Forecasting
Ilmu forecasting (prakiraan, peramalan) sangat sering dipakai dalam dunia bisnis. Bagian penjualan membuat prakiraan volume penjualan, bagian produksi membuat prakiraan jumlah cacat produksi, bagian investasi membuat prakiraan pembiayaan, dan sebagainya. Selain itu forecasting digunakan pada bidang yang lebih luas seperti prakiraan terjadinya gempa bumi, prakiraan populasi harimau, prakiraan harga saham, prakiraan cuaca, dan sebagainya.
Forecasting erat kaitannya dengan “time-series analysis” yaitu prakiraan suatu nilai karena perubahan waktu. Kita ingin mengetahui nilai sesuatu tersebut yang di masa mendatang. Ini ibarat ilmu ‘dukun’, yaitu meramal sesuatu di masa mendatang. Karena itu seperti halnya ‘dukun’ ketepatannya tentu tidak bisa 100 persen. Yang penting dalam forecasting adalah tingkat keakuratan, misalnya kondisi aktual ternyata dalam rentang +-5% dari nilai prakiraan.
Terdapat 3 pendekatan untuk meramal (forecast) sesuatu :
1. Model T-S-C-I berdasarkan data historis, dimana pola akan datang diharapkan mirip dengan pola masa lalu. Ini adalah pendekatan forecasting dengan T, S, C, I (Trend, Seasonal, Cyclical, Irregular). Trend artinya kecenderungan utama, misalnya jumlah pelanggan yang cenderung terus naik, atau terus turun. Contohnya pengguna seluler terus tumbuh, karena memang ponsel menjadi semakin populer dari waktu ke waktu. Seasonal (musim) adalah pola berulang yang ditentukan oleh kejadian berbasis waktu, misalnya pola penumpang bis yang dipengaruhi waktu lebaran, libur sekolah, dsb. Kejadian seasonal ini berulang secar periodik, dalam satu tahun, atau bulan, atau minggu, bahkan bisa juga dalam hari. Misalnya setiap hari Jumat sore, Sabtu dan Minggu, kepadatan lalu lintas kendaraan di Bandung pada titik-titik tertentu akan meningkat karena kedatangan pengunjung dari Jakarta. Hari Senin kembali turun. Hal tersebut berulang tiap minggu, maka ini disebut pola seasonal. Selanjutnya pola cyclical (siklus) adalah keadaan perubahan naik turun yang terjadi karena keseimbangan natural. Misalnya ekonomi suatu negara pasti suatu saat tumbuh dengan sangat pesat, kemudian terjadi inflasi, kemudian merosot, banyak PHK, lalu terjadi penghematan, kemudaian ekonomi membaik lagi, tumbuh kembali, dan seterusnya. Pola ini bisa terjadi dalam kurun waktu bertahun-tahun yang panjang, sehingga tidak terlihat pada periode pendek misalnya 2 tahun. Pola irregular (acak) adalah pola yang tidak bisa dijelaskan. Kombinasi T, S, C, I ini merupakan metode yang baik untuk prakiraan jumalh penumpang, penjualan barang, dsb, yang berulang setiap periode tertentu, misalnya tahunan.
2. Model AutoRegresi, yaitu prakiraan dengan melihat beberapa nilai sebelumnya. Ini adalah metode yang lazim digunakan untuk kasus dimana tidak punya pola seasonal karena biasanya tidak dipengaruhi kejadian berulang yang tetap. Contohnya adalah pergerakan saham. Pergerakan saham sedikit sekali dipengaruhi kejadian seperti lebaran, liburan, atau lainnya. Biasanya saham dipengaruhi oleh sentimen pasar yang acak. Karena itu biasanya nilai saham diprediksi dengan memperhatikan nilai-nilai sebelumnya dalam jangka yang pendek. Misalnya saham hari esok, diperkirakan dengan melihat harga hari ini dan kemarin.
3. Model Regresi berganda, ini adalah prakiraan dengan melihat beberapa indikator (disebut variabel prediktor) yang perilakunya dapat menggambarkan suatu hal yang diramal. Misalnya harga saham dengan melihat aset perusahaan, GDP negara, bunga bank, dll. Dengan berbagai indikator tersebut dibuat suatu ‘rumus’ yang dapat menebak nilai harga saham. Perlu dicatat bahwa suatu model regresi tidak perlu menunjukkan suatu sebab-akibat. Asal hasilnya cukup akurat, walau tidak masuk akal hubungan sebab-akibatnya, maka ‘rumus’ tersebut tetap layak digunakan. Keakuratan peramalan, walaupun tidak mampu dijelaskan dengan sebab-akibat, dimungkinkan karena boleh jadi kesamaan perilaku antara variabel prediktor/independen (penebak) dengan variabel dependen (yang ditebak) terhubung oleh ‘lurking’ variabel, yaitu penyebab yang tidak langsung kelihatan namun mempengaruhi baik variabel dependen maupun independen. Misalnya hubungan keramaian kampus ITB dengan pasar induk Ciroyom di Bandung menunjukkan kaitan yang erat. Apabila kampus ITB ramai aktivitas, maka pasar Ciroyom sepi. Sebaliknya ketika kampus ITB sepi, ternyata pasar Ciroyom sangat ramai. Apakah keramaian pasar Ciroyom dikarenakan sepinya kampus ITB (misalnya para dosennya jualan di pasar)? Tentu tidak. Fenomena mereka terhubung oleh waktu. Siang hari ITB ramai, Ciroyom sepi. Malam hari ITB sepi, Ciroyom ramai. Waktu adalah ‘lurking’ variabel. Perilaku sebab-akibat bukan tujuan forecating. Tujuan forecasting adalah keakuratan. Karena itu forecasting dengan ‘rumus’ yang tidak dapat dijelaskan tetap dapat diterima, sepanjang hasilnya akurat.
Collaborative Learning:
TUGAS :
Carilah 3 macam contoh penerapan forecasting dari internet!
NAMA : DIMAS RIANDI
NIM : 13600018
www.bps.go.id
Website ini merupakan website Badan Pusat Statistik Republik Indonesia. Website BPS ini banyak memberikan data-data statistik dan perkiraan (forecasting) mengenai berbagai macam topik yang penting bagi pelaksanaan pembangunan di Indonseia, beberapa diantaranya adalah:
Trend Index Harga Konsumsi dan inflasi tahun 1999-2005
Pertanian
Perdagangan internasional
Industri manufaktur
Jumlah penduduk
Kesejahteraan sosial
Pariwisata
www.phil.frb.org
Website Bank of Philadelphia yang merupakan bagian dari Bank Sentral Amerika Serikat (Federal Reserve). Website ini banyak menampilkan data-data perkiraan (forecasting) khususnya di bidang ekonomi yang penyajiannya menggunakan sistem triwulan (3 bulan), semeter (6 bulan), dan tahunan. Beberapa contohnya adalah:
Index pertumbuhan ekonomi
Produk domestik bruto
Indeks konsumsi masyarakat
Jumlah pengangguran
www.decissioneering.com
Website ini menjelaskan berbagai macam metode dalam forecasting sekaligus juga memberikan referensi mengenai berbagai software yang dapat digunakan dalam pemodelan perkiraan (forecast) tersebut untuk berbagai macam bidang.
========================
mohammad gunawan
13602047
http://hops.wharton.upenn.edu/forecast/
http://www.xycoon.com/
http://www.plantservices.com
========================
catur andi
1. http://animalsandearthquakes.com/etho-geo.htm
penggunaan metoda forecasting dengan hewan sebagai
parameternya dalam meramalkan kejadian bencana alam.
2.http://www.hollywoodreporter.com/thr/pwc/talking_display.jsp?vnu_content_id=1000695432
ternd penggunaan metoda forecasting dalam dunia
entertaint, khusunya di Hollywood, dalam meneropong
tingkat pertumbuhan pasar dalam segementasinya.
3. http://www.usairnet.com/cgi-bin/launch/code.cgi
forecasting dalam bidang olahraga udara (aeromodeling)
dengan menggunakan parameter lauch code
4.http://ww2010.atmos.uiuc.edu/(Gh)/guides/mtr/fcst/home.rxml
penggunaan metoda forecasting dalam meramal keadaan
cuaca dan segala yang berhubungan. disertai penjelasan
mengenai metoda forecasting
_______________________
Roni Sitanggang (13602003)
1. www.talkstox.com : forcasting tentang Bursa Saham
Web-site ini berisi tentang penerapan forcasting dalam memperkirakan pergerakan nilai jual-beli saham tertentu pada bursa saham. Frcasting digunakan agar para Broker Saham dapat mengambil tindakan yang tepat dalam meramalkan pergerakan nilai saham.
2. www.salesvault.com : forcasting tentang Marketing
Web-site ini berisi tentang penerapan forcasting dalam memperkirakan angka penjualan maupun tingkat daya beli konsumen terhadap suatu produk tertentu.
3. www.eduref.com : forcasting tentang Cuaca
Web-site ini berisi tentang penerapan forcasting dalam meramalkan cuaca pada suatu daerah tertentu dalam kurun waktu tertentu.
=====
rudi alwazan
www.bps.go.id
www.hornungllc.com
www.bcc.ecnext.com
========
Satria Nugraha
http://www.uksport.gov.uk/generic_template.asp?id=12269
Situs ini mendiskripsikan contoh penggunaan model forecasting mengenai economy impact dari suatu event olahraga sebelum event itu terjadi
http://www.zeromillion.com.htm
Situs ini memberikan gambaran bagaimana cara melakukan forecsating terhadap penjualan berdasar data history.
http://www.resourceinvestor.com/pebble.asp?relid=10327
Situs ini menggambarkan bagaimana kegunaan forecasting dalam memprediksi harga minyak, berdasar atas faktor-faktor yang ada
=====
Alfa Khinani
A Methodology for Traffic Forecasting
http://www.stat.fi/isi99/proceedings/arkisto/varasto/dane0005.pdf
Artikel ini berisi tentang forecasting kondisi lalu lintas pada daerah urban dan suburban selama 24 atau 48 jam ke depan. Forecasting ini bertujuan agar dapat dirumuskan solusi ketika terjadi transport strike (e.g.: kendaraan jakarta memenuhi jalanan di bandung ketika akhir minggu), demo di jalan, ada event, bahkan masalah cuaca.
Forecasting the availability and diversity of global conventional oil supply
http://www.energybulletin.net/4929.html
Artikel ini berisi tentang forecasting ketersediaan dan kebutuhan minyak dan gas bumi dari tahun 2002 sampai tahun 2060 mendatang. Forecasting ini dilakukan dengan mencari tahu sampai kapan dan seberapa cepat produksi minyak dan gas bumi mampu memenuhi kebutuhan manusia. Dari analisis tersebut dapat dicari alternatif sumber energi yang lain.
Passanger Travel demand Forecasting
http://gulliver.trb.org/publications/millennium/00083.pdf
Artikel ini berisi tentang forecasting respon kebutuhan transportasi, baik itu sistem transportasi, lingkungan transportasi dan masyarakat yang menggunakan transportasi. Hal ini sangat penting ketika suatu daerah ingin meningkatkan infrastruktur transportasi di daerah tersebut.
======
setyaka koko
1. http://hops.wharton.upenn.edu/forecast/Health/methods.html
Situs ini berisi tentang berbagai metode perhitungan dan penerapan forecasting dalam statistic, misalnya dalam dunia kesehatan forecasting dapat digunakan untuk :
1. Efek dari setiap kebijakan bagi tingkat keuntungan rumah sakit,cash flow dan balance sheet.
2. Distribusi cakupan asuransi kesehatan, tingakt kepedulian kesehatan, dan sarana kesehatan melalui kebijakan dari pemerintah federal.
3. dll
2. http://cires.colorado.edu/news/press/2002/02-02-26.html
Situs ini berisi tentang pemanfaatan forecasting untung meramalkan kemungkinan terjadinya gempa bumi.
Metode baru yang dikembangkan oleh Rundle dan Kristy Tiampo dari CIRES bekerjasama dengan Jet Propulsion Laboratory di Pasadena dan Los Alamos National Laboratory di New Meksiko. Metodenya menyangkut menganalisa perubahan laju/ pergerakan gempa ringan dalam kurun waktu tertentu untuk menghitung kemungkinan pada area tertentu terjadi gempa yang besar.
Mungkin ini sangat bermanfaat diterapkan di Indonesia sehingga bencana di Aceh tidak terulang.
3. http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=3209347&dopt=Abstract
Situs ini memuat sebuah model matematika berdasarkan teorema Bayes (Bayes’ Theorem) untuk meramalkan penyebaran “Epidemic Cerebrospinal Meningitis (ECM) di sepuluh wilayah di Cina Utara. Laporan data ECM tiap sepuluh hari selama musim epidemic dan juga data data pergerakan populasi khusus dalam rentang tahun 1960 - 1982 menjadi model dasar analisa metode forcasting ini. Kalibrasi, split-sampel, pemilihan sample random, sebagaimana pengujian forcasting terkini, digunakan untuk menghitung tingakt efektifitas metode ini.
Menurut sayua ini menarik sesuai dengan kasus di negeri kita dimana Avin Influenza (flu burung) sampai ditetapkan pemerintah sebagai KLB. Siapa tahu kita bisa membantu memperkirakan pola penyebaran virus mematikan ini.
=====
Nama: M Rony Andhika
Nim : 13699060
1. http://www.co.forsyth.nc.us (memperkirakan kualitas udara lingkungan berdasarkan data tahunan sebelumnya).
2. http://www.srh.noaa.gov (memperkirakan curah hujan di daerah Puerto Rico)
3. http://www.hydro.washington.edu/forecast/westwide/sflow/ (memperkirakan iklim pada tiap musim)
