Nama Asisten
Lena Yulina
Oleh:
Nama
NPM
Raden Farras W.
0514104009
Siti Nurjanah
0513104022
0514104032
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Untuk menyelesaikan masalah di masa datang yang tidak dapat dipastikan,
orang senantiasa berupaya menyelesaikannya dengan model pendekatanpendekatan yang sesuai dengan perilaku aktual data, begitu juga dalam melakukan
peramalan.
Peramalan (forecasting) permintaan akan produk dan jasa di waktu
mendatang dan bagian-bagiannya adalah sangat penting dalam perencanaan
dan pengawasan produksi. Suatu peramalan banyak mempunyai arti, maka
peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan
diperlukan suatu periode waktu paling sedikit dalam periode waktu yang
dibutuhkan untuk membuat suatu kebijaksanaan dan menetapkan beberapa hal
yang mempengaruhi kebijaksanaan tersebut.
Peramalan diperlukan disamping untuk memperkirakan apa yang akan
terjadi dimasa yang akan datang juga para pengambil keputusan perlu untuk
membuat planning.
1.2 TUJUAN PRAKTIKUM
Dari praktikum modul peramalan (forecasting) ini, mahasiswa diharapkan:
1.
2.
BAB II
LANDASAN TEORI
2.1 PENGERTIAN PERAMALAN
Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan
untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa
yang akan datang. Oleh karena itu, peramalan pada dasarnya merupakan suatu
taksiran, tetapi dengan menggunakan cara-cara tertentu peramalan dapat lebih
daripada hanya satu taksiran. Dapat dikatakan bahwa peramalan adalah suatu
taksiran yang ilmiah meskipun akan terdapat sedikit kesalahan yang
disebabkan oleh adanya keterbatasan kemampuan manusia.
Sebelum menjabarkan tentang metode peramalan ini, maka terlebih dahulu
diuraikan tentang definisi dari peramalan itu sendiri.
Menurut John E. Biegel:
Peramalan adalah kegiatan memperkirakan tingkat permintaan produk
yang diharapkan untuk suatu produk atau beberapa produk dalam periode
waktu tertentu di masa yang akan datang. (John E. Biegel, 1999)
Dalam peramalan (forecasting) tidak jarang terjadi kesalahan misalnya
saja penjualan sering tidak sama dengan nilai eksak yang diperkirakan. Sedikit
variasi dari perkiraan sering dapat diserap oleh kapasitas tambahan, sediaan
penjadwalan permintaan. Tetapi, variasi perkiraan yang besar dapat merusak
operasi. Ada tiga cara untuk mengakomodasi perkiraan, yaitu: yang pertama
adalah mencoba mengurangi kesalahan melakukan pemerakiraan yang lebih
baik. Yang kedua adalah, membuat fleksibilitas pada operasi dan yang terakhir
adalah mengurangi waktu tunggu yang dibutuhkan dalam prakiraan. Tetapi
kemungkinan kesalahan terkecil adalah tujuan yang konsisten dengan biaya
prakiraan yang masuk akal.
Menurut Buffa:
Peramalan atau forecasting diartikan sebagai penggunaan teknik-teknik
statistik dalam bentuk gambaran masa depan berdasarkan pengolahan angkaangka historis. (Buffa S. Elwood, 1996)
Menurut Makridakis:
A. Metode
Time Series (Deret Waktu)
Teknik
Peramalan
Teknik peramalan
dapat
dikelompokkan
2 yaitu: menjadi:
Secarasecara
garis garis
besarbesar
metode
time
series dapat menjadi
dikelompokkan
A. Metode Time Series (Deret Waktu)
1. Metode Averaging
a. Simple Average
a. Simple Average
Rumus yang digunakan:
FT
X
i n
Xi
T
(Rumus 2.1.)
dimana:
X = F = Hasil ramalan
T = Periode
Xi = Demand pada periode t
Apabila diperoleh data yang stasioner, metode ini cukup baik untuk
meramalkan keadaan.
Rumus yang digunakan:
FT
X1
X2
........ X n
T
(Rumus 2.2.)
Ft+m = St + btm
(Rumus 2.15.)
d. Regresi Linier
Regresi linier digunakan untuk peramalan apabila set data yang ada lini
(linier). Metode regresi linier didasarkan atas perhitungan least square erro
yaitu dengan memperhitungkan jarak terkecil kesuatu titik pada data unt
d. Regresi Linier
Ft+m = St + btm
(Rumus 2.15.)
(linier). Metode regresi linier didasarkan atas perhitungan least square error,
yaitu dengan memperhitungkan jarak terkecil kesuatu titik pada data untuk
ditarik garis. Adapun untuk persamaan peramalan regresi linier dipakai tiga
sebagai berikut:
b=
a=
X i Yi
n
Xi
Yi
n
Xi
2
Xi
Yi
(Rumus 2.16.)
Xi
(Rumus 2.17.)
y = a + b(t)
(Rumus 2.18.)
Dimana:
y
= Variabel independen
Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan (atau
Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan (atau
nilai kecocokan atau fitted value) untuk periode yang sama, maka kesalahan
didefinisikan sebagai:
ei = Xi-Fi
(Rumus 2.19.)
Dimana:
Ei : kesalahan pada periode ke i
Xi : data aktual periode ke i
Fi : nilai peramalan periode ke i
Dimana:
Dimana:
Jika terdapat
nilai pengamatan dan ramalan untuk n periode waktu, maka akan
Ei : kesalahan pada periode
ke i
Ei : kesalahan pada Jika
periode
ke i nilai pengamatan dan ramalan untuk n periode waktu, maka akan
terdapat
Xi : data aktual periodeterdapat
ke i n buah kesalahan. Ada 2 macam ukuran kesalahan yaitu ukuran statistik
Xi : data aktual periode
ke i n buah kesalahan. Ada 2 macam ukuran kesalahan yaitu ukuran
terdapat
dan
relatif. Dalam menentukan ukuran kesalahan secara statistik ada 4
Fi : nilai peramalan periodeUkuran
ke i
Fi : nilai peramalan periode ke i
statistik
dan Ukuran relatif. Dalam menentukan ukuran kesalahan secara
cara, yaitu:
Jika terdapat nilai pengamatan
dan ramalan untuk n periode waktu, maka akan
Jika terdapat nilai pengamatan dan ramalan untuk n periode waktu, maka akan
statistik
ada
4 cara,
yaitu:
a. Mean
(ME)
terdapat n buah kesalahan.
Ada
2Error
macam
ukuran kesalahan yaitu ukuran statistik
terdapat n buah kesalahan. Ada 2 macam ukuran kesalahan yaitu ukuran statistik
n
dan Ukuran relatif. Dalam
menentukan
ukuran kesalahan
secara statistik ada 4
a.
Mean
Error
(ME)
et
dan Ukuran relatif. Dalam menentukan ukuran kesalahan
secara statistik ada 4
cara, yaitu:
ME t 1
(Rumus 2.20.)
cara, yaitu:
n
a. Mean Error (ME)
a. Mean Error (ME)
n
b. Meann eAbsolute
Deviation (MAD)
et t
t 1
ME
(Rumus 2.20.)
n
ME tn1
(Rumus 2.20.)
et
b. Mean Absolute
Deviation
(MAD)
n
t 1
MAD
n
b. Mean Absolute Deviation (MAD)
b. Mean Absolute Deviation (MAD)
(Rumus 2.21.)
n
et
c. Mean Squared
Error (MSE)
t 1 et
(Rumus
2.21.)
MAD
t 1
MSE memperkuat
pengaruh
angka-angka kesalahan besar, tetapi memperkecil
(Rumus 2.21.)
MAD
n
n
angka
kesalahan
peramalan
c. Mean
Squared
Error
(MSE) yang lebih kecil dari satu unit. Adapun rumus
n et 2
d. Standard
Deviation
Error (SDE)
2
t 1 et
MSE
(Rumus 2.22.)
n
MSE t n1
(Rumus 2.22.)
et 2
n
t 1
SDE
n 1
d. Standard Deviation
(SDE)
d. Error
Standard
Dev iation Error (SDE)
d. Standard Deviation Error (SDE)
n
et 2 2
t 1 et
nt 1 1
n 1
n
SDE
SDE
(Rumus 2.23.)
(Rumus 2.23.)
(Rumus 2.23.)
BAB IV
PENGUMPULAN DATA DAN PENGOLAHAN DATA
4.1 PENGUMPULAN DATA
Pada praktikum peramalan (forecasting) ini dikumpulkan data sebagai
berikut:
Tabel 4. 1 Tabel Priode dan Data
Periode
Data
Periode
1
1280
13
2
1716
14
3
1336
15
4
1560
16
5
1364
17
6
1504
18
7
1448
19
8
1616
20
9
1392
21
10
1476
22
11
1392
23
12
1588
24
Data
1392
1476
1308
1476
1392
1448
1364
1448
1504
1476
1504
1420
Periode
25
26
27
28
29
30
31
32
33
34
35
36
Data
1756
1252
1756
1056
1672
1056
1728
1000
1672
1000
1840
1056
Demand
1500
1000
500
0
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35
Periode
Demand
1500
1000
500
0
0
10
15
20
25
30
35
Periode
40
4.2.1
Demand
1280
1716
1336
1560
1364
1504
1448
1616
1392
1476
1392
1588
1392
1476
1308
1476
1392
1448
1364
1448
1504
1476
1504
1420
1756
1252
1756
1056
1672
1056
1728
1000
1672
1000
1840
1056
S't
S''t
at
1444.00
1537.33
1420.00
1476.00
1438.67
1522.67
1485.33
1494.67
1420.00
1485.33
1457.33
1485.33
1392.00
1420.00
1392.00
1438.67
1401.33
1420.00
1438.67
1476.00
1494.67
1466.67
1560.00
1476.00
1588.00
1354.67
1494.67
1261.33
1485.33
1261.33
1466.67
1224.00
1504.00
1298.67
1467.11
1477.78
1444.89
1479.11
1482.22
1500.89
1466.67
1466.67
1454.22
1476.00
1444.89
1432.44
1401.33
1416.89
1410.67
1420.00
1420.00
1444.89
1469.78
1479.11
1507.11
1500.89
1541.33
1472.89
1479.11
1370.22
1413.78
1336.00
1404.44
1317.33
1398.22
1342.22
1372.89
1474.22
1432.44
1566.22
1488.44
1488.44
1373.33
1504.00
1460.44
1494.67
1339.11
1407.56
1382.67
1460.44
1392.00
1420.00
1457.33
1507.11
1519.56
1454.22
1612.89
1451.11
1634.67
1236.44
1510.22
1152.44
1556.89
1186.67
1528.89
1130.67
1609.78
1255.11
Jumlah
bt
-47.11
-1.78
-6.22
43.56
3.11
-6.22
-46.67
18.67
3.11
9.33
-52.89
-12.44
-9.33
21.78
-9.33
0.00
18.67
31.11
24.89
-12.44
52.89
-24.89
46.67
-118.22
15.56
-108.89
71.56
-74.67
62.22
-93.33
105.78
-43.56
Ft+m
et
[et]
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
3
4
5
6
7
8
9
10
11
12
1325.78
1472.44
1426.22
1609.78
1491.56
1482.22
1326.67
1522.67
1463.56
1504.00
1286.22
1395.11
1373.33
1482.22
1382.67
1420.00
1476.00
1538.22
1544.44
1441.78
1665.78
1426.22
1681.33
1118.22
1525.78
1043.56
1628.44
1112.00
1591.11
1037.33
1715.56
1211.56
1211.56
1168.00
1124.44
1080.89
1037.33
993.78
950.22
906.67
863.11
819.56
776.00
732.44
38.22
31.56
21.78
6.22
-99.56
-6.22
65.33
65.33
-71.56
-28.00
21.78
80.89
18.67
-34.22
-18.67
28.00
28.00
-62.22
-40.44
-21.78
90.22
-174.22
74.67
-62.22
146.22
12.44
99.56
-112.00
80.89
-37.33
124.44
-155.56
38.22
31.56
21.78
6.22
99.56
6.22
65.33
65.33
71.56
28.00
21.78
80.89
18.67
34.22
18.67
28.00
28.00
62.22
40.44
21.78
90.22
174.22
74.67
62.22
146.22
12.44
99.56
112.00
80.89
37.33
124.44
155.56
110.22
1958.22
et^2
Pe(%)
[Pe]
1460.94
995.75
474.27
38.72
9911.31
38.72
4268.44
4268.44
5120.20
784.00
474.27
6543.01
348.44
1171.16
348.44
784.00
784.00
3871.60
1635.75
474.27
8140.05
30353.38
5575.11
3871.60
21380.94
154.86
9911.31
12544.00
6543.01
1393.78
15486.42
24197.53
0.0280
0.0210
0.0150
0.0039
-0.0715
-0.0042
0.0469
0.0411
-0.0514
-0.0190
0.0166
0.0548
0.0134
-0.0236
-0.0137
0.0193
0.0186
-0.0422
-0.0269
-0.0153
0.0514
-0.1392
0.0425
-0.0589
0.0875
0.0118
0.0576
-0.1120
0.0484
-0.0373
0.0676
-0.1473
0.0280
0.0210
0.0150
0.0039
0.0715
0.0042
0.0469
0.0411
0.0514
0.0190
0.0166
0.0548
0.0134
0.0236
0.0137
0.0193
0.0186
0.0422
0.0269
0.0153
0.0514
0.1392
0.0425
0.0589
0.0875
0.0118
0.0576
0.1120
0.0484
0.0373
0.0676
0.1473
183347.75
-0.1170
1.4081
2000
1500
1000
Demand
500
Ft+m
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Periode
!"
!!".!!
!"
= 3.06
!|!"|
!
1958.22
36
= 54.40
!!"
!
!"##$%.!"
!"
= 5092.99
SDE =
183347.75
361
= 72.38
!"
!
!!.!!"#
!"
= 0.0032
|!"|
!
!.!"#$
!"
= 0.0391
4.2.2
Regresi Linier
Demand
(X)
1280
1716
1336
1560
1364
1504
1448
1616
1392
1476
1392
1588
1392
1476
1308
1476
1392
1448
1364
1448
1504
1476
1504
1420
1756
1252
1756
1056
1672
1056
1728
1000
1672
1000
1840
1056
51724
x.p
t^2
dt
1280
3432
4008
6240
6820
9024
10136
12928
12528
14760
15312
19056
18096
20664
19620
23616
23664
26064
25916
28960
31584
32472
34592
34080
43900
32552
47412
29568
48488
31680
53568
32000
55176
34000
64400
38016
945612
1.00
4.00
9.00
16.00
25.00
36.00
49.00
64.00
81.00
100.00
121.00
144.00
169.00
196.00
225.00
256.00
289.00
324.00
361.00
400.00
441.00
484.00
529.00
576.00
625.00
676.00
729.00
784.00
841.00
900.00
961.00
1024.00
1089.00
1156.00
1225.00
1296.00
16206
1280.00
3432.00
4008.00
6240.00
6820.00
9024.00
10136.00
12928.00
12528.00
14760.00
15312.00
19056.00
18096.00
20664.00
19620.00
23616.00
23664.00
26064.00
25916.00
28960.00
31584.00
32472.00
34592.00
34080.00
43900.00
32552.00
47412.00
29568.00
48488.00
31680.00
53568.00
32000.00
55176.00
34000.00
64400.00
38016.00
945612
F = a + bt
1487.60
1484.69
1481.79
1478.89
1475.98
1473.08
1470.17
1467.27
1464.37
1461.46
1458.56
1455.65
1452.75
1449.85
1446.94
1444.04
1441.13
1438.23
1435.33
1432.42
1429.52
1426.61
1423.71
1420.81
1417.90
1415.00
1412.09
1409.19
1406.29
1403.38
1400.48
1397.57
1394.67
1391.77
1388.86
1385.96
51724
1383.05
1380.15
1377.25
1374.34
1371.44
1368.53
1365.63
1362.73
1359.82
1356.92
1354.01
1351.11
Forecast
et
[et]
et^2
Pe(%)
[Pe]
1488
1485
1482
1479
1476
1474
1471
1468
1465
1462
1459
1456
1453
1450
1447
1445
1442
1439
1436
1433
1430
1427
1424
1421
1418
1415
1413
1410
1407
1404
1401
1398
1395
1392
1389
1386
51740
1384
1381
1378
1375
1372
1369
1366
1363
1360
1357
1355
1352
-208
231
-146
81
-112
30
-23
148
-73
14
-67
132
-61
26
-139
31
-50
9
-72
15
74
49
80
-1
338
-163
343
-354
265
-348
327
-398
277
-392
451
-330
-16
208
231
146
81
112
30
23
148
73
14
67
132
61
26
139
31
50
9
72
15
74
49
80
1
338
163
343
354
265
348
327
398
277
392
451
330
5858
43264
53361
21316
6561
12544
900
529
21904
5329
196
4489
17424
3721
676
19321
961
2500
81
5184
225
5476
2401
6400
1
114244
26569
117649
125316
70225
121104
106929
158404
76729
153664
203401
108900
1617898
-16.2500
13.4615
-10.9281
5.1923
-8.2111
1.9947
-1.5884
9.1584
-5.2443
0.9485
-4.8132
8.3123
-4.3822
1.7615
-10.6269
2.1003
-3.5920
0.6215
-5.2786
1.0359
4.9202
3.3198
5.3191
-0.0704
19.2483
-13.0192
19.5330
-33.5227
15.8493
-32.9545
18.9236
-39.8000
16.5670
-39.2000
24.5109
-31.2500
-87.9534
16.2500
13.4615
10.9281
5.1923
8.2111
1.9947
1.5884
9.1584
5.2443
0.9485
4.8132
8.3123
4.3822
1.7615
10.6269
2.1003
3.5920
0.6215
5.2786
1.0359
4.9202
3.3198
5.3191
0.0704
19.2483
13.0192
19.5330
33.5227
15.8493
32.9545
18.9236
39.8000
16.5670
39.2000
24.5109
31.2500
433.5099
b=
a=
!!!"!(!!)(!!)
!!! ! !(!!)!
!!!!!!
!
!"#$%&!!!!(!"#$%)
!" !"#$" !(!!!)!
!"#$%!(!!.!"#")(!!!)
!"
= 2.9040
= 1490.5016
2000
1500
1000
Demand
500
Forecast
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Periode
!"
!
!!"
!"
= 0.44
!|!"|
!
5858
36
= 162.72
!!"
!
!"!#$%$
!"
= 44941.61
1617898
361
= 215.00
!"
!
!!".!"#$
!"
= 2.4432
|!"|
!
!"".!"
!"
= 12.0419
4.2.3
Demand
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
1280
1716
1336
1560
1364
1504
1448
1616
1392
1476
1392
1588
1392
1476
1308
1476
1392
1448
1364
1448
1504
1476
1504
1420
1756
1252
1756
1056
1672
1056
1728
1000
1672
1000
1840
1056
S't
1280
1550.32
1417.44
1505.83
1417.89
1471.28
1456.85
1555.52
1454.14
1467.69
1420.76
1524.45
1442.33
1463.21
1366.98
1434.57
1408.18
1432.87
1390.17
1426.02
1474.37
1475.38
1493.12
1447.79
1638.88
1399.01
1620.35
1270.45
1519.41
1232.10
1539.56
1205.03
1494.55
1187.93
1592.21
1259.76
S''t
1280.00
1447.60
1428.90
1476.60
1440.20
1459.47
1457.84
1518.40
1478.56
1471.82
1440.17
1492.42
1461.37
1462.51
1403.28
1422.68
1413.69
1425.58
1403.63
1417.51
1452.76
1466.79
1483.12
1461.21
1571.37
1464.51
1561.13
1380.91
1466.78
1321.28
1456.61
1300.63
1420.86
1276.44
1472.22
1340.50
Jumlah
1653.04
1405.98
1535.06
1395.59
1483.09
1455.85
1592.64
1429.72
1463.56
1401.36
1556.48
1423.30
1463.91
1330.68
1446.46
1402.67
1440.16
1376.71
1434.54
1495.97
1483.97
1503.13
1434.36
1706.39
1333.52
1679.56
1159.99
1572.04
1142.92
1622.50
1109.43
1568.24
1099.42
1712.21
1179.03
167.60
-18.70
47.69
-36.39
19.27
-1.63
60.56
-39.84
-6.74
-31.66
52.26
-31.06
1.14
-59.23
19.40
-8.99
11.89
-21.95
13.89
35.25
14.02
16.33
-21.90
110.15
-106.86
96.62
-180.22
85.87
-145.50
135.33
-155.98
120.23
-144.42
195.78
-131.73
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
3
4
5
6
7
8
9
10
11
12
= 0.62
Ft+m
1820.64
1387.28
1582.75
1359.19
1502.36
1454.22
1653.20
1389.87
1456.83
1369.70
1608.73
1392.24
1465.05
1271.45
1465.86
1393.67
1452.05
1354.76
1448.42
1531.23
1498.00
1519.46
1412.46
1816.55
1226.66
1776.18
979.78
1657.91
997.41
1757.84
953.45
1688.47
955.00
1907.98
1047.30
1047.30
915.58
783.85
652.13
520.40
388.68
256.95
125.22
-6.50
-138.23
-269.95
-401.68
et
[et]
et^2
Pe(%)
[Pe]
-104.64
-51.28
-22.75
4.81
1.64
-6.22
-37.20
2.13
19.17
22.30
-20.73
-0.24
10.95
36.55
10.14
-1.67
-4.05
9.24
-0.42
-27.23
-22.00
-15.46
7.54
-60.55
25.34
-20.18
76.22
14.09
58.59
-29.84
46.55
-16.47
45.00
-67.98
8.70
104.64
51.28
22.75
4.81
1.64
6.22
37.20
2.13
19.17
22.30
20.73
0.24
10.95
36.55
10.14
1.67
4.05
9.24
0.42
27.23
22.00
15.46
7.54
60.55
25.34
20.18
76.22
14.09
58.59
29.84
46.55
16.47
45.00
67.98
8.70
10949.53
2630.13
517.76
23.10
2.69
38.72
1383.83
4.53
367.65
497.09
429.92
0.06
119.99
1335.91
102.73
2.80
16.37
85.38
0.18
741.24
483.86
239.10
56.87
3665.84
641.99
407.35
5810.19
198.39
3432.49
890.25
2166.63
271.35
2025.24
4621.63
75.67
-0.0610
-0.0384
-0.0146
0.0035
0.0011
-0.0043
-0.0230
0.0015
0.0130
0.0160
-0.0131
-0.0002
0.0074
0.0279
0.0069
-0.0012
-0.0028
0.0068
-0.0003
-0.0181
-0.0149
-0.0103
0.0053
-0.0345
0.0202
-0.0115
0.0722
0.0084
0.0555
-0.0173
0.0465
-0.0099
0.0450
-0.0369
0.0082
0.0610
0.0384
0.0146
0.0035
0.0011
0.0043
0.0230
0.0015
0.0130
0.0160
0.0131
0.0002
0.0074
0.0279
0.0069
0.0012
0.0028
0.0068
0.0003
0.0181
0.0149
0.0103
0.0053
0.0345
0.0202
0.0115
0.0722
0.0084
0.0555
0.0173
0.0465
0.0099
0.0450
0.0369
0.0082
-109.98
907.88
44236.47
0.0335
0.6577
1500
1000
Demand
500
Ft+m
0
-500
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
-1000
Periode
!"
!!"#.!"
!"
= 3.05
!|!"|
!
907.88
36
= 25.22
!!"
!
!!"#$.!"
!"
= 1228.79
SDE =
44236.47
361
= 35.55
!"
!
!.!""#
!"
= 0.0009
|!"|
!
!.!"##
!"
= 0.0183
4.2.4
Demand
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
1280
1716
1336
1560
1364
1504
1448
1616
1392
1476
1392
1588
1392
1476
1308
1476
1392
1448
1364
1448
1504
1476
1504
1420
1756
1252
1756
1056
1672
1056
1728
1000
1672
1000
1840
1056
St
1280
1716.00
1336.00
1499.60
1388.48
1483.54
1459.22
1598.90
1425.12
1456.51
1399.84
1564.22
1423.52
1459.52
1325.27
1449.06
1407.66
1441.24
1374.47
1434.91
1501.96
1485.12
1501.25
1429.49
1717.03
1323.75
1679.90
1147.16
1574.45
1141.79
1633.84
1104.11
1571.61
1094.88
1726.35
1175.95
=
bt
436.00
-380.00
-380.00
109.24
-89.08
76.64
-14.23
124.29
-143.97
13.86
-49.62
142.98
-112.33
21.17
-118.71
99.54
-27.30
27.49
-57.34
48.66
65.21
-8.64
13.65
-63.22
252.46
-328.70
287.67
-450.71
339.49
-355.44
407.29
-436.02
377.14
-391.35
529.20
-442.44
Jumlah
0.9
m
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
3
4
5
6
7
8
9
10
11
12
;
Ft+m
956.00
1608.84
1299.40
1560.18
1444.99
1723.19
1281.15
1470.37
1350.21
1707.20
1311.19
1480.68
1206.56
1548.59
1380.36
1468.72
1317.13
1483.58
1567.16
1476.48
1514.90
1366.27
1969.49
995.04
1967.57
696.45
1913.93
786.36
2041.13
668.09
1948.75
703.53
2255.55
733.52
733.52
291.08
-151.36
-593.80
-1036.24
-1478.68
-1921.12
-2363.56
-2805.99
-3248.43
-3690.87
-4133.31
=
et
0.9
[et]
et^2
Pe(%)
[Pe]
380.00
-48.84
64.60
-56.18
3.01
-107.19
110.85
5.63
41.79
-119.20
80.81
-4.68
101.44
-72.59
11.64
-20.72
46.87
-35.58
-63.16
-0.48
-10.90
53.73
-213.49
256.96
-211.57
359.55
-241.93
269.64
-313.13
331.91
-276.75
296.47
-415.55
322.48
380.00
48.84
64.60
56.18
3.01
107.19
110.85
5.63
41.79
119.20
80.81
4.68
101.44
72.59
11.64
20.72
46.87
35.58
63.16
0.48
10.90
53.73
213.49
256.96
211.57
359.55
241.93
269.64
313.13
331.91
276.75
296.47
415.55
322.48
144400.00
2385.35
4172.69
3156.53
9.04
11489.61
12288.67
31.66
1746.10
14209.75
6530.58
21.94
10290.16
5269.87
135.58
429.48
2196.39
1265.69
3989.66
0.23
118.87
2886.50
45577.61
66026.15
44763.55
129274.76
58531.91
72708.12
98050.24
110162.87
76592.62
87894.83
172680.26
103995.91
0.2844
-0.0313
0.0474
-0.0374
0.0021
-0.0663
0.0796
0.0038
0.0300
-0.0751
0.0581
-0.0032
0.0776
-0.0492
0.0084
-0.0143
0.0344
-0.0246
-0.0420
-0.0003
-0.0072
0.0378
-0.1216
0.2052
-0.1205
0.3405
-0.1447
0.2553
-0.1812
0.3319
-0.1655
0.2965
-0.2258
0.3054
0.2844
0.0313
0.0474
0.0374
0.0021
0.0663
0.0796
0.0038
0.0300
0.0751
0.0581
0.0032
0.0776
0.0492
0.0084
0.0143
0.0344
0.0246
0.0420
0.0003
0.0072
0.0378
0.1216
0.2052
0.1205
0.3405
0.1447
0.2553
0.1812
0.3319
0.1655
0.2965
0.2258
0.3054
525.40
4949.34
1293283.20
1.0881
3.7085
Demand
2000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
-2000
Demand
Ft+m
-4000
-6000
Periode
!"
!"!.!"
!"
= 14.59
!|!"|
!
4949.34
36
= 137.48
!!"
!
!"#$"%$.!"
!"
= 35924.53
SDE =
1293283.20
361
= 192.23
!"
!
!.!""#
!"
= 0.0302
|!"|
!
!.!"#$
!"
= 0.1030
BAB V
ANALISIS DATA
Setelah pengumpulan dan pengolahan data, maka langkah selanjutnya
adalah melakukan analisa terhadap hasil akhir dari masing masing pengolahan
data tersebut. Hal ini untuk memperjelas dan lebih memahami terhadap
permasalahan yang dihadapi serta hasil yang diperoleh dari penerapan pemecahan
masalah yang sudah digunakan.
2000
1500
1000
500
0
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35
Periode
Dari Gambar 5.1 diatas dapat terlihat bahwa data permintaan selama 36
periode ini memiliki pola data horizontal.
5.1 Double Moving Average (DMA)
2000
1500
1000
Demand
500
Ft+m
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Periode
Berdasarkan pada hasil pengolahan data dan gambar 5.2, dapat dilihat
hasil dari peramalan untuk 12 periode kedepan ialah menurun. Dapat dilihat
bahwa periode pertama, kedua dan ketiga tidak memiliki nilai peramalan.
Faktor penyebabnya karena jumlah satuan waktu yang digunakan dalam
membuat rata rata bergeraknya adalah 3 satuan periode, sehingga
peramalan pertama hanya bida dilakukan pada periode keempat. Perhitungan
MSE (Mean of Square Error) dari data dengan menggunakan metode Double
Moving Average ialah 5092.99.
5.2 Regresi Linier
Demand
Demand
Forecast
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Periode
3000
2000
Demand
1000
Ft+m
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
-1000
Periode
ialah
4000
2000
0
-2000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
-4000
-6000
Demand
Ft+m
Periode
Ukuran Kesalahan
Double Moving
Average
Mean Error
Mean Absolute Error
Sum of Square Error
Mean of Square Error
Standard Deviation Error
Mean Percentage Error
Mean Absolute Percentage Error
(Sumber: pengolahan data)
3.06
54.40
183347.75
5092.99
72.38
-0.0032
0.0391
Regresi Linier
-0.44
162.72
1617898.00
44941.61
215.00
-2.4432
12.0419
Double
Exponential
Smoothing
(Brown)
-3.05
25.22
44236.47
1228.79
35.55
0.0009
0.0183
Double
Exponential
Smoothing
(Holt)
14.59
137.48
1293283.20
35924.53
192.23
0.030
0.103
untuk menentukan metode terbaik dari keempat metode peramalan diatas adalah
dengan melihat nilai kesalahan atau error yang paling terkecil. Sesuai ketentuan,
jenis kesalahan yang dilihat adalah Mean of Square Error. Dilihat dari tabel 5.1
nilai Mean of Square Error
smoothing (Brown).
BAB VI
KESIMPULAN DAN SARAN
6.1 KESIMPULAN
Berdasarkan hasil pembahasan di bab sebelumnya maka dapat
disimpulkan adalah sebagai berikut :
1. Manfaat forecasting dalam sistem industri adalah berkaitan mengenai
persediaan yang akan dilakukan oleh perusahaan yaitu sebagai acuan dalam
melakukan proses produksinya. Dengan melakukan forecasting, perusahaan
dapat meramalkan permintaan konsumen dimasa yang akan datang
berdasarkan
permintaan
pada
periode
sebelumnya
terhadap
produk
(Brown) dan double smoothing double exponential (Holt). Dari ke-4 metode
tersebut didapatkan hasil yang terbaik yaitu dengan menggunakan metode
double exponential smoothing (Brown).
6.2 SARAN
Saran untuk praktikum perencanaan dan pengendalian produksi, modul 1
mengenai peramalan (forecasting) selanjutnya adalah :
1. Praktikan sebaiknya lebih teliti dalam melakukan pengolahan data manual
forecasting sehingga didapatkan hasil sesuai dengan yang diinginkan.
2. Praktikan sebaiknya memahami materi forecasting lebih baik sehingga mudah
dalam melakukan pembahasan materi forecasting.