LAPORAN PRAKTIKUM
Kelas
MODUL : 3
DEKOMPOSISI
Nama
Nomor
Tanggal
Tanda Tangan
Praktikan
Mahasiswa
Kumpul
Praktikan
Slamet Abtohi
13611198
12 April 2016
Nama Penilai
Tanggal
Koreksi
Nilai
Tanda Tangan
Asisten
Dosen
Asriyanti Ali
Sri Siska Wirdaniyati
Arum Handini
Primandari, S.Pd.Si,
M.Sc.
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2016
BAB I
PENDAHULUAN
1.1
Definisi Dekomposisi
Dekomposisi dalam peramalan merupakan metode yang menggunakan
empat komponen utama dalam meramalkan nilai masa depan, komponen
tersebut
Error atau
antara
komponen
komponen-komponen
ketidakteraturan
tersebut
untuk
dan
menyusun
kembali
BAB II
DESKRIPSI KERJA
peramalan
menggunakan
metode
Dekomposisi
Musiman
Tahun
2010
2011
Periode
(X)
Januari
1
Februari
2
Maret
3
April
4
Mei
5
Juni
6
Juli
7
Agustus
8
September
9
Oktober
10
November
11
Desember
12
Januari
13
Februari
14
Maret
15
April
16
Mei
17
Juni
18
Juli
19
Bulan
Data
(Y)
112
118
132
129
121
135
148
148
136
119
104
118
115
126
141
135
125
149
170
Tahun
2013
2014
Periode
(X)
Januari
37
Februari
38
Maret
39
April
40
Mei
41
Juni
42
Juli
43
Agustus
44
September
45
Oktober
46
November
47
Desember
48
Januari
49
Februari
50
Maret
51
April
52
Mei
53
Juni
54
Juli
55
Bulan
Data
(Y)
171
180
193
181
183
218
230
242
209
191
172
194
201
234
247
256
275
291
300
2012
Agustus
September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
170
158
133
114
140
145
150
178
163
172
178
199
199
184
162
146
166
2015
Agustus
September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
312
267
249
232
220
230
260
295
325
354
375
390
405
365
345
320
300
metode
Dekomposisi
Musiman
(Multiplikatif)
dengan
Microsoft Excel :
1.
2.
Regression
Input
Range,
yaitu
dengan
Kemudian, copy output regresi kedalam sheet yang sama dengan data.
Didapatkan model regresi y a bx
y 83,31612 3,291948x
Kemudian hitung nilai trend pada periode ke-7 sampai ke-72 dengan cara
memasukkan data periode kedalam persamaan regresi sebagai x dengan
cara mengunci nilai a dan b pada rumus, kemudian tarik pointer hingga
periode ke-72.
8.
Langkah awal yaitu mentranspose nilai rasio dari bulan juli tahun 2010
(periode ke-7) sampai bulan juli tahun 2015. Misalkan untuk nilai rasio
bulan juli tahun 2010, salin nilai rasio tahun 2010 yaitu mulai dari bulan
juli sampai desember, perhatikan gambar berikut!
10
Adj
100 L
, dengan jumlah l=12, maka nilai Adj dapat dihitung
Rmi
11
12
BAB III
PEMBAHASAN
Pada bab ini praktikan akan menjelaskan hasil peramalan data pada studi
kasus tentang data perusahaan sepatu XYZ, yakni melakukan peramalan 6 periode
kedepan guna menentukan sasaran pasar dan kebijakan yang akan diambil oleh
pemilik perusahaan. Berdasarkan kasus tersebut, sebelum melakukan peramalan,
praktikan akan melihat bentuk pola data terlebih dahulu untuk mengetahui metode
yang tepat digunakan dalam peramalan, adapun pola data dapat dilihat pada
output grafik berikut :
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
14
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
Juli
Oktober
Januari
April
450
400
350
300
250
200
150
100
50
0
Data Asli
Data Ramalan
15
SSE, MSE dan MAPE. Adapun output dari ketiga nilai ukuran error tersebut
dapat dilihat pada output berikut :
BAB IV
PENUTUP
Dari hasil pembahasan dapat disimpulkan beberapa hal yaitu adalah sebagai
berikut :
1) Pola data penjualan sepatu pada perusahaan XYZ membentuk trend musiman
dengan perubahan/fluktuasi data cukup signifikan, sehingga digunakan
metode dekomposisi multiplikatif untuk melakukan peramalan.
2) Hasil ramalan penjualan untuk tahun 2016 yakni pada bulan Januari sebanyak
288 unit, pada bulan Februari sebanyak 311 unit, pada bulan Maret sebanyak
339 unit, bulan April sebanyak 335 unit, bulan Mei sebanyak 344 unit dan
bulan Juni sebanyak 376 unit.
3) Nilai ukuran error diperoleh sebesar 22394,13 untuk SSE, 311,03 untuk MSE
dan 5,53% untuk MAPE. Dengan demikian, hasil ramalan memiliki tingkat
kesalahan sebesar 5,53% dari data yang sebenarnya, sehingga dengan
menggunakan metode dekomposisi multiplikatif dianggap cukup mampu
untuk meramalkan penjualan sepatu pada periode berikutnya di tahun 2016,
karena memiliki nilai error yang kecil.
16
DAFTAR PUSTAKA
Amora, Ria. Primandari, Arum H., dkk. 2016. Analisis Runtun Waktu.Yogyakarta:
FMIPA UII
Ariyoso.2009.Dekomposisi Time Series. https://ariyoso.wordpress.com/2009/
12/06/dekomposisi-time-series/ diakses tanggal 10 April 2016 Pukul 20:56
WIB
17