Teknik Peramalan merupakan suatu metode analisis statistika yang ditujukan untuk

melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak
dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil analisis tersebut
dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang
memengaruhi terhadap perubahan tersebut.
Dalam sistem peramalan, penggunaan berbagai model peramalan akan memberikan
nilai ramalan yang berbeda dan derajat dari galat peramalan yang berbeda pula. Salah satu seni
dalam melakukan peramalan adalah memilih model peramalan yang terbaik yang mampu
mengidentifikasi dan menanggapi pola aktifitas historis dari data. Salah satu teknik peramalan
adalah dengan melihat metode trend yang masuk dalam kriteria time series
Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat
digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan ekonomi, yang
terbaik adalah untuk melihat trend (atau trend-siklus) sebagai perubahan dengan halus dari
waktu ke waktu.
Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi sederhana
seperti garis lurus sepanjang periode untuk time series yang diamati jarang ditemukan.
Seringkali fungsi tersebut mudah dicocokkan dengan kurva trend pada suatu kurun waktu
karena dua alasan, yaitu fungsi tersebut menyediakan beberapa indikasi arah umum dari seri
yang diamati, dan dapat dihilangkan dari seri aslinya untuk mendapatkan gambar musiman
lebih jelas.

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:
Y a bt
Dengan nilai a dan b diperoleh dari formula:

Dimana Yt menunjukan nilai taksiran Y pada
nilai t tertentu. Sedangkan a adalah
nilai intercept dari Y, artinya nilai Yt akan 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 Eksponensial atau Pertumbuhan
Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau penurunan
yang cepat maka digunakan metode trend eksponensial. Dalam metode ini digunakan
persamaan:
2
. Y ab
Tetapi dalam melakukan perhitungannya,
persamaan di atas dapat diubah ke dalam bentuk
semi log, sehingga memudahkan untuk mencari
nilai a dan b.


3. Trend Logaritma
log Y a b t
Sedangkan peramalannya mempunyai bentuk persamaan :
log
t
Y a b t
Dengan menggunakan transformasi logaritma natural maka harga konstanta a dan b
diperoleh dari persamaan di bawah ini :
2 2
log . log
log ( log )
log
t t
t
n t Y t Y
b
n t t
Y b t
a
n

4. Trend Geometrik
Bentuk persamaan umumnya adalah:
b
Y at
Sedangkan peramlannya mempunyai bentuk persamaan:
b
t
Y at
Dengan menggunakan transformasi logaritma maka harga konstanta a dan b diperoleh
dari persamaan di bawah ini:
2 2
log .log log log
log ( log )
log log
log
t t
t
n t Y t Y
b
n t t
Y b t
a
n

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:

Dimana nilai e adalah selisih antara nilai Y dengan peramalan (Yt). Model yang
memiliki MSE paling kecil adalah model persamaan yang paling baik.

CONTOH KASUS
Penjualan Produk X pada tahun 2010 adalah sebagai berikut:
Waktu Bulan Penjualan
1 Januari 1143
2 Februari 1037
3 Maret 857
4 April 757
5 Mei 948
6 Juni 660
7 Juli 683
8 Agustus 809
9 September 1078
10 Oktober 696
11 November 777
12 Desember 672
Jumlah 10117

Tentukan peramalan penjualan pada bulan ke-18 dan bulan ke-25!
Penyelesaian
Dari tabel di atas akan dibuat deskripsi data ke dalam bentuk poligon agar dapat memudahkan
menganalisis data. Berikut ini adalah poligon data dari data hasil penjualan produk X pada
tahun 2010:


a. Tabulasi Data:

b. Menentukan Model Persamaan Matematika:
1) Trend Linier
Dari tabel tabulasi data di atas, maka diperoleh:

Setelah itu masukan nilai a dan b ke dalam persamaan Yt = a + bt , sehingga menjadi
sebuah persamaan trend linier Yt = 843,08+ 13.t.






2) Trend Eksponensial

Setelah itu nilai a dan b dari hasil perhitungan di atas dimasukan ke dalam
persamaan Yt = a.bt , sehingga menjadi sebuah persamaan trend eksponensial Yt
= 828,58 + 0,99t.









c. Ketepatan Model Peramalan

1) Trend Linier
Yt = 843,08+ 13.t


2) Trend Eksponensial
Yt = 828,58 + 0,99
t




d. Pembahasan
Data pengamatan runtun waktu untuk perubahan hasil penjualan produk X di
tahun 2010 setiap bulannya, dapat diketahui bahwa perubahan nilai runtut waktu
pengamatan dari bulan ke bulan jumlahnya cukup bervariasi berupa peningkatan dan
penurunan.
Jumlah penjualan tertinggi terjadi pada bulan Januari sebanyak 1143. Penurunan
penjualan tertinggi terjadi pada bulan Juni sebanyak 660. Keterangan tersebut
memperlihatkan perubahan nilai runtun waktu pengamatan yang fluktuatif.
Sebelum dilakukan perhitungan, akan dihitung Mean Square Error (MSE) terlebih
dahulu. Hal ini dilakukkan untuk mencari trend mana yang paling tepat dan memiliki
kesalahan terkecil untuk dijadikan acuan peramalan. Berikut ini adalah
perhitunganMSE dari trend linier, trend kuadratik, dan trend eksponensial:
1) MSE Trend Linier

2) MSE Trend Eksponensial


Dari perhitungan MSE di atas, bahwa nilai MSE dari trend kuadratik merupakan
yang terkecil. Jadi dapat diketahui bahwa trend kuadratik pada peramalan ini memiliki
kecendrungan kesalahan yang paling rendah dibanding dengan trend linier dan trend
eksponensial.


























Berikut ini adalah poligon dari permalan penjualan produk X.


Dari perhitungan menggunakan trend kuadratik di atas, maka dapat diramalkan
penjualan produk X pada bulan ke-18 adalah sebanyak 1074, dan untuk bulan ke-25
sebanyak 1816. Dapat dilihat pada kurva di atas, pada bulan ke-12 sampai dengan bulan
ke-25 terlihat bahwa jumlah penjualan produk X dari bulan ke bulan mengalami
peningkatan.