2013 [ TECHNOLOGY FORECASTING...

2013

[ANGKY WAHYU P. ] [116100317011002]

Sebagai Tugas Untuk Mata Kuliah

Manajemen Teknologi

PROGRAM MAGISTER TEKNOLOGI INDUSTRI PERTANIAN JURUSAN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS BRAWIJAYA MALANG

[ TECHNOLOGY FORECASTING ]

Brawijaya University | [email protected] 2

A. PENGERTIAN PERAMALAN

Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

kejadian atau peristiwa di waktu yang akan datang.

Peramalan merupakan sebuah alat bantu yang penting dalam perencanaan yang efesien

dan efektif.

Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang

meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan

dalam rangka memenuhi permintaan barang ataupun jasa.

Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan

datang.

Peramalan dilakukan dengan memanfaatkan informasi terbaik yang ada pada masa itu,

untuk menimbang kegiatan di masa yang akan datang.

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan.

Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya

persoalan dalam pengambilan keputusan itu.

Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu

atau beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan

hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-teknik

tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan

perkiraan yang ilmiah (educated guess).

B. TUJUAN PERAMALAN

Tujuan peramalan dilihat dengan waktu:

1. Jangka pendek (Short Term)

Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian

ataupun mingguan dan ditentukan oleh Low Management.

2. Jangka Menengah (Medium Term)

Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan

ataupun kuartal dan ditentukan oleh Middle Management.

3. Jangka Panjang (Long Term)

Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5

tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management.


C. KARAKTERISTIK PERAMALAN YANG BAIK

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi,

biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut :

1. Akurasi.

Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan

kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan

tersebut bila terlalu tinggi atau rendah dibandingkan dengan kenyataan yang sebenarnya

terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif

kecil.

2. Biaya.

Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari

jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang

dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banayak data

yang dibutuhkan, bagaimana pengolahan datanya ( manual atau komputerisasi),

bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan

metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi

yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode

yang sederhana dan murah.

3. Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah

diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai

metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena

keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.

D. KEGUNAAN ATAU MANFAAT PERAMALAN

Data ramalan dipergunakan sebagai perkiraan, bukan merupakan suatu angka atau

bilangan yang harus dipergunakan begitu saja. Penggunaannya masih memerlukan

pertimbangan dari para pemakai. Hal ini disebabkan oleh karena hasil ramalan biasanya

didasarkan atas dasar asumsi-asumsi, kalau keadaan tidak berubah seperti waktu

sebelumnya.

Kegunaan peramalan terlihat pada saat pengambilan keputusan atau menetapkan

berbagai kebijakan. Keputusan yang baik adalah keputusan yang didasarkan atas

pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Ramalan


diperlukan untuk memberikan informasi sebagai dasar untuk membuat suatu keputusan

dalam berbagai kegiatan, seperti penerbangan, peternakan, perkebunan dan sebagainya.

Pertimbangan tentang peramalan telah tumbuh karena beberapa faktor, antara lain

sebagai berikut :

1. karena meningkatnya kompleksitas organisasi dan lingkungan. Hal ini menyebabkan

semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara

memuaskan.

2. meningkatnya ukuran organisasi menyebabkan bobot dan kepentingan suatu keputusan

meningkat pula.

3. lingkungan dari kebanyakan organisasi telah berubah dengan cepat.

Peramalan diperlukan karena adanya perbedaan-perbedaan waktu antara kebijakan

baru dengan waktu pelaksanaan tersebut. Oleh karena itu dalam menentukan kebijakan

sangat diperlukan pemanfaatan kesempatan yang ada, dan gangguan yang mungkin terjadi

pada saat kebijakan baru tersebut dilaksanakan. Peramalan diperlukan untuk mengantisipasi

suatu peristiwa yang dapat terjadi pada masa yang akan datang, sehingga dapat

dipersiapkan kebijaksanaan atau tindakan-tindakan yang perlu dilakukan. Adapun manfaat

dari peramalan adalah sebagai berikut:

1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan tepat.

2. Merupakan suatu pedoman dalam menentukan tingkat persediaan perencanaan dapat

bekerja secara optimal.

3. Sebagai masukan untuk penentuan jumlah investasi.

4. Membantu menentukan pengembangan suatu pekerjaan untuk periode selanjutnya.

E. BEBERAPA SIFAT HASIL PERAMALAN

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa

hal yang harus dipertimbangkan yaitu :

1. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi

ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian

tersebut.

2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan,

artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi

peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.


3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini

disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi

permintaan relatif masih konstan sedangkan masih panjang periode peramalan, maka

semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi

permintaan.

F. METODE PERAMALAN

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi

pada masa depan berdasarkan data yang relevan pada masa lalu. Oleh karena metode

peramalan didasarkan atas data yang relevan pada masa lalu, sehingga metode peramalan

ini dipergunakan dalam peramalan yang objektif. Metode peramalan sangat berguna untuk

membantu dalam mengadakan pendekatan analisis terhadap pola data yang lalu, sehingga

dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis, serta

memberi tingkat keyakinan yang lebih atas ketepatan hasil ramalan yang dibuat.

Keberhasilan dari suatu peramalan ditentukan oleh:

1. Pengetahuan teknik tentang informasi masa lalu yang dibutuhkan, informasi ini bersifat

kuantitatif.

2. Teknik dan metode peramalan

Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktor-

faktor penentu kejadian sebenarnya, jenis-jenis pola data dan beberapa pola lain. Hal yang

sangat mempengaruhi terhadap kesuksesan dalam menentukan ramalan adalah pemilihan

teknik yang tepat.

Ada enam faktor utama yang dapat didefinisikan sebagai teknik dan metode

peramalan yaitu:

1. Horizon waktu

Merupakan pemilihan yang didasarkan atas jangka waktu peramalan yaitu:

a. Peramalan yang segera dilakukan dengan waktu kurang dari satu bulan.

b. Peramalan jangka pendek dengan waktu antara satu sampai tiga bulan.

c. Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua tahun.

d. Peramalan jangka panjang dengan waktu tiga tahun ke atas.

2. Pola Data

Salah satu dasar pemilihan metode peramalan adalah dengan memperhatikan pola.

Ada empat jenis pola data mendasar yang terdapat dalam suatu deretan data yaitu:


a. Apabila pola data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini

adalah stasioner terhadap nilai rata-ratanya), maka disebut dengan Pola Horisontal

(H).

Pola Data Horizontal

b. Apabila pola data terjadi saat suatu deret dipengaruhi oleh faktor musiman

(misalnya: kuartalan, bulanan, atau hari-hari pada minggu), maka disebut dengan

Pola Musiman (M).

Pola Data Musiman

c. Apabila pola data terjadi saat data dipengaruhi oleh fluktuasi jangka panjang dan

lebih lama dari pola musiman, lamanya berbeda dari satu siklus yang lain, maka

pola ini disebut dengan Pola siklis (C).

Pola Data Siklis

d. Apabila pola data terjadi saat terdapat kenaikan dan penurunan jangka panjang

dalam data, maka disebut dengan Pola Trend (T).

Pola Data Trend


3. Jenis dari model

Untuk mengklasifikasikan metode peramalan kuantitatif perlu diperhatikan model yang

didasarinya. Model sangat penting diperhatikan, karena masing-masing model

mempunyai fungsi yang berbeda.

4. Biaya yang dibutuhkan

Biaya sangat diperlukan dalam meneliti suatu objek, yang termasuk biaya dalam

penggunaan metode peramalan antara lain, biaya penyimpangan data, biaya

perhitungan, biaya untuk menganalisisa dan biaya pengembangan.

5. Ketepatan metode peramalan

Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian yang

dibutuhkan dalam suatu peramalan. Dalam pengambilan keputusan, variasi atau

penyimpangan atas peramalan yang dilakukan antara 10% sampai 15% bagi

maksumaksud yang diharapkan, sedangkan untuk hal atau kasus lain mungkin

menganggap bahwa adanya variasi atau penyimpangan atas ramalan sebesar 5%

adalah cukup berbahaya.

6. Kemudahan dalam penerapan

Metode peramalan yang digunakan adalah metode yang mudah dimengerti dan mudah

diterapkan dalam pengambilan dan analisanya.

G. JENIS-JENIS PERAMALAN

Dalam hal peramalan ini beberapa teknik telah dikembangkan dan dapat

dikelompokkan ke dalam dua metode yaitu :

a. Metode Kuantitatif

Metode Kuantitatif adalah metode peramalan yang sangat mengandalkan pola

data historis yang dimiliki atau atas data kuantitatif pada masa lalu. Hasil peramalan yang

dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.

Baik tidaknya metode yang digunakan ditentukan oleh perbedaan antara penyimpangan

hasil ramalan dengan kenyataan yang terjadiPeramalan kuantitatif ini dipergunakan bila

terdapat kondisi sebagai berikut :

a. Tersedianya informasi tentang masa lalu

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data


c. Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus berlanjut

sampai ke masa datang.

Metode kuantitatif ini dibagi menjadi dua yaitu :

1. Metode Deret Berkala (Time series)

Metode Deret Berkala adalah peramalan di masa datang didasarkan pada nilai

sebuah variabel masa lalu atau kesalahan yang dilakukan sebelumnya.

Tujuannya yaitu meneliti pola data yang digunakan untuk meramalkan dan

melakukan ekstrapolasi ke masa depan. Metode peramalan ini menggunakan time

series sebagai dasar peramalan data aktual lalu yang akan diramalkan untuk

mengetahui pola data yang diperlukan untuk menentukan metode peramalan yang

sesuai. Metode-metode peramalan dengan menggunakan time series yaitu :

a. Metode Smoothing :

1). Metode Data Lewat

2). Metode Rata-rata Kumulatif

3). Metode rata-rata bergerak (Moving Average)

4). Metode Eksponensial Smoothing

b. Metode Box-Jenkins

c. Metode Perkiraan Trend dengan Regresi

2. Metode Kausal

Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu

hubungan sebab-akibat dengan satu atau lebih variabel bebas. Metode peramalan

dengan kuasalitas yaitu :

a. Metode Regresi dan Korelasi

b. Metode Ekonometrika

c. Metode Analisis Input-output

Salah satu metode yang mencampurkan pendekatan deret berkala dan

pendekatan kausal yaitu metode fungsi transfer (adakalanya disebut multivariat ARIMA

atau MARIMA). Hal ini disebabkan karena model multivariat menggabungkan beberapa

karakteristik dari model ARIMA univariat dan beberapa karakteristik analisa regresi

berganda.


b. Metode Kualitatif (Teknologi)

Peramalan Kualitatif merupakan peramalan yang didasarkan atas data kualitatif

pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang

menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan

pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman

penyusunan.

Metode peramalan kualitatif ini tidak memerlukan data yang serupa seperti metode

peramalan kuantitatif. Input yang dibutuhkan tergantung pada pemikiran intuitif,

pertimbangan, dan pengetahuan yang telah di dapat. Metode ini dibagi menjadi dua,

yaitu:

1. Metode Eksploratoris

Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan

bergerak kearah masa depan dengan melihat semua kemungkinan yang ada.

2. Metode Normatif

Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang,

kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai berdasarkan

kendala, sumber daya, dan teknologi yang tersedia.

H. PEMILIHAN TEKNIK PERAMALAN

Faktor utama yang mempengaruhi pemilihan teknik peramalan adalah identifikasi dan

mengetahui pola dari data. Beberapa teknik peramalan yang dapat digunakan antara lain :

1. Teknik peramalan untuk data stasioner

Data stasioner dapat didefinisikan data yang nilai rata-ratanya tidak berubah dari

waktu ke waktu atau dapat dikatakan data bersifat stabil. Seperti situasi yang berkembang

ketika ada peningkatan pola data yang mempengaruhinya maka teknik ini akan relatif

stabil.

a. Teknik peramalan stasioner digunakan jika :

Data stabil, lingkungan yg berpengaruh relatif tetap.

Contoh : angka kerusakan perminggu pada pemasangan bagian-bagian

perakitan mesin memiliki rata-rata produksi yang sama, kumpulan

penjualan produk atau layanan dalam perkembangan proses


kehidupan dan jumlah hasil penjualan dari tingkat usaha yang

konstan.

Butuh model yang sangat sederhana karena keterbatasan data, atau

memudahkan dalam penjelasan dan pelaksanaan.

Contoh : ketika bisnis atau organisasi itu baru dan hanya sedikit data historis

yang tersedia

Adanya asumsi tertentu sehingga data menjadi lebih stabil.

Contoh : mengganti pendapatan ke pendapatan perkapita atau mengganti

penjualan dolar ke jumlah dolar konstan.

Adanya transformasi data sehingga menjadi stabil.

Contoh : mentransformasi rangkaian dengan menggunakan logaritma, akar

kuadrat atau pembedaan.

Data adalah himpunan eror dari teknik peramalan yang dianggap cukup baik

(memadai).

b. Teknik yang bisa digunakan

Naïve

Simple averaging

Moving average

Autoregressive moving average (ARMA)

2. Teknik peramalan untuk data trend

Rangkaian Trend ditandai dengan adanya kecenderungan arah data bergerak naik

(growth) atau turun (decline) pada jangka panjang. Dengan kata lain runtun waktu

dikatakan mempunyai Trend jika nilai rata-ratanya berubah sewaktuwaktu sehingga

diharapkan untuk menambah atau mengurangi selama periode untuk ramalan yang mana

yang diinginkan.

a. Teknik peramalan untuk data trend digunakan jika

Daya produksi yang meningkat atau kemajuan teknologi yang mendorong

perubahan gaya hidup (misal: permintaan barang elektronik)

Contoh : permintaan komponen elektronik, yang meningkat dengan adanya

komputer dan pemakaian jalan kereta api yang menurun karena adanya

pesawat terbang.

Pertambahan jumlah penduduk yang mendorong pada permintaan barang dan jasa.


Contoh : pajak penjualan barang-barang konsumsi, permintaan konsumsi energi,

dan penggunaan bahan mentah.

Daya beli dolar yang mempengaruhi perekonomian ( inflasi )

Contoh : gaji,biaya produksi dan harga

Penerimaan pasar meningkat.

Contoh : periode pertumbuhan dalam putaran produk baru.


Moving average

Holt’ linear exponential smoothing

Simple regression

Growth curve

Exponential

Autoregressive integrated moving average

3. Teknik peramalan untuk data musiman

Rangkaian musiman didefinisikan sebelumnya sebagai runtun waktu dengan pola

pergantian yang berulang dari tahun ke tahun. Satu cara untuk mengembangkan

peramalan musiman melibatkan pemilihan metode dekomposisi perkalian atau pembagian

dan kemudian mengestimasi indeks musiman dari sejarah / histori rangkaian. Indeks ini

kemudian digunakan untuk memasukkan musiman pada ramalan atau menghilangkan

efek dari nilai yang diobservasi. Proses terakhir diarahkan sebagai pengaturan data

musiman.

a. Teknik peramalan untuk data musiman digunakan jika :

Musim mempengaruhi variabel minat

Contoh : konsumsi yang berhubungan dengan listrik, kegiatan musim panas dan

musim dingin (seperti olaharaga: ski), pakaian, musim tanam.

Kalender tahunan (hari libur, hari besar) mempengaruhi variabel minat

Contoh : penjualan tiket masuk obyek wisata dipengaruhi musim libur, 3 hari

liburan, dan kalender sekolah.


Clasical decomposition

Census X-12


Winter’s exponential smoothing

Multiple regression

Autoregressive integrated moving average

4. Teknik peramalan untuk data siklis

Efek siklis didefinisikan sebelumnya sebagai fluktuasi bergelombang disekitar

Trend. Pola siklis sulit untuk dimodelkan karena pola mereka secara tipikal tidak stabil/

tetap. Fluktuasi seperti gelombang yang naik–turun disekitar trend jarang terulang di

interval waktu yang tetap dan besarnya fluktuasi cenderung bervariasi. Metode

dekomposisi dapat diperluas untuk menganalisis data siklis. Akan tetapi, karena sifat yang

tidak teratur dari siklus,penganalisaan komponen siklis dari rangkaian sering memerlukan

penemuan kejadian yang kebetulan atau kepemimpinan indikator ekonomi.

a. Teknik peramalan untuk data siklis digunakan jika

Putaran bisnis mempengaruhi variabel minat

Contoh : ekonomi, pasar dan faktor persaingan.

Adanya pergantian selera,mode, dll

Contoh : fashion,musik,makanan,dll.

Terjadinya perubahan dalam penduduk.

Contoh : perang, kelaparan, wabah penyakit dan bencana alam

Adanya pergantian siklus produk

Contoh : pengenalan, pertumbuhan, kematangan dan kejenuhan pasar, dan

penurunan.


Clasical decompotition

Economic indicator

Econometrics model

Multiple regression

ARIMA


I. CONTOH PERAMALAN TEKNOLOGI

PEMANFAATAN INFORMASI POTENSI DAERAH DALAM PERAMALAN TEKNOLOGI

(Studi Kasus Provinsi Bali , Sulawesi Selatan dan Papua)

1. PENDAHULUAN

Pada tahun 2003 telah dilaksanakan kegiatan di lingkungan Biro

Perencanaan BPPT mengenai peramalan teknologi masa depan (technology

forecasting). Kegiatan ini bertujuan untuk memperoleh gambar dari teknologi masa

depan yang mungkin terjadi di Indonesia. Pada kegiatan tersebut dianalisis

teknologi satelit untuk aplikasi pertanian. Hasil yang diperoleh dari kegiatan tahun

2003 tersebut yang berupa potensi daerah akan digunakan dalam penulisan

makalah ini. Pada makalah ini akan dilihat teknologi masa depan yang sesuai

dengan kondisi dan potensi daerah Bali , Sulawesi Selatan dan Papua Adanya

perbedaan yang cukup tajam dalam sumberdaya dan pengaruhnya terhadap

perkembangan wilayah sekitar menjadi pertimbangan ketiga daerah tersebut

diambil sebagai studi kasus. Teknologi masa depan yang akan dilihat adalah di

bidang teknologi satelit pendukung pangan, sesuai kesinambungan dengan

kegiatan TF 2003.

2. POTENSI DAERAH

Hasil TF 2003 berupa data primer yang didapat dari BPS hasil survei tahun

2001 , dapat diperoleh melalui server lokal di Biro perencanaan. Dalam pangkalan data

ini terdapat informasi daerah mengenai:

Cuaca

Ekspor menurut komoditas

Ekspor menurut negara tujuan

Gunung

Impor menurut barang

Jumlah perusahaan yang bergerak di

Sektor industri

Investasi dan tenaga kerja yang Diserap

Jumlah dan kapasitas pabrik

Kondisi tenaga listrik pada sektor industri

Kependudukan

Neraca gula pasir

Neraca tepung terigu

Luas lahan

Produksi padi

Produksi ketela pohon

Produksi ketela rambat

Produksi jagung

Produksi kacang tanah

Produksi kacang hijau

Produksi kacang kedelai

Produksi buah-buahan


Potensi tenaga kerja

Neraca volume ekspor/impor

Jumlah perusahaan yang bergerak di

Sektor perdagangan

Berdasarkan informasi yang diperoleh dari pangkalan data ini, diusahakan

untuk memperoleh potensi daerah baik dari segi iklim, lahan yang potensial, maupun

jumlah penduduknya. Daerah yang menjadi perhatian dari penelitian ini adalah Bali,

Sulawesi Selatan dan Papua. Kondisi yang akan diamati adalah:

a. Cuaca : parameter cuaca sangat menentukan dalam menentukan teknologi masa

depan pendukung pangan, dikarenakan ketergantungan yang sangat besar komoditi

pangan terhadap cuaca

b. Gunung : parameter ketinggian gunung akan sangat berguna dalam menentukan

kemampuan daerah mengembangkan komoditi yang sangat bergantung pada

ketinggian tanah. Selain itu keberadaan gunung akan sangat menentukan dalam

ketelitian informasi satelit yang dapat dipergunakan.

c. Kependudukan dan potensi tenaga kerja: parameter kependudukan akan sangat

berguna dalam menentukan seberapa besar kebutuhan akan tenaga kerja dalam

mengembangkan komoditi pertanian di daerah tersebut. Selain itu sangat

menentukan apakah teknologi masa depan akan lebih banyak menggunakan

otomatisasi atau dengan menggunakan tenaga kerja yang lebih banyak.

d. Luas lahan: parameter luas lahan sangat berguna dalam menentukan kemampuan

produksi dari daerah yang bersangkutan.

e. Produksi komodit i: data ini berguna untuk menentukan kecocokan kandungan

tanah dengan komoditi pertanian di daerah tersebut. Apabila suatu komoditi

berjumlah banyak di suatu daerah maka salah satu sebabnya adalah kondisi tanah

yang mendukung di daerah tersebut selain dari faktor harga dan kebudayaan yang

ada.

f. Sarana pendidikan : parameter ini sangat berguna dalam menentukan apakah

dalam lima tahun kedepan dapat diperoleh sumber daya manusia yang cukup

handal dalam kualitas pendidikannya.

g. Sarana kesehatan : parameter ini akan sangat berguna dalam menentukan apakah

dalam lima tahun kedepan pelayanan kesehatan akan berimbang dengan

perkembangan jumlah penduduk.

Sarana pendidikan

Sarana kesehatan

Bencana alam


h. Bencana alam : paremeter ini meskipun sangat jarang terjadi tetapi akan sangat

menentukan jenis teknologi masa depan. Teknologi masa depan diharapkan dapat

mengurangi efek dari bencana alam tersebut.

3. METODE

Metode yang digunakan dalam penelitian ini adalah metode TRIZ yang

merupakan teknologi Rusia. Beberapa metode teknologi forecasting banyak yang telah

ketinggalan jaman disebabkan oleh karena pada saat pengembangannya

permasalahan yang dihadapi sangat berbeda dengan keadaan saat ini.

Sebagai contoh, pada saat ini terdapat masalah yang berhubung dengan

adanya perubahan iklim yang global serta munculnya micro dan nano teknologi,

tissues tenhnology, global governance, macro dan global engineering. TRIZ berusaha

untuk mengakomodasi beberapa permasalahn tersebut pada analisisnya. Apabila kita

membandingkan beberapa metode yang telah ada dapat dikategorikan seperti dalam

tabel berikut :

Tabel Metode peramalan

Metode Family Kuantitatif/kualitatif

Proses hirarki analitis Nilai / ekonomi / statistik Kuantitatif Delphi Pendapat expert Kualitatif TRIZ Kreatif Kuantitatif Visi Generasi Kreatif Kualitatif Difusi Modelling Modelling dan simulasi Kuantitatif

Dalam penelitian terdahulu digunakan model TRIZ dalam melakukan analisa

peramalan teknologi. Pilihan ini berdasarkan bahwa dalam melakukan peramalan

teknologi diharapkan teknologi dimasa depan yang dituju adalah teknologi yang

innovative. Oleh karena itu creative family menjadi salah satu kriteria yang diambil.

Problem yang dihadapi merupakan problem yang dikategorikan sebagai hard, dimana

hasilnya bersifat kuantitattif. Sedangakn vision generation mempunyai kelebihan

apabila soft solution atau solusi yang bersifat kuantitatif ingin deperoleh.

Metode TRIZ sangat berdasarkan pada input yang menjadi parameternya. TRIZ

merupakan suatu temuan yang menggunakan pendekatan secara mormatif. Sistim ini

menggunakan masukan dalam bentuk paten yang ada di dunia untuk melihat solusi

potensial bagi teknologi masa depan. Salah satu karakteristik dalam penggunaan TRIZ

adalah untuk menggunakan pemikiran yang telah ada unnutk menciptakan inovasi


baru. Metode TRIZ pada implementasinya dapat dilakukan dengan perangkat lunak

CREAX Software ini digunakan pula dalam penelitian ini.

Pada penelitian kali ini, hasil dari peramlan teknologi 2003 akan digunakan.

Selanjutnya masukan dari data tabular dan spasial spesifik di daerah Bali, Sulawesi

Selatan dan Papua akan digunakan untuk mempertajam hasil dari peramalan teknologi

2003. Penajaman dilakukan dengan menggunkaan sistem pembobotan pada setiap

variabel yang ada di setiap provinsi sebagaimana diberikan pada gambar berikut :

Gambar Metode Pemanfaatan Hasil TF 2003

4. HASIL PERAMALAN TEKNOLOGI 2003

a. Idea 1: kategori: innovative, feasible

Laser gattering

Dengan menggunakan proses dimana passive reaktan diaktivasi secara

fotokimia dengan menggunakan laser (radiasi ultraviolet), untuk membersihkan /

menambahkan impurities tanah dari substansi lain. Di masa depan kemungkinan

idea 1 dapat digunakan di teknologi satelit pendukung opangan. Dimana laser

transmitter digunakan do satelit dalam rangka meningkatkan komoditas pangan di

Indonesia. Laser diarahkan dengan menggunakan informasi yang tersedia satelit

(penggabungan GPS /komunikasi/cuaca, dsb).

Laser dikirimkan sesuai kebutuhan tanah pada wilayah tersebut sehingga

dapat meningkatkan kualitas dan kuantitas produksi pangan di daerah tersebut.

Metode laser feasible dikarenakan ketelitian dari laser sangat tinggi sehingga

kekhawatiran akan melebarnya sideeffect keluar target kecil


b. ldea 2. Kategori: Innovative, Feasible

Thermal Desorption

Menggunakan metode Thermal desorption untuk membersihkan tanah

yang terkontaminasi atau kurang subur, kemudian menambahkan dengan metode

electron impact desorpsion seperti proses panas matahari yang menyinari bulan

dan mengakibatkan bulan mengeluarkan atom sodium Di masa depan metode ini

dapat diterapkan dalam satelit, dengan menggunakan bantuan satelit cuaca / GPS

/ komunikasi. Kekhawatiran yang ada dikarenakan transmisi termal yang aman

dan murah

c. Idea 3: kategori Innovative, not feasible

Ultrasonic oscillation

Ultrasonic oscillation menggunakan proses di mana vibrasi digunakan pada

tanah (lingkungan) menggunakan gelombang suara Frekuensi linggi. Misal:

Saringan industri digetarkan mula-mula pada frekuensi rendah untuk

mendistribusikan produk secara seragam diikuti dengan getaran pada frekuensi

ultrasonik dengan menjadikannya sebagai gelombang ultrasonik. Hal ini

memungkinkan gerakan yang lebih cepat melalui saringan tersebut dengan

mencegah penghentian dari lubang pada saringan dan juga membantu

memisahkan partikel besar dan kecil dalam produk tersebut

5. KESIMPULAN DAN TINDAK LANJUT

Pada saat ini telah diperoleh hasil dari Teknologi Forecasting 2003 berupa

tiga alternatif teknologi satelit di masa depan dan data Potensi Daerah dari tiga

propinsi: Bali, Sulawesi Selatan dan Papua. Dengan menggunakan dua data dasar

ini akan dapat menjadi awal dari langkah berikut berupa penajaman teknologi

masa depan Pada penelitian berikutnya diharapkan data potensi daerah akan

diberikan pembobotan berdasarkan tingkatan kepentingannya dalam menerapkan

tiga alternalif teknologi satelit tersebut. Setelah diperoleh pembobotan yang

sesuai， akan dapat digunakan metode optimalisasi yang berbasiskan: neural

network, adaptive algorithm, maupun optimalisasi metode lainnya.


J. REFERENSI

Anonim. 2012. Bab IX. Teknik Peramalan. http://www.scribd.com/doc/108921442/Tdi-

437-Handout-Peramalan1. diakses tanggal 12 November 2012.

Hanke, John E.1992. Business Forecasting.Edisi ke-8. New Jersey: Pearson

Education International.

Riris. 2011. Metode Peramalan. http://ririez.blog.uns.ac.id/ . Jurusan matematika.

Fakultas matematika dan ilmu pengetahuan alam. UNS. Solo

Santoso, Singgih.2009. Business Forecasting Metode Peramalan Bisnis Masa Kini

dengan Minitab dan SPSS, PT Elex Media Komputindo, Jakarta.

Septiawan, R., dan Mustadjab Djamsari. 2004. Pemanfaatan Informasi Potensi

daerah Dalam Peramalan Teknologi. Jurnal Perencanaan Iptek, Vol. 2, No. 2.

http://www.scribd.com/doc/108921442/Tdi-437-Handout-Peramalan1

http://www.scribd.com/doc/108921442/Tdi-437-Handout-Peramalan1

http://ririez.blog.uns.ac.id/

2013 [ TECHNOLOGY FORECASTING...

Documents

Transcript of 2013 [ TECHNOLOGY FORECASTING...