PRAKTIKUM

SISTEM PRODUKSI
FORECASATING
TEKNIK ANALISIS TIME SERIES

Ade Irawan
Pertemuan 1

Methode Exponential Smoothing

Dalam SPSS terdapat 4 metode baku exponential
smoothing:
Metode simple exponential smoothing
metode ini sangat sesuai untuk data time series yang tidak
memiliki trend dan faktor musim.
Metode double exponential smooting
Untuk data time series yang memiliki trend tapi tidak terdapat
faktor musim.
Metode double exponential smmothing Browns Linier
Trend
Metode damped trend

Trend merupakan pergerakan pada jangka panajang di dalam deret

wqaktu yang sering dijelaskan sebagai garis atau kurva halus.
Pergerakan data tersebut dapat naik dan turun. Jika pergerakannya naik
maka disebut trend positif dan jika pergerakannya turun maka disebut
trend negatif

Pola Trend terjadi bila ada kenaikan atau

penurunan sekuler jangka panjang dalam data.

 Pola musiman terjadi bila nilai data dipengaruhi oleh faktor musiman
(misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu
tertentu). Struktur datanya dapat digambarkan sebagai berikut ini

Contoh Kasus:
Perusahaan mebel di Pamulang sedang melakukan peramalan
mengenai permintaan produk mereka berupa kursi. Mereka ingin
meramalakan permintaan dari bulan Maret 2013 sampai bulan Juli 2013.
Untuk itu pihak manajemen menejemen menggunakan data permintaan
kursi dari bulan Juni 2011 sampai bulan Februari 2013. Data permintaan
kursi sebagai berikut:

BULAN
Jul-11
Agust-11
Sep-11
Okt-11
Nop-11
Des-11
Jan-12
Feb-12
Mar-12
Apr-12

Permintaaan
210
212
216
219
220
223
225
226
228
229

BULAN
Mei-12
Jun-12
Jul-12
Agust-12
Sep-12
Okt-12
Nop-12
Des-12
Jan-13
Feb-13

Permintaaan
232
233
236
239
247
254
258
258
260
265

Metode single exponential smoothing

Berikut tahapannya:
1. Buka menu SPSS
2. Sebelumnya buat data dahulu di excel

3. Click Data View, copy data dari excel

4. Click Variable View

- Pada kolom Name, isi dengan permintaan
- Pada kolom Decimal, ganti dengan angka 0 (nol)
- Pada kolom Label, isi dengan permintaan kursi
- Pada kolom Measure, ganti dengan nominal

5. Klick Analyze > Forecasting > Creat Model

6. Pindahkan variabel Permintaan ke Dependend variable. Pada

method, pilih exponential smoothing. Hasilnya sebagai berikut:

7. Lalu Click Criteria. Pada model click simple

8. Click continue, maka akan kembali ke tampilan time series modeler

9. Masih pada tampilan time series modeler, click bagian Statistics, lalu
click Display Fit Measure, click Mean absolute error dan Mean
absolute percentage error. Lalu click Display forcasts

10. Masih pada tampilan Time series modeler, selanjutnya Click Plots
lalu Click Series, Click Observed value. Click Forecasts. Click Fit
Value.

11. Masih pada tampilan Time series modeler, Click Save, Pada
Predicted Values, Klik Save.

12. Masih pada tampilan Time series modeler, Click Options. Pada
Forecast period. Click First case after end of estimation through a
specified date.

13. Pada kolom Observation: ketik 25,

Angka 25 berasal dari:
Banyaknya data yang digunakan (n)
Data yang digunakan dari Juli 2011 s/d Februari 2013
Maka nilai n = 20
Banyaknya bulan yang akan diramalkan (x)
Bulan yang diramalkan dari bulan Maret 2013 s/d Juli 2013
Maka nilai x = 5
Maka: n + x = 20 + 5 = 25

12. Click OK

Bulan
Jul-11
Agust-11
Sep-11
Okt-11
Nop-11
Des-11
Jan-12
Feb-12
Mar-12
Apr-12
Mei-12
Jun-12
Jul-12
Agust-12
Sep-12
Okt-12
Nop-12
Des-12
Jan-13
Feb-13
Mar-13
Apr-13
Mei-13
Jun-13
Jul-13

Permintaan
210
212
216
219
220
223
225
226
228
229
232
233
236
239
247
254
258
258
260
265

Peramalan
210
210
212
216
219
220
223
225
226
228
229
232
233
236
239
247
254
258
258
260
265
265
265
265
265

Metode Holts
Berikut tahapannya:
1. Buka menu SPSS
2. Sebelumnya buat data dahulu di excel

3. Click Data View, copy data dari excel

4. Click Variable View

- Pada kolom Name, isi dengan permintaan
- Pada kolom Decimal, ganti dengan angka 0 (nol)
- Pada kolom Label, isi dengan permintaan kursi
- Pada kolom Measure, ganti dengan nominal

5. Klick Analyze > Forecasting > Creat Model

6. Pindahkan variabel Permintaan ke Dependend variable. Pada

method, pilih exponential smoothing. Hasilnya sebagai berikut:

7. Lalu Click Criteria. Pada model type, click Holts Liniear Trend

8. Click continue, maka akan kembali ke tampilan time series modeler

9. Masih pada tampilan time series modeler, click bagian Statistics, lalu
click Display Fit Measure, click Mean absolute error dan Mean
absolute percentage error. Lalu click Display forcasts

10. Masih pada tampilan Time series modeler, selanjutnya Click Plots
lalu Click Series, Click Observed value. Click Forecasts. Click Fit
Value.

11. Masih pada tampilan Time series modeler, Click Save, Pada
Predicted Values,Click Lower Confidence Limits, Klik Save, Click
Upper Confidennce Limit, Klik Save.

12. Masih pada tampilan Time series modeler, Click Options. Pada
Forecast period. Click First case after end of estimation through a
specified date.

Tugas:
Perusahaan mebel di Pamulang sedang melakukan peramalan
mengenai permintaan produk mereka berupa kursi. Mereka ingin
meramalakan permintaan dari bulan Maret 2013 sampai bulan Juli 2013.
Untuk itu pihak manajemen menejemen menggunakan data permintaan
kursi dari bulan Juni 2011 sampai bulan Februari 2013. Data permintaan
kursi sebagai berikut:

BULAN
Jul-11
Agust-11
Sep-11
Okt-11
Nop-11
Des-11
Jan-12
Feb-12
Mar-12
Apr-12

Permintaaan
210+A
212+A
216+A
219+A
220+A
223+A
225+A
226+A
228+A
229+A

BULAN
Mei-12
Jun-12
Jul-12
Agust-12
Sep-12
Okt-12
Nop-12
Des-12
Jan-13
Feb-13

Permintaaan
232+A
233+A
236+A
239+A
247+A
254+A
258+A
258+A
260+A
265+A