Analisis Peramalan

(Forecasting Analysis)
Dasar-dasar, Pendekatan Kuantitatif dan Pendekatan Kualitatif

Pokok bahasan
Dasar-dasar peramalan
Jenis-jenis masa depan Masa depan vs perencanaan

Jenis-jenis peramalan
Proyeksi Prediksi Spekulasi

Metode peramalan
Kuantitatif Kualitatif
2

Peramalan: hakekat dan relevansi

Perencanaan berkaitan dengan pengambilan keputusan publik (public decision making) untuk mengarahkan masa depan Dengan demikian, prinsip ke-masa depan-an menjadi salah satu pilar perencanaan Masa depan yang seperti apa?
Perkembangan obyek dan wilayah perencanaan; Pengaruh dari suatu kebijakan tertentu yang diambil terhadap kondisi masyarakat, atau aspek tertentu yang terkait

Ketepatan di dalam menggambarkan kondisi masa depan tersebut, dengan demikian, akan menentukan keberhasilan sebuah rencana
3

Tujuan Peramalan
Peramalan memberikan gambaran kondisi masa depan dan konsekuensi yang mungkin terjadi deskriptif Peramalan juga bertujuan untuk membentuk masa depan sesuai dengan nilai, tujuan dan sasaran, serta kondisi yang diinginkan normatif Yang terakhir, lebih sesuai dengan konteks perencanaan
4

Potential pasts (what might have heppened)

Masa lalu

Plausible pasts (what happened)

Jenis Masa Depan

Normative pasts (What should have happened)

Sekarang

Normative futures (What should be)

Masa depan

Plausible futures (what will be)

Potential futures (what might be)

Jenis Peramalan

Proyeksi peramalan yang berdasarkan pada ekstrapolasi data sekarang dan data sebelumnya Prediksi peramalan yang berdasarkan pada asumsi teoritis yang eksplisit Spekulasi peramalan yang berdasarkan pada penilaian subyektif (subjective judgement)
Fokus utama dari argumentasi
Metode Kasus yang paralel

Jenis peramalan

Dasar peramalan
Kondisi saat ini dan kecenderungan sebelumnya

Proyeksi

Prediksi

Asumsi teoritis

Sebab akibat Analogi

Pandangan (insight) Motivasi
6

Spekulasi

Penilaian subyektif

Peramalan: Pendekatan dan Teknik

Pendekatan Dasar
Kecenderungan (trend) Ekstrapolasi

Teknik yang sesuai

Analisis time-series Analisis trend Pembobotan eksponensial Pemetaan teori Analisis lintasan Programa linier Analisis regresi Analisis korelasi Metode delphi Analisis cross-impact

Produk

Peramalan ekstrapolatif

Proyeksi

Peramalan teoritis

Teori

Prediksi

Peramalan intuitif

Penilaian subyektif

Spekulasi

Peramalan Ekstrapolatif #1

Peramalan ekstrapolatif biasanya berbasis pada analisis time-series, yaitu analisis numerik yang dikumpulkan dalam serangkaian unit waktu secara kronologis Tujuan analisis time-series adalah untuk memperoleh ukuran rata-rata jumlah dan laju perubahan pada masa lalu dan masa depan Peramalan ekstrapolatif biasanya dipergunakan untuk memproyeksikan pertumbuhan ekonomi, populasi, konsumsi energi, kualitas hidup, dan lain-lain
8

Peramalan Ekstrapolatif #2

Terdapat tiga asumsi dasar dalam peramalan, yaitu:

Pengulangan (persistence) pola yang diamati di masa lampau akan terjadi di masa depan Keteraturan (regularity) variasi masa lalu dalam kecenderungan yang diamati akan secara teratur terjadi lagi di masa depan Validitas dan keandalan data (reliability and validity of data) pengukuran kecenderungan dapat diandalkan (akurat) dan valid (mewakili apa yang seharusnya diukur)
9

Analisis Time-series #1

Trend jangka panjang

Suatu time-series bisa saja stasioner atau menunjukkan tren sepanjang waktu Trend tersebut bisa menaik atau menurun Trend bisa dimodelkan dalam bentuk linier, eksponensial atau kombinasi

Variasi musiman (seasonal)

Terdapat waktu di mana time-series naik turun karena kalender tertentu atau musiman Musiman bisa tahunan atau masa waktu yang lebih pendek
10

Analisis Time-series #2

Variasi siklus (cyclical)

Variasi siklus bisa terjadi musiman, tetapi tidak bisa diperkirakan Variasi siklus bisa terjadi karena kondisi eksternal tertentu, misalnya stabilitas ekonomi

Efek acak (ketidakteraturan)

Tidak setiap trend bisa diperkirakan apakah trend terus, musiman, atau siklus. Pola yang terjadi bisa jadi sangat acak
11

Langkah Peramalan Ekstrapolatif

Mengumpulkan data secara kronologis

Menggambarkan perubahan data sesuai dengan perubahan waktu Mencoba menyusun hipotesis tentang trend yang terjadi

Menentukan model yang sesuai

Stasioner Trend linier Trend non-linier Trend dan musiman atau siklus

Memilih teknik peramalan yang sesuai dan menentukan nilai dari parameternya Melakukan perhitungan berdasarkan model yang dimaksud
12

BEBERAPA CONTOH

TEKNIK ANALISIS PERAMALAN

Analisis Time-series (1)

Trend jangka panjang

Suatu time-series bisa saja stasioner atau menunjukkan tren sepanjang waktu. Trend tersebut bisa menaik atau menurun Trend bisa dimodelkan dalam bentuk linier, eksponensial atau kombinasi

Variasi musiman (seasonal)

Terdapat waktu di mana time-series naik turun karena kalender tertentu atau musiman Musiman bisa tahunan atau masa waktu yang lebih pendek
14

Analisis Time-series (2)

Variasi siklus (cyclical)

Variasi siklus bisa terjadi musiman, tetapi tidak bisa diperkirakan Variasi siklus bisa terjadi karena kondisi eksternal tertentu, misalnya stabilitas ekonomi

Efek acak (ketidakteraturan)

Tidak setiap trend bisa diperkirakan apakah trend terus, musiman, atau siklus. Pola yang terjadi bisa jadi sangat acak

15

CONTOH ANALISIS TIME SERIES (LINIER & NON-LINIER)

16.000

JML PDDK
14.000

y = 182,79x 2 - 1009,7x + 2687,4 R2 = 0,9512 y = 818,3e0,2496x R2 = 0,9774

12.000

10.000

8.000

y = 1183,8x - 2065,2 R2 = 0,802

6.000

4.000

Series1 Linier
2.000

Polinomial Eksponensial

0 1 2 3 4 5 6 7 8 9

TAHUN KE16
10 11

Least Square Trend Estimation

Least Square berarti meminimalkan jarak antara garis persamaan regresi dengan nilai observasi.
Semakin dekat jarak antara persamaan regresi dengan nilai observasi; berarti hasil proyeksi semakin akurat.

Untuk menilai akurat / tidaknya suatu persamaan regresi yang merupakan hasil proyeksi dengan melihat nilai R2 .
R2 semakin mendekati nilai 1 proyeksi semakin akurat.

17

CONTOH ANALISIS LEAST SQUARE TREND ESTIMATION

16.000

JML PDDK
14.000

y = 182,79x 2 - 1009,7x + 2687,4 R2 = 0,9512

12.000

10.000

Hasil proyeksi paling akurat karena Nilai R2 paling mendekati nilai 1.

y = 818,3e0,2496x R2 = 0,9774

8.000

y = 1183,8x - 2065,2 R2 = 0,802

6.000

4.000

Series1 Linier
2.000

Polinomial Eksponensial

0 1 2 3 4 5 6 7 8 9

TAHUN KE18
10 11

Prediksi: Peramalan Teoritis

Peramalan teoritis dapat membantu untuk memprediksi kondisi sosial berdasarkan
Asumsi-asumsi teoritis Data-data historis

Peramalan teoritis berdasarkan asumsi tentang sebab akibat yang dijabarkan dalam sebuah teori Logika peramalan teoritis adalah deduktif, di mana pernyataan umum (aksioma, hukum, proposisi) digunakan untuk menunjukkan kebenaran atau kesalahan sesuatu Contoh yang cukup terkenal dari penggunaan peramalan teoritis adalah: Limits to Growth dari Klub Roma, dan Gelombang Ketiga (Alvin Tofler)
19

Peramalan Intuitif
Peramalan intuitif adalah penilaian subyektif yang berkaitan dengan kondisi masa depan Peramalan ini muncul umumnya karena kebutuhan untuk meramalkan masa depan yang normatif ada nilai tertentu yang ingin dicapai Peramalan ini bisa dipakai karena
Problem yang dihadapi kompleks (messy, illstructured, squishy tidak jelas) Tidak ada model peramalan yang lebih logis bisa dipergunakan untuk itu Karena tidak ada trend tertentu atau ada asumsi tertentu yang dapat dijadikan referensi
20