5. The Running Sum of Forecast Error (RSFE) atau Cumulatif of Forecast Error
(CFE) merupakan jumlah berjalan dari nilai kesalahan suatu peramalan,
artinya jumlah seluruh nilai et hingga n tertentu (nilai akumulatif).
6. Validasi peramalan dilakukan dengan Tracking signal. Tracking signal
adalah suatu ukuran bagaimana baiknya suatu peramalan memperkirakan
nilai-nilai aktual. Tracking signal yang positif menunjukan bahwa nilai aktual
permintaan lebih besar daripada ramalan, sedangkan tracking signal yang
negatif berarti nilai aktual permintaan lebih kecil daripada ramalan. Tracking
signal disebut baik apabila memiliki RSFE yang rendah, dan mempunyai
positive error yang sama banyak atau seimbang dengan negative error,
sehingga pusat dari tracking signal mendekati nol. Tracking signal yang telah
dihitung dapat dibuat peta kontrol untuk melihat kelayakkan data di dalam
batas kontrol atas dan batas kontrol bawah.
Tracking signal =
Dalam perhitungan secara manual menggunakan salah satu contoh
metode yaitu metode simple average pada periode ke 4, nilai forecast error
diperoleh dari hasil pengurangan actual data dengan nilai forecastnya (245-
256,6667=-11,667). Kemudian CFE merupakan jumlah et hingga periode ke
4 (20+(-11,6667)=8,334). Nilai MAD diperoleh dengan menjumlahkan nilai
absolute et dibagi dengan n (
.
Nilai MAPE(%) diperoleh dari ((
))=4,0564). Untuk
nilai TS diperoleh dari pembagian CFE dengan MAD (8,333/10,556=0,789).
Perhitungan untuk setiap periode terhadap semua metode dilakukan dengan
cara yang sama dengan cara diatas.
Hasil peramalan menggunakan WinQSB memuat berbagai macam
data terkait dengan data hasil forecast maupun data keakurasiannya. Salah
satunya terdapat data tracking signal yang digunakan untuk membuat
diagram control atau control chart dengan memasukkan data tersebut ke
dalam Ms.Excel. data yang dibutuhkan dalam pembuatan control chart
diantaranya data tracking signal dari masing-masing metode produk1, 2 dan
3. Selain itu batas control atas sebagai UCL, garis tengah atau garis pusat
sebagai CL dan batas control bawah sebagai LCL. Batas control bernilai 3
karena data diangap memiliki persediaan yang tinggi. Sehingga UCL bernilai
+3 ; LCL bernilai -3 dan CL bernilai 0.
Pada hasil forecast produk 1 dengan simple average terlihat terdapat 6
titik yang termasuk dalam out of control yaitu pada titik ke16, 31,32,33,34
dan 35. Artinya peramalan pada periode ke 17, 32, 33, 34, 35 dan 36 nilainya
tidak valid, bias atau jauh dari nilai aktualnya dikarenakan tracking signal
pada periode tersebut terlalu negatif atau positif dari batas kontrol atas
maupun batas kontrol bawah. Untuk hasil forecast produk 2 dengan metode
Double Exponential Smoothing with Trend (DEST) terlihat bahwa terdapat 3
titik yang keluar dari batas control atau termasuk dalam data out of control
yaitu pada titik ke 24,25 dan 26 atau pada period eke 25,26 dan 27. Ketiga TS
melebihi batas control atas UCL dari grafik sehingga data tidak valid, bias.
Hasil verifikasi produk 3 ditemukan 4 titik yang keluar dari batas control,
yaitu titik 4, 5, 26 dan 28. Atau data pada period eke 5, 6, 27 dan 29 keluar
dari batas control, data bersifat bias.
Nilai alpha, beta dan gamma menentukan tingkat pemulusan grafik
yang berpengaruh terhadap nilai error peramalan. Alpha adalah nilai
koefisien untuk memuluskan (smoothing) data. Koefisien alpha terdapat pada
metode yang menggunakan pemulusan untuk memuluskan data yang tidak
beraturan (0< <1). Beta adalah koefisien garis trend (0< <1). Koefisien
beta terdapat pada metode peramalan yang menggunakan garis trend, dimana
untuk membuat garis trend tersebut terdapat koefisien untuk meluruskannya
atau mengambil garis yang dominan yaitu beta. Gamma adalah koefisien
pada model peramalan data musiman (0< <1). Pada data yang musiman
pemulusan datanya tidak hanya menggunakan alpha dan beta, namun juga
ditambah gamma.
R-Square (R
2
) sering disebut dengan koefisien determinasi. R-Square
adalah mengukur kebaikan (goodness of fit) dari persamaan regresi, yaitu
memberikan proporsi atau persentase variasi total dalam variabel terikat yang
dijelaskan oleh variabel bebas. Nilai R
2
terletak antara 0 1, dan kecocokan
model dikatakan lebih baik kalau R
2
semakin mendekati 1. Adjusted R
Square, suatu sifat penting R
2
adalah nilainya merupakan fungsi yang tidak
pernah menurun dari banyaknya variabel bebas yang ada dalam model. Oleh
karenanya, untuk membandingkan dua R
2
dari dua model, orang harus
memperhitungkan banyaknya variabel bebas yang ada dalam model. Ini dapat
dilakukan dengan menggunakan adjusted R square. Istilah penyesuaian
berarti nilai R
2
sudah disesuaikan dengan banyaknya variabel (derajat bebas)
dalam model. R
2
yang disesuaikan ini juga akan meningkat bersamaan
meningkatnya jumlah variabel, tetapi peningkatannya relatif kecil. Seringkali
juga disarankan, jika variabel bebas lebih dari dua, sebaiknya menggunakan
adjusted R square.
BAB V
KESIMPULAN
1. Peramalan atau forecasting merupakan teknik yang berguna untuk
memprediksi kejadian yang akan datang. Salah satu software (alat/tools) yang
dapat membantu melakukan peramalan dengan cepat dan akurat selama
praktikum berlangsung adalah WinQSB.
2. Metode peramalan dipilih berdasarkan pola data. Data produk 1 bersifat
konstan dan diramal menggunakan simple average. Data produk 2 bersifat
trend positif sehingga diramalkan menggunakan double exponential
smoothing with trend (DEST) dan produk 3 berpola data musiman sehingga
digunakan metode winters additive algorithm. Untuk mengetahui metode
peramalan terbaik, dilakukan perbandingan hasil MAD dari suatu data
menggunakan beberapa metode yang sesuai dengan pola datanya.
DAFTAR PUSTAKA
Ariyoso. 2009. Metode Simple Moving Average. Dalam
http://statistik4life.blogspot.com/2009/11/metode-simple-moving-
average.html diakses pada tanggal 17 November 2013 pukul 10.30 WIB.
Baroto, Teguh. 2002. Perencanaan dan pengendalian Produksi. Jakarta:Ghalia
Indonesia.
Ehlers, John F. 2001. Rocket Science for Traders: Digital Signal Processing
Applications. Wiley Trading. New York.
Icun, Holy Y dan Martinus Getty. 2005. Business Concepts in Inventory. Jakarta :
PT elex media komputindo.
Jawahar, Lal dan Seema Srivastava. 2009. Cost Accounting 4E. the McGraw-Hill
Companies. New Delhi.
Kazmier, Leonard J. 2003. STATISTIK UNTUK BISNIS Schaum's Easy Outlines.
Jakarta : Erlangga.
Person, John L. 2007. Candlestick and Pivot Point Trading Triggers: Setups for
Stock, Forex, and future markets. John Willey. Hoboken.
Sugiarto. 2000. Metode statistika untuk bisnis dan ekonomi. Jakarta : PT
Gramedia Pustaka Utama.
Sugiyo, Andre. 2008. Forecasting. Dalam http://andresugiyono.edublogs.org/
diakses pada tanggal 17 November 2013 pukul 11.30 WIB.
LAMPIRAN
A. HASIL
1. Produk 1
a. Grafik Penyebaran Data
b. Tabel peramalan dengan metode Simple Average
Forecast Result for produk 1
11/19/2013 Actual
Forecast
by Forecast CFE MAD MSE
MAPE
(%) Tracking R-square
Month Data SA Error Signal
1 250
2 250 250 0 0 0 0 0 0 0
3 270 250 20 20 10 200 3.703704 2 1
4 245 256.6667 -11.6667 8.333344 10.55555 178.7036 4.056436 0.789475 0.150794
5 255 253.75 1.25 9.583344 8.229164 134.4184 3.164876 1.164559 0.155258
6 250 254 -4 5.583344 7.383331 110.7347 2.851901 0.756209 0.105875
7 260 253.3333 6.666672 12.25002 7.263888 99.68632 2.803935 1.686427 0.145295
8 240 254.2857 -14.2857 -2.03571 8.267007 114.6 3.253713 -0.24624 5.94E-02
9 260 252.5 7.5 5.464294 8.171131 107.3062 3.207576 0.668732 6.07E-02
10 255 253.3333 1.666672 7.130966 7.448413 95.69195 2.9238 0.957381 6.37E-02
11 250 253.5 -3.5 3.630966 7.053572 87.34775 2.77142 0.51477 5.60E-02
225
230
235
240
245
250
255
260
265
270
275
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
produk 1
produk 1
12 255 253.1818 1.818176 5.449142 6.577627 79.70757 2.584292 0.828436 5.79E-02
13 270 253.3333 16.66667 22.11581 7.418381 96.21343 2.883338 2.981219 8.44E-02
14 245 254.6154 -9.61539 12.50043 7.587381 95.92438 2.963439 1.647529 4.96E-02
15 255 253.9286 1.071426 13.57185 7.121956 89.15463 2.781776 1.905636 5.11E-02
16 258 254 4 17.57185 6.913826 84.27766 2.699684 2.541553 5.83E-02
17 260 254.25 5.75 23.32185 6.841086 81.07671 2.669175 3.409086 7.04E-02
18 250 254.5882 -4.58824 18.73361 6.708566 77.54584 2.620123 2.792491 5.75E-02
19 245 254.3333 -9.33333 9.400284 6.854386 78.07724 2.686201 1.371426 3.99E-02
20 250 253.8421 -3.8421 5.558182 6.695845 74.74484 2.625708 0.830094 3.66E-02
21 255 253.65 1.350006 6.908188 6.428553 71.09873 2.520894 1.07461 3.73E-02
22 255 253.7143 1.285721 8.193909 6.183656 67.79179 2.424861 1.325091 3.80E-02
23 240 253.7727 -13.7727 -5.57881 6.528614 73.33252 2.575487 -0.85452 3.14E-02
24 250 253.1739 -3.17392 -8.75273 6.382758 70.58214 2.518708 -1.37131 3.27E-02
25 250 253.0417 -3.04167 -11.7944 6.243546 68.02671 2.464456 -1.88906 3.45E-02
26 265 252.92 12.08 0.285599 6.477004 71.1427 2.548218 4.41E-02 2.77E-02
27 250 253.3846 -3.38461 -3.09901 6.358066 68.84704 2.50228 -0.48741 2.77E-02
28 240 253.2593 -13.2593 -16.3583 6.613666 72.80856 2.614221 -2.47341 3.06E-02
29 255 252.7857 2.214279 -14.144 6.456544 70.38336 2.551868 -2.19065 2.92E-02
30 250 252.8621 -2.86208 -17.0061 6.332597 68.23882 2.50335 -2.68548 3.09E-02
31 255 252.7667 2.233337 -14.7727 6.195955 66.13045 2.449099 -2.38426 2.95E-02
32 240 252.8387 -12.8387 -27.6115 6.410238 69.31438 2.542659 -4.3074 3.64E-02
33 255 252.4375 2.5625 -25.049 6.289996 67.35352 2.494604 -3.98235 3.41E-02
34 240 252.5152 -12.5152 -37.5641 6.478637 70.05883 2.57703 -5.79815 0.043283
35 250 252.1471 -2.14706 -39.7112 6.351238 68.13387 2.526494 -6.25251 4.57E-02
36 255 252.0857 2.914291 -36.7969 6.253039 66.42984 2.486962 -5.88464 0.042426
37 252.1667
38 252.1667
39 252.1667
40 252.1667
41 252.1667
42 252.1667
CFE -36.7969
MAD 6.253039
MSE 66.42984
MAPE 2.486962
Trk.Signal -5.88464
R-square 0.042426
c. Grafik Verifikasi
2. Produk 2 (pola data trend positif)
a. Grafik Penyebaran Data
-8
-6
-4
-2
0
2
4
1 2 3 4 5 6 7 8 9 1011121314151617181920212223242526272829303132333435
TS
UCL
LCL
CL
0
50
100
150
200
250
300
350
400
450
500
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
produk 2
produk 2
b. Tabel peramalan dengan metode double exponential smoothing
with trend (DEST)
Forecast Result for Produk 2
11/13/2013 Actual
Forecast
by Forecast CFE MAD MSE
MAPE
(%) Tracking R-square
Month Data DEST Error Signal
1 250
2 260 250 10 10 10 100 3.846154 1
3 270 260.4 9.600006 19.60001 9.800003 96.08006 3.700856 2
4 280 273.088 6.912018 26.51202 8.837341 79.9787 3.290096 3
5 260 285.5763 -25.5763 0.9357 13.02209 223.5211 4.926834 0.071855
6 255 266.1458 -11.1458 -10.2101 12.64683 203.6627 4.815649 -0.80733
7 285 254.8071 30.19287 19.98276 15.57117 321.6538 5.778706 1.283318
8 290 283.4469 6.553131 26.53589 14.28288 281.8381 5.27599 1.857881
9 295 295.6655 -0.66547 25.87042 12.5807 246.6637 4.64469 2.056357
10 300 302.1487 -2.14865 23.72177 11.42159 219.7696 4.208193 2.076924
11 310 306.9095 3.090546 26.81232 10.58848 198.7478 3.887069 2.532215
12 290 316.538 -26.538 0.274353 12.03844 244.7037 4.36561 2.28E-02
13 285 296.1885 -11.1885 -10.9142 11.96761 234.7437 4.328959 -0.91198
14 310 284.6266 25.37335 14.45917 12.99882 266.2101 4.625574 1.112345
15 315 308.0638 6.936249 21.39542 12.56578 250.6317 4.452461 1.702673
16 320 319.1872 0.812805 22.20822 11.78225 233.9669 4.172564 1.884888
17 330 325.8178 4.182159 26.39038 11.30724 220.4371 3.990986 2.333936
18 340 336.1724 3.827637 30.21802 10.86727 208.3321 3.822444 2.780646
19 305 347.2891 -42.2891 -12.071 12.61292 296.1117 4.380379 -0.95704
20 340 311.4795 28.52054 16.44949 13.45016 323.3385 4.591327 1.222996
21 350 337.8768 12.12323 28.57272 13.38382 314.5202 4.53495 2.134871
22 360 354.9328 5.067169 33.63989 12.98779 300.7657 4.386026 2.590117
23 365 367.9287 -2.92874 30.71115 12.53056 287.4844 4.223134 2.450901
24 380 373.9791 6.020935 36.73209 12.24753 276.5612 4.108409 2.999142
25 390 388.5451 1.454865 38.18695 11.79784 265.1261 3.952768 3.236776
26 400 399.9905 9.46E-03 38.19641 11.3263 254.521 3.794752 3.372364
27 420 410.3261 9.67392 47.87033 11.26275 248.3312 3.737389 4.250324 0.978066
28 400 430.7153 -30.7153 17.15506 11.98321 274.0755 3.883368 1.431591
29 425 411.7155 13.28448 30.43954 12.02969 270.5898 3.856311 2.530369
30 425 430.1701 -5.17007 25.26947 11.79315 262.1809 3.765282 2.142725
31 430 433.024 -3.02405 22.24542 11.50084 253.7464 3.663215 1.934243
32 435 436.7119 -1.71191 20.53351 11.18507 245.6555 3.557742 1.835796
33 440 440.9467 -0.94672 19.58679 10.86512 238.0068 3.453287 1.802722
34 440 445.5144 -5.51444 14.07236 10.70298 231.7159 3.38662 1.314807
35 450 445.0757 4.924316 18.99667 10.53302 225.614 3.319198 1.803535
36 450 454.0021 -4.00214 14.99454 10.34642 219.6255 3.249775 1.449248
37 454.9766
38 459.0312
39 463.0857
40 467.1402
41 471.1948
42 475.2493
CFE 14.99454
MAD 10.34642
MSE 219.6255
MAPE 3.249775
Trk.Signal 1.449248
R-square
Alpha=0.52
F(0)=250
F'(0)=250
c. Grafik Verifikasi
3. Produk 3 (pola data musiman)
a. Grafik Penyebaran Data
-4
-3
-2
-1
0
1
2
3
4
5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
TS
UCL
LCL
CL
0
50
100
150
200
250
300
350
400
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
produk 3
produk 3
b. Tabel peramalan dengan metode holt-winters additive algorithm
Forecast Result for Produk 3
11/13/2013 Actual
Forecast
by Forecast CFE MAD MSE
MAPE
(%) Tracking R-square
Month Data HWA Error Signal
1 250
2 255 250 5 5 5 25 1.960784 1
3 260 258.393 1.606995 6.606995 3.303497 13.79122 1.28943 2
4 265 264.4835 0.51648 7.123474 2.374491 9.283061 0.924586 3
5 270 269.834 0.165985 7.289459 1.822365 6.969183 0.708808 4
6 290 274.9467 15.05334 22.3428 4.468561 50.89598 1.605208 5 0.657917
7 280 305.1618 -25.1618 -2.81903 7.91744 147.933 2.835402 -0.35605
8 275 278.087 -3.08704 -5.90607 7.227382 128.1611 2.59071 -0.81718
9 270 270.9922 -0.99216 -6.89822 6.447979 112.264 2.312804 -1.06983
10 270 265.3189 4.681122 -2.2171 6.251661 102.225 2.248465 -0.35464
11 265 268.4955 -3.49548 -5.71259 5.976044 93.22433 2.155524 -0.95591
12 260 261.1234 -1.12344 -6.83603 5.534898 84.86413 1.998848 -1.23508
13 270 255.3611 14.63892 7.802887 6.293566 95.65028 2.284096 1.23982
14 280 275.295 4.704956 12.50784 6.171366 89.99538 2.237653 2.026754
15 290 288.4878 1.512177 14.02002 5.838566 83.73047 2.115067 2.401278
16 285 299.514 -14.514 -0.49396 6.416927 92.19214 2.31357
-7.70E-
02
17 295 284.6648 10.33521 9.841248 6.661819 93.10616 2.387938 1.477261
18 300 301.6783 -1.67825 8.162994 6.368669 87.79501 2.280378 1.281743
19 290 305.5394 -15.5394 -7.3764 6.878153 96.33266 2.45138 -1.07244
20 285 284.9944 5.62E-03 -7.37079 6.516441 91.26253 2.322464 -1.13111
21 285 279.9982 5.001801 -2.36899 6.440709 87.9503 2.294092 -0.36781
22 280 283.3924 -3.39243 -5.76141 6.295553 84.31022 2.242543 -0.91516
23 275 276.0903 -1.09033 -6.85175 6.058952 80.53197 2.158632 -1.13085
24 270 270.3504 -0.35043 -7.20218 5.810755 77.03593 2.070421 -1.23946
25 260 265.1126 -5.11264 -12.3148 5.781667 74.91522 2.066087 -2.12998
26 270 251.6432 18.3568 6.041977 6.284672 85.39749 2.255396 0.961383
27 290 274.1001 15.89987 21.94185 6.654488 91.83628 2.379524 3.297301
28 300 304.8898 -4.88977 17.05208 6.589128 89.32049 2.351761 2.587911
29 320 311.5716 8.428406 25.48048 6.654816 88.66754 2.361837 3.828879
30 330 337.2911 -7.29111 18.18938 6.676757 87.44315 2.356581 2.724283
31 335 342.3434 -7.34335 10.84602 6.698977 86.32587 2.351097 1.619057
32 325 342.3602 -17.3602 -6.51415 7.042887 93.26295 2.447564 -0.92493
33 320 320.5796 -0.57959 -7.09374 6.840909 90.35899 2.376738 -1.03696
34 320 315.1863 4.813721 -2.28001 6.779479 88.32301 2.3503 -0.33631
35 310 318.4529 -8.45285 -10.7329 6.828695 87.82677 2.361371 -1.57173
36 310 302.7168 7.283234 -3.44963 6.841682 86.83302 2.36103 -0.50421
37 307.6591
38 305.3183
39 302.9774
40 300.6366
41 298.2957
42 295.9549
CFE -3.44963
MAD 6.841682
MSE 86.83302
MAPE 2.36103
Trk.Signal -0.50421
R-square
c=1
Alpha=0.87
Beta=0.78
Gamma=1
F(0)=250
T(0)=0
S(1)=0
c. Grafik Verifikasi
-4
-3
-2
-1
0
1
2
3
4
5
6
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
TS
UCL
LCL
CL