Pada tahap penyesuaian ini diperlukan judgment apakah proses ini akan memperbaiki hasil ramalan. Hati-hati dalam proses penyesuaian karena ia dapat mengubah data mentah, sehingga dapat menghilangkan informasi asli. Berikut adalah penjelasan metode apa saja yang dapat digunakan pada penyesuaian data pada peramalan eknomi;

1. Missing Data dan Outlier

Terkadang nilai variabel untuk waktu tertentu dalam periode estimasi tidak tersedia (missing data). Agar penerapan teknik kuantitatif tidak menghadapi masalah, nilai yang hilang itu perlu diduga. Pendekatan untuk mengatasi masalah ini adalah menggantikannya dengan moving avarage, yaitu rata-rata yang di update jika informasi baru telah diperoleh.

Bisa juga ditemui nilai variabel yang jauh berbeda atau menyimpang dari nilai-nilai lain yang umum (outlier), di mana nilai ekstrem itu kecil kemungkinannya untuk terulang atau dapat mengacaukan hasil ramalan dari model yang mengasumsikan data nya well behaved.

Jika ini kasusnya, nilai ekstrem itu tidak perlu dihilangkan, tapi dapat diganti dengan nilai lumrah, mislanya saja dengan menggunakan pendekatan moving average.

2. Konversi Frekuensi Data

Pada analisis multivariabel, meski jenis data dan stuan ukuran dapat berbeda, ia tak mungkin dijalankan jika periode atau frekuensi datanya berbeda. Hal ini biasa ditemui jika sebagian atau semua data variabel-variabel itu adalah data sekunder.

3. Revisi dan Update

Data yang pertama diterbitkan oleh sumber publik sering bersifat sementara, diikuti data yang direvisi dan beberapa bulan atau tahun kemudia muncul data final. Berdasarkan pengalaman perbedaan data sementara dengan data final tidak lebih dari lima persen.

Data sementara itu dapat saja digunakan, tapi model harus segara di update begitu data yang lebih baru telah tersedia. Ingat bahwa peramalan ekonomi merupakan never ending process.

The post 3 Metode Peramalan Ekonomi yang Perlu diketahui appeared first on HaloEdukasi.com.

Hasil ramalan angka dibedakan lagi menjadi point forecats, yaitu yang menghasilkan perkiraan berupa sebuah nilai tunggal dan interval forecats yang memberikan suatu interval dimana nilai suatu variabel akan berada. Dengan demikian interval forecats dapat menunjukkan suatu margin kesalahan di sekitar point forecats.

Berdasarkan Waktu Perkiraan

Berdasarkan waktu (perkiraan untuk kapan) ramalan dapat dibedakan menjadi ex post forecasting, ex ante forecasting dan backcasting. Berikut adalah penjelasannya:

• Ex post forecasting
  Kata post berarti setelah data tersedia, maka ex post forecasting adalah ramalan untuk periode di mana data dependent dan explanatory variabels tekah tersedia (diketahui dengan pasti). Sehingga, data yang ada dapat dipakai untuk memeriksa akurasi hasil ramalan.
• Ex ente forecasting
  Kata ante berarti sebelum data tersedia, maka Ex ente forecasting adalah perkiraan nilai dependent variabel didasarkan pada variabel bebas yang mungkin atau mungkin belum diketahui. Jika semua variabel bebas diketahui dikatakan unconditional, jika tidak demikian dinamakan conditional forecasting. Ini berarti ex ente forecasting tergolong unconditional forecasting.
• Backcasting
  Pada periode sebelum pengumpulan data dimulai atau sebelum tersedianya data historis dengan sendirinya tidak ada data. Kekosongan itu dapat diperkirakan dengan Backcasting. Proses ini sering dilakukan jika jumlah observasi belum mencukupi untuk keperluan analisis.

Berdasarkan Jangkauan

Jangkauannya ini menandakan berapa lama ke depan, maka ramalan ini bedakan menjadi:

• Immediate jika periode ke depan kurang dari satu bulan.
• Short term untuk periode antara satu sampai tiga bulan.
• Medium term untuk periode antara tiga bulan sampai dua tahun.
• Long term untuk periode lebih dari dua tahun ke depan.

Selang waktu pengelompokkan itu ditentukan secara subjektif, karena itu sebaiknya tidak selalu diikuti. Alasannya, untuk organisasi tertentu jangkuan satu tahun ke depan mungkin masih tergolong immediate (segera), sementara organisasi lainnya dapat dipertimbangkan sebagai long term (jangka panjang).

Berdasarkan Subjeknya

Dengan kriteria ini dikenal beberapa jenis ramalan seperi ramalan penjualan, keuangan, ekonomi, dan cuaca. Berikut penjelasan masing- masing subjek:

• Ramalan penjualan bertujuan memperkirakan tingkat penjualan untuk membantu keberhasilan perencanaan kapasitas, produksi, dan anggaran.
• Ramalan keuangan bertujuan memperkirakan sumber dana eksternal yang dibutuhkan, keuntungan, arus kas, dan kemungkinan kebangkrutan.
• Ramalan makro ekonomi bertujuan memperkirakan gerakan variabel makro eknomi seperi, pendapatan nasional, tingkat bunga, nilai tukar, pengganguran, neraca pembayaran, dan anggaran negara.
• Ramalan cuaca bertujuan memperkirakan curah hujan, keadaan awan, kecepatan angin, tinggi gelombang, dan suhu udara.

The post Jenis-jenis Peramalan Ekonomi Beserta Penjelasannya appeared first on HaloEdukasi.com.

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 drastik.

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.

2. Metode Kuantitatif

Metode kuantitatif memerlukan data historis atau empiris dan ini menuntut variabel yang digunakan punya satuan ukuran atau dapat diukur. Metode ini umumnya beranggapan bahwa pola masa lalu akan berulang. Termasuk dalam kelompok ini antara lain:

Time Series

Model ini 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 mode ini tidak menerangkan sumber atau ciri kerandoman itu.

Time series stochastic mensyaratkan 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.

Casual (regression/association)

Model ini menganggap bahwa gerakan variabel yang diramalkan dapat diterangkan oleh perubahan variabel-variabel lain atau variabel bebas. Seperti, yang disarankan teori atau logika eknomi, yang dinyatakan dalam suatu hubungan statistik berupa sebuah persamaan struktural.

Stimultaneous (econometric)

Model ini beranggapan bahwa hubungan antarvariabel tidak bersifat kausalitas, tapi berupa hubungan timbal balik tanpa diketahui variabel mana yang menjadi sumber dari perubahan-perubahan.

Karena itu model ini tersusun oleh seperangkat persamaan yang saling berhubungan. Pada sistem persamaan model ini, variabel-variabel dikelompokkan menjadi endogen dan eksogen.

Leading Indicators

Metode ini bertujuan memperkirakan ke arah mana perekonomian akan dituntun. Dengan menggunakan sekelompok indikator yang dapat memperingatkan (memberi tanda secara dini) teknik ini diharapkan dapat memperkirakan turning point ketika sedang terjadi siklus.

Teknik ini tidak menghasilkan besaran, melainkan hanya arah. Teknik lain yang bertujuan serupa dinamakan anticipatory survey.

Input-output analysis

Teknik ini adalah analisis arus barang dan jasa antar industri dalam perekonomian atau antardepartemen dari suatu organisasi besar yang ditujukkan oleh tabel input-output.

Analisis ini dapat memperkirakan pengaruh perubahan permintaan pada suatu industri terhadap output yang harus disediakan oleh industri yang lain.

Analisis Markow

Teknik ini bertujuan memperkirakan probabilitas tetap di masa depan berada pada status tertentu berdasarkan pengamatan perpindahan antarstatus saat ini.

Model ini banyak dipakai untuk membantu memperbaiki keputusan dalam bidang pemasaran (berapa yang menjadi pelanggan), masalah utang piutang (berapa yang akhirnya tak tertagih) dan lain-lain.

The post 2 Teknik Peramalan Ekonomi Beserta Penjelasannya appeared first on HaloEdukasi.com.