Sheny's Blog: Deret Berkala dan Peramalan

DERET BERKALA LAPANGAN USAHA TAHUN 2005-2009

DAN PERAMALAN LAPANGAN USAHA TAHUN 2016

KABUPATEN GARUT

Sheny Puspita Indriyani

Jurnal Statistika dan Probabilitas

Sekolah Tinggi Teknologi Garut

Jl. Mayor Syamsu No. 1 Jayaraga Garut 44151 Indonesia

Email : 1306129@sttgarut.ac.id

ABSTRAK

Data deret berkala adalah sekumpulan data yang dicatat dalam periode tertentu, digunakan untuk meramalkan kondisimasa mendatang, dalam jangka pendek (kurang dari 1tahun ) atau jangka panjang (lebih dari3 tahun). Manfaat dari analisis data berkala adalah berguna untuk penyusunan recana, mengetahui kondisi masa mendatang atau meramalkan kondisi masa mendatang.

Dalam topik pembahasan kali ini, yang akan diambil sebagai bahan pembahasan adalah tentang Lapangan Usaha Pertanian yang ada di Kab.Garut. Mengingat lapangan pekerjaan yang semakin hari semakin sulit, maka tidak ada salahnya bila membuka lapangan usaha sendiri. Maka dari itu, penulis membuat data peramalan lapangan usaha pertanian yang akan tersedia pada tahun 2016.

Kata kunci : data, deret, jangka, kondisi, periode.

I. PENDAHULUAN

Analisis deret waktu (time series analysis) merupakan metode yang mepelajari deret waktu, baik dari segi teori yang menaunginya maupun untuk membuat peramalan (prediksi). Prediksi/peramalan deret waktu adalah penggunaan model untuk memprediksi nilai di waktu mendatang berdasar peristiwa yang telah terjadi. Di dunia bisnis, data deret waktu digunakan sebagai bahan acuan pembuatan keputusan sekarang, untuk proyeksi, maupun untuk perencanaan pada masa depan.

II. LANDASAN TEORI

2.1 Peramalan

Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Metode peramalan kuantitatif dijelaskan Supranto (2000) terdiri dari metode pertimbangan, metode regresi, metode kecendrungan (trend method), metode input output, dan metode ekonometrika. Metode kecendrungan (trend method) menggunakan suatu fungsi seperti metode regresi dengan variable X menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh kriteria yaitu berkaitan dengangoodness of fit yang menunjukkan bagaimana model peramalan dapat menghasilkan peramalan yang baik. Selain itu ada tiga kriteria yang perlu untuk dipertimbangkan, yaitu:

1) Pola data;

2) Faktor biaya peramalan; dan

3) Faktor kemudahan.

Penentuan ketepatan peramalan pada umumnya berdasarkan beberapa metode, yaitu nilai Sidik Ragam (F-Test), Koefisien determinasi, Kuadrat Tengah Galat (Mean Square Error (MSE), dan Persentase Galat (Percentage Error (PE)).

2.2 Deret Waktu

Deret waktu adalah kumpulan data-data yang merupakan data historis dalam suatu periode waktu tertentu. Data yang dapat dijadikan deret waktu harus mempunyai periode waktu yang berurutan.
Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat menggunakan tahun, kuartal, bulan, minggu, hari atau jam. Runtut waktu dianalisis untuk menemukan pola variasi masa lalu.

Analisis deret waktu (time series analysis) dipakai untuk meramalkan kejadian di masa yang akan dating berdasarkan urutan waktu sebelumnya. Ada beberapa teknik untuk meramalkan kejadian di masa yang akan datang berdasarkan karakteristik data, misalnya teknik smoothing, teknik siklus, dan teknik musiman.

2.3 Trend

Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata (smooth).

Ada tiga trend yang diigunakan untuk meramalkan pergerakan keadaan pada masa yang akan datang, yaitu:

1. Trend Linier

Sering kali data deret waktu jika digambarkan ke dalam plot mendekati garis luruus. Deret waktu seperti inilah yang termasuk dalam trend linier. Persamaan trend linier adalah sebagai berikut:

Dengan nilai a dan b diperoleh dari rumus:

Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan a adalah nilai intercept dari Y, artinya nilai Yt akkan sama dengan a jika nilai t = 0. Kemudian b adalah nilai slope, artinya besar kenaikan nilai Yt pada setiap nilai t. Dan nilai t sendiri adalah nilai tertentu yang menunjukan periode waktu.

2. Trend Kuadratik

Jika trend linier merupakan deret waktu yang berupa garis lurus, maka trend kuadratik merupakan deret waktu dengan data berupa garis parabola.

Persamaan untuk trend kuadratik adalah:

Dengan nilai a, b, dan c diperoleh dari:

3. Trend Eksponensial

Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau penurunan yang cepat maka digunakan metode trend eksponensial. Dalam metode ini digunakan persamaan:

Tetapi dalam melakukan perhitungannya, persamaan di atas dapat diubah ke dalam bentuk semi log, sehingga memudahkan untuk mencari nilai a dan b.

4. Memilih Trend Terbaik

Untuk membuat suatu keputusan yang akan dilakukan di masa yang akan datang berdasarkkan deret waktu diperlukan suatu metode peramalan yang paling baik sehingga memiliki nilai kesalahan yang cenderung kecil. Terdapat beberapa cara untuk menentukan metode peramalan mana yang akan dipilih sebagai metode peramalan yang paling baik, diantaranya Mean Square Error(MSE).

Untuk mencari MSE digunakan rumus sebagai berikut: