Santri’s Blog

Peramalan adalah suatu proses memperkirakan secara sistematik tentang sesuatu yang paling mungkin terjadi di masa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Peramalan dapat juga diartikan sebagai usaha memperkirakan perubahan. Agar tidak disalahpahami bahwa peramalan tidak memberi jawaban pasti tentang apa yang akan terjadi , melainkan berusaha mencari yang sedekat mungkin dengan yang akan terjadi. Dengan demikian tugas ini masih dalam kapasitas pikiran manusia.

Teknik-Teknik Peramalan

Terdapat banyak teknik atau metode ilmiah untuk peramalan yang dibedakan dalam dua kelompok, yaitu kualitatif dan kuantitatif.

1. Metode Kualitatif
   

Metode kualitatif digunakan jika data historis atau empiris dari variabel yang akan diramal tidak ada, tidak cukup, atau kurang dapat dipercaya. Metode ini juga disarankan jika lingkungan dan teknologi sedang atau diperkirakan akan mengalami perubahan drastis. Sebagai gantinya, input utama metode ini adalah judgment, opini, dan pengalaman. Karena alasan itu, metode ini juga dinamakan judgmental, subjective, intuitive, or technological forecasting method. Beberapa teknik yang termasuk dalam kelompok ini antara lain : jury of executive ( expert ), opinion, Delphi method, dan pendekatan hirarki analitik.

1. Metode Kuantitatif
   

Metode kuantitatif memerlukan data historis atau empiris dan ini menuntut variabel yang digunakan mempunyai satuan ukuran atau dapat diukur. Metode ini umumnya beranggapan bahwa pola masa lalu akan berulang. Termasuk dalam kelompok ini antara lain : causal model, simultaneous model, time deret berkala model, gabungan causal dan time series model, leading indicators, analisis input output dan analisis Markov.

Time series (univariate) model didasarkan pada analisis data sebuah variabel hasil pengamatan yang disusun mengikuti urutan waktu. Pengamatan dapat secara tahunan, bulanan, mingguan, harian, atau periode yang lebih pendek. Model ini dibedakan menjadi deterministic dan stochastic. Time series deterministic model menyadari adanya pengaruh kerandoman pada data, namun model ini tidak menerangkan sumber atau ciri kerandoman itu. Sementara penggunaan time series stochastic model menunjukkan bahwa data dihasilkan oleh proses random yang punya bentuk dan dapat dijelaskan. Pada model terakhir ini tidak perlu asumsi bahwa pola masa lalu akan berulang.