Modul 1 Forecasting
Kelompok 4
BAB I
PENDAHULUAN
BAB II
TINJAUAN PUSTAKA
2.1 Peramalan
2.1.1 Peramalan
Peramalan atau forecasting adalah suatu dugaan terhadap permintaan yang akan
datang berdasarkan pada beberapa variable peramal, misalnya data masa lalu.
Peramalan dapat menggunakan teknik-teknik yang bersifat formal maupun informal
(Hartini, 2011). Dimana peramalan memegang peranan penting, antara lain (Hartini,
2011):
Penjadwalan sumber-sumber yang ada
Peramalan pada tingkat permintaan untuk produk, material, tenaga kerja, finansial
atau jasa adalah input penting untuk penjadwalan
Peramalan dibutuhkan untuk menentukan kebutuhan sumber-sumber di masa yang
akan datang
Menentukan sumber-sumber daya yang diinginkan
Semua organisasi atau perusahaan harus menentukan sumber apa yang mereka
inginkan untuk dimiliki pada jangka panjang
+1 = =1 ...(2.1)
b. Double Moving Average
+1 +2 +++1
= ...(2.2)
+ +
+1
" = 2 +1
...(2.3)
+ = + . ...(2.6)
c. Weight Moving Average
+1 = + 1 1 + 2 2 + + ...(2.7)
2. Exponential Smoothing
a. Single Exponential Smoothing
+1 = + (1 ) ...(2.8)
b. Single Exponential Smoothing with Trend
+1 = + (1 )( + )...(2.9)
+1 = (+1 ) + (1 ) ...(2.10)
c. Double Exponential Smoothing
= + (1 )1 ...(2.11)
"
" = + (1 )1 ...(2.12)
= ( " ) = 2 " ...(2.13)
Departemen Teknik Industri
Universitas Diponegoro
2017 7
Laporan Praktikum Perancangan Teknik Industri
Modul 1 Forecasting
Kelompok 4
= 1 " ...(2.14)
+ = + . ...(2.15)
d. Double Exponential Smoothing with Trend
= + (1 )(1 1 )...(2.16)
+1 = (+1 ) + (1 ) ...(2.17)
+ = + . ...(2.18)
3. ARIMA (Autoregressive Integrated Moving Average)
ARIMA mewakili tiga pemodelan yaitu dari autoregressive model (AR), moving
average (MA), serta autoregressive dan moving average model (ARMA).
a. Autoregressive (AR)
= + 1 1 + 2 2 + + + ...(2.19)
b. Moving Average (MA)
= + 1 1 2 2 ...(2.20)
c. Autoregressive and Moving Average (ARMA)
= + 1 1 + 2 2 + + + 1 1 2 2 (2.21)
Keterangan:
+1 : Hasil ramalan periode + 1
: Data pada periode t
t : period ke-
: Jumlah periode yang dirata-ratakan
+ : Hasil ramalan periode t
m: selisih periode antara t dengan periode peramalan yang akan dicari
: Pergerakan pertama periode t
" : Pergerakan kedua periode t
: Parameter a periode t
: Parameter b periode t
: bobot yang diberikan untuk periode t (semua bobot dijumlahkan = 1)
: Konstanta smoothing untuk rata-rata yang bernilai dari 0 sampai 1
: Konstanta smoothing untuk tren yang bernilai dari 0 sampai 1
Departemen Teknik Industri
Universitas Diponegoro
2017 8
Laporan Praktikum Perancangan Teknik Industri
Modul 1 Forecasting
Kelompok 4
Dalam memilih metode peramalan yang akan digunakan didasarkan pada uji
verifikasi. Dimana uji verifikasi ini bertujuan untuk menghitung error dari metode yang
akan kita gunakan. Metode peramalan yang akan dipilih yakni petode peramalan yang
menghasilkan nilai error yang paling kecil (Hartini, 2011).
Keterangan:
MSE : Mean Square Error
: Error atau Kesalahan pada Periode Tertentu
n : Periode
Xi : Data Permintaan Aktual pada Periode Tertentu
Fi : Hasil Ramalan Permintaan pada Periode Tertentu
Keterangan:
SDE : Standard Deviation Error
: Error atau Kesalahan pada Periode Tertentu
n : Periode
Xi : Data Permintaan Aktual pada Periode Tertentu
Fi : Hasil Ramalan Permintaan pada Periode Tertentu
PE i
X i Fi x100%
Xi (2.24)
MAPE
PE i
n (2.25)
Keterangan:
MAPE : Mean Absolute Percentage Error
: Persentase Error atau Persentase Kesalahan pada Periode Tertentu
n : Periode
Xi : Data Permintaan Aktual pada Periode Tertentu
Fi : Hasil Ramalan Permintaan pada Periode Tertentu
2
X Xi
Penyebut i 1 (2.27)
Xi
U Theil
Pembilang (2.28)
Penyebut
Keterangan:
n : Periode
Xi : Data Permintaan Aktual pada Periode Tertentu
Fi : Hasil Ramalan Permintaan pada Periode Tertentu
Xi Fi
ei
MFE i 1
n n (2.29)
Keterangan:
MFE : Mean Forecast Error
: Error atau Kesalahan pada Periode Tertentu
n : Periode
Xi : Data Permintaan Aktual pada Periode Tertentu
Fi : Hasil Ramalan Permintaan pada Periode Tertentu
X i Fi e i
(2.30)
MAD i 1
n n
Keterangan:
MAD : Mean Average Deviation
: Error atau Kesalahan pada Periode Tertentu
n : Periode
Xi : Data Permintaan Aktual pada Periode Tertentu
Fi : Hasil Ramalan Permintaan pada Periode Tertentu
2.6 Eviews
Eviews yakni singkatan dari Views Econometrics ialah sebuah perangkat lunak
(software) yang digunakan untuk analisis statistika dan ekonometrika. Selain itu,
perangkat lunak ini dapat menganalisis dan mengevaluasi data ilmiah maupun keuangan
atau biaya, melakukan regresi (regression), dan peramalan (forecasting) yang berbasis
deret waktu (time series) seperti peramalan makroekonomi dan penjualan, serta
melakukan simulasi. Namun, perangkat lunak ini kurang cocok untuk mengolah data
penelitian sosial karena berfokus pada data ekonometrik. Selain itu, Eviews tak dapat
menghasilkan output berupa distribusi frekuensi dan melakukan pengujian
nonparametrik (Singgih, 2010). Dalam modul ini, Eviews digunakan untuk meramalkan
permintaan Tamya untuk segmentasi remaja, koleksi, dan anak-anak. Berikut ialah
contoh tampilan pada perangkat lunak Eviews.
2.7 Minitab
Minitab ialah perangkat lunak (software) untuk pengolahan data dan
menyediakan bermacam-macam jenis perintah yang memungkinkan dalam hal
menganalisis data dan menyajikannya dalam bentuk yang beragam terutama dalam
analisis statistika yang bersifat kompleks. Untuk peramalan, Minitab dapat digunakan
mulai untuk menganalisis tren atau pola data hingga meramalkan untuk beberapa
periode yang akan datang (Hadijah, 2013). Dibawah ini ialah tampilan di Minitab.
2.8 WinQSB
Perangkat lunak QSB (Quantity System for Business) atau biasa dikenal dengan
WinQSB yang dikembangkan oleh Yih Long Chang merupakan perangkat lunak yang
mengandung algoritma penyelesaian masalah pada riset operasi dan ilmu manajemen
baik manajamen bagi manajer maupun masalah bisnis secara umum. Kegunaan
WinQSB secara spesifik yakni analisis sampling, analisis keputusan, agregat pada
sistem produksi, peramalan permintaan, program dinamis, goal programming, tata letak
fasilitas, sistem penyimpanan (inventory), work scheduling, program linier dan bilangan
bulat, perencanaan kebutuhan material, rantai Markov, dan teori antrean (Sumasto,
2011). Berikut ialah tampilan pada WinQSB.
BAB III
METODOLOGI PENELITIAN
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
Remaja
5000
4000
3000
2000
1000
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Dari plot data diatas, dapat terlihat bahwa pada segmentasi pasar remaja
memiliki pola konstan, karena data dari periode 1 sampai 52 berfluktuasi di
sekitar mean.
Koleksi
2500
2000
1500
1000
500
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Dari plot data diatas, dapat terlihat bahwa pada segmentasi pasar koleksi
memiliki pola linier dengan trend naik, karena data dari periode 1 sampai 52
meningkat dari waktu ke waktu.
Anak-anak
6000
5000
4000
3000
2000
1000
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Dari plot data diatas, dapat terlihat bahwa pada segmentasi pasar anak-anak
memiliki pola linier dengan trend naik, karena data dari periode 1 sampai 52
meningkat dari waktu ke waktu.
Lomba
3500
3000
2500
2000
1500
1000
500
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Dari plot data diatas, dapat terlihat bahwa pada segmentasi pasar lomba
memiliki pola konstan, karena data dari periode 1 sampai 52 berfluktuasi di
sekitar mean.
Style
6000
5000
4000
3000
2000
1000
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
Dari plot data diatas, dapat terlihat bahwa pada segmentasi pasar style
memiliki pola linier dengan trend turun, karena data dari periode 1 sampai
52 menurun dari waktu ke waktu.
Modifikasi
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 111315171921232527293133353739414345474951
Dari plot data diatas, dapat terlihat bahwa pada segmentasi pasar modifikasi memiliki
pola linier dengan trend turun, karena data dari periode 1 sampai 52 menurun dari waktu
ke waktu.
b. Segmentasi Anak-anak
Segmentasi ini dipilih karena berdasarkan pola data masa lalu, diketahui
bahwa permintaan Tamiya 4WD cenderung meningkat tiap periodenya.
Kenaikan permintaan juga memiliki pola yang berulang. Hal tersebut
merupakan suatu informasi yang penting untuk membantu proses peramalan
banyaknya produksi Tamiya 4WD. Selain itu, dapat meningkatkan
pendapatan perusahaan karena permintaan yang terus meningkat di tiap
periodenya.
c. Segmentasi Remaja
Segmentasi ini dipilih karena berdasarkan pola data masa lalu, diketahui
bahwa permintaan Tamiya 4WD cenderung stabil tiap periodenya. Kenaikan
permintaan dapat dikatakan konstan karena tidak ada peningkatan yang
sangat signifikan dari satu periode ke periode selanjutnya. Hal tersebut
memudahkan perusahaan untuk meramalkan produksi Tamiya 4WD untuk
periode-periode mendatang.
Pada segmentasi pasar lomba dan remaja memiliki pola yang sama, yaitu pola
data konstan. Sehingga, pada segmentasi tersebut dapat dilakukan agregasi. Berikut
merupakan tabel agregat pada segmentasi pasar lomba dan remaja.
Tabel 4. 2 Konversi Data Linear
Periode Remaja Lomba Agregat
1 2719 2133 4852
2 3265 2427 5692
3 3217 2524 5741
4 3384 2402 5786
5 3202 2413 5615
6 3511 2873 6384
7 3643 2756 6399
8 4050 2830 6880
9 3301 2654 5955
10 3729 2929 6658
11 3587 2876 6463
12 3268 2719 5987
13 3228 2504 5732
14 3738 2814 6552
15 3372 2818 6190
16 4012 2658 6670
17 3849 2897 6746
18 4055 2962 7017
19 3870 2752 6622
20 3763 2672 6435
21 3280 2827 6107
22 3879 2602 6481
23 3584 2568 6152
24 3382 2922 6304
25 3831 2450 6281
26 3748 2696 6444
27 3806 2685 6491
28 3466 2587 6053
29 3958 2537 6495
30 3811 2872 6683
31 3832 2649 6481
32 4141 2524 6665
33 3773 2680 6453
Berikut ini merupakan pembobotan untuk kedua data segmentasi pasar tersebut.
a. Segmentasi Pasar Lomba
188437
= 100% = 100% = 57.6%
327319
b. Segmentasi Pasar Remaja
138882
= 100% = 100% = 42.4%
327319
4.2.3 Peramalan
4.2.3.1 Pemilihan Metode Peramalan dan Error
Dalam melakukan peramalan permintaan dari Tamiya 4WD, PT. AGAWA
melakukan pemilihan metode dengan memperhatikan pola data dari segmentasi pasar
yang ada. Dari ketiga segmentasi pasar yang ada, terdapat dua pola data, yaitu pola
konstan dan linear. Berikut ini merupakan pemilihan metode untuk masing-masing pola
data.
a. Pola Data Konstan
Metode peramalan yang digunakan antara lain Metode Time Series berupa
Moving Average dan Exponential Smoothing. Untuk metode moving average
digunakan metode Single Moving Average (SMA) dengan pergerakan 3
periode, Centered Moving Average (CMA) dengan pergerakan 3 periode dan
5 periode, dan Weighted Moving Average (WMA) dengan pergerakan 2
periode. Sedangkan untuk metode Exponential Smoothing digunakan metode
Single Exponential Smoothing.
- Error: =
e4 = 5786 5428 = 357.67 358
- Error2: 2
(et)2 = 357.672 = 127925.4444
- |Error|: | |
| | = |357.67| = 357.67
- PE: = 100
57685428,3
PE4: = 100 = 6.181587741
5768
+1 +1 2 57405615 2
Pembilang = [ ] =[ ] = 0.000464241
5786
+1 2
- Penyebut: = [ ]
56155786 2
Penyebut = [ ] = 0.000873445
5786
1
- Galat: =
56924852
Galat = | = 0.147575545
5692
- |galat| = 0.147575545
Berikut ini merupakan hasil perhitungan manual peramalan dan error
dengan metode 3 SMA:
Tabel 4. 3 Perhitungan Peramalan Manual 3 SMA
t X (t) F (t) Error Error ^2 |Error| PE |PE| Pembilang Penyebut Galat |Galat|
1 4852
2 5692 0.147575545 0.147575545
3 5741 0.008535098 0.008535098
4 5786 5428 358 127925.4444 357.6666667 6.181587741 6.181587741 0.000464241 0.000873445 0.007777394 0.007777394
5 5615 5740 -125 15541.77778 124.6666667 -2.220243396 2.220243396 0.014238036 0.018756559 -0.030454141 0.030454141
6 6384 5714 670 448900 670 10.49498747 10.49498747 0.00543552 5.52073E-06 0.120457393 0.120457393
7 6399 5928 471 221527.1111 470.6666667 7.355315935 7.355315935 0.01363969 0.005650227 0.002344116 0.002344116
8 6880 6133 747 558507.1111 747.3333333 10.8624031 10.8624031 0.007588571 0.018076177 0.069912791 0.069912791
9 5955 6554 -599 359200.4444 599.3333333 -10.06437168 10.06437168 0.001715763 0.013936288 -0.155331654 0.155331654
10 6658 6411 247 60844.44444 246.6666667 3.704816261 3.704816261 2.71104E-05 0.000857791 0.105587263 0.105587263
11 6463 6498 -35 1201.777778 34.66666667 -0.536386611 0.536386611 0.003307036 0.005424324 -0.030171747 0.030171747
12 5987 6359 -372 138136.1111 371.6666667 -6.207894883 6.207894883 0.011332214 0.001814103 -0.079505595 0.079505595
13 5732 6369 -637 406193.7778 637.3333333 -11.11886485 11.11886485 0.007347508 0.020465169 -0.04448709 0.04448709
14 6552 6061 491 241408.4444 491.3333333 7.498982499 7.498982499 0.000231394 0.003052596 0.125152625 0.125152625
15 6190 6090 100 9933.444444 99.66666667 1.610123856 1.610123856 0.006841615 0.006013138 -0.058481422 0.058481422
16 6670 6158 512 262144 512 7.676161919 7.676161919 0.001703986 0.00012983 0.071964018 0.071964018
17 6746 6471 275 75808.44444 275.3333333 4.081430971 4.081430971 0.005098008 0.001613786 0.011265935 0.011265935
18 7017 6535 482 232002.7778 481.6666667 6.864281982 6.864281982 0.000725472 0.003168774 0.038620493 0.038620493
19 6622 6811 -189 35721 189 -2.854122622 2.854122622 0.002955471 0.000797453 -0.059649653 0.059649653
20 6435 6795 -360 129600 360 -5.594405594 5.594405594 0.008245637 0.002598068 -0.029059829 0.029059829
21 6107 6691 -584 341445.4444 584.3333333 -9.568255008 9.568255008 0.000231905 0.003750484 -0.053708859 0.053708859
22 6481 6388 93 8649 93 1.43496374 1.43496374 0.000850432 0.00257696 0.057707144 0.057707144
23 6152 6341 -189 35721 189 -3.072171651 3.072171651 8.68524E-05 0.000610456 -0.053478544 0.053478544
24 6304 6247 57 3287.111111 57.33333333 0.909475465 0.909475465 2.47048E-05 1.33114E-05 0.024111675 0.024111675
25 6281 6312 -31 981.7777778 31.33333333 -0.498858993 0.498858993 0.000997089 0.000673469 -0.003661837 0.003661837
26 6444 6246 198 39336.11111 198.3333333 3.077798469 3.077798469 0.000527488 5.31967E-05 0.025294848 0.025294848
27 6491 6343 148 21904 148 2.280080111 2.280080111 0.002946349 0.004553287 0.007240795 0.007240795
28 6053 6405 -352 124138.7778 352.3333333 -5.82080511 5.82080511 0.000749081 0.00533216 -0.072360813 0.072360813
29 6495 6329 166 27445.44444 165.6666667 2.55068001 2.55068001 0.002686841 0.000837833 0.068052348 0.068052348
30 6683 6346 337 113344.4444 336.6666667 5.037657739 5.037657739 0.000111811 0.000913608 0.028131079 0.028131079
31 6481 6410 71 4993.777778 70.66666667 1.090366713 1.090366713 0.000298643 0.000806031 -0.03116803 0.03116803
32 6665 6553 112 12544 112 1.680420105 1.680420105 0.000552526 0.001011746 0.027606902 0.027606902
33 6453 6610 -157 24544.44444 156.6666667 -2.427811354 2.427811354 0.00593184 0.004175887 -0.032852937 0.032852937
34 6036 6533 -497 247009 497 -8.233929755 8.233929755 0.002769777 2.6377E-05 -0.069085487 0.069085487
35 6067 6385 -318 100912.1111 317.6666667 -5.235976045 5.235976045 0.003115996 0.005673936 0.005109609 0.005109609
36 6524 6185 339 114695.1111 338.6666667 5.191089311 5.191089311 0.003702995 0.000157979 0.07004905 0.07004905
37 6606 6209 397 157609 397 6.009688162 6.009688162 0.005412469 0.001783739 0.012412958 0.012412958
38 6885 6399 486 236196 486 7.058823529 7.058823529 0.001083846 0.00408411 0.040522876 0.040522876
= 2 = 6441104.778
|| 239.5745912
= = = 4.889277371
49
+1+1 2
1
=1 ( )
= 1
+1 2 = 0.921566856
=1 ( )
| +1 | 2.567544852
+1
1 = 100% = 100% = 5.03440167
51
Software
Berikut ini merupakan hasil perhitungan software Minitab peramalan
dengan metode 3 SMA:
Tabel 4. 5 Perhitungan Peramalan 3 SMA Minitab
Periode Xt AVER1 FITS1 RESI1 FORE1
1 4852 * * * 6413.33
2 5692 * * * 6413.33
3 5741 5428.33 * * 6413.33
4 5786 5739.67 5428.33 357.667 6413.33
5 5615 5714 5739.67 -124.667 6413.33
6 6384 5928.33 5714 670 6413.33
7 6399 6132.67 5928.33 470.667
8 6880 6554.33 6132.67 747.333
9 5955 6411.33 6554.33 -599.333
10 6658 6497.67 6411.33 246.667
11 6463 6358.67 6497.67 -34.667
12 5987 6369.33 6358.67 -371.667
13 5732 6060.67 6369.33 -637.333
14 6552 6090.33 6060.67 491.333
15 6190 6158 6090.33 99.667
16 6670 6470.67 6158 512
17 6746 6535.33 6470.67 275.333
18 7017 6811 6535.33 481.667
19 6622 6795 6811 -189
20 6435 6691.33 6795 -360
21 6107 6388 6691.33 -584.333
22 6481 6341 6388 93
23 6152 6246.67 6341 -189
24 6304 6312.33 6246.67 57.333
25 6281 6245.67 6312.33 -31.333
26 6444 6343 6245.67 198.333
27 6491 6405.33 6343 148
28 6053 6329.33 6405.33 -352.333
29 6495 6346.33 6329.33 165.667
30 6683 6410.33 6346.33 336.667
31 6481 6553 6410.33 70.667
32 6665 6609.67 6553 112
33 6453 6533 6609.67 -156.667
34 6036 6384.67 6533 -497
35 6067 6185.33 6384.67 -317.667
36 6524 6209 6185.33 338.667
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode 3
SMA dengan excel:
X (t) F (t)
- Error: =
e2 = 5428 5692 = 264
- Error2: 2
(et)2 = 2642 = 69696
- |Error|: | |
| | = |264| = 264
- PE: = 100
54285692
PE2: = 100 = 4.638088545
5428
+1 +1 2
- Pembilang: = [ ]
57405741 2
Pembilang = [ ] = 3.0865 05
5692
+1 2
- Penyebut: = [ ]
57415692 2
Penyebut = [ ] = 7.4108 08
5692
1
- Galat: =
56924852
Galat = = 0.147575545
5692
- |galat| = 0.147575545
Berikut ini merupakan hasil perhitungan manual peramalan dan error
dengan metode 3 CMA:
Tabel 4. 6 Perhitungan Peramalan Manual 3 CMA
Error
t X (t) F (t) Error |Error| PE |PE| Pembilang Penyebut Galat |Galat|
^2
1 4852
2 5692 5428 264 69696 264 4.638088545 4.63808855 3.08653E-08 7.4108E-05 0.147575545 0.147575545
27 6491 6329 162 26244 162 2.495763365 2.49576336 0.002037568 0.00455329 0.007240795 0.007240795
- -
28 6346 -293 85849 293 4.84057492 0.000197195 0.00533216 0.072360813
6053 4.840574922 0.072360813
29 6495 6410 85 7225 85 1.308698999 1.308699 0.000400616 0.00083783 0.068052348 0.068052348
30 6683 6553 130 16900 130 1.945234176 1.94523418 0.000372595 0.00091361 0.028131079 0.028131079
-
31 6610 -129 16641 129 1.99043358 0.000414824 0.00080603 -0.03116803 0.03116803
6481 1.990433575
32 6665 6533 132 17424 132 1.980495124 1.98049512 0.000104092 0.00101175 0.027606902 0.027606902
-
33 6385 68 4624 68 1.053773439 1.05377344 0.00053315 0.00417589 0.032852937
6453 0.032852937
-
34 6185 -149 22201 149 -2.4685222 2.4685222 0.00055345 2.6377E-05 0.069085487
6036 0.069085487
35 6067 6209 -142 20164 142 -2.34053074 2.34053074 0.000424494 0.00567394 0.005109609 0.005109609
36 6524 6399 125 15625 125 1.916002452 1.91600245 0.000102343 0.00015798 0.07004905 0.07004905
-
37 6672 -66 4356 66 0.99909173 0.001319913 0.00178374 0.012412958 0.012412958
6606 0.999091735
38 6885 6645 240 57600 240 3.48583878 3.48583878 6.38142E-05 0.00408411 0.040522876 0.040522876
- -
39 6500 -55 3025 55 0.85337471 0.001133636 0.00183389 0.068269977
6445 0.853374709 0.068269977
-
40 6386 -217 47089 217 -3.51758794 3.51758794 0.001377975 0.00371489 0.044739828
6169 0.044739828
41 6545 6316 229 52441 229 3.498854087 3.49885409 2.10099E-07 0.00225788 0.057448434 0.057448434
-
42 6231 3 9 3 0.048123195 0.0481232 0.000137124 0.00265141 0.049887713
6234 0.049887713
- -
43 5986 -73 5329 73 1.2345679 0.000286012 0.00029757 0.054287164
5913 1.234567901 0.054287164
- -
44 5911 -100 10000 100 1.7208742 0.000175582 0.00114929 0.017552917
5811 1.720874204 0.017552917
-
45 6085 -77 5929 77 1.2816245 0.003792657 0.00505122 0.032789614 0.032789614
6008 1.281624501
46 6435 6065 370 136900 370 5.74980575 5.74980575 0.006085697 0.01123238 0.066355866 0.066355866
- -
47 6255 -502 252004 502 8.72588215 0.002121793 0.02051472 0.118546845
5753 8.725882148 0.118546845
48 6577 6312 265 70225 265 4.029192641 4.02919264 5.55056E-05 1.8124E-05 0.125285084 0.125285084
54 6413
55 6413
56 6413
57 6413
58 6413
-
327319 3E+05 216 2362084 8760 2.278784149 139.686222 0.05845353 0.19018159 0.155555482 2.567544852
= 2 = 2362084
|| 139.686222
= = = 2.738945533
51
+1+1 2
1
=1 ( )
= 1
+1 2 = 0.554397348
=1 ( )
| +1 | 2.567544852
+1
1 = 100% = 100 = 5.03440167
51
Software
Berikut ini merupakan hasil perhitungan software Minitab peramalan dengan
metode 3 CMA:
Tabel 4. 8 Perhitungan Peramalan 3 CMA Minitab
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode 3 CMA
dengan excel:
X (t) F (t)
- Error: =
e3 = 5741 5537 = 204
- Error2: 2
(et)2 = 2042 = 41616
- |Error|: | |
| | = |204| = 204
- PE: = 100
57415537
PE3: = 100 = 3.556687912
5741
+1 +1 2
- Pembilang: = [ ]
578445786 2
Pembilang = [ ] = 0.000102066
5741
+1 2
- Penyebut: = [ ]
57865741 2
Penyebut = [ ] = 6.14398 05
5741
1
- Galat: =
56924852
Galat = = 0.147575545
5692
- |galat| = 0.147575545
Berikut ini merupakan hasil perhitungan manual peramalan dan error
dengan metode 5 CMA:
Tabel 4. 9 Perhitungan Peramalan Manual 5 CMA
t X (t) F (t) Error Error ^2 |Error| PE |PE| Pembilang Penyebut Galat |Galat|
1 4852
2 5692 0.147575545 0.147575545
3 5741 5537 204 41616 204 3.553387912 3.553387912 0.000102066 6.14398E-05 0.008535098 0.008535098
4 5786 5844 -58 3364 58 -1.002419634 1.002419634 0.004089278 0.000873445 0.007777394 0.007777394
5 5615 5985 -370 136900 370 -6.589492431 6.589492431 0.000927455 0.018756559 -0.030454141 0.030454141
6 6384 6213 171 29241 171 2.678571429 2.678571429 0.000566893 5.52073E-06 0.120457393 0.120457393
7 6399 6247 152 23104 152 2.375371152 2.375371152 0.004411168 0.005650227 0.002344116 0.002344116
8 6880 6455 425 180625 425 6.177325581 6.177325581 0.005625 0.018076177 0.069912791 0.069912791
9 5955 6471 -516 266256 516 -8.664987406 8.664987406 0.002040521 0.013936288 -0.155331654 0.155331654
10 6658 6389 269 72361 269 4.040252328 4.040252328 0.002084777 0.000857791 0.105587263 0.105587263
11 6463 6159 304 92416 304 4.703697973 4.703697973 0.002027298 0.005424324 -0.030171747 0.030171747
12 5987 6278 -291 84681 291 -4.860531151 4.860531151 0.005725032 0.001814103 -0.079505595 0.079505595
13 5732 6185 -453 205209 453 -7.903000698 7.903000698 0.003234617 0.020465169 -0.04448709 0.04448709
14 6552 6226 326 106276 326 4.975579976 4.975579976 0.000823319 0.003052596 0.125152625 0.125152625
15 6190 6378 -188 35344 188 -3.037156704 3.037156704 3.19709E-05 0.006013138 -0.058481422 0.058481422
18 7017 6698 319 101761 319 4.546102323 4.546102323 2.78036E-05 0.003168774 0.038620493 0.038620493
20 6435 6532 -97 9409 97 -1.507381507 1.507381507 0.001533571 0.002598068 -0.029059829 0.029059829
21 6107 6359 -252 63504 252 -4.126412314 4.126412314 0.000917672 0.003750484 -0.053708859 0.053708859
22 6481 6296 185 34225 185 2.854497763 2.854497763 0.000303999 0.00257696 0.057707144 0.057707144
23 6152 6265 -113 12769 113 -1.83680104 1.83680104 2.07149E-05 0.000610456 -0.053478544 0.053478544
24 6304 6332 -28 784 28 -0.444162437 0.444162437 7.06837E-05 1.33114E-05 0.024111675 0.024111675
25 6281 6334 -53 2809 53 -0.843814679 0.843814679 0.000421815 0.000673469 -0.003661837 0.003661837
26 6444 6315 129 16641 129 2.001862197 2.001862197 0.000458614 5.31967E-05 0.025294848 0.025294848
27 6491 6353 138 19044 138 2.126020644 2.126020644 0.003427236 0.004553287 0.007240795 0.007240795
28 6053 6433 -380 144400 380 -6.277878738 6.277878738 7.95877E-05 0.00533216 -0.072360813 0.072360813
30 6683 6475 208 43264 208 3.112374682 3.112374682 0.000122608 0.000913608 0.028131079 0.028131079
31 6481 6555 -74 5476 74 -1.141799105 1.141799105 0.000961852 0.000806031 -0.03116803 0.03116803
32 6665 6464 201 40401 201 3.015753938 3.015753938 0.000287446 0.001011746 0.027606902 0.027606902
33 6453 6340 113 12769 113 1.751123508 1.751123508 0.002352693 0.004175887 -0.032852937 0.032852937
34 6036 6349 -313 97969 313 -5.185553347 5.185553347 0.002000917 2.6377E-05 -0.069085487 0.069085487
35 6067 6337 -270 72900 270 -4.450304928 4.450304928 0.000271676 0.005673936 0.005109609 0.005109609
36 6524 6424 100 10000 100 1.532801962 1.532801962 0.000239671 0.000157979 0.07004905 0.07004905
37 6606 6505 101 10201 101 1.528913109 1.528913109 0.002953329 0.001783739 0.012412958 0.012412958
38 6885 6526 359 128881 359 5.214233842 5.214233842 0.000152416 0.00408411 0.040522876 0.040522876
39 6445 6530 -85 7225 85 -1.318851823 1.318851823 0.001982978 0.001833886 -0.068269977 0.068269977
40 6169 6456 -287 82369 287 -4.652293727 4.652293727 0.002119372 0.003714892 -0.044739828 0.044739828
41 6545 6261 284 80656 284 4.339190222 4.339190222 0.000233443 0.002257883 0.057448434 0.057448434
42 6234 6134 100 10000 100 1.604106513 1.604106513 0.000919158 0.002651407 -0.049887713 0.049887713
43 5913 6102 -189 35721 189 -3.196347032 3.196347032 0.002069611 0.000297567 -0.054287164 0.054287164
44 5811 6080 -269 72361 269 -4.629151609 4.629151609 1.70577E-05 0.001149293 -0.017552917 0.017552917
46 6435 6117 318 101124 318 4.941724942 4.941724942 0.006605509 0.011232376 0.066355866 0.066355866
47 5753 6276 -523 273529 523 -9.090909091 9.090909091 0.00128217 0.020514724 -0.118546845 0.118546845
48 6577 6371 206 42436 206 3.13212711 3.13212711 0.00120175 1.81243E-05 0.125285084 0.125285084
49 6605 6377 228 51984 228 3.451930356 3.451930356 2.29221E-08 0.000330078 0.004239213 0.004239213
51 6464 6484 -20 400 20 -0.309405941 0.309405941 0.000891481 0.000716291 -0.003248762 0.003248762
53 6484
54 6484
55 6484
56 6484
57 6484
58 6484
327319 3E+05 66 2915150 10110 -6.711913936 161.5611462 0.07211501 0.190107483 0.155555482 2.567544852
= 2 = 2915150
|| 161.5611462
= = = 3.231222925
50
+1+1 2
1
=1 ( )
=
+1 2 = 0.61590429
1
=1 ( )
| +1 | 2.56744852
+1
1 = 100% = 100% = 5.03440167
51
Software
Berikut ini merupakan hasil perhitungan software Minitab peramalan dengan
metode 5 CMA:
Tabel 4. 11 Perhitungan Peramalan 5 CMA Minitab
Periode AVER2 FITS2 RESI2 FORE2
1 6484.4
2 6484.4
3 5537.2 6484.4
4 5843.6 5537.2 248.8 6484.4
5 5985 5843.6 -228.6 6484.4
6 6212.8 5985 399 6484.4
7 6246.6 6212.8 186.2
8 6455.2 6246.6 633.4
9 6471 6455.2 -500.2
10 6388.6 6471 187
11 6159 6388.6 74.4
12 6278.4 6159 -172
13 6184.8 6278.4 -546.4
14 6226.2 6184.8 367.2
15 6378 6226.2 -36.2
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode 5 CMA
dengan excel:
X (t) F (t)
+1 +1 2
- Pembilang: = [ ]
57125786 2
Pembilang = [ ] = 0.000167946
5741
+1 2
- Penyebut: = [ ]
57865741 2
Penyebut = [ ] = 6.14398 05
5741
1
- Galat: =
56924852
Galat = = 0.147575545
5692
- |Galat| = 0.147575545
Berikut ini merupakan hasil perhitungan manual peramalan dan error
dengan metode 2 WMA:
Tabel 4. 12 Perhitungan Peramalan Manual 2 WMA
t X (t) F (t) Error Error ^2 |Error| PE |PE| Pembilang Penyebut Galat |Galat|
1 4852
2 5692 0.147575545 0.147575545
3 5741 5188 553 305809 553 9.632468211 9.632468211 0.000167946 6.14398E-05 0.008535098 0.008535098
4 5786 5712 74 5535.36 74.4 1.285862427 1.285862427 0.000619396 0.000873445 0.007777394 0.007777394
5 5615 5759 -144 20736 144 -2.564559216 2.564559216 0.014085441 0.018756559 -0.030454141 0.030454141
6 6384 5718 666 444088.96 666.4 10.43859649 10.43859649 0.00556875 5.52073E-06 0.120457393 0.120457393
7 6399 5923 476 226956.96 476.4 7.444913268 7.444913268 0.005863649 0.005650227 0.002344116 0.002344116
8 6880 6390 490 240100 490 7.122093023 7.122093023 0.00855625 0.018076177 0.069912791 0.069912791
9 5955 6591 -636 405004.96 636.4 -10.6868178 10.6868178 0.000617675 0.013936288 -0.155331654 0.155331654
10 6658 6510 148 21904 148 2.222889757 2.222889757 0.001160375 0.000857791 0.105587263 0.105587263
11 6463 6236 227 51438.24 226.8 3.509206251 3.509206251 0.008418623 0.005424324 -0.030171747 0.030171747
12 5987 6580 -593 351649 593 -9.90479372 9.90479372 0.008153303 0.001814103 -0.079505595 0.079505595
13 5732 6273 -541 292248.36 540.6 -9.431263084 9.431263084 0.013540644 0.020465169 -0.04448709 0.04448709
14 6552 5885 667 444889 667 10.18009768 10.18009768 0.000393676 0.003052596 0.125152625 0.125152625
15 6190 6060 130 16900 130 2.100161551 2.100161551 0.001802476 0.006013138 -0.058481422 0.058481422
16 6670 6407 263 69063.84 262.8 3.940029985 3.940029985 0.002978181 0.00012983 0.071964018 0.071964018
17 6746 6382 364 132496 364 5.395790098 5.395790098 0.002202567 0.001613786 0.011265935 0.011265935
18 7017 6700 317 100235.56 316.6 4.511899672 4.511899672 0.001096906 0.003168774 0.038620493 0.038620493
19 6622 6854 -232 54009.76 232.4 -3.509513742 3.509513742 0.004099712 0.000797453 -0.059649653 0.059649653
20 6435 6859 -424 179776 424 -6.588966589 6.588966589 0.004679538 0.002598068 -0.029059829 0.029059829
21 6107 6547 -440 193776.04 440.2 -7.208121827 7.208121827 0.000841921 0.003750484 -0.053708859 0.053708859
22 6481 6304 177 31399.84 177.2 2.734145965 2.734145965 0.000260483 0.00257696 0.057707144 0.057707144
23 6152 6257 -105 10941.16 104.6 -1.700260078 1.700260078 5.44602E-05 0.000610456 -0.053478544 0.053478544
24 6304 6349 -45 2061.16 45.4 -0.720177665 0.720177665 0.000117041 1.33114E-05 0.024111675 0.024111675
25 6281 6213 68 4651.24 68.2 1.085814361 1.085814361 0.000564261 0.000673469 -0.003661837 0.003661837
26 6444 6295 149 22260.64 149.2 2.315332092 2.315332092 0.000504924 5.31967E-05 0.025294848 0.025294848
27 6491 6346 145 20967.04 144.8 2.230781081 2.230781081 0.003985848 0.004553287 0.007240795 0.007240795
28 6053 6463 -410 167936.04 409.8 -6.770196597 6.770196597 0.000876465 0.00533216 -0.072360813 0.072360813
29 6495 6316 179 32112.64 179.2 2.75904542 2.75904542 0.004868795 0.000837833 0.068052348 0.068052348
30 6683 6230 453 205390.24 453.2 6.781385605 6.781385605 0.00017815 0.000913608 0.028131079 0.028131079
31 6481 6570 -89 7956.64 89.2 -1.376330813 1.376330813 9.38934E-05 0.000806031 -0.03116803 0.03116803
32 6665 6602 63 3943.84 62.8 0.942235559 0.942235559 0.000232374 0.001011746 0.027606902 0.027606902
= 2 = 6639168.12
|| 161.5611462
= = = 4.965966291
50
+1+1 2
1
=1 ( )
= 1
+1 2 = 0.921931874
=1 ( )
| +1 | 2.56744852
+1
1 = 100% = 100% = 5.03440167
51
Software
Berikut ini merupakan hasil perhitungan software Winqsb peramalan dengan
metode 2 WMA:
Tabel 4. 14 Perhitungan Peramalan 2 WMA Winqsb (1)
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode 2 WMA
dengan excel:
6000
4000
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 51 53
X (t) F (t)
51315741 2
Pembilang = [ ] = 0.01148949
5692
+1 2
- Penyebut: = [ ]
57415692 2
Penyebut = [ ] = 7.41075 05
5692
1
- Galat: =
56924852
Galat = = 0.147575545
5692
- |galat| = 0.147575545
= 2 = 7554412.571
|| 260.0214148
= = = 5.098459115
51
+1+1 2
1
=1 ( )
=
+1 2 = 0.975228072
1
=1 ( )
| +1 | 2.567544852
+1
1 = = 100 = 5.03440167
51
Software
Berikut ini merupakan hasil perhitungan software Winqsb peramalan dengan
metode SES:
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode SES dengan
excel:
X (t) F (t)
Berikut ini adalah grafik dari peramalan menggunakan metode SES dengan
Winqsb:
Tabel 4.21 Hasil Peramalan Data Konstan Metode 3 Centered Moving Average (3 CMA) (Lanjutan)
t X (t) F (t)
22 6481 6247
23 6152 6312
24 6304 6246
25 6281 6343
26 6444 6405
27 6491 6329
28 6053 6346
29 6495 6410
30 6683 6553
31 6481 6610
32 6665 6533
33 6453 6385
34 6036 6185
35 6067 6209
36 6524 6399
37 6606 6672
38 6885 6645
39 6445 6500
40 6169 6386
41 6545 6316
42 6234 6231
43 5913 5986
44 5811 5911
45 6008 6085
46 6435 6065
47 5753 6255
48 6577 6312
49 6605 6556
50 6485 6518
51 6464 6413
52 6291 6413
53 6413
54 6413
55 6413
56 6413
57 6413
58 6413
F6 = a5 + b5 = 4584 + 34 = 4618
Berikut ini merupakan tabel hasil perhitungan manual peramalan
dengan metode 3 DMA.
Error: =
e6 = 4622 4618 = 4
Error2: 2
(et)2 = 42 = 16
|Error|: | |
| | = |4| = 4
PE: = 100
46224618
PE4: = 100 = 0.00087
4622
+1 +1 2 46184622 2
Pembilang = [ ] =[ ] = 7.9 107
4496
+1 2
Penyebut: = [ ]
46184496 2
Penyebut = [ ] = 0.00079
4496
1
Galat: = 100
46223973
Galat = x 100| = 16.335
3973
|galat| = 16.335
|| 5452.44
MAD = = = 116.0095
47
2 1258082.32
MSE = = = 26767.709
47
|| 109
MAPE = = = 2.327%
47
+1+1 2
1
=1 ( )
UTHEIL = 1
+1+1 2 = 1.338677
=1 ( )
|1| 100
NF1 = = = 1.84
51
Berikut ini merupakan tabel rekap perhitungan error pada masing-masing metode.
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode 3
DMA dengan excel.
DMA
6000
5000
4000
Axis Title
3000 Xt
Ft
2000
1000
0
1 3 5 7 9 11131517192123252729313335373941434547495153
Error: =
e3 = 4623 4131.36 = 490.77
Error2: 2
(et)2 = 490.772 = 240851.3
|Error|: | |
| | = |490.77| = 490.77
PE: = 100
46234131.36
PE4: = 100 = 0.1062
4623
+1 +1 2 4131.364623 2
Pembilang =[ ] =[ ] =
4622
1.13 102
+1 2
Penyebut: = [ ]
46234623 2
Penyebut = [ ] = 0.000000
4622
1
Galat: = 100
46223973
Galat = x 100| = 16.335
3973
|galat| = 16.335
Berikut ini merupakan tabel perhitungan error pada
metode DES.
|| 6026,72
MAD = = = 120.534
50
2 1355984.39
MSE = = = 27119.7
50
|| 123.76%
MAPE = = = 2.4752%
50
+1+1 2
1
=1 ( )
UTHEIL = 1
+1+1 2 = 1.40211
=1 ( )
|1| 100
NF1 = = = 1.84
51
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode DES
dengan excel.
DES
6000
5000
4000
Axis Title
3000
2000
1000
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 51 53 55 57
Xt Ft
Error: =
e3 = 4623 4622 = 1
Error2: 2
(et)2 = 12 = 1
|Error|: | |
| | = |1| = 1
PE: = 100
46223973
PE4: = 100 = 14.04
4622
+1 +1 2 46224623 2
Pembilang = [ ] =[ ] = 4.68 108
4622
+1 2
Penyebut: = [ ]
46234623 2
Penyebut = [ ] = 0.000000
4622
1
Galat: = 100
46223973
Galat = x 100| = 16.335
3973
|galat| = 16.335
1 3973 3973.00 0
2 4622 4622.00 0 3973 649.00 649 421201 14.04 2.67E-02 0.019716 16.3353
6 4622 4622.00 0 4496 126.00 126 15876 2.73 7.85E-04 0.000743 2.8025
7 4448 4448.00 0 4622 -174.00 174 30276 3.91 1.42E-03 0.001530 3.7646
8 4497 4497.00 0 4448 49.00 49 2401 1.09 1.21E-04 0.000119 1.1016
12 4698 4698.00 0 4598 100.00 100 10000 2.13 4.73E-04 0.000453 2.1749
13 4732 4732.00 0 4698 34.00 34 1156 0.72 5.24E-05 0.000052 0.7237
14 4628 4628.00 0 4732 -104.00 104 10816 2.25 4.83E-04 0.000505 2.1978
15 4645 4645.00 0 4628 17.00 17 289 0.37 1.35E-05 0.000013 0.3673
17 4830 4830.00 0 4675 155.00 155 24025 3.21 1.10E-03 0.001030 3.3155
18 4831 4831.00 0 4830 1.00 1 1 0.02 4.29E-08 0.000000 0.0207
24 5019 5019.00 0 4816 203.00 203 41209 4.04 1.78E-03 0.001636 4.2151
25 5028 5028.00 0 5019 9.00 9 81 0.18 3.22E-06 0.000003 0.1793
31 4901 4901.00 0 5127 -226.00 226 51076 4.61 1.94E-03 0.002126 4.4080
32 4906 4906.00 0 4901 5.00 5 25 0.10 1.04E-06 0.000001 0.1020
36 5176 5176.00 0 5007 169.00 169 28561 3.27 1.14E-03 0.001066 3.3753
37 5185 5185.00 0 5176 9.00 9 81 0.17 3.02E-06 0.000003 0.1739
38 5072 5072.00 0 5185 -113.00 113 12769 2.23 4.75E-04 0.000496 2.1794
46 4569 4569.00 0 4913 -344.00 344 118336 7.53 4.90E-03 0.005669 7.0018
47 4798 4798.00 0 4569 229.00 229 52441 4.77 2.51E-03 0.002278 5.0120
48 5231 5231.00 0 4798 433.00 433 187489 8.28 8.14E-03 0.006852 9.0246
53 5278
54 5278
55 5278
56 5278
57 5278
58 5278
|| 4409
MAD = = = 86.4508
51
2 1109419
MSE = = = 21752.31
51
|| 91.021%
MAPE = = = 1.78%
51
+1+1 2
1
=1 ( )
UTHEIL = 1
+1+1 2 = 1.077107
=1 ( )
|1| 0.9384
NF1 = = = 1.84
51
Software
Berikut ini merupakan hasil perhitungan software Winqsb pada
metode SEST.
Grafik Peramalan
Berikut ini adalah grafik dari peramalan menggunakan metode SEST
dengan excel.
SEST
6000.00
5000.00
4000.00
3000.00
2000.00
1000.00
0.00
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 51 53 55 57
Xt Ft
Error: =
E2 = 4622 3973 = 649
Error2: 2
(et)2 = 6492 = 421201
|Error|: | |
| | = |649| = 649
PE: = 100
46223973
PE2: = 100 = 14.04
4622
+1 +1 2 39734622 2
Pembilang = [ ] =[ ] = 2.67 102
3973
+1 2
Penyebut: = [ ]
46223973 2
Penyebut = [ ] = 0.019716
4622
1
Galat: = 100
46223973
Galat = x 100| = 16.335
3973
|galat| = 16.335
3 4623 4622.39 4621.22 5232.06 609.06 609.06 370954.1 13.17 1.74E-02 0.000000 0.0216
4 4531 4533.74 4536.37 4661.13 130.13 130.13 16933.22 2.87 7.92E-04 0.000412 1.9900
5 4496 4497.13 4498.31 4446.26 -49.74 49.74 2474.117 1.11 1.21E-04 0.000061 0.7725
6 4622 4618.25 4614.66 4457.90 -164.10 164.1 26929.32 3.55 1.33E-03 0.000743 2.8025
7 4448 4453.11 4457.95 4738.20 290.20 290.2 84215.27 6.52 3.94E-03 0.001530 3.7646
8 4497 4495.68 4494.55 4291.56 -205.44 205.44 42205.75 4.57 2.13E-03 0.000119 1.1016
9 4520 4519.27 4518.53 4533.41 13.41 13.412 179.8924 0.30 8.90E-06 0.000026 0.5115
10 4586 4584.00 4582.03 4543.99 -42.01 42.01 1764.87 0.92 8.64E-05 0.000207 1.4602
11 4598 4597.58 4597.11 4649.47 51.47 51.467 2648.884 1.12 1.26E-04 0.000007 0.2617
12 4698 4694.99 4692.05 4613.13 -84.87 84.874 7203.622 1.81 3.41E-04 0.000453 2.1749
13 4732 4730.89 4729.72 4792.86 60.86 60.861 3704.089 1.29 1.68E-04 0.000052 0.7237
14 4628 4631.09 4634.05 4769.73 141.73 141.73 20086.84 3.06 8.97E-04 0.000505 2.1978
15 4645 4644.58 4644.27 4532.45 -112.55 112.55 12667.75 2.42 5.91E-04 0.000013 0.3673
16 4675 4674.09 4673.19 4655.12 -19.88 19.881 395.2391 0.43 1.83E-05 0.000041 0.6459
17 4830 4825.32 4820.76 4703.91 -126.09 126.09 15899.08 2.61 7.27E-04 0.001030 3.3155
18 4831 4830.83 4830.53 4977.45 146.45 146.45 21448.31 3.03 9.19E-04 0.000000 0.0207
19 4769 4770.85 4772.65 4840.90 71.90 71.901 5169.7 1.51 2.22E-04 0.000169 1.2834
20 4771 4771.00 4771.05 4711.18 -59.82 59.818 3578.166 1.25 1.57E-04 0.000000 0.0419
t X(t) a(t) b(t) F(t) error |error| error^2 |PE| Pembilang Penyebut |NF1|
21 4792 4791.37 4790.76 4769.35 -22.65 22.654 513.1936 0.47 2.25E-05 0.000019 0.4402
22 4806 4805.56 4805.12 4811.69 5.69 5.6946 32.42858 0.12 1.41E-06 0.000008 0.2922
23 4816 4815.69 4815.37 4820.36 4.36 4.3621 19.02761 0.09 8.24E-07 0.000004 0.2081
24 5019 5012.90 5006.97 4826.26 -192.74 192.74 37150.02 3.84 1.60E-03 0.001636 4.2151
25 5028 5027.55 5026.93 5210.43 182.43 182.43 33281.24 3.63 1.32E-03 0.000003 0.1793
26 5040 5039.63 5039.25 5048.12 8.12 8.1194 65.92396 0.16 2.61E-06 0.000006 0.2387
27 5044 5043.87 5043.73 5052.32 8.32 8.323 69.27188 0.17 2.73E-06 0.000001 0.0794
28 5046 5045.94 5045.87 5048.49 2.49 2.4921 6.210418 0.05 2.44E-07 0.000000 0.0397
29 5054 5053.76 5053.52 5048.14 -5.86 5.858 34.31577 0.12 1.35E-06 0.000003 0.1585
30 5127 5124.80 5122.66 5061.65 -65.35 65.354 4271.109 1.27 1.67E-04 0.000203 1.4444
31 4901 4907.71 4914.16 5196.08 295.08 295.08 87074.6 6.02 3.31E-03 0.002126 4.4080
32 4906 4906.05 4906.29 4692.76 -213.24 213.24 45469.65 4.35 1.89E-03 0.000001 0.1020
33 4976 4973.90 4971.87 4897.94 -78.06 78.06 6093.324 1.57 2.53E-04 0.000198 1.4268
34 4988 4987.58 4987.11 5041.51 53.51 53.508 2863.141 1.07 1.16E-04 0.000006 0.2412
35 5007 5006.42 5005.84 5003.28 -3.72 3.7192 13.83279 0.07 5.56E-07 0.000014 0.3809
36 5176 5170.91 5165.96 5025.73 -150.27 150.27 22581.47 2.90 9.01E-04 0.001066 3.3753
37 5185 5184.58 5184.02 5335.99 150.99 150.99 22797.09 2.91 8.51E-04 0.000003 0.1739
38 5072 5075.38 5078.64 5203.19 131.19 131.19 17211.99 2.59 6.40E-04 0.000496 2.1794
39 5161 5158.43 5156.04 4966.74 -194.26 194.26 37738.59 3.76 1.47E-03 0.000297 1.7547
40 5315 5310.30 5305.67 5238.23 -76.77 76.774 5894.236 1.44 2.21E-04 0.000840 2.9839
41 5251 5252.78 5254.37 5464.57 213.57 213.57 45611.46 4.07 1.61E-03 0.000149 1.2041
42 5111 5115.25 5119.43 5199.88 88.88 88.883 7900.223 1.74 2.87E-04 0.000750 2.6662
43 5019 5021.89 5024.81 4976.14 -42.86 42.859 1836.913 0.85 7.03E-05 0.000336 1.8000
44 4968 4969.62 4971.27 4924.35 -43.65 43.652 1905.458 0.88 7.56E-05 0.000105 1.0161
45 4913 4914.70 4916.40 4914.42 1.42 1.4195 2.014925 0.03 8.16E-08 0.000125 1.1071
t X(t) a(t) b(t) F(t) error |error| error^2 |PE| Pembilang Penyebut |NF1|
46 4569 4579.37 4589.48 4858.12 289.12 289.12 83592.95 6.33 3.46E-03 0.005669 7.0018
47 4798 4791.44 4785.38 4242.35 -555.65 555.65 308751.2 11.58 1.48E-02 0.002278 5.0120
48 5231 5217.81 5204.84 4993.40 -237.60 237.6 56453.49 4.54 2.45E-03 0.006852 9.0246
49 5241 5240.30 5239.24 5650.24 409.24 409.24 167480.8 7.81 6.12E-03 0.000004 0.1912
50 5243 5242.92 5242.81 5275.77 32.77 32.768 1073.774 0.62 3.91E-05 0.000000 0.0382
51 5259 5258.52 5258.05 5246.60 -12.40 12.402 153.8148 0.24 5.60E-06 0.000009 0.3052
52 5278 5277.42 5276.83 5274.23 -3.77 3.7736 14.24024 0.07 5.15E-07 0.000013 0.3613
53 5296.78
54 5315.57
55 5334.36
56 5353.15
57 5371.94
58 5390.73
|| 6804.792
MAD = = = 133.4273
51
2 2057616
MSE = = = 40345.41
51
|| 140.9462%
MAPE = = = 2.7637%
51
+1+1 2
1
=1 ( )
UTHEIL =
+1+1 = 1.426716
1
=1 ( )2
|1| 0.9384
NF1 = = = 1.84
51
MSE 40345.41
MAPE 276.37%
UTHEIL 1.426716
NF1 1.8400
Software
Berikut ini perhitungan software winqsb untuk metode DEST.
Grafik Peramalan
Berikut ini adalah grafik peramalan dengan menggunakan metode
DEST pad excel.
DEST
6000
5000
4000
3000
2000
1000
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 51 53 55 57
Xt Ft
e. ARIMA
A. Uji Stasioneritas (Uji Augmengted Dickey Fuller)
evel 0
1. H0 = data peramalan bersifat tidak stasioner
2. H1 = data peramalan bersifat stasioner
3. = 0,05
4. Daerah kritis =
|t-statistic ADF| > |t-statistic McKinnon|
P-Value <
5. Perhitungan:
6. Keputusan: Jangan tolak H0, Karena |-3.42| < |-3.15| dan 0.06 > 0.05
7. Kesimpulan: Data peramalan tidak bersifat stasioner
Level 1
1. H0 = data peramalan tidak bersifat stasioner
2. H1 = data peramalan bersifat stasioner
3. = 0,05
4. Daerah kritis =
|t-statistic ADF| > |t-statistic McKinnon|
P-Value <
5. Perhitungan:
6. Keputusan: Tolak H0, Karena |-6.85| > |-4.15| dan 0.00 < 0.05
7. Kesimpulan: Data peramalan bersifat stasioner
Dari hasil identifikasi AC dan PAC didapatkan bahwa dengan memilih 1st
Difference dari output eviews, model demand teruji stasioner dengan memilih
1st Difference. Setelah dibuat Correlogram, dapat dilihat bahwa lag AC
menurun secara signifkan pada pada lag 6 , serta penurunan PAC secara
signifikan terjadi pada lag 4 dan lag 6 Oleh karena itu, kita dapat menduga ordo
p adalah 1 atau 2 dan ordo q adalah 1 atau 2 dengan d =1.
C. Estimasi Parameter
Uji hipotesis untuk parameter MA2 (0,1,2)
1. H01 : Parameter C bersifat tidak signifikan
H11 : Parameter C bersifat signifikan
7. Keputusan:
Tolak H01 karena 0.0000 < 0.05
Tolak H02 karena 0.0023 < 0.05
Tolak H03 karena 0.0000 < 0.05
8. Kesimpulan: Parameter C bersifat signifikan, parameter MA(1) bersifat
signifikan, parameter MA(2) bersifat signifikan
9. Keputusan:
Jangan tolak H01 karena 0.3546 > 0.05
Tolak H02 karena 0.0029 < 0.05
Jangan tolak H03 karena 0.0589 > 0.05
Tolak H04 karena 0.0012 > 0.05
Tolak H05 karena 0.0059 > 0.05
10. Kesimpulan: Parameter C tidak signifikan, parameter AR(1) bersifat
signifikan, parameter AR(2) bersifat tidak signifikan, parameter MA(1)
bersifat signifikan, dan parameter MA(2) bersifat signifikan.
7. Keputusan:
Jangan tolak H01 karena 0.4732 > 0.05
Jangan tolak H02 karena 0.7212 < 0.05
Jangan tolak H03 karena 0.3427 > 0.05
8. Kesimpulan: Parameter C tidak signifikan, parameter AR(1) bersifat tidak
signifikan, dan parameter AR(2) bersifat tidak signifikan
E. Uji Residual
a. Uji Correlogram
Berikut adalah hasil uji residual menggunakan software Eviews:
Berdasarkan hasil uji correlogram diatas, tidak terdapat lags yang melebihi batas
AC dan PAC sehingga model MA2 dapat digunakan.
b. Uji Kenormalan
1. Ho = residual berdistribusi normal
2. H1 = residual tidak berdistribusi normal
3. = 0.05
4. Daerah kritis = p-value < 0.05
5. Perhitungan
6. Keputusan : Tolak Ho, karena p-value < 0.05 (0.000000 < 0.05)
7. Kesimpulan : Residual tidak berdistribusi normal
c. Uji Heteroskesdatisitas
1. Ho = residual tidak berheteroskedastisitas
2. H1 = residual berheteroskedastisitas
3. = 0.05
4. Daerah kritis = p-value < 0.05
5. Perhitungan
F. Hasil Peramalan
Berikut adalah hasil peramalan dengan mnggunakan software Eviews :
Tabel 4. 35 Hasil Forecast ARIMA Ouput Eviews
T Xt Eviews Ft
1 3973
2 4622 377.2054 4350.205
3 4623 215.431 4837.431
4 4531 13.94998 4636.95
5 4496 13.94998 4544.95
6 4622 13.94998 4509.95
7 4448 13.94998 4635.95
8 4497 13.94998 4461.95
9 4520 13.94998 4510.95
10 4586 13.94998 4533.95
|| 4119
MAD = = = 70.764
51
2 799331
MSE = = = 15673.16
51
|| 85%
MAPE = = = 1.6656%
51
+1+1 2
1
=1 ( )
UTHEIL =
+1+1 = 0.797871
1
=1 ( )2
|1| 100
NF1 = = = 1.84
51
Grafik Peramalan
Grafik dibawah menunjukkan perbandingan antara demand (permintaan)
dengan hasil peramalan yang ada, untuk mengetahui peramalan produksi yang akan
datang menggunakan Excel.
BAB V
ANALISIS
periode satu sampai periode tiga, dan seterusnya. Sedangkan pada 5CMA, hasil
peramalan rata rata dari periode 1 hingga 5 diletakkan di tengah antara periode
tersebut dengan posisi periode tiga sebagai periode tengah antara periode satu
sampai periode lima, dan seterusnya. Pada metode perhitungan 3CMA, hasil
peramalan yang dihasilkan berbeda beda hingga periode 51, sedangkan hasil
peramalan periode 51 hingga periode 58 dianggap konstan dengan hasil peramalan
di periode 51 yaitu sebesar 6413. Sedangkan pada metode perhitungan 5CMA, hasil
peramalan yang dihasilkan berbeda beda hingga periode 50, sedangkan hasil
peramalan periode 5- hingga periode 58 dianggap konstan dengan hasil peramalan
di periode 50 yakni 6484. Setelah melakukan perhitungan hasil peramalan
selanjutnya dilakukan perhitungan error yakni mencari selisih antara data
permintaan aktual dengan hasil peramalan sehingga dapat diketahui seberapa besar
perbedaan hasil peramalan dari data permintaan yang aktual. Pada error di cari
kuadratnya, persentasenya, dan dimutlakkan dimana hasil MAPE pada metode
3CMA senilai 2.738945533 dan pada metode 5CMA sebesar 3.231222925. Pada
metode CMA dilakukan perhitungan secara manual dan dengan software yaitu
Minitab. Hasil peramalan menggunakan software tidak terlalu berbeda jauh dengan
perhitungan manual karena adanya pembulatan nilai.
c. Metode 2WMA
Metode peramalan WMA (Weighted Moving Average) bertujuan untuk
melakukan peramalan permintaan menggunakan nilai pembobotan pada permintaan
di setiap periode. Pada perhitungan ini digunakan untuk tiap dua periode.
Perhitungan dilakukan dengan cara manual dan menggunakan software WinQSB.
Untuk perhitungan WMA, bobot yang digunakan adalah 0,6 dan 0,4. Perhitungan
dilakukan dengan mengalikan periode 1 dengan bobot 1 dan periode 2 dengan bobot
2. Kemudian hasil perkalian dijumlahkan untuk menjadi nilai hasil ramalan pada
periode 4. Begitu seterusnya hingga di dapatkan pada periode ke 53 dengan nilai
hasil ramalan yakni 6395. Nilai pada perhitungan dengan software WinQSB
menunjukan nilai hasil ramalan yang serupa yakni 6394,8. Selanjutnya dilakukan
perhitungan error menggunakan MAPE diperoleh hasil 4.965966291.
d. Metode SES
Menghitung peramalan dengan metode SES (Single Exponential Smoothing)
merupakan perhitungan yang dilakukan secara eksponensial. Kemudian mencari
nilai alpha menggunakan software Eviews. Nilai alpha pada perhitungan ini sebesar
0,332. Semakin kecil nilai alpha maka semakin baik hasil ramalan yang dihitung.
Pada perhitungan SES periode 1 mempunyai nilai hasil ramalan sama dengan data
aktual permintaan pada periode 1. Untuk periode 2 dan selanjutnya dapat
menggunakan rumus (1 1 ) + 1 . Dengan menggunakan rumus tersebut
pada perhitungan manual didapatkan nilai ramalan pada periode ke 1 hingga 50
berbeda namun dari periode 53 hingga 58 adalah 6375. Hasil perhitungan manual
tersebut juga hampir sama dengan perhitungan dengan software WinQSB yaitu
6374.995. Selanjutnya dilakukan perhitungan error menggunakan MAPE diperoleh
hasil 5.098459115.
b. Metode DES
c. Metode SEST
Alfa yang digunakan pada metode SEST kali ini adalah 1 dengan nilai beta
0. Perhitungan menghasilkan sebanyak 57 peramalan dimana 6 periode
terakhir adalah peramalan untuk 6 periode yang akan datang. Hasil
peramalan secara manual untul 6 periode yang akan datang diperoleh nilai
yang sama yaitu 5278,00 dengan error metode MAPE 1,78%. Peramalan
metode SEST juga dilakukan dengan menggunakan software yaitu winQSB
d. Metode DEST
e. ARIMA
Peramalan dengan metode Arima terdiri dari beberapa tahap. Tahap pertama
adalah uji stasioneritas. Dalam pengujian ini h0 adalah data tidak stasioner
sedangkan h1 data bersifat stasioner. Dengan alfa 0,5 dan dan terdapat dua
daerah kritis yaitu |t-statistic ADF| > |t-statistic McKinnon| dan P-Value < .
Dari hasil uji stasioner didapat hasil bahwa pada level 0 data tidak bersifat
stasioner karena |t-statistic ADF| > |t-statistic McKinnon| yaitu |-3.42| > |-
3.15| dan nilai P-Value < yaitu 0.06 < 0.05. Sedangkan pada level 1 data
bersifat stasioner.
5319,85; 5333,8; 5347,75 dan 5361,7 dengan nilai error MAPE 1,6656%.
Metode peramalan yang digunakan pada demand dengan pola data linier
adalah DMA, DES, SEST, DEST dan ARIMA. Dari beberapa metode tersebut akan
diperoleh nilai error terkecil dengan pola linear. Metode dengan error terkecil akan
digunakan karena merupakan metode terbaik (memiliki kesalahan peramalan
terkecil). Nilai error yang dijadikan acuan disini adalah nilai MAPE karena dengan
metode tersebut dapat diketahui presentase hasil peramalan terhadap permintaan
aktual selama yang telah ditentukan.
Berdasarkan perhitungan dan pengujian yang telah dilakukan, diperoleh
hasil bahwa metode perhitungan data pola linier dengan error terkecil adalah
metode ARIMA dengan nilai MAPE sebesar 1,665%. Maka dari itu metode
ARIMA sebagai metode terbaik untuk melakukan forecasting dengan pola data
linier.