Kegiatan Peramalan
Merupakan bagian integral dari pengambilan keputusan.
Mengurangi ketergantungan pada hal-hal yang belum
pasti (intuitif).
Metode Peramalan
Terdapat dua pendekatan peramalan :
kualitatif
kuantitatif.
Kelemahan: subyektif
yt 1
yt yt 1
yt
yt
2. Formal
Berdasarkan prinsip-prinsip statistik
Metode Kausal/Eksplanatori
input
2.
Hubungan sebab
akibat
output
input
Pembangkit
proses
output
Cyclical
Seasonal
Random
Pola data
Terdapat empat pola data yang lazim dalam
peramalan:
1. Pola horisontal
2. Pola musiman
3. Pola siklis
4. Pola tren
Horisontal
Pola horisontal: Terjadi bila mana data berfluktuasi di
sekitar rata-ratanya.
Musiman
Pola musiman: Terjadi bila mana nilai data dipengaruhi
oleh faktor musiman (misalnya kuartal tahun tertentu,
bulanan atau mingguan).
Menunjukkan puncak-puncak (peaks) dan lembah-lembah
(valleys) yang berulang dalam interval yang konsisten.
Siklis
Pola siklis. Terjadi bila mana datanya dipengaruhi oleh
fluktuasi ekonomi jangka panjang seperti yang
berhubungan dengan siklus bisnis.
Pergerakan seperti gelombang yang lebih panjang
daripada satu tahun.
Trend
Pola trend. Terjadi bila mana ada kenaikan atau
penurunan sekuler jangka panjang dalam data.
Simple Average
We will first investigate some averaging
methods, such as the "simple" average of all
past data.
Example. Seorang manager toko computer
mempunyai data penjualan notebook
perbulan. Dia mempunyai data 12 bulan
penjualan sebagai berikut :
Data
Bulan
1
2
3
4
5
6
Amount
9
8
9
12
9
12
Bulan
7
8
9
10
11
12
Amount
11
7
13
9
11
10
MSE
We shall compute the "mean squared error":
The "error" = true amount spent minus the estimated
amount.
The "error squared" is the error above, squared.
The "SSE" is the sum of the squared errors.
The "MSE" is the mean of the squared errors.
The SSE = 36 and the MSE = 36/12 = 3.
Komputasi
Bulan
1
2
3
4
5
6
7
8
9
10
11
12
$
9
8
9
12
9
12
11
7
13
9
11
10
Error
-1
-2
-1
2
-1
2
1
-3
3
-1
1
0
Error Squared
1
4
1
4
1
4
1
9
9
1
1
0
MSE Terbaik
So how good was the estimator for the next demand ? Let
us compare the estimate (10) with the following
estimates: 7, 9, and 12.
Performing the same calculations we arrive at:
Estimator
10
12
SSE
144
48
36
84
MSE
12
Bukti Analisis
Dapat dibuktikan secara matematis bahwa estimator yang
meminimalkan MSE pada himpunan data random adalah mean.
d n
2
Minimum MSE Yi a 0
da i 1
Komputasi Data
Year $ (millions)
1985
46.163
1986
46.998
1987
47.816
1988
48.311
1989
48.758
1990
49.164
1991
49.548
1992
48.915
1993
50.315
1994
50.768
Mean
48.776
48.776
48.776
48.776
48.776
48.776
48.776
48.776
48.776
48.776
Bukti Empiris
The question arises: can we use the mean to forecast
income if we suspect a trend ? A look at the graph below
shows clearly that we should not do this.