4.1.1
rentang nilai N mulai dari 2 hingga 5 bulan. Untuk menentukan nilai N yang optimal, dilakukan
perbandingan nilai mean absolutedeviation (MAD), mean squared error (MSE), dan mean
absolute percent error (MAPE). Berikut merupakan contoh perhitungan untuk n = 2 untuk
peralaman pertama.
(
MA5
104
110,8
118,8
114,8
113
116,6
118,6
114,2
128,6
134,2
16
17
18
19
114
137
119,5
114
125,5 125,3333333
108
125,5 121,6666667
106,5
107
21
106
22
134
122,5 125,2
116 115,6
106 106,6666667
108,5 114,2
106
106,5
112 110,3333333
145
24
128
109
106,5
118
23
105
20
136
108
109 108,8
MAPE =
=
(
16,15909091
(
410,6931818
= 13,61935497
Kesalahan peramalan untuk menentukan metode yang akan digunakan dapat dibandingkan
melalui tabel 4.2.
Tabel 4.2 Perbandingan nilai MAD, MSE, MAPE metode MA untuk produk poster
MAD
MSE
MAPE
TS
MA2
16,159
MA3
16,3
MA4
15,97
MA5
17,31579
410,6931818
403,9047619
391,4063
440,9873684
13,62
13,53
13,17
14,14022387
Bervariasi dari
3,45 sampai dengan
-0,146
Bervariasi dari
4,01 sampai dengan
0,22
Bervariasidari
4,35
sampaidengan
-1
Bervariasidari
4,99 sampaidengan
0,240
GRAFIK
200
200
200
200
100
100
100
100
1 5 9 13 17 21
0
1 5 9 13 17
1 5 9 13 17 21
1 5 9 13 17
Keterangan grafik : warna biru = data forecast dan merah = data aktual
Dari tabel 4.2 di atas dapat diketahui bahwa nilai MAD, MSE, MAPE terkecil didapatkan pada
saat nilai N yang digunakan adalah 4. Dan dalam membandingkan antra data actual dengan
peramalannya dalam grafikpun dalam menggunakan metode MA dengan N= 4 data forecast
mengikuti data aktual yang sudah ada. Jadi lebih baik untuk di pilih. Sehingga untuk metode
moving average pada produk canvas , nilai N = 4 merupakan nilai yang paling optimal.
4.1.2
digunakan dalam metode ini mengikuti nilai N optimal pada metode moving average yang telah
dihitung sebelumnya. Pembobotan dilakukan berdasarkan nilai N yang digunakan. Misalnya,
dari hasil perhitungan MA di awal diketahui bahwa nilai N optimal adalah 4. Tetapi tidak
menutup kemungkinan untuk peralamalan menggunakan WMA ini menggunakan periode dari 3
bulanan hinggal 5 bulanan. Berikut ini merupakan perhitungan yang digunakan dalam meramal
untuk periode selanjutnya. Contoh yang diberikan merupakan contoh WMA dengan periode 3
bulanan .
WMA=
= 104.166
Dimana 91 merupakan nilai aktual bulan terakhir. Dari hasil perhitungan dengan rumus
di atas, didapatkan nilai peramalan untuk periode yang mendatang. Hasil dari perhitungan
peramalan menggunakan metode ini dapat dilihat pada tabel 4.3 .
Tabel 4.3 Peramalan menggunakan metode weight moving average
BULAN
PHOTO
CANVAS
WMA 2
WMA 3
91
108
106 102,3333
117 106,6667
104,1667
98 113,3333
111,8333
WMA 4
109,3
WMA 5
125 104,3333
105,6667
106,3
105,5333333
148
116
114,6667
113,4
112,5333333
86 140,3333
132
128
124,9333333
108 106,6667
113,1667
113,6
114
10
116 100,6667
107,3333
111,1
111,7333333
11
135 113,3333
108,3333
110,8
112,7333333
12
126 128,6667
124,1667
119
118,8666667
13
158
129
127,3333
124,9
121,3333333
14
136 147,3333
143,5
139,6
135,9333333
15
125 143,3333
141,6667
140,5
138,4
16
114 128,6667
134,1667
135
135,3333333
17
137 117,6667
121,3333
126,1
128
18
114 129,3333
127,3333
127,6
129,7333333
19
108 121,6667
121,6667
122
123,0666667
20
105
110
114,8333
116,2
117,3333333
21
107
106
107,5
110,9
112,4666667
22
106 106,3333
106,5
107,3
109,6
23
118 106,3333
106,1667
106,3
106,8666667
24
145
112,1667
110,9
110,2
114
Dari perhitungan peramalan diatas dapat dianalisis kesalahan peramalan. Dimana untuk
menentukannya dapat menggunakan metode MAD, MSE, MAPE, Tracking Singnal, dan Grafik
perbandingan antar peramalan. Berikut ini merupakan contoh perhitungan untuk metode
perhitungan kesalahan peramalan. Pada metode weight moving average dengan periode 3
bulanan.
MAD =
16,23016
MSE =
MAPE =
= 1.558777
Tracking signal =
Kesalahan peramalan untuk menentukan metode yang akan digunakan dapat dibandingkan
melalui tabel 4.4.
WMA3
16,23016
MAD
MSE
399,030423
MAPE
13,5587772
Bervariasi dari
-0,075
Sampai dengan
3,445378151
TS
GRAFIK
WMA4
16,11
WMA5
16,42807
393,009
411,4812
13,52075
13,3917
Bervariasi dari
0,15752567 sampai
dengan 4,249804229
200
200
200
100
100
100
0
1 4 7 10 131619
1 4 7 10 13 16 19
0
1 4 7 10 13 16 19
Keterangan : garis biru = data aktual dan garis merah = garis peramalan
Dari tabel 4.4 di atas dapat dilihat nilai yang dibandingkan dari masing masing aspek yang
memiliki nilai paling kecil merupakan metode WMA4. Dimana dalam menggunakan metode
tersebut dapat meminimalisir kesalahan dalam peramalannya. Sehingga dalammetode ini
weight moving average dengan periode 3 bulanan merupakan nilai yang optimal.
4.1.3
Eksponensial Smoothing
BULAN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
PHOTO
CANVAS
ft 0.6
ft 0.7
ft 0.8
ft 0.9
ft 0.5
118,20833
91 118,20833
108 104,60417 101,88333
105,55333
106 106,30208
105,82133
117 106,15104
112,52853
98 111,57552
103,81141
125 104,78776
116,52457
148 114,89388
135,40983
86 131,44694
105,76393
108 108,72347
107,10557
116 108,36174
112,44223
135 112,18087
125,97689
126 123,59043
125,99076
158 124,79522
145,1963
136 141,39761
139,67852
125 138,6988
130,87141
114 131,8494
120,74856
137 122,9247
130,49943
114 129,96235
120,59977
108 121,98118
120,2715 122,47906
139,09232
142,4543 145,44791
101,9277
97,29086 91,944791
137,887
129,43557 127,83167
126,2887
105 114,99059
21
107 109,99529
22
106 108,49765
23
118 107,24882
24
145 112,62441
Dari perhitungan peramalan diatas terdapat perbedaan peramalan ditiap metodenya. Oleh
karena itu dianalisis kesalahan pada tiap ramalannya dengan menggunakan metode MAD, MSE,
MAPE, Tracking Signal dan grafik dari perhitungan peramalan yang ada. Berikut ini merupakan
contoh perhitungan metode kesalahan peramalan
MAD =
MSE =
15,019
(
MAPE =
365,5997
= 12,86812
Tracking signal =
yang kemudian dibandingkan nilai MAD, MSE, dan MAPE dari kelima
hasil perhitungan
tersebut. Perbandingan nilai MAD untuk kelima tersebut dapat dilihat dalam tabel 4.8 di
bawah ini.
Tabel 4.8 Perbandingan nilai MAD, MSE, dan MAPE metode ES untuk produk canvas
alfa
0.5
MA
D
0.6
0.7
0.8
0.9
15,295
15,82302
16,38364
16,92091
365,5997
378,6186
395,0559076
415,5805
440,9831
12,86812
13,15394
13,6569864
14,19596
14,7164
Berkisardari
Berkisardari
Berkisardari
Berkisardari
Berkisardari
2,7295519
2,5728488
2,35158
2,1615825
1,998281
Sampai dengan
Sampai dengan
Sampai dengan
Sampai dengan
Sampai dengan
-2,34108863
-2,01709
-1,74451
-1,573593367
-0,8097869
15,01924
MSE
MAP
E
TS
GRAFIK
200
200
200
200
150
150
150
150
150
100
100
100
100
100
50
50
50
50
50
0
1 6 111621
200
0
1 7 13 19
0
1 7 1319
1 7 13 19
1 7 1319
Dari tabel 4.8 di atas dapat diketahui bahwa nilai kesalahan peramalan terkecil untuk metode
ES didapatkan pada saat perhitungan peramalan menggunakan nilai = 0,5. Dari hasil ketiga
metode tersebut sangat terlihat jelas bahwa nilai peramalan tidak memiliki tingkat kesalahan
yang cukup signifikan. Hal ini juga didukung dari grafik perbandingan antara aktual dengan
peramalannya tidak signifikan.
4.1.4
PengambilanKeputusanUntukProduk Poster
Dari hasil peramalan dengan 3 metode sebelumya terdapat beberapa kesimpulan yang dapat
digunakan untuk membuat sebuah peramalan. Untuk menentukan metode peramalan yang
paling optimal digunakan bagi produk poster ini, dibandingkanlah nilai MAD dan tracking signal
dari ketiga metode yang telah digunakan. Perbandingan MAD ketiga metode dapat dilihat pada
tabel 4.9 di bawah ini.
Tabel 4.9 Perbandingan MAD, MSE, dan MAPE metode MA, WMA, dan ES untuk produk poster
12.868
WMA4
16.11
393.009
13.3917
0.5(ES)
15.01924
MAD
MSE
MAPE
TS
365.599
240
240
200
220
220
GRAFIK
Nilai TS
200
100
180
200
180
1 4 7 10 13 16 19
160
1 6 111621
MA4
15.97
391.4063
13.17
Bervariasidari 4.35
sampaidengan -1
160
1 5 9 131721
Nilai tracking
signalpositif rata-rata
pada keluar dari
tracking signal( out of
lier) yang dibutuhkan.
Pola
distribusi
nilai
ramalan.
Keputusan
0
1 3 5 7 9 11 13 15 17 19
a.
-5
1 3 5 7 9 11 13 15 17 19 21 23
b.
-5
6
4
2
Series1
Series2
-2 1 4 7 10 13 16 19
Series3
-4
c.
-6
Gambar 4.1 (a) grafik untuk tracking signal metode ES 0.5 (b) grafikuntuk tracking signal metode MA 4
(c) grafik untuk tracking signal metode WMA 4