Anda di halaman 1dari 42

1

BAB I PENDAHULUAN

1.1 LATAR BELAKANG PERCOBAAN Suatu perencanaan produksi yang matang sangat dibutuhkan perusahaan agar mampu menghasilkan produk yang memiliki kualitas tinggi dan mampu memenuhi kebutuhan dan permintaan konsumen. Hal ini disebabkan oleh persaingan antara perusahaan industri yang semakin meningkat, oleh karena itu diperlukan suatu perancangan dan pengelolaan proses produksi yang baik dan lancar pada perusahaan atau industri yang terkait agar sistem produksi berjalan efektif dan efisien. Perusahaan yang mampu bersaing di dunia industri selalu mempunyai sistem pendukung yang mampu merencanakan jumlah produksinya untuk jangka waktu kedepan. Sebagai salah satu cara untuk meramalkan dan memperkirakan kebutuhan produksi yang akan datang dan jumlah unit produksi agar dapat berjalan lancar adalah dengan menggunakan sistem peramalan atau yang dikenal dengan forecasting. Peramalan memegang aspek fundamental bagi setiap perusahaan atau organisasi. Peramalan menjadi salah satu pertimbangan bagi setiap pengambil keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar perencanaan jangka panjang perusahaan. Peramalan tidak dapat dipisahkan dengan perencanaan. Peramalan merupakan pangkal tolak perencanaan bisnis, menentukan usaha-usaha pemasaran, dan penentuan persediaan. Tujuan oleh suatu percobaan perusahaan ini adalah untuk data memperkirakan masa lalu atau atau data meramalakan kebutuhan produksi atau jumlah unit yang perlu diproduksi berdasarkan sebelumnya. Selain itu percobaan ini juga bertujuan untuk menentukan metode peramalan yang terbaik bagi perusahaan tersebut.

1.2 PERUMUSAN PERCOBAAN !erdasakan latar belakang percobaan diatas, maka percobaan dapat dirumuskan sebagai berikut" 1. !agaimana hasil peramalan dengan menggunakan empat metode peramalan yaitu #o$ing %$erage &#'(), *inear +egresi, Single Exponential Smoothing &,'-.1), dan Double Exponensial Smoothing &,'-..). . !agaimana memperoleh metode peramalan terbaik diantara metode #o$ing %$erage &#'(), *inear +egresi, Single Exponential Smoothing &,'-.1), dan Double Exponensial Smoothing &,'-..). 1.3 PEMBATASAN PERCOBAAN /alam upaya mengarahkan pembahasan percobaan pada tujuan utama agar tidak menyimpang dari ruang lingkup percobaan, maka perlu diadakan pembatasan percobaan sebagai berikut" 1. /ata diperoleh dari hasil penjualan produk kipas angin periode -11 s.d. -1 . . Peramalan yang dilakukan hanya 1 bulan ke depan &1 tahun). (. #etode peramalan yang digunakan adalah metode Moving Average &#'(), metode Linear Regresi, metode Single Exponential Smoothing &,'-.1), dan metode Double Exponential Smoothing &,'-..). 1.4 TUJUAN PERCOBAAN 0ntuk memudahkan dan mengetahui arah praktikum ini, maka penulis mempunyai tujuan, yaitu" 1. #enentukan hasil peramalan dengan menggunakan keempat metode peramalan yaitu Moving Average (M=3), Linear Regresi, Single Exponential Smoothing &,'-.1), dan Double Exponential Smoothing &,'-..).

. #enentukan metode peramalan terbaik diantara keempat metode tersebut. 1.5 PEMECAHAN MASALAH /alam melaksanakan penelitian ini dan untuk memecahkan masalah, penulis menggunakan metode-metode" a. Studi Pustaka Studi ini dilakukan dengan cara membaca dan mempelajari literatur yang bersangkutan dengan pokok bahasan yang menunjang penyelesaian percobaan. b. Studi *apangan Studi ini dilakukan dengan cara obser$asi untuk memperoleh data dengan cara terjun langsung ke lapangan. Tujuannya adalah untuk mendapatkan hasil yang lebih akurat dan menambah pengalaman. 1.6 SISTEMATIKA PENULISAN 0ntuk memudahkan dalam memahami pokok bahasan, maka perlu adanya sistematika penulisan dalam penyusunan laporan. %dapun sistematika penulisan tersebut meliputi" !%! 1 " P23/%H0*0%3 /alam bab ini diuraikan mengenai latar belakang, tujuan, perumusan masalah, pembatasan masalah, pemecahan masalah dan sistematika penulisan. !%! 11 " *%3/%S%3 T24+1 !ab ini berisikan beberapa uraian tentang teori-teori yang rele$an masalah. dengan masalah yang ada, yang kemudian dipergunakan sebagai landasan teori dalam pemecahan

!%! 111 "

*%367%H-*%367%H P2#28%H%3 #%S%*%H !ab ini berisikan uraian mengenai langkah-langkah pemecahan masalah yang digambarkan secara skematis melalui lo! "hart.

!%! 19 "

P2360#P0*%3 /%3 P2364*%H%3 /%T% !ab ini mengungkapkan data yang telah diperoleh atau dikumpulkan. Serta pengolahan data berdasarkan teori yang telah dipelajari.

!%! 9 " !%! 91 "

%3%*1S% /%T% !ab ini berisikan analisis terhadap data yang telah diolah. 72S1#P0*%3 !ab ini berisikan kesimpulan yang didapat dari penelitian.

BAB II LANDASAN TEORI

2.1

FORECASTING (PERAMALAN) %kti$itas peramalan merupakan suatu fungsi bisnis yang berusaha

memperkirakan permintaan dan penggunaan produk sehingga produkproduk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa $ariabel peramal, sering berdasarkan data deret waktu historis. Peramalan dapat menggunakan teknik-teknik peramalan yang bersifat formal maupun informal. %kti$itas peramalan ini biasa dilakukan oleh departemen pemasaran dan hasil-hasil dari peramalan ini sering disebut sebagai ramalan permintaan&6aspers:,1;;<). Peramalan & ore"asting ) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya perbedaan kesenjangan waktu & timelag ) antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. %pabila perbedaan waktu tersebut panjang, maka peran peramalan begitu penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu sehingga dapat dipersiapkan tindakan yang perlu dilakukan. 0ntuk membantu tercapainya suatu keputusan yang optimal, diperlukan adanya suatu cara yang tepat, sistematis, dan dapat dipertanggungjawabkan. Salah satu alat yang diperlukan oleh manajemen dan merupakan bagian integral dari proses pengambilan keputusan adalah metode peramalan. #etode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan

yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat. 2.2 KEGUNAAN DAN PERAN FORECASTING /alam perencanaan disuatu instansi baik itu pemerintah maupun swasta, peramalan merupakan kebutuhan yang sangat mendasar. /imana baik maupun buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. 7ebutuhan akan peramalan semakin bertambah sejalan dengan keinginan manajemen untuk memberikan respon yang cepat dan tepat terhadap kesempatan di masa datang. /engan peramalan yang baik diharapkan peemborosan akan bisa dikurangi, dapat lebih terkonsentrasi pada sasaran tertentu, perencanaan lebih baik, sehingga dapat menjadi kenyataan. 7egunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. 7eputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang terjadi saat keputusan tersebut dilakukan. %pabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Pengambilan keputusan merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang selalu dihadapi karena peramalan berkaitan erat dengan pengambilan suatu keputusan. !aik tidaknya suatu peramalan yang disusun, ditentukan oleh metode, informasi maupun data yang digunakan ataupun ketepatan ramalan yang dibuat. %pabila data yang digunakan tidak dapat meyakinkan maka hasil peramalan yang disusun juga akan sukar dipercaya ketepatannya. 4leh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. >alaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, dimana selalu ada unsur

kesalahannya. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kesalahan tersebut. 2.3 JENIS FORECASTING !erdasarkan hori:on waktu, peramalan dapat dikelompokkan dalam tiga bagian, yaitu peramalan jangka panjang, peramalan jangka menengah, dan peramalan jangka pendek &6aspers:,1;;<). 1. Pe !"!#!$ %!$&'! (!$%!$& @aitu yang mencakup waktu yang lebih besar dari 1< bulan. #isalnya, peramalan yang diperlukan dalam kaitannya dengan penanaman modal, perencanaan fasilitas, dan perencanaan untuk kegiatan litban &. 2. Pe !"!#!$ %!$&'! "e$e$&!) #encakup waktu antara ( sampai 1< bulan. #isalnya, peramalan untuk perencanaan penjualan, perencanaan produksi, dan perencanaan tenaga kerja tidak tetap. 3. Pe !"!#!$ %!$&'! (e$*e' @aitu untuk jangka waktu kurang dari ( bulan. #isalnya, peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan kerja, dan penugasan karyawan. !erdasarkan sifatnya, peramalan dapat dibagi dalam dua kategori, yaitu " 1. Pe !"!#!$ '+!#,-!-,. Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta pengalaman dari orang A orang yang menyusunnya. 2. Pe !"!#!$ '+!$-,-!-,. Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada

<

metode yang dipergunakan dalam peramalan tersebut. !aik tidaknya metode yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang digunakan semakin baik. 2.4 METODE FORECASTING #etode pemulusan & smoothing ) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data lalu, yaitu dengan mengambil rata A rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Secara umum metode pemulusan & smoothing ) dapat diklasifikasikan, yaitu " 1. Me-/*e !-! 0 !-! ( Average ) #etode rata A rata dibagi atas empat bagian, yaitu" a. 3ilai tengah & mean ) b. +ata A rata bergerak tunggal & single moving average ) c. +ata A rata bergerak ganda & #ouble moving average ) d. 7ombinasi rata A rata bergerak lainnya #etode rata A rata tujuannya adalah untuk memanfaatkan data pada masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. 2. Me-/*e (e"+#+1!$ e'1(/$e$1,!# #etode pemulusan eksponensial terdiri atas" !. Pe"+#+1!$ e'1(/$e$1,!# -+$&&!# 1. Satu parameter . Pendekatan adaptif 2. Pe"+#+1!$ e'1(/$e$1,!# &!$*! 1. #etode linier satu parameter dari !rown . #etode dua parameter dari Holt

3. Pe"+#+1!$ e'1(/$e$1,!# - ,(#e 1. #etode kuadratik satu parameter dari !rown . #etode tiga parameter kecenderungan dan musiman dari >inter *. Pe"+#+1!$ e'1(/$e$1,!# "e$+ +- '#!1,.,'!1, Pe&e#1 3. Me-/*e (e"+#+1!$ #!,$$4! a. #etode kontrol adaptif dari 8how b. #etode adaptif satu parameter dari !rown c. Pemulusan tiga parameter !oB A Cenkins d. #etode pemulusan Harmonis dari Harrison e. Sistem pemantauan dari tiga Trigg & $ra"%ing Signal ) 2.5 METODE 5ANG DIGUNAKAN 1. Me-/*e #,$e! e& e1, *inear regresi adalah metode statistika yang digunakan untuk membentuk model hubungan antara $ariabel terikat &dependenD responD @) dengan satu atau lebih $ariabel bebas &independen, prediktor, E). %pabila banyaknya $ariabel bebas hanya ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila terdapat lebih dari 1 $ariabel bebas, disebut sebagai regresi linier berganda. %nalisis regresi setidak-tidaknya memiliki ( kegunaan, yaitu untuk tujuan deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi. +egresi mampu mendeskripsikan fenomena data melalui terbentuknya suatu model hubungan yang sifatnya numerik. +egresi juga dapat digunakan untuk melakukan pengendalian &kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati melalui penggunaan model regresi yang diperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk melakukan prediksi untuk $ariabel terikat. 3amun yang perlu diingat, prediksi di dalam konsep regresi hanya boleh dilakukan di dalam rentang

1-

data dari $ariabel-$ariabel bebas yang digunakan untuk membentuk model regresi tersebut. #isal, suatu model regresi diperoleh dengan mempergunakan data $ariabel bebas yang memiliki rentang antara . s.d. ., maka prediksi hanya boleh dilakukan bila suatu nilai yang digunakan sebagai input untuk $ariabel E berada di dalam rentang tersebut. 7onsep ini disebut sebagai interpolasi. /ata untuk $ariabel independen E pada regresi linier bisa merupakan data pengamatan yang tidak ditetapkan sebelumnya oleh peneliti &obse$ational data) maupun data yang telah ditetapkan &dikontrol) oleh peneliti sebelumnya &eBperimental or fiBed data). Perbedaannya adalah bahwa dengan menggunakan fiBed data, informasi yang diperoleh lebih kuat dalam menjelaskan )+2+$&!$ 1e2!2 !',2!- antara $ariabel E dan $ariabel @. Sedangkan, pada obser$ational data, informasi yang diperoleh belum tentu merupakan hubungan sebab-akibat. 0ntuk fiBed data, peneliti sebelumnya telah memiliki beberapa nilai $ariabel E yang ingin diteliti. Sedangkan, pada obser$ational data, $ariabel E yang diamati bisa berapa saja, tergantung keadaan di lapangan. !iasanya, fiBed data diperoleh dari percobaan laboratorium, dan obser$ational data diperoleh dengan menggunakan kuisioner. 2. Me-/*e "/6,$& !6e !&e #etode mo$ing a$erage menggunakan rata-rata beberapa data terakhir sebagai data perkiraan masa berikutnya. #etode ini sangat sederhana karena berusaha merata-ratakan beberapa data terakhir. #etode ini berusaha memuluskan perubahan data yang sangat tinggi atau sangat rendah. #etode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret waktu. /engan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus. #etode ini digunakan untuk data yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman

11

atau seasonal. #odel rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data permintaan aktual dari n periode terakhir. Terdapat tiga macam model rata-rata bergerak, yaitu &6asper:, 1;;<)" !. S,"(#e M/6,$& A6e !&e
Yt + Yt 1 + Yt 2 + .... + Yt n +1 n

S,"(#e M/6,$& A6e !&e (SMA-)7

2. Ce$-e e* M/6,$& A6e !&e Perbedaan utama antara Simple Moving Average dan &entere# Moving Average terletak pada pemilihan obser$asi yang digunakan. Simple Moving Average menggunakan data yang sedang diobser$asi ditambah data sebelum obser$asi. #isalnya, menggunakan . periode mo$ing a$erage, maka untuk S#% menggunakan data periode ke-. dan 5 data periode sebelumnya. Sebaliknya untuk 8#%, F8enterG berarti rataan antara data sekarang dengan menggunakan data sebelumnya dan data sesudahnya. #isalnya untuk ( periode mo$ing a$erage, maka S#% menggunakan data periode ( ditambah data sebelumnya dan data sesudahnya. /idefinisikan sebagai berikut"
CMA t = Yt (( L 1 / 2 ) + ........Yt + ........ + Yt +(( L 1) / 2 L

/imana @t adalah nilai tengah dari inter$al * data obser$asi. &*-1)H obser$asi merupakan data sebelum dan sesudahnya. #isalnya 8#% . periode, maka @ t ' @. maka inter$alnya dimulai dari @( sampai @?. 3. 8e,&)-e* M/6,$& A6e !&e

Iormula untuk >eighted &6asper:,1;;<)"

#o$ing

%$erage &>#% t)

Ft = w1 At 1 + w2 At 2 +....... + wn At n dan

w
i =1

=1

3. Pe#,3,$!$ E9(/$e$-,!# (Exponential Smoothing) /alam model rata-rata bergerak (Moving Average) dapat dilihat bahwa untuk semua data obser$asi memiliki bobot yang sama yang membentuk rata-ratanya. Padahal, data obser$asi terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan data obser$asi di masa yang lalu. Hal ini dipandang sebagai kelemahan model peramalan Moving Average. 0ntuk itu, digunakanlah metode Exponential Smoothing agar kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai berikut" #etode exponential smoothing mempertimbangkan bobot data-data sebelumnya dengan estimasi untuk @J &tK1) dengan periode &tK1) dihitung sebagai &6aspers:, 1;;<)"

Y'(t+1) =Y1 +(1)Y(t1) +(1)2Y(t2) +......


/imana disebut konstanta pelicinan dalam inter$al - L L 1. +umus ini memperlihatkan bahwa data yang lalu memiliki bobot lebih kecil dibandingkan dengan data yang disederhanakan sebagai berikut" terbaru. +umus tersebut dapat

/engan nilai @J&1) untuk inisial ramalan didekati dengan nilai rata-ratanya &
Y

1(

%tau

Y '(t ) = Y '(t 1) + (Y(t 1) Y '(t 1) )


Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang penting dalam menghasilkan hasil ramalan yang FandalG. #odel Exponential Smoothing digunakan untuk peramalan jangka pendek. 4. Me-/*e D/+2#e E9(/$e$-,!# S"//-),$& #etode ini biasanya digunakan ketika data menunjukkan adanya trend. 2Bponentian smoothing dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate setiap periode le$el dan trendnya. *e$el adalah estimasi yang dimuluskan dari nilai data pada akhir masing-masing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing periode. #etode ini menggunakan dua kali tahap pemulusan dengan parameter yang sama besarnya yaitu . !esarnya juga terletak di antara - dan 1. 7umpulan persamaan yang digunakan untuk peramalan menurut formulasi !rown &1;= ) adalah "
S 't = X t + (1 )S 't 1 S 't' = S 't + (1 )S 't'1

dengan "
S 't S 't' S 't 1 S 't' 1

" " " "

pemulusan tahap pertama untuk periode t pemulusan tahap kedua untuk periode t pemulusan tahap pertama untuk periode t -1 pemulusan tahap kedua untuk periode t A 1

2.6 :e ,.,'!1, H!1,# Pe !"!#!$ 9alidasi metode peramalan terutama yang menggunakan metodemetode diatas tidak dapat lepas dari indikator-indikator dalam pengukuran

15

akurasi peramalan &2ddy,

--1). Terdapat sejumlah indikator dalam

pengukuran akurasi peramalan, namun yang paling umum digunakan adalah mean absolute de$iation dan mean sMuared error. %kurasi peramalan akan tinggi apabila nilai-nilai #%/ dan #S2 semakin kecil. #ean absolute de$iation &#%/) merupakan nilai total absolute dari forecast error dibagi dengan data, atau yang lebih mudah adalah nilai kumulatif absolute error dibagi dengan periode. Iormula untuk menghitung #%/ adalah sebagai berikut &6aspers:, 1;;<)" &absolut dari forecast error) 3

#%/ '

Sedangkan rata-rata kesalahan kuadrat &#S2) memperkuat pengaruh angka-angka kesalahan besar, tetapi memperkecil angka kesalahan perkiraan yang lebih kecil dari satu unit. +umus untuk #S2 adalah &6aspers:, 1;;<)" ei n

#S2 '

#etode peramalan terbaik dapat ditentukan dengan melihat nilai #S2 yang terkecil, karena semakin kecil nilai #S2 maka akurasi peramalannya akan semakin tinggi.

BAB III LANGKAH;LANGKAH PEMECAHAN MASALAH

1.

3.1 IDENTIFIKASI MASALAH #asalah yang diidentifikasi dari data-data yang dikumpulkan dari objek penelitian dimana data-data tersebut berupa data penjualan produk kipas angin. /ari data-data tersebut akan diolah sehingga tidak lagi menjadi data kasar dengan pengolahan data yang ditentukan setelahnya. 3.2 TUJUAN PERCOBAAN Tujuan percobaan atau penelitian ini adalah untuk meramalkan hasil penjualan dimasa yang akan datang atau berikutnya berdasarkan data hasil penjualan produk kipas angin periode -11 s.d. -1 . 3.3 PENGUMPULAN DATA /ata yang dikumpulkan adalah data berdasarkan hasil dari laporan penjualan produk kipas angin periode -11 s.d. -1 . 3.4 PENGOLAHAN DATA /ata yang telah di dapat kemudian diterapkan dengan menggunakan beberapa metode forecasting, diantaranya metode linear regresi, metode mo$ing a$erage&#'(), metode single eBponential smoothing&,'-.1), dan metode double eBponential smoothing&,'-..) melalui perhitungan manual maupun menggunakan software >inNS!. *angkah-langkah yang harus dilakukan pada perhitungan manual adalah" - #encari atau menghitung data peramalan &O). - #enghitung nilai 2rror, P2rrorP, dan 2rrorQ. - #enghitung nilai #S2 dan #%/. Sedangkan langkah-langkah yang harus dilakukan bila menggunakan software >inNS! adalah" 1. - Problem Spesification Problem Type " Time Series Iorecasting

1=

Problem Title Time 0nit 3umber of Time 0nit 7lik F47G

" I8R1 " month "1

- 1nput data historical penjualan - Pilih FSol$e and %naly:eG *alu pilih FPerform IorecastingG - Pada FIorecasting SetupG Pilih metode yang ingin digunakan 3umber of period to forecast ' 1 7lik F47G - Selanjutnya akan menampilkan hasil peramalan beserta #S2 dan #%/ dari metode peramalan yang dipilih. Setelah nilai #S2 dan #%/ diketahui, maka langkah selanjutnya adalah melakukan analisa data. %nalisa data meliputi pemilihan metode peramalan terbaik diantara metode-metode yang digunakan, $erifikasi hasil peramalan dari metode terbaik, serta perbandingan hasil peramalan yang dihitung secara manual dengan yang menggunakan software >inNS!.

3.5 KERANGKA PEMECAHAN MASALAH

#ulai

1?

1dentifikasi #asalah Study Pustaka Study *apangan

Perumusan dan Tujuan Praktikum

Pengumpulan /ata

Pengolahan /ata

#anual" *inear +egresi #o$ing %$erage&#'() Single 2Bponential Smoothing &,'-.1) /ouble 2Bponential Smoothing &,'-..)

>inNS!" - *inear +egresi - #o$ing %$erage&#'() - Single 2Bponential Smoothing &,'-.1) - /ouble 2Bponential Smoothing &,'-..)

%nalisa /ata

7esimpulan

Selesai
'ambar 3.( )erang%a *eme"ahan Masalah

BAB I: PENGUMPULAN DAN PENGOLAHAN DATA

4.1 PENGUMPULAN DATA

1<

/ata penjualan produk kipas angin selama periode -1 sHd -1( berupa data penjualan dapat dilihat pada tabel 5.1 sebagai berikut " $abel +.( $abel Data *en,ualan (unit) Pe ,/*e J!$+! , Fe2 +! , M! eA( ,# Me, J+$, J+#, A&+1-+1 Se(-e"2e O'-/2e N/6e"2e De1e"2e Pe$%+!#!$ .5? .5; .5< ...5= .5< .5? .5; ...5? .5= .5=

4.2 PENGOLAHAN DATA /ari data-data yang telah dikumpulkan, maka selanjutnya dilakukan pengolahan data dengan menggunakan tahapan sebagai berikut "

4.2.1 P/#! D!-! Pe$%+!#!$ K,(!1 A$&,$ 1< /ata penjualan kipas angin yang ada dapat digambarkan grafiknya sehingga dapat diketahui pola data peramalan yang nantinya akan sesuai untuk digunakan<

1;

'ambar +.( *ola Data *en,ualan )ipas Angin *rio#e -.(- s/# -.(3

!erdasarkan hasil pola data maka akan digunakan metode peramalan *inear +egresi, #o$ing %$erage &#'(), Single 2Bponential Smoothing &,'-.1), serta /oble 2Bponential Smoothing &,'-..) yang dapat dilakukan pengolahannya sebagai berikut "

4.2.2 Me-/*e L,$e! Re& e1,


$abel +.- *eramalan Linear Regresi

1 2 3 4 5

5(-) .5? .5; .5< ...5=

-= 1 5 ; 1= .

- 5(-) 547 1098 1644 2200 2730

6 > ? @ 1A 11 12 >?

.5< .5? .5; ...5? .5= .5=

(= 5; =5 <1 1-1 1 155

3288 3829 4392 4950 5470 6006 6552 65A

6573

42>A6

Peramalan untuk periode 1 sHd 1 dengan metode linear regresi adalah sebagai berikut " O ' a K bt /imana "

a'
/an

b'
('

Sehingga "

b=
' 5;(=.=A 5;(;?5 ?<-- A =-<5 ' #aka di dapat " --,1<=

' '

=((( A &-.1<=) &?<) 1 . <,;=

#aka fungsi peramalan " O1 O O( O5 O. O= O? O< O; O1O11 O1 O1( ' . <,;=K &-.1<=)& 1 ) ' . <,;=K &-.1<=)& ) ' 529.1 ' 529.3 ' 529.5 ' 529.7 ' 529.9 ' 530.1 ' 530.3 ' 530.4 ' 530.6 ' 530.8 ' 531 ' 531.2 ' 531.4

' . <,;=K &-.1<=)& ( ) ' . <,;=K &-.1<=)& 5 ) '. '. '. '. '. '. '. '. '. <,;=K &-.1<=)& . ) <,;=K &-.1<=)& = ) <,;=K &-.1<=)& ? ) <,;=K &-.1<=)& < ) <,;=K &-.1<=)& ; ) <,;=K &-.1<=)&1-) <,;=K &-.1<=)&11) <,;=K &-.1<=)&1 ) <,;=K &-.1<=)&1()

O15 O1. O1= O1? O1< O1; OO1 O O( O5

'. '. '. '. '. '. '. '. '. '. '.

<,;=K &-.1<=)&15) <,;=K &-.1<=)&1.) <,;=K &-.1<=)&1=) <,;=K &-.1<=)&1?) <,;=K &-.1<=)&1<) <,;=K &-.1<=)&1;) <,;=K &-.1<=)& -) <,;=K &-.1<=)& 1) <,;=K &-.1<=)& ) <,;=K &-.1<=)& () <,;=K &-.1<=)& 5)

' 531.6 ' 531.8 ' 531.9 ' 532.1 ' 532.3 ' 532.5 ' 532.7 ' 532.9 ' 533.1 ' 533.2 ' 533.4

7eterangan formula di dalam mencari nilai error dan errorQ adalah sebagai berikut"

2rror ' @&t) A O&t) 2rrorQ ' & @&t) A O&t) )Q #S2 ' & @&t) A O&t) )Q 3 #%/ ' |( @&t) A O&t) )| 3
$abel +.3 *eramalan Linear Regresi perio#e ( s/# -+

T 1 2 3 4 5 6 > ? @ 1A 11 12 13 14 15 16 1> 1? 1@ 2A

5(-) ;= (-. ;. ;< (-;? ;( ;5 ;5 (-( ;; (--

B(-)
;?.?.=5 ;?.??-5 ;?.?<55 ;?.?;<5 ;?.<1 5 ;?.< =( ;?.<5-( ;?.<.5( ;?.<=<( ;?.<< ( ;?.<;=( ;?.;1-(

2rror -1.?.=5 ?. ;= - .?<55 -. -1= .1<?= --.< =( -5.<5-( -(.<.5( -(.<=<( ..11?? 1.1-(? .-<;?

P2rrorP 1.?.=5 ?. ;= .?<55 -. -1= .1<?= -.< =( 5.<5-( (.<.5( (.<=<( ..11?? 1.1-(? .-<;?

&2rror)Q (.-<.. . =? ?.?. < -.-5-? 5.?<.< -.=< < (.5 << 15.<..? 15.;=(? =.1;11. 1< 5.(=?-

;?.; 5 ;?.;(< ;?.;. ;?.;== ;?.;<;?.;;5 ;<.--< ;<.1

21 22 23 24

;<.-(= 1 ;<.-.1 ;<.-=5 1 ;<.-?< 1 (..<=-1 1.(.=(<?

#S2 '

1.(.=(<? 1 (..<=-1 1

' 1 .<-(

#%/ '

' .;<<(

Peramasalahan selengkapnya dapat dilihat pada tabel 5.5 sebagai berikut"


$abel +.+ *eramalan Linear Regresi perio#e ( s/# -+(0in1S2)

Iorecast +esult for fc 1-H5H -1 #onth 1 ( 5 . = ? < ; 111 1 1( 15 1. 1= 1? 1< 1; 1 ( 5 8I2 #%/ #S2 #%P2 Trk.Signal +-sMuare %ctual Iorecast by /ata *+ ;= ;?.?.=5 (-. ;?.??-5 ;. ;?.?<55 ;< ;?.?;<5 (-- ;?.<1 5 ;? ;?.< =5 ;( ;?.<5-( ;5 ;?.<.5( ;5 ;?.<=<( (-( ;?.<< ( ;; ;?.<;= (-- ;?.;1;?.; 5 ;?.;(< ;?.;. ;?.;== ;?.;<-1 ;?.;;51 ;<.--<1 ;<.- 1 ;<.-(= ;<.-. ;<.-=5 ;<.-?< Iorecast 2rror -1.?.=5(; ?. ;.<5 - .?<5(;( -. -1=( .1<?= --.< =(.. -5.<5-(( -(.<.5(-; -(.<=< <= ..11??(? 1.1-(?= .-<;?<( 8I2 #%/ #S2 #%P2 &S) -..;((; 1.5<1<? 1.(- .5 -.;;(< -.;5-; -.<(-5. -.;5?<1 -.;;( 1 1.- ;-. 1.-;.-. 1.- ;-= 1.--1(. Tracking +-sMuare Signal -1 1. 1<15= -.(=;< 11 -.=<. ;; (.;?2--.;=.?1 (.5(2-1.?;(1 <. 2-1.?- 5. 5.=-2---. -?<5 =.-12--5 -1..--;? .(;2-- .?1. =.<12---.;??=1 ?.-?2--( --.=<-? .< 2--( - 1.< 2--5

-1.?.=5 1.?.=5 (.-<.1 ..5?(1 5.5;( ?.=?= .=<<< (.; (. 1.-(. .<;-5 .;;( 1..?<= ..-?< .<(1; 1(..<= 5. .1= .5;?? 11.5(= --..<<? .<( ( 1(.15; -5.55( .;=-1 1(.(= -<.(11( (.-=1 1(..5 -(.1;(. (. ==? 15.<-. - .-<;< (.-? 1(..? - .;<<5 1 .<-(

.;<<(.( 1 .<-( 5 1.--1(. 1.< 2--5 @-intercept' ;?.?5 . Slope'-.-15%dapun mengenai grafik linear regresi dapat dilihat pada gambar 5. sebagai berikut "

'ambar +.- 'ra i% *eramalan Linear Regresi *en,ualan )ipas Angin

4.2.3 Me-/*e "/6,$& !6e !&e (M=3) /i mana " StK1 ' @tK@t-1KTTK@nK1 # 7eterangan " StK1 " peramalan untuk periode tK1 @t # Sehingga S5 S. S= S? S< ' ' ' ' ' " ;= K (-. K ;. ' ( (-. K ;. K ;< ' ( ;. K ;< K (-- ' ( ;< K (-- K ;? ' ( (-- K ;? K ;( ' ;=.===? ;<.(((( ;?.===? ;;.(((( ;<.===? " data aktual " jangka waktu mo$ing a$erage

( S; S1S11 S1 S1( ' ' ' ' ' ;? K ;( K ;5 ' ( ;( K ;5 K ;5 ' ( ;5 K ;5 K (-( ' ( ;5 K (-( K ;; ' ( (-( K ;; K (-- ' (--.===? (
$abel +.3 *eramalan Moving Average perio#e ( s/# -+

;5.===? ;(.===? ;? ;<.===?

1 2 3 4 5 6 > ? @ 1A 11 12 13 14 15 16 1> 1? 1@ 2A 21 22 23 24

5(-) ;= (-. ;. ;< (-;? ;( ;5 ;5 (-( ;; (--

C(-)

E /

#E / #

(E / )=

;<.===? ;;.(((( ;?.===? ;<.(((( ;=.===? ;5.===? ;(.===? ;? ;<.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===?

--.===? -.===? --.===? -..(((( - .===? --.===? ;.(((( 1.((((

-.===? -.===? -.===? ..(((( .===? -.===? ;.(((( 1.((((

-.555555 -.555555 -.555555 <.55555 ?.111111 -.555555 <?.11111 5 1.?????<

(.((((

1(-.

#S2 '

1(-. ;

' 15.5=;1

#%/ '

(.(((( ;

= -.34-5

'ambar +.3 'ra i% *eramalan Moving Average *en,ualan )ipas Angin $abel +.5 *eramalan Moving Average perio#e ( s/# -+(0in1S2)

<

Iorecast +esult for fc 1-H5H -1 #onth 1 ( 5 . = ? < ; 111 1 1( 15 1. 1= 1? 1< 1; 1 ( 5 8I2 #%/ #S2 #%P2 Trk.Signal +-sMuare %ctual Iorecast by /ata (-#% ;= (-. ;. ;< ;<.===? (-;;.(((( ;? ;?.===? ;( ;<.(((( ;5 ;=.===? ;5 ;5.===? (-( ;(.===? ;; ;? (-;<.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (--.===? (.((((?5 ..; .; 15.5=;1= -.<=<=?.< 1. <.?(1 -.(51.55( m'( Iorecast 2rror 8I2 #%/ #S2 #%P2 &S) Tracking +-sMuare Signal

--.===== --.===? -.===== --.===== --.===? -..((((5 -= - .===== -<.===? --.===== -;.(((( ;.((((5 (.-.2--. .----( 1.((((5 (.((((?

-.===? -.===? -.===? 1.<((( 1.???< .<.?1 .?. ..; =

-.5555 -.5555 -.5555 ?.555. ?.(??< =. 1?.??< 1=.-.= 15.5=;

-. (? -1 -. ( - -.11111< -. (. -1 -.(((((= -.= ? -(. ? ? -.5-1?11 -.=?;. -5.(((( -..?=;?< -.=-51 -.. . -.?.5(<? -.;.?< 1.-?2--. -.((<<;1 -.; 1? -.? ? < -.((-=?5 -.<=<? 1. <.?( -.(51.55

4.2.4 Me-/*e S,$&#e E9(/$e$-,!# S"//-),$& ( D 7 A.1) +umus yang dipakai dalam perhitungan single eBponential smoothing adalah" SJtK1 ' , Et K &1-,) SJt Et ' data periode ke t St ' ramalan untuk periode ke t Sehingga" SJ ' ;= SJ( ' &-.1)&(-.) K &1--.1)& ;=) ' ;=.; dimana" SJtK1 ' ramalan untuk periode ke tK1

SJ5 ' &-.1)& ;.) K &1--.1)& ;=.;) SJ. ' &-.1)& ;<) K &1--.1)& ;=.?1) SJ= ' &-.1)&(--) K &1--.1)& ;=.<(;) SJ? ' &-.1)& ;?) K &1--.1)& ;?.1..1) SJ< ' &-.1)& ;() K &1--.1)& ;?.1(;=) SJ; ' &-.1)& ;5) K &1--.1)& ;=.? .=) SJ1- ' &-.1)& ;5) K &1--.1)& ;=.5.(1) SJ11 ' &-.1)&(-() K &1--.1)& ;=. -?<) SJ1 ' &-.1)& ;;) K &1--.1)& ;=.<<?) SJ1( ' &-.1)&(--) K &1--.1)& ;?.-;(<)

' ;=.?1 ' ;=.<(; ' ;?.1..1 ' ;?.1(;= ' ;=.? .= ' ;=.5.(1 ' ;=. -?< ' ;=.<<? ' ;?.-;(< ' ;?.((<.

$abel +.6 *eramalan Single Exponential Smoothing perio#e ( s/# -+

T 1 2 3 4 5 6 > ? @ 1A 11 12 13 14 15 16 1> 1? 1@ 2A 21 22

5(-) ;= (-. ;. ;< (-;? ;( ;5 ;5 (-( ;; (--

B(-) ;= ;=.; ;=.?1 ;=.<(; ;?.1..1 ;?.1(;= ;=.? .= ;=.5.(1 ;=. -?< ;=.<<? ;?.-;<( ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<.

2rror

P2rrorP

&2rror)Q <1 (.=1 1.==51 ;.;;1; 1 -.- 5-.= 1?.1(= 1 ?.5 ;-=5 =.-1?.5 5=.1(5.1 5.5=5<( <.51;;51

; ; -1.; 1.; 1. ; 1. ; (.1=1 (.1=1 --.1..1 -.1..1 -5.1(;= 5.1(;= - .? .= .? .= - .5.(1 .5.(1 =.?; =.?; .11( .11( .;-1? .;-1?

(-

23 24 E

;?.(<<. ;?.(<<. (=.=(1 1<..<; 11 (=.=(15 11 1<..<;

#S2 '

' 1=.<;;(

#%/ '
Iorecast +esult for fc 1-H5H -1 #onth 1 ( 5 . = ? < ; 111 1 1( 15 1. 1= 1? 1< 1; 1 ( 5 8I2 #%/ #S2 #%P2 Trk.Signal +-sMuare

' (.((-1

$abel +.7 *eramalan Single Exponential Smoothing perio#e ( s/# -+(0in1S2)

%ctual Iorecast by Iorecast /ata S2S 2rror ;= (-. ;= ; ;. ;=.; -1.; ;< ;=.?1 1. ;--1 (-;=.<(; (.1=1-1 ;? ;?.1..1 --.1..1 ;( ;?.1(;= -5.1(;= ;5 ;=.? .= - .? .= ;5 ;=.5.(1 - .5.(1 (-( ;=. -?< =.?; 5 ;; ;=.<<? .11(-1 (-;?.-;<( .;-1? ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. ;?.(<<. 1(.<<5=1 (.((-1 1=.<;; ? 1.111 ( 5.1=;5-5 -.1 =(<1; %lpha'-.1 I&-)' ;=

8I2 ; ?.1---1 <.(;-11...1 11.(;.; ?. .=(. 5..(-?( .-??=? <.<=;; 1-.;< ; 1(.<<5=

#%/ ; ..5. 5.-=(( (.<(?< (.1-1 (. ?5( (.1;.; (.1-( (..1( (.(?( (.((-1

#S2 <1 5 .(-. <.?.< 5.-==. 1;. .< 1<.;-55 1?. =.1 1..<.;1 1;. ( 1?.?5? 1=.<;;(

#%P2 &S) .;.-< 1.?;?55 1.(5 .; 1. ?-(= 1.- =?( 1.-;1-< 1.-=?=. 1.-(<5; 1.1? 1< 1.1 .=( 1.111 (

Tracking +-sMuare Signal 1 1.(- < .-=5< (.--;< (.=?5? . 1= 1.51?? -.==;= .. 5; (. .= 5.1=;5

-..1 -1 -.5.5-? -.=(;1.5 -.5=-< . -.1-;;.< (.??2-1.(?2-=.;52-;.1?2--.1 =(<

(1

'ambar +.+ 'ra i% *eramalan Single Exponential Smoothing *en,ualan )ipas Angin

4.2.5 Me-/*e D/+2#e E9(/$e$-,!# S"//-),$& (D 7 A.5) +umus yang dipakai dalam perhitungan double eBponential smoothing adalah" SJt ' , Et-1 K &1-,) SJt-1 SGt ' , SJt K &1-,) SGt-1 1. Me$&),-+$& N,#!, SFSJ SJ( SJ5 SJ. SJ= SJ? SJ< SJ; ' ;= ' &-.. B (-.) K &&1--..) B ;=) ' &-.. B ;.) K &&1--..) B (--..) ' &-.. B ;<) K &&1--..) B ;?.?.) ' (--.. ' ;?.?. ' ;?.<?.

' &-.. B (--) K &&1--..) B ;?.<?.) ' ;<.;(?. ' &-.. B ;?) K &&1--..) B ;<.;(?.) ' ;?.;=<< ' &-.. B ;() K &&1--..) B ;?.;=<<) ' ;..5<55 ' &-.. B ;5) K &&1--..) B ;..5<55) ' ;5.?5

SJ1SJ11 SJ1 SJ1(

' &-.. B ;5) K &&1--..) B ;5.?5

) ' ;5.(?11

' &-.. B (-() K &&1--..) B ;5.(?11) ' ;<.=<.. ' &-.. B ;;) K &&1--..) B ;<.=<..) ' ;<.<5 < ' &-.. B (--) K &&1--..) B ;<.<5 <) ' ;;.5 15

2. Me$&),-+$& N,#!, SGSJJ SG( SG5 SG. SG= SG? SG< SG; SG1SG11 SG1 SG1( ' ;= ' &-.. B (--..) ' &-.. B ;?.?.) K &&1--..) B ;=) K &&1--..) B ;<. .) ' ;<. . ' ;< ' ;?.;(?.

' &-.. B ;?.<?.) K &&1--..) B ;<)

' &-.. B ;<.;(?.) K &&1--..) B ;?.;(?.) ' ;<.5(?. ' &-.. B ;?.;=<<) K &&1--..) B ;<.5(?.) ' ;<. -(1 ' &-.. B ;..5<55) K &&1--..) B ;<. -(1) ' ;=.<5(< ' &-.. B ;5.?5 ) K &&1--..) B ;=.<5(<) ' ;..?;(-

' &-.. B ;5.(?11) K &&1--..) B ;..?;(-) ' ;..-< ' &-.. B ;<.=<..) K &&1--..) B ;..-< -) ' ;=.<<(< ' &-.. B ;<.<5 <) K &&1--..) B ;=.<<(<) ' ;?.<=(( ' &-.. B ;;.5 15) K &&1--..) B ;?.<=(() ' ;<.=5 (

((

$abel +.4 *eramalan Double Exponential Smoothing perio#e ( s/# -+

T 1 2 3 4 5 6 > ? @ 1A 11 12 13 14 15 16 1> 1? 1@ 2A 21 22 23 24 E

5(-) ;= (-. ;. ;< (-;? ;( ;5 ;5 (-( ;; (--

SH(-) ;= (--.. ;?.?. ;?.<?. ;<.;(?. ;?.;=<< ;..5<55 ;5.?5 ;5.(?11 ;<.=<.. ;<.<5 < ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15 ;;.5 15

B(-) ;= ;<. . ;< ;?.;(?. ;<.5(?. ;<. -(1 ;=.<5(< ;..?;( ;..-< ;=.<<(< ;?.<=(( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 (

2rror ; -(. . .-= . -1.5(?. -.. -(1 - .<5(< -1.?;( ?.;1< .11= .1(=?

P2rrorP ; (. . .-= . 1.5(?. .. -(1 .<5(< 1.?;(?.;1<.11= .1(=?

&2rror)Q <1 1-..= . 5. .(; .-==5 ?.-? . <.-<=; (. 15? = .=;5 5.5?<( 5..=.=

(?.?=-?

-?.;;.1

#S2 '

-?.;;.1 11

' 1<.;-<=

#%/ '

(?.?=-? 11

' (.5( <

$abel +.(. *eramalan Double Exponential Smoothing perio#e ( s/# -+(0in1S2)

(5

Iorecast +esult for fc 1-H5H -1 #onth 1 ( 5 . = ? < ; 111 1 1( 15 1. 1= 1? 1< 1; 1 ( 5 8I2 #%/ #S2 #%P2 Trk.Signal +-sMuare %ctual Iorecast by Iorecast /ata /2S 2rror ;= (-. ;= ; ;. ;<. . -(. . ;< ;< (-;?.;(?. .-= . ;? ;<.5(?. -1.5(?. ;( ;<. -(1 -.. -(1 ;5 ;=.<5(< - .<5(< ;5 ;..?;( -1.?;( (-( ;..-< ?.;1?;? ;; ;=.<<(< .11= 1 (-;?.<=(( .1(=? ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( ;<.=5 ( <.?-=-.. (.5( ?;. 1<.;-<=. 1.15=(?= ..(=15 -.1(. 5-; %lpha'-.. I&-)' ;= IU&-)' ;= 8I2 ; ..?. ..?. ?.<1 . =.(?. 1.1?1<< -1.=?1; -(.5=5< 5.5.(1( =..=;(5 <.?-=-= #%/ ; =.1 . 5.-<(( (..?<1 (.1. (.5; (.(;;= (.1;<? (.? (1 (..= 5 (.5( < #S2 <1 5..?<1 (-.. 1 (.;.5 1;..?? -.< = 1;.--= 1?.-( .1-= -.(5( 1<.;-; #%P2 &S) Tracking +-sMuare Signal

.;.-< 1 .- =( -.;(<< -.(<1 . 1.(.-< 1.5-< -. =?-1 1.1<. .1<(5 -.(5;1( 1.-55< .- (< -. -?-( 1.1=== -.((.= -.-5<<. 1.1(< --.5;1< ..1?2-1.-? 1 -1.-<( -.-<5 = 1. 5(( 1.1;=1 -.1-5.( 1.1<;< 1.<551 -.11<5 1.15=5 ..(=1 -.1(. 5

'ambar +.3 'ra i% *eramalan Double Exponential Smoothing *en,ualan )ipas Angin

4.2.6 Pe",#,)!$ Me-/*e Pe !"!#!$ Te 2!,'

(.

#etode Peramalan terbaik dapat ditentukan dengan melihat perbandingan nilai #S2 dari masing A masing metode peramalan tersebut seperti yang terlihat pada tabel 5.11 sebagai berikut"
$abel +.(( Meto#e *eramalan $erbai%

Me-/*e Pe !"!#!$ L,$e! Re& e1, M/6,$& A6e !&e (M73) S,$&#e E9(/$e$-,!# S"//-),$& (D7A.1) D/+2#e E'1(/$e$-,!# S"//-),$& (D7A.5)

N,#!, MSE 1 .<-( 15.5=;1 1=.<;;( 1<.;-<=

N,#!, MAD .;<<( ..; = (.((-1 (.5( <

#etode peramalan terbaik adalah metode peramalan yang memberikan nilai #S2 terkecil dibandingkan dengan hasil nilai #S2 metode peramalan lainnya. /alam masalah ini metode linear regresi dipilih karena memberikan nilai #S2 terkecil. Hasil dari metode peramalan dapat ditunjukan pada tabel sebagai berikut "
$abel +.(- Meto#e *eramalan MSE $er%e"il Pe ,/*e
1 2 3 4 5 6 > ? @ 1A 11 12

5(-)

;= (-. ;. ;< (-;? ;( ;5 ;5 (-( ;; (-4.2.> :e ,.,'!1, Pe !"!#!$

C (-) ;?.?.=5 ;?.??-5 ;?.?<55 ;?.?;<5 ;?.<1 5 ;?.< =( ;?.<5-( ;?.<.5( ;?.<=<( ;?.<< ( ;?.<;=( ;?.;1-(

(e ,/*e
1( 15 1. 1= 1? 1< 1; 1 ( 5

5(-)
-

C (-)

;?.; 5 ;?.;(< ;?.;. ;?.;== ;?.;<;?.;;5 ;<.--< ;<.- 1 ;<.-(=1 ;<.-.-1 ;<.-=51 ;<.-?<1

%dapun mengenai tahapan A tahapan $erifikasi peramalan dapat ditempuh dengan melalui langkah A langkah sebagai berikut " 1. #enghitung nilai et & error pada saat t )

(=

!erdasarkan $erifikasi peramalan tersebut maka proses $erifikasi peramalan dapat dilihat pada tabel 5.1( sebagai berikut" $abel +.(3 Menghitung 8ilai Error pa#a saat t Pe ,/*e De"!$* 1 2 3 4 5 6 > ? @ 1A 11 12 E 5(-) ;= (-. ;. ;< (-;? ;( ;5 ;5 (-( ;; (-Pe ,/*e Pe !"!#!$ 1( 15 1. 1= 1? 1< 1; 1 ( 5 C (-) ;?.; 5 ;?.;(< ;?.;. ;?.;== ;?.;<;?.;;5 ;<.--< ;<.- 1 ;<.-(=1 ;<.-.-1 ;<.-=51 ;<.-?<1 eMR e-; (e-;1) 1.; 5 -?.-=1< <.;<=.;. 1-.-15--.-((< .;<=- .-1;< 1.;<=-.;;5 (.-15..--< 5.-155.- 1 -.;<=5.-(=1 -.-15-5.;5;; <.;<=--.;(.; 5.-15-1.; 1; -.;<=5..;<=-

. #enghitung nilai #+ & mo$ing range ) !edasarkan tabel 5.1( maka nilai #+ dapat diketahui dengan perhitungan sebagai berikut " #+ ' 8atatan #+ n-1 " karena untuk setiap n periode, terdapat n-1 mo$ing range #+ ' 5..;<=11 ' 5.1<-.

(. #enghitung nilai A nilai batas kontrol & 08* dan *8* ) 08* ' !atas kontrol atas & 0pper 8ontrol *imit ) ' K .== #+

(?

' K .== &5.1<-.) ' 11.1 *8* ' !atas kontrol bawah & *ower 8ontrol *imit ) ' - .== #+ ' - .== &5.1<-.) ' - 11.1 5. #elakukan Test 4ut 8ontrol Sesuai dengan urutan $erifikasi peramalan, maka langkah

selanjutnya adalah melakukan pengujian apakah data metode linier regresi berada dalam batas kendali. /i dalam melakukan $esting 9ut o &ontrol sebaiknya digambarkan peta mo$ing range &#o$ing +ange 8hart) dari data-data peramalan yang dihasilkan. Hal ini dimaksudkan agar memberikan gambaran yang lebih jelas terhadap permasalahan yang akan diteliti. %dapun hal tersebut dilihat pada gambar 5.= sebagai berikut"

(<

'ambar +.5 *engu,ian 2atas )en#ali Meto#e Linear Regresi

(;

BAB : ANALISA DATA

Pada pengolahan data diatas, perhitungan data hanya dilakukan satu kali dengan menggunakan 5 metode yaitu, metode linear regresi, mo$ing a$erage&#'(), single eBponential smoothing&,'-.1), dan double eBponential smoothing&,'-..) yang keseluruhannya menggunakan cara manual dan menggunakan software >inNS!. 3ilai #S2 dan #%/ hasil perhitungan manual dan menggunakan >inNS! adalah sebagai berikut"
$abel 3.( 8ilai MSE #an MAD :asil *erhitungan Manual #an 0in1S2

3o. 1

#etode Peramalan *inear +egresi #o$ing %$erage &#'()

#S2 #anual >inNS! 1 .<-( 15.5=;1 1=.<;;( 1<.;-<= 1 .<-( 15.5=;1 1=.<;;( 1<.;-<=

#%/ #anual >inNS! .;<<( ..; = (.((-1 (.5( < .;<<( ..; = (.((-1 (.5( <

( 5

Single 2Bponential Smoothing &,'-.1) /ouble 2Bponential Smoothing &,'-..)

/alam analisa data ini diharuskan penjabaran mengenai metode yang memberikan kontribusi terbaik atau metode peramalan terbaik dan dapat ditentukan dengan melihat perbandingan nilai #S2 dari masing A masing metode peramalan tersebut. #etode peramalan terbaik adalah metode peramalan yang memberikan nilai #S2 terkecil dibandingkan dengan hasil nilai #S2 metode peramalan lainnya. /alam masalah ini

(;

5-

metode linear regresi dipilih karena memberikan nilai #S2 terkecil, yaitu 1 .<-( . Tidak terdapat perbedaan nilai #S2 maupun #%/ hasil perhitungan manual dengan menggunakan software >inNS!, seperti yang terlihat pada tabel berikut"
$abel 3.- *resentase *erban#ingan 8ilai MSE #an MAD

3o. 1

#etode Peramalan *inear +egresi #o$ing %$erage &#'()

#S2 #anual >inNS! 1 .<-( 15.5=;1 1 .<-( 15.5=;1 1=.<;;( 1<.;-<=

S -S -S -S -S

#%/ #anual >inNS! .;<<( ..; = (.((-1 (.5( < .;<<( ..; = (.((-1 (.5( <

S -S -S -S -S

( 5

Single 2Bponential 1=.<;;( Smoothing &,'-.1) /ouble 2Bponential 1<.;-<= Smoothing &,'-..)

7arena tidak adanya perbedaan nilai #S2 maupun #%/ pada hasil perhitungan manual maupun menggunakan software >inNS!, maka tidak perlu menentukan nilai mana yang akan digunakan untuk $erifikasi peramalan. #etode linear regresi adalah metode yang dipilih atau metode terbaik karena memberikan nilai #S2 yang terkecil.

51

BAB :I KESIMPULAN

6.1 KESIMPULAN /ata hasil peramalan diperoleh nilai #S2 dan #%/ sebagai berikut" a. *inear +egresi #S2 ' 1 .<-( #%/ ' .;<<( b. #o$ing %$erage&#'() #S2 ' 15.5=;1 #%/ ' ..; = c. Single 2Bponential Smoothing&,'-.1) #S2 ' 1=.<;;( #%/ ' (.((-1 d. /ouble 2Bponential Smoothing&,'-..) #S2 ' 1<.;-<= #%/ ' (.5( < /ari data diatas, dapat ditarik kesimpulan metode peramalan terbaik adalah metode peramalan yang memberikan nilai #S2 terkecil jika dibandingan dengan hasil nilai #S2 metode peramalan lainnya. /alam masalah ini metode linear regresi dipilih menjadi metode peramalan terbaik karena memberikan nilai #S2 terkecil.

51

DAFTAR PUSTAKA

%del, %.6hobbarD 8hris, H. Iriend. & --(). E6!#+!-,/$ /. F/ e3!1-,$& Me-)/*1 ./ I$-e ",--e$- P! -1 De"!$* ,$ -)e F,e#* O. A6,!-,/$ < ! P e*,3-,6e M/*e#. 1nternational journal of 8omputer V 4perations +esearch.9ol (-.pp -;?- 115. Herjanto, 2ddy. & --?). M!$!%e"e$ O(e !1, e*,1, 3. Cakarta" PT 6ramedia >idiasarana 1ndonesia. 6aspers:, 9incent. &1;;<). P /*+3-,/$ P#!$$,$& !$* I$6e$-/ 4 C/$- /#. Cakarta" 6ramedia Pustaka 0tama. *.>.6.StrijboshD +.#.C.HeutsD and 2.H.#. 9an der Schoot. & --5). I"( /6e* S(! e P! -1 I$6e$-/ 4 M!$!&e"e$- < A C!1e S-+*4. Iaculty of 2conomics and !usiness %dministration, Tilburg 0ni$ersity. 3asution, %rman Hakim. &1;;;). Pe e$3!$!!$ *!$ Pe$&e$*!#,!$ P /*+'1,. Cakarta" PT.8andimas #etropole.