merupakan peramalan yang kita lakukan untuk mengukur peramalan dalam suatu periode dengan faktor yang mempengaruhinya bukan waktu.

Penggunaan rumusan yang kita gunakan untuk cross section sama dengan penerapan untuk metode time series, begitu puka dngan hasil pramalannya.

Jadi penjualan = f (x, x, x,.......)

X = harga, mutu pendapatan, promosi dll

Y = a + b x

Dimana x adalah variabel bukan waktu.

$ ANALISIS DERET WAKTU DENGAN REGRESI LINIER

            Ada 2 pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu engan metode regresi sederhana, yaitu :

1.      Analisis deret waktu untuk regresi sederhana linier

2.      Analisis deret waktu untuk regresi sederhana yang non linier

Dalam analisis deret waktu yang linier adalah analisis pola hubungan yang dicari dengan satu variabel yang mempengaruhinya : waktu. Sedangkan analisis deret waktu yang non linier, merupakan analisis hubungan antara variabel yang dicari dengan hanya satu (1) yang mempengaruhinya, yaitu variabel waktu.

Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti :

Y = F (x)

Dimana :

Y = Dependent variable (variabel yang dicari)

X = Independent variable (variabel yang mempengaruhinya)

            Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

           

            Y = a + b X....................

Dimana a dan b adalah merupakan parameter (koefisien regresi) yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :

            a =

            atau :

            a = - b

            kemudian nilai b dapat dicari dengan rumus :

            b = 

            atau

            b =

Langkah selanjutnya adalah melakukanpengujian terhasil yang diperoleh dengan :

Pertama, uji Test Koefisien Penentu (R²), pengetesan ini untuk mengetahui tepat tidaknya varibel yang mempengaruhi besarnya penjualan yang diramalkan adalah waktu.

Kedua, Test Significance (T.Test) atau F test yaitu pengetesan untuk mengetahui apakah benar persamaan regresi itu adalah linier.

Pengujian R².

Test rumusan yang digunakan adalah:

            R² = 1 –

            Dimana,

                       

                         =  y² – b² (

                         = Y² – n (  )²

                        = X² – n ( )²

            Test Significance

            Tujuan test ini menguji dan meneliti apakah regresi yang digunakan dalam menyususn ramalan adalah benar linier, dimana data yang diteliti tepat berada disekitar garis linier.

1.      F. Test

Tujuannya adalah untuk mengetahui apakah nilai estimasi dari a dan b dapat bervariasi karena pengaruh sampling/ random.

Persamaan F. Test adalah sebagai berikut :

F =

Dimana :

k = jumlah variabel (dalam regresi sederhana = 2)

n = jumlah tahun

atau kita juga menggunakan rumus sebagai berikut :

F =

Hasil F_rasio kemudian kita bandingkan dengan F_tabel apabila F _rasio>F_tabel, maka secara statistik koefisien b adalah significance berbeda dengan nol (0), sehingga persamaan regresi dapatdilakukan secara benar dengan bentuk persamaan sebagai berikut :

Y = a = b x

Demikian pula sebaliknya jika F_rasio<F_tabel

2.      Persamaan T. Test

Test ini dikenal dengan nama student-t didistribusikan untuk menguji a dan b dengan formula :

t_{test a =}                                            t_{test b =}

Hasilnya jika diperoleh :

T_test > T_tabel (T_distribusi), maka tinkat keyakinan tertentu (R) dapat disimpulkan bahwa nilai koefisien regresi a dan b secara statistic berbeda dari (0) dan demikian pula sebaliknya.

$ ANALISA DERET WAKTU DENGAN REGRESI NON LINIER

            Analisa deret waktu dengan regresi non linier merupakan regresi bukan garis lurus. Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

            Y =  a + b x + c x²

               

                Dimana :Y = Dependent variable (variabel yang dicari)

                           x = Independent variable (variabel yang mempengaruhinya)

                          a = b = c = parameter koefisien regresi

                                    Formula umum yang digunakan sebagai berikut :

                                    ∑y         = n a + b ∑x   + c ∑x²

                                    ∑xy       = a ∑x  +  b ∑x²  +c ∑x³

                                    ∑xy       = a ∑ x² +  b ∑x³ +c ∑x⁴