BAB III

PERAMALAN

3.1Tujuan Praktikum
1 Mampu memprediksi kebutuhan / permintaan yang akan diperlukan dalam proses
produksi.
2 Memahami tahapan dalam berbagai metode peramalan.
3 Mampu menentukan metode peramalan yang tepat.
3.1 Tugas Praktikum
1

Lakukan peramalan untuk produk yang akan dikembangkan untuk 5 periode

kedepan dengan berbagai metode.

2 Pilih hasil peramalan yang terbaik sebagai input untuk praktikum selanjutnya.
3.3 Output
1.3.1 Deskripsi Pasar dan Data Permintaan yang di dapatkan. (jelaskan target pasar yang
akan dituju dari tabel PIC modul 2 serta cantumkan data yang diperoleh selama 10
periode yang akan diramalkan)
Target pasar utama yang dituju adalah produsen mobil di Indonesia sedangkan
target pasar kedua adalah dealer sparepart dan benkel accessories mobil di Indonesia.
Data permintaan perusahaan selama 24 periode dapat dilihat pada tabel 3.1
Tabel 3.1 Data Historis
Period
e
1
2
3
4
5
6

Deman
d
9302
7091
6595
7993
6547
6348

Periode Demand
13
5651
14
7481
15
5652
16
6078
17
8908
18
8208

7
8
9
10
11
12

9555
9531
5289
5439
8617
9583

19
20
21
22
23
24

8974
5907
5241
5570
8749
8730

1.3.2 Model Konstan

Persamaan garis yang menggambarkan pola konstan adalah :
Y(t) = a ; Dimana a = konstanta
Untuk mendapatkan nilai (a) maka dapat didekati melaui turunan kuadrat terkecilnya
(least square) terhadap (a) sebagai berikut:

E=
n

dE
2 [Y (t ) a] = 0
=0
da
i =1
diperoleh
n

i =1

i =1

Y (t ) a = 0

Sehingga

; maka

Y (t ) na = 0
i =1

dimana n = jumlah periode

peramalan
Jadi, apabila pola data berbentuk konstan, maka peramalannya dapat didekati dengan
harga rata-rata dari data tersebut. Berikut dibawah ini adalah perhitungan peramalan
menggunakan metode konstan sperti yang telah dijabarkan di atas.
Tabel 3.2 Hasil Peramalan Data Historis Dengan Metode Konstan
Period
e
1
2

Demand Peramalan
9302
7376,625
7091
7376,625

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

6595
7993
6547
6348
9555
9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625
7376,625

Tabel 3.3 Data Perhitungan Peramalan 5 Periode ke depan

Period
e
25
26
27
28
29

Demand Peramalan
7376,625
7376,625
7376,625
7376,625
7376,625

Pada peramalan menggunakan metode konstan ini hasil yang didapat yaitu
7376,628. Karena ini menggunakan metode konstan, maka hasil prediksi untuk 5 periode
ke depannya adalah sama yaitu 7376,628.

1.3.3 Model Regresi Linear (deskripsi penjelasan model Regresi Linear serta rumus-

rumusnya, Perhitungan model Regresi Linear, dan deskripsi hasil perhitungan dengan
metode Regresi Linear)
Persamaan garis yang mendekati bentuk data linier adalah:
Y(t) = a + b(t)
Konstanta a dan b ditentukan dari data mentah berdasarkan Kriteria Kuadrat Terkecil
(least square criterion). Perhitungannya sebagai berikut:
Anggaplah data mentah diwakili dengan (Yi,ti), dimana Yi adalah permintaan aktual di
saat ti, dimana i = 1,2, .....,n. Definisikan:
E=
Turunkan persamaan tersebut terhadap a dan b:
n

dE
2 [Y (t ) a bt ] = 0
=0
da
i =1
yaitu
diperoleh
n

dE
2 t[Y (t ) a bt ] = 0
=0
db
i =1
yaitu
diperoleh

i =1

i =1

Y (t ) = na + b t = 0
n

i =1

i =1

i =1

...........(1)

tY (t ) = a t + b t 2 = 0

......(2)

Dengan mengeliminasi persamaan (1) dan (2) diperoleh nilai a dan b :

Dari rumus rumus yang telah dijabarkan di atas, maka dapat dihitung peramalan
terhadap data hisoris tersebut. Hasil dari perhitungan dengan metode regresi dapat
dilihat pada tabel dibawah ini:
a

= 7376,366

= 0,021

Y t

= 7276,366 + 0,021 t

Tabel 3.4 Hasil Perhitungan Peramalan Data Historis

Periode

Demand

Peramalan

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

9302
7091
6595
7993
6547
6348
9555
9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

7376,387
7376,408
7376,429
7376,45
7376,471
7376,492
7376,513
7376,534
7376,555
7376,576
7376,597
7376,618
7376,639
7376,66
7376,681
7376,702
7376,723
7376,744
7376,765
7376,786
7376,807
7376,828
7376,849
7376,87
Tabel 3.5 Data Perhitungan Perawalan 5 Periode Ke depan

Periode
(t)
25
26
27
28
29

Peramalan
d(t)'
7376,891
7376,912
7376,933
7376,954
7376,975

Pada perhitungan dengan metode regresi ini pertama-tama yang dilakukan adalah
menghitung menentukan nilai konstantanya sehingga dapat terbentuk rumus untuk
mencari nilai peramalannya. Rumus yang terbentuk dari perhitungan tersebut adalah Y t
= 7376, 366=0,021 t. Kemudian dengan menggunakan rumus yang telah terbentuk
tersebut dapat dihitung atau diramalakan jumlah spion yang akan diproduksi. Hasil untuk
10 periode ke depan 7376,891, 7376,912, 7376,933, 7376,954, 7376,975, 7376,996,
7377,017, 7377,038, 7377,059, 7377,08.
1.3.4 Model Moving average Forecasting (deskripsi penjelasan model Moving average
Forecasting serta rumus-rumusnya, Perhitungan model Moving average Forecasting, dan
deskripsi hasil perhitungan dengan metode Moving average Forecasting)
Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu
deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data
asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan
untuk data yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman
atau seasonal. Model 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:
a

Simple Moving average

Yt + Yt 1 + Yt 2 + .... + Yt n +1
n
Simple Moving average (SMAt)=
Seperti pada rumus yang telah dijelaskan di atas, maka perhitungan untuk forecast
pada data historis yang telah tersedia dapat dilihat pada tabel di bawah ini.
Tabel 3.5 Hasil Perhitungan Data Historis Dengan Metode Moving average
SMA 3 Periode
Period
e
1
2
3
4
5
6

Demand
SMA
9302
7091
6595
7993
7662,6667
6547
7226,3333
6348
7045

7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

9555
9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

6962,6667
7483,3333
8478
8125
6753
6448,3333
7879,6667
7950,3333
7571,6667
6261,3333
6403,6667
6879,3333
7731,3333
8696,6667
7696,3333
6707,3333
5572,6667
6520
Tabel 3.6 Data Perhitungan Peramalan 10 Periode ke depan

Period
e
25
26
27
28
29

Demand

SMA
7683
7683
7683
7683
7683

Tabel 3.7 Hasil Perhitungan Data Historis Dengan Metode Moving average
SMA 5 Periode
Period
e
1
2
3
4
5
6
7

Demand
9302
7091
6595
7993
6547
6348
9555

SMA

7505,6
6914,8

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

7407,6
7994,8
7454
7232,4
7686,2
7691,8
6915,8
7354,2
7396,8
6889
6754
7265,4
7564
7615
7447,6
6780
6888,2
Tabel 3.8 Data Perhitungan Peramalan 5 Periode ke depan

Period
e
25
26
27
28
29

Demand

SMA
6839,4
6839,4
6839,4
6839,4
6839,4

Data di atas merupakan hasil perhitungan menggunakan metode moving average

dengan menggunakan 3 dan 5 periode. Data hasil forecast di atas sama semua karena
pada metode moving average ini untuk perhitungan forecastnya menggunakan 3 dan 5
data terakhir dari data historis yang telah tersedia.
b

Centered Moving Average

Perbedaan utama antara Simple Moving Average dan Centered Moving Average terletak
pada pemilihan observasi yang digunakan. Center berarti rataan antara data sekarang
dengan menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk 5 periode
moving average, maka SMA menggunakan data periode 3 ditambah data sebelumnya dan

data sesudahnya
Y

t (( L1/

2)
CMAt

........Yt ........ Yt(( L1) / 2

L

Tabel 3.9 Hasil Perhitungan Data Historis Dengan Metode Moving average
CMA 3 Periode
Period
e
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Demand
9302
7091
6595
7993
6547
6348
9555
9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

CMA
7662,6667
7226,3333
7045
6962,6667
7483,3333
8478
8125
6753
6448,3333
7879,6667
7950,3333
7571,6667
6261,3333
6403,6667
6879,3333
7731,3333
8696,6667
7696,3333
6707,3333
5572,6667
6520
7683
7683
Tabel 3.10 Data Perhitungan Peramalan 5 Periode ke depan

Period
e

Demand

CMA

25
26
27
28
29

7683
7683
7683
7683
7683
Tabel 3.11 Hasil Perhitungan Data Historis Dengan Metode Moving average
CMA 5 Periode

Perio
de
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Demand
9302
7091
6595
7993
6547
6348
9555
9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

CMA

7505,6
6914,8
7407,6
7994,8
7454
7232,4
7686,2
7691,8
6915,8
7354,2
7396,8
6889
6754
7265,4
7564
7615
7447,6
6780
6888,2
6839,4
6839,4
6839,4

Tabel 3.12 Data Perhitungan Peramalan dengan CMA(5) 5 Periode ke depan

Period
e
25

Demand

CMA
6839,4

26
27
28
29

6839,4
6839,4
6839,4
6839,4

1.3.5 Model Eksponential Smoothing Forecasting (deskripsi penjelasan model

Eksponential Smoothing Forecasting serta rumus-rumusnya, Perhitungan mode
Dalam model rata-rata bergerak (Moving Average) dapat dilihat bahwa untuk
semua data observasi memiliki bobot yang sama yang membentuk rata-ratanya. Padahal,
data observasi terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan
data observasi di masa yang lalu. Hal ini dipandang sebagai kelemahan model peramalan
Moving Average. Untuk itu, digunakanlah metode Exponential Smoothing agar
kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai berikut:
Metode exponential smoothing mempertimbangkan bobot data-data sebelumnya
dengan estimasi untuk Y(t+1) dengan periode (t+1) dihitung sebagai:

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

Dimana

disebut konstanta pelicinan dalam interval 0 <

< 1. Rumus ini

memperlihatkan bahwa data yang lalu memiliki bobot lebih kecil dibandingkan dengan
data yang terbaru. Rumus tersebut dapat disederhanakan sebagai berikut:

Dengan nilai Y(1) untuk inisial ramalan didekati dengan nilai rata-ratanya ( Y )
Atau

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 andal. Model Exponential Smoothing
digunakan untuk peramalan jangka pendek.

Tabel 3.13 Hasil Perhitungan Data Historis Dengan Metode Eksponensial Smoothing
Period
e
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Deman
d
9302
7091
6595
7993
6547
6348
9555
9531
5289
5439
8617
9583
5651
7481
5652
6078
8908
8208
8974
5907
5241
5570
8749
8730

Peramalan
9302
8859,8
8406,84
8324,072
7968,6576
7644,5261
8026,6209
8327,4967
7719,7974
7263,6379
7534,3103
7944,0482
7485,4386
7484,5509
7118,0407
6910,0326
7309,626
7489,3008
7786,2407
7410,3925
6976,514
6695,2112
7105,969
Tabel 3.14 Data Perhitungan Peramalan 5 Periode ke depan

Period

Deman

Peramalan

e
25
26
27
28
29

d
7105,969
7105,969
7105,969
7105,969
7105,969

Eksponential Smoothing Forecasting, dan deskripsi hasil perhitungan dengan metode

Eksponential Smoothing Forecasting)
1.3.6 Perbandingan Model Perhitungan (deskripsi hasil perhitungan 4 metode dan
membandingkan hasil perhitungan dari 4 metode)
Perhitungan dengan 4 model yang telah dilakukan diatas menggunakan Model time
series yang terdiri dari Model Konstan, Model Moving Average, Model Analisis Regresi,
Model Exponential Smoothing. Tiap model perhitungan dengan data permintaan
(demand) yang ada didapatkan peramalan (forecasting) untuk periode selanjutnya. Dalam
meramalkan suatu permintaan kita juga perlu menghitung besar kesalahan (error) dari
perbedaan atau selisih antara nilai aktual dan nilai ramalan. Keakuratan suatu model
peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang
sebenarnya. Dimana kesalahan (error) nantinya dijumlahkan guna untuk membandingkan
tiap hasil dari perhitungan 4 model diatas. Jumlah kesalahan (error) disebut dengan CFE
(Cumulatif Forecast Error). Selain menjumlahkan kesalahan-kesalahan absolute kita
perlu menghitung Rerata Simpangan Absolut (Mean Absolute Deviation/MAD mengukur
keakuratan peramalan dengan mererata besaran dari kesalahan meramal atau nilai absolut
dari masing-masing kesalahan. Pembagian dari CFE dan MAD yang didapat disebut
dengan Tracking Signal. Dengan melihat nilai tracking signal dapat dilihat periode yang
keluar dari batas kontrol. Batas kontrol yang ditetapkan adalah 4 untuk UCL dan -4 untuk
LCL. Berikut tabel dari perhitungannya:
Tabel 3.15 Hasil Perhitungan Metode Konstan
Period
e

Deman
d

Peramalan

9302

7376,625

FE
1925,37
5

CFE

AD

1925,38 1925,38

CAD
1925,37
5

MAD
1925,3
8

TS
1

7091

7376,625

-285,625

1639,75 285,625

6595

7376,625

-781,625

858,125 781,625

7993

7376,625

616,375

1474,5

5
6

6547
6348

7376,625
7376,625

644,875 829,625
-383,75 1028,63

9555

7376,625

9531

7376,625

-829,625
-1028,63
2178,37
5
2154,37
5

5289

7376,625

-2087,63

10

5439

7376,625

11

8617

7376,625

12

9583

7376,625

-1937,63
1240,37
5
2206,37
5

1861,38 2087,63 11887,63

13825,2
-76,25 1937,63
5
15065,6
1164,13 1240,38
3

13

5651

7376,625

-1725,63

1644,88 1725,63

14

7481

7376,625

104,375

1749,25 104,375

15

5652

7376,625

-1724,63

24,625

1724,63

16

6078

7376,625

-1274

1298,63

17

8908

7376,625

-1298,63
1531,37
5

18

8208

7376,625

19

8974

20

616,375

1794,63 2178,38
3949

3370,5

2154,38

2206,38

257,375 1531,38

2211
2992,62
5

1105,5
997,54
2

3609
4438,62
5
5467,25
7645,62
5

902,25
887,72
5
911,208
1092,2
3

9800

1225
1320,8
5
1382,5
3

17272
18997,6
3
19102
20826,6
3
22125,2
5
23656,6
3

1088,75 831,375

7376,625

831,375
1597,37
5

2686,13 1597,38

24488
26085,3
8

5907

7376,625

-1469,63

1469,63

21

5241

7376,625

-2135,63

22

5570

7376,625

23

8749

7376,625

1372,38

27555
29690,6
3
31497,2
5
32869,6
3

24

8730

7376,625

-1806,63
1372,37
5
1353,37
5

1216,5
919,125
2725,75
1353,38
0

1353,38

34223

2135,63
1806,63

1369,6
1439,3
3
1461,3
6
1364,4
3
1388,4
4
1382,8
3
1391,5
7
1360,4
4
1372,9
1
1377,7
5
1413,8
4
1431,6
9
1429,11
1425,9
6

1,4832
7
0,8602
4
1,6342
5
0,7264
4
-0,4211
1,6430
8
3,2236
7
1,4092
3
-0,0552
0,8499
7
2,3417
1
1,1255
8
1,2820
4
0,0177
4
-0,9213
0,1849
5
0,8002
9
1,9565
1
0,8829
6
-0,6501
-1,9039
-0,947
0

Tabel 3.16 Hasil Perhitungan Metode Regresi

Period
e

Deman
d

Peramalan

FE

1
2
3

9302
7091
6595

7376,39
7376,41
7376,43

4
5
6

7993
6547
6348

7376,45
7376,47
7376,49

9555

7376,51

9531

7376,53

1925,
6
-285,4
-781,4
616,5
5
-829,5
-1028
2178,
5
2154,
5

9
10

5289
5439

7376,56
7376,58

-2088
-1938

CFE

AD

CAD

MAD

TS

1925,61
1640,21
858,78

1925,61
285,41
781,43

1925,61
2211,02
2992,45

1925,6
1
1105,51
997,48

1,00
1,48
0,86

1475,33
645,86
-382,64

616,55
829,47
1028,49

3609,00
4438,47
5466,96

1795,85

2178,49

7645,45

3950,32

2154,47

9799,92

1862,76
-74,81

2087,56
1937,58

11887,47
13825,05

902,25
887,69
911,16
1092,2
1
1224,9
9
1320,8
3
1382,5

1,64
0,73
-0,42
1,64
3,22
1,41
-0,05

11

8617

7376,60

12

9583

7376,62

13

5651

7376,64

14

7481

15

1240,
4
2206,
4

0
1369,5
9
1439,3
2
1461,3
4
1364,4
2
1388,4
3
1382,8
2
1391,5
6
1360,4
3
1372,8
9
1377,7
4
1413,8
4
1431,7
0

1165,59

1240,40

15065,45

3371,97

2206,38

17271,83

1646,33

1725,64

18997,47

7376,66

-1726
104,3
4

1750,67

104,34

19101,81

5652

7376,68

-1725

25,99

1724,68

20826,49

16

6078

7376,70

-1272,71

1298,70

22125,19

17

8908

7376,72

258,57

1531,28

23656,47

18

8208

7376,74

1089,82

831,26

24487,73

19

8974

7376,77

-1299
1531,
3
831,2
6
1597,
2

2687,06

1597,24

26084,96

20

5907

7376,79

-1470

1217,27

1469,79

27554,75

21

5241

7376,81

-2136

-918,54

2135,81

29690,56

22

5570

7376,83

-2725,37

1806,83

31497,38

23

8749

7376,85

-1353,21

1372,15

24

8730

7376,87

-1807
1372,
2
1353,
1

-0,08

1353,13

32869,53 1429,11
1425,9
34222,66
4

0,85
2,34
1,13
1,28
0,02
-0,92
0,19
0,80
1,96
0,88
-0,65
-1,90
-0,95
0,00

Tabel 3.71 Hasil Perhitungan Metode Moving Average (Simple Moving Average)
SMA 3
Period
e
1
2
3
4
5
6

Deman
d
9302
7091
6595
7993
6547
6348

7
8

9555
9531

Peramalan

FE

CFE

7662,7
7226,3
7045,0

330,3
-679,3
-697,0

330
-349
-1046

6962,7
7483,3

2592,3
2047,7

1546
3594

AD

330,33
679,33
697,00
2592,3
3
2047,6

MAD

TS

330,33
1009,67
1706,67

82,58
201,93
284,44

4,0
-1,7
-3,7

4299,00
6346,67

614,14
793,33

2,5
4,5

CAD

7
3189,0
0
2686,0
0
1864,0
0
3134,6
7
2228,6
7

5289

8478,0

-3189,0

405

9535,67

10

5439

8125,0

-2686,0

-2281

11

8617

6753,0

1864,0

-417

12

9583

6448,3

3134,7

2718

13

5651

7879,7

-2228,7

489

14

7481

7950,3

-469,3

20

15

5652

7571,7

-1919,7

-1900

16

6078

6261,3

-183,3

-2083

17

8908

6403,7

2504,3

421

18

8208

6879,3

1328,7

1750

19

8974

7731,3

1242,7

2992

20

5907

8696,7

-2789,7

203

21

5241

7696,3

-2455,3

-2253

22

5570

6707,3

-1137,3

23

8749

5572,7

3176,3

24

8730

6520,0

2210,0

-3390 1137,33 33479,33

3176,3
-214
3
36655,67
2210,0
1996
0
38865,67

12221,67
14085,67
17220,33
19449,00

469,33
1919,6
7

19918,33

183,33
2504,3
3
1328,6
7
1242,6
7
2789,6
7
2455,3
3

22021,33

21838,00

24525,67
25854,33
27097,00
29886,67
32342,00

1059,5
2
1222,1
7
1280,5
2
1435,0
3
1496,0
8
1422,7
4
1455,8
7
1376,3
3
1442,6
9
1436,3
5
1426,1
6
1494,3
3
1540,1
0
1521,7
9
1593,7
2
1619,4
0

0,4
-1,9
-0,3
1,9
0,3
0,0
-1,3
-1,5
0,3
1,2
2,1
0,1
-1,5
-2,2
-0,1
1,2

Tabel 3.72 Hasil Perhitungan Metode Moving Average (Simple Moving Average)
SMA 5
Period
e
1
2
3
4
5

Deman
d
9302
7091
6595
7993
6547

Peramalan

FE

CFE

AD

CAD

MAD

TS

6
7
8
9
10

6348
9555
9531
5289
5439

7505,6
6914,8
7407,6
7994,8
7454

-1157,6 -1157,6
2640,2 1482,6
2123,4
3606
-2705,8 900,2
-2015 -1114,8

1157,6
2640,2
2123,4
2705,8
2015

11

8617

7232,4

1384,6

269,8

1384,6

12

9583

7686,2

1896,8

2166,6

1896,8

13

5651

7691,8

-2040,8

125,8

2040,8

14

7481

6915,8

565,2

691

565,2

15

5652

7354,2

-1702,2 -1011,2

1702,2

16

6078

7396,8

-1318,8

-2330

1318,8

17

8908

6889

2019

-311

2019

18
19
20
21

8208
8974
5907
5241

6754
7265,4
7564
7615

1454
1708,6
-1657
-2374

1143
2851,6
1194,6
-1179,4

1454
1708,6
1657
2374

22

5570

7447,6

-1877,6

-3057

1877,6

23

8749

6780

1969

-1088

1969

24

8730

6888,2

1841,8

753,8

1841,8

1157,6
3797,8
5921,2
8627
10642
12026,
6
13923,
4
15964,
2
16529,
4
18231,
6
19550,
4
21569,
4
23023,
4
24732
26389
28763
30640,
6
32609,
6
34451,
4

192,93
542,54
740,15
958,56
1064,20

-6,0
2,7
4,9
0,9
-1,0

1093,33

0,2

1160,28

1,9

1228,02

0,1

1180,67

0,6

1215,44

-0,8

1221,90

-1,9

1268,79

-0,2

1279,08
1301,68
1319,45
1369,67

0,9
2,2
0,9
-0,9

1392,75

-2,2

1417,81

-0,8

1435,48

0,5

Tabel 3.73 Hasil Perhitungan Metode Moving Average (Simple Moving Average)
CMA 3
Period
e
1
2
3
4
5
6
7

Deman
d
9302
7091
6595
7993
6547
6348
9555

Peramalan

7662,67
7226,33
7045,00
6962,67
7483,33
8478,00

FE
-571,7
-631,3
948
-415,7
-1135
1077

CFE

-571,7
-1203
-255
-670,7
-1806
-729

AD

CAD

571,67 571,667
631,33
1203
948
2151
415,67 2566,67
1135,3
3702
1077
4779

MAD

TS

285,83
401,00
537,75
513,33
617,00
682,71

-2,00
-3,00
-0,47
-1,31
-2,93
-1,07

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

9531
5289
5439

8125,00
6753,00
6448,33

1406
677
1406
6185
773,13
0,88
-1464
-787
1464
7649
849,89
-0,93
-1009 -1796 1009,3 8658,33 865,83
-2,07
737,3
8617
7879,67
3
-1059 737,33 9395,67 854,15
-1,24
1632,
9583
7950,33
7
573,7 1632,7 11028,3 919,03
0,62
5651
7571,67
-1921 -1347 1920,7 12949
996,08
-1,35
1219,
1012,0
7481
6261,33
7
-127,3 1219,7 14168,7
5
-0,13
5652
6403,67
-751,7
-879
751,67 14920,3 994,69
-0,88
6078
6879,33
-801,3 -1680 801,33 15721,7 982,60
-1,71
8908
7731,33
1176,7 -503,7 1176,7 16898,3 994,02
-0,51
8208
8696,67
-488,7 -992,3 488,67 17387
965,94
-1,03
1277,
8974
7696,33
7
285,3 1277,7 18664,7 982,35
0,29
5907
6707,33
-800,3
-515
800,33 19465
973,25
-0,53
5241
5572,67
-331,7 -846,7 331,67 19796,7 942,70
-0,90
5570
6520,00
-950
-1797
950
20746,7 943,03
-1,91
8749
7683,00
1066
-730,7
1066 21812,7 948,38
-0,77
8730
7683,00
1047
316,3
1047 22859,7 952,49
0,33
Tabel 3.74 Hasil Perhitungan Metode Moving Average (Simple Moving Average)
CMA 5
AD

CAD

-910,6 -910,6
1078,2
167,6
-860,6
-693
-1646,8 -2339,8
2101
-238,8
2298,6 2059,8

910,6
1078,2
860,6
1646,8
2101
2298,6

910,6
1988,8
2849,4
4496,2
6597,2
8895,8

7686,2

-2397,2

-337,4

2397,2

11293

5439

7691,8

-2252,8 -2590,2

2252,8

13546

11

8617

6915,8

1701,2

-889

1701,2

15247

12
13

9583
5651

7354,2
7396,8

2228,8
-1745,8

1339,8
-406

2228,8
1745,8

17476
19222

Period
e
1
2
3
4
5
6
7
8

Deman
d
9302
7091
6595
7993
6547
6348
9555
9531

Peramala
n

7505,6
6914,8
7407,6
7994,8
7454
7232,4

5289

10

FE

CFE

MAD

TS

303,53
-3
497,20 0,34
569,88 -1,2
749,37 -3,1
942,46 -0,3
1111,98 1,85
1254,7
8 -0,3
1354,5
8 -1,9
1386,0
9 -0,6
1456,3
2 0,92
1478,5 -0,3

14

7481

6889

592

186

592

19814

15

5652

6754

-1102

-916

1102

20916

16

6078

7265,4

1187,4

22103

17

8908

7564

1344

-759,4

1344

23447

18

8208

7615

593

-166,4

593

24040

19

8974

7447,6

1526,4

1360

1526,4

25566

20

5907

6780

-873

487

873

26439

21

5241

6888,2

-1647,2 -1160,2

1647,2

28087

22

5570

6839,4

-1269,4 -2429,6

1269,4

29356

23

8749

6839,4

1909,6

-520

1909,6

31266

24

8730

6839,4

1890,6

1370,6

1890,6

33156

-1187,4 -2103,4

8
1415,2
6
1394,3
7
1381,4
4
1379,2
4
1335,5
6
1345,6
0
1321,9
7
1337,4
6
1334,3
6
1359,3
7
1381,5
1

0,13
-0,7
-1,5
-0,6
-0,1
1,01
0,37
-0,9
-1,8
-0,4
0,99

Tabel 3.18 Hasil Perhitungan Metode Eksponensial Smoothing

FE

CFE

9302,00

-2211,00

-2211,00

6595

8859,80

-2264,80

-4475,80

7993

8406,84

-413,84

-4889,64

6547

8324,07

-1777,07

-6666,71

6348

7968,66

-1620,66

-8287,37

9555

7644,53

1910,47

-6376,90

9531

8026,62

1504,38

-4872,52

5289

8327,50

-3038,50

-7911,01

Period
e
1

Deman
d
9302

7091

Peramalan

AD

2.211,0
0
2.264,8
0
413,8
4
1.777,0
7
1.620,6
6
1.910,4
7
1.504,3
8
3.038,5
0

CAD

2211,00

MAD

1105,50
1491,9
4475,80
3
1222,4
4889,64
1
1333,3
6666,71
4
1381,2
8287,37
3
10197,8 1456,8
4
3
1462,7
11702,22
8
14740,7 1637,8
2
6

TS

-2,00
-3,00
-4,00
-5,00
-6,00
-4,38
-3,33
-4,83

10

5439

7719,80

-2280,80

-10191,81

11

8617

7263,64

1353,36

-8838,45

12

9583

7534,31

2048,69

-6789,76

13

5651

7944,05

-2293,05

-9082,81

14

7481

7485,44

-4,44

-9087,25

15

5652

7484,55

-1832,55

-10919,80

16

6078

7118,04

-1040,04

-11959,84

17

8908

6910,03

1997,97

-9961,87

18

8208

7309,63

898,37

-9063,50

19

8974

7489,30

1484,70

-7578,80

20

5907

7786,24

-1879,24

-9458,04

21

5241

7410,39

-2169,39

-11627,43

22

5570

6976,51

-1406,51

-13033,94

23

8749

6695,21

2053,79

-10980,16

24

8730

7105,97

1624,03

-9356,12

2.280,8
0
1.353,3
6
2.048,6
9
2.293,0
5
4,4
4
1.832,5
5
1.040,0
4
1.997,9
7
898,3
7
1.484,7
0
1.879,2
4
2.169,3
9
1.406,5
1
2.053,7
9
1.624,0
3

17021,5
2
18374,8
8
20423,5
7
22716,6
2
22721,0
6
24553,6
1
25593,6
5
27591,6
1
28489,9
9
29974,6
9
31853,9
3
34023,3
2
35429,8
3
37483,6
2
39107,6
5

1702,1
5
1670,4
4
1701,9
6
1747,4
3
1622,9
3
1636,9
1
1599,6
0
1623,0
4
1582,7
8
1577,6
2
1592,7
0
1620,1
6
1610,4
5
1629,7
2
1629,4
9

1.3.7 Kesimpulan (memilih hasil perhitungan paling terbaik dari perbandingan 4 metode)

NB :
1

Setiap tabel ada kepala tabel dan setiap gambar ada kepala gambar.

Margin Top : 3cm, left : 3,8 cm, right : 2,5 cm. Bottom : 2,5 cmdan

seterusnya ..

-5,99
-5,29
-3,99
-5,20
-5,60
-6,67
-7,48
-6,14
-5,73
-4,80
-5,94
-7,18
-8,09
-6,74
-5,74