Metode Peramalan

Peramalan -> Ilmu untuk memprediksi

masa depan.
Apa yang dimaksud dengan
pendekatan eksplanatoris?
Mengasumsikan adanya hubungan
sebab akibat di antara input dengan
output suatu sistem

Pola horisontal (H) terjadi bilamana

Apa yang dimaksud dengan peramaln
deret berkala ?
Peramalan deret berkala
memperlakukan sistem sebagai kotak
hitam

data berfluktuasi disekitar nilai ratarata yg konstan. Suatu produk yg

penjualannya tdk meningkat atau
menurun

selama

waktu

tertentu

termasuk jenis ini. Pola khas dari data

horizontal atau stasioner.
Apa langkah langkah peramalan?
- Definisikan tujuan peramalan.
- Plot data (part family) masa lalu.
- Pilih metode-metode yang paling
memenuhi tujuan peramalan dan
sesuai dengan plot data.
- Hitung parameter fungsi
peramalan untuk masing-masing
metode.
- Hitung fitting error untuk semua
metode yang dicoba.
- Pilih metode yang terbaik, yaitu
metode yang memberikan error
paling kecil.
- Ramalkan permintaan untuk
periode mendatang
- Lakukan verifikasi peramalan.

Pola musiman (S) terjadi bilamana

suatu deret dipengaruhi oleh faktor
musiman (misalnya kuartal tahun
tertentu, bulanan, atau hari-hari pada
minggu

tertentu).

Penjualan

dari

produk seperti minuman ringan, es

krim, dan bahan bakar pemanas ruang
semuanya menunjukkan jenis pola ini.

1. Constant
2. Linier trend
3. Quadratic
Pola

siklis

(C)

terjadi

bilamana

4. Exponential

datanya dipengaruhi oleh fluktuasi

5. Moving Average

ekonomi jangka panjang seperti yang

6. Exponential smoothing

berhubungan dengan siklus bisnis.

7. Seasonal

Contoh: Penjualan produk seperti

mobil, baja, dan peralatan utama

lainnya.

1. Constan

Dalam Metode Constant, peramalan

dilakukan dengan mengambil ratarata data masa gagal move on alias
masa lalu (historis).

Rumus untuk metoda linier:

n

d 't

Keterangan:
dt = Forecast untuk saat t
t = time (independent variable)
Pola

trend

(T)

terjadi

bilamana

dt = demand pada saat t

terdapat kenaikan atau penurunan

n = jumlah data

sekuler jangka panjang dalam data.

Contoh Soal:

Contoh:

Penjualan

Bulan t

dt

perusahaan,

GNP

berbagai

Jan

90

Aus

102

indikator bisnis atau ekonomi lainnya.

Feb

111

Sep

95

Mar

99

Okt

10

114

Apr

89

Nov

11

103

Mei

87

Des

12

113

Jun

84

Jul

104

dan

banyak

Total =1191

d 't
2

d
1

12

d 't

1191
1

12

99.25

Misal diberikan tabel dalam bentuk

2. Linier trend

Period, Demand, sama t2, kita disuruh

Model ini menggunakan data yang

nyari nilai rata-rata selisih (inget di

secara

awal kita dsuruh mencari error paling

random

berfluktuasi

membentuk garis lurus.

kecil)

Rumus untuk metoda linier:

d 't a bt

t 1, 2, 3, .....

t d t td
a
n t t
2

n td t t d t
n t 2 t

Keterangan:
dt = Forecast untuk saat t

Langkah langkahnya :

a = intercept

1. Mencari a dengan rumus

b = kemiringan garis

dt = demand pada saat t

n = jumlah data

t 1

t 1

t 1
2

n t 2 t
t 1
t 1
n

Nah kalau di tabel diatas kayak

gini rek

n td t d t t

t d t td
n t t
2

t = time (independent variable)

t 1

t 1

d t b t
n

a 2006,9 dan b 101,6

5. Yang terakhir jeng jeng jeng

2. Cari nilai b

hitung rata-rata selisihnya

3. Cari nilai dt

4. Cari nilai selisih (dt-dt)2

Tetep smangat ya :v

n
n
t n t 2
2. Lalu
t 1
t 1

3. Quadratic

Nanti Insya Allah ketemu (15) 2 (5)(55) 50

Model ini menggunakan data yang

secara

random

berfluktuasi

untuk model quadratic:

d ' (t ) a bt ct 2

Sehingga didapatkan hasil

t 1, 2, 3, ....

b
2

(55) 2 (5)(979) 1870

t 2 n t 4
t 1

t 1

t 1

t 1

4. Sekarang cari dengan rumus

t 1

t 1

t 1

t 1

t 1

t 1

t 1

Maka (15)(180) (5)(650) 550

t t 2 n t 3
2

t Y (t ) n tY (t )

t 2 Y (t ) n t 2Y (t )
n

5. Cari tetha

t n t 2
t 1

n
n
t 2 n t 4
t 1
t 1

3. Kemudian cari

membentuk kurva quadratic. Rumus

t 1

t 1

t 1

t 2 Y (t ) n t 2Y (t )

t 1

Didapatkan (55)(180) (5)(2654) 3370

(b)( )

6. Cari nilai a,b,c. Berhubung rumus a

n

Y (t )
t 1

t
t 1

mesti cari nilai b sama c jadi kita

t 1

hitung nilai b sama c dulu pakai

rumuuus:

Ngelu ya rek liatnya ? aku yo pisan

hahaha langsung contoh yaaa

(1870)(550) (3370)(300)
b
5
(1870)(50) (300) 2

(b)( )

(1870)
1
1870

Dan akhirnya nyari aaaa

1. Cari dengan rumus

t t n t
2

t 1

t 1

t 1

Y (t )
t 1

t
t 1

t 1

180 (5)(15) 55

10
5
5
5

Eh belum selesai, nyari ini dulu

(15)(55) (5)(225) 300

d ' (t ) a bt ct 2
d ' (t ) 10 5t t 2
5

t 1, 2, 3, ....

d ' (5) 10 5(5) 52 60

4. Exponential

5. Moving Average

Digunakan apabila persamaan a dan b

Peramalan jangka pendek lebih baik

tidak bisa dipecahkan dengan cara

dibandingkan

konvensional.Digunakan transformasi

Kelemahan : tidak cocok untuk pola

logaritma ke dalam situasi regresi.

data trend atau pola data musiman.

Persamaan metode eksponensial :

Kesalahan

peramalan

berikutnya.

Dihitung

hasil

dt = Forecast untuk saat t

peramalan sebelumnya.

peramalan

a = intercept
b = kemiringan garis
t = time (independent variable)
e = exponential (konstanta)
Persamaan transformasi logaritma :

lnd' (t) ln(a) ln(e bt ) ln(a) bt

Keterangan:
dt = Forecast untuk saat t
a = intercept
b = kemiringan garis

Contoh :

t = time (independent variable)

e = exponential (konstanta)

(5)(33.8) (9.60)(15)
b
0.5
(5)(55) 225

9.60 (0.5)(15)

0.42
5
5

anti ln(0.42) e0.42 2.50 a

d ' (t ) a (e)bt 2.5e0.5t d ' (6) 2.5e3 50

masa

lalu

berdasarkan

Keterangan:

ln( a )

panjang.

digunakan untuk koreksi peramalan

d' (t) ae bt

jangka

kesalahan

6. Exponential smoothing
Kesalahan

peramalan

masa

lalu

digunakan untuk koreksi peramalan

berikutnya.
hasil

Dihitung

peramalan

berdasarkan
+

kesalahan

peramalan sebelumnya.
ES didefinisikan sebagai:

Ft 1 Dt (1 ) Ft
Keterangan:
Ft+1

Ramalan

untuk

periode

berikutnya
Dt = Demand aktual pada periode t
Ft

Peramalan

yg

ditentukan

sebelumnya untuk periode t

a = Faktor bobot

Contoh lagi:

a besar, smoothing yg dilakukan kecil

a kecil, smoothing yg dilakukan
semakin besar
a optimum akan meminimumkan
MSE, MAPE

8. Seasonal
Demand meningkat karena pengaruh
tertentu atau berdasarkan waktu.
Nilai/harga faktor seasonal antar 0
dan 1.
Formulasi peramalan pada tahun ke i :
di = a + bt
Keterangan :
di = peramalan untuk
saat ke i
t = perioda waktu
(bulan, minggu, dll)
Formulasi Peramalan Seasonal :
SF(i) = (Si).(dt)

Contoh :

Materi tambahan jeng jeng jeng :

Forecasting

Errors

&

Tracking Signals
3 metode perhitungan kesalahan
peramalan :

a. Mean Absolute Deviation ( MAD )

t 1

b. Mean Squared Error (MSE)

t 1

d t'

d t'

100 N d t d t'
c. Mean Absolute Percent Error (MAPE)

N t 1 d t
Salah satu metode verifikasi adalah
Moving Range Chart (MRC).
Moving Range (MR) didefinisikan
sebagai :
MR = |dt dt| |dt-1 dt-1|
Keterangan :
dt = ramalan pada bulan ke t
dt

= kebutuhan pada bulan ke t

dt1 = ramalan pada bulan ke t-1

dt1 = kebutuhan pada bulan ke t-1
Rata-rata MR dihitung :
n1

MRi

MR i 1
n 1

Batas kontrol atas (UCL), batas kontrol

bawah (LCL), dan garis tengah (CL)

UCL 2,66MR
LCL 2,66MR
CL 0

 Contoh

Soal:

Kasus

Peramalan

Konstan

n1

MRi

MR i 1
n 1

117
10.6
11
UCL 28.2
LCL - 28.2
MR

UCL 2,66MR
LCL 2,66MR
CL 0

10

 Bila kondisi out of control terjadi.

Perbaiki

ramalan

dengan

memasukkan data baru.

Tunggu

evidence

(fakta-fakta)

selanjutnya.

Oke, sekarang latihan coba dikerjakan sendiri

ya :
1.

11