Forecasting
Peramalan adalah suatu kegiatan
memprediksi apa yang akan terjadi pada masa yang akan datang.
Peramalan ini merupakan salah satu unsur yang sangat penting dalam
pengambilan keputusan, sebab efektif tidaknya suatu keputusan
terlihat pada saat pengambilan keputusan. Peramalan bertujuantergantung pada beberapa faktor baik yang terlihat maupun tidak
untuk memperkecil resiko yang mungkin terjadi akibat suatu
pengambilan keputusan.
Metode peramalan yang sering digunakan antara lain model regresi
linier (causal) dan metode deret waktu (time
series). Pada model regresi linier diasumsikan bahwa faktor yang
diramalkan menunjukkan suatu hubungan sebab akibat dengan satu
atau lebih variabel bebas. Tujuannya adalah untuk menemukan bentuk
hubungan tersebut dan menggunakannya untuk meramalkan nilai-nilai
mendatang dari variabel tak bebas. Dalam model time series,
peramalan masa depan dilakukan berdasarkan nilai masa lalu dari
suatu variabel atau kesalahan masa lalu. Tujuannya adalah untuk
menemukan pola deret data historis dan mengeksplorasi pola
tersebut ke masa depan.
series). Pada model regresi linier diasumsikan bahwa faktor yang
diramalkan menunjukkan suatu hubungan sebab akibat dengan satu
atau lebih variabel bebas. Tujuannya adalah untuk menemukan bentuk
hubungan tersebut dan menggunakannya untuk meramalkan nilai-nilai
mendatang dari variabel tak bebas. Dalam model time series,
peramalan masa depan dilakukan berdasarkan nilai masa lalu dari
suatu variabel atau kesalahan masa lalu. Tujuannya adalah untuk
menemukan pola deret data historis dan mengeksplorasi pola
tersebut ke masa depan.
Pemilihan model peramalan yang tepat untuk suatu data agar
mendapat nilai ramalan yang valid dan akurat merupakan masalah
utama dalam penerapan metode peramalan. Melakukan peramalan
mengunakan pemodelan data yang tidak tepat akan mengakibatkan
hasil prediksi ke depan menjadi sangat menyimpang dari nilai
sebenarnya. Hal ini berakibat perencanaan-perencanaan yang
berkaitan dengan hasil prediksi menjadi kurang baik (Makridakis,
1992).
Pada dasarnya model time series memiliki tingkat kesesuaian yang
tinggi apabila prilaku data tidak terlalu kompleks dan
asumsi-asumsinya terpenuhi dengan baik. Namun, jika dalam data
time series tersebut terdapat lebih dari satu variabel yang saling
berhubungan, maka dapat digunakan model fungsi transfer. Sebagai
contoh adalah penelitian yang dilakukan Bambang Suharjo (2003) yang
memodelkan hubungan antara kunjungan wisatawan Eropa dengan kurs
dollar Amerika menggunakan data tahun 1989 sampai dengan 2000.
Analisis hubungan kedua variabel tersebut merupakan data time
series, sehingga kurang tepat apabila dilakukan dengan analisis
regresi karena harus mengakomodasi adanya kejadian autokorelasi
masing-masing variabel dan kemungkinan adanya korelasi silang
antar kedua variabel.
16 November 2009 pukul 15.24
Assalaamu'alaykum.
Makasih udah menampilkan link ke website Zaitun Time Series. :)
Rizal Zaini Ahmad Fathony
17 November 2009 pukul 16.27
Wassalamu'alaikum wrwb.
Sama2... website yang sangat menarik,
semoga bisa mengambil manfaat.