SISTEM PRODUKSI
ANALISA PERAMALAN
PENJUALAN PT XYZ
DISUSUN OLEH:
ADNAN YANUAR MUHAMMAD (201521031)
VITA SOTAGAMA (201521048)
PRAMONO CATUR PUSPITO (20160201110)
JANSEN SINAGA (20160201109)
FAKULTAS TEKNIK
JURUSAN TEKNIK INDUSTRI
UNIVERSITAS ESA UNGGUL
2017
KATA PENGANTAR
Puji syukur penulis panjatkan ke hadirat Tuhan YME, yang telah melimpahkan rahmat
dan karunia-Nya, sehingga pada akhirnya penulis dapat menyelesaikan laporan praktikum ini
dengan baik. Dimana laporan praktikum ini penulis sajikan dalam bentuk yang sederhana.
Adapun judul laporan praktikum yang penulis ambil sebagai berikut, Analisa Peramalan
Penjualan PT XYZ.
Tujuan penulisan laporan praktikum ini dibuat sebagai salah satu syarat untuk memenuhi
tugas praktikum mata kuliah Sistem Produksi Universitas Esa Unggul. Sebagai bahan
penulisan diambil dari beberapa sumber literatur yang mendukung penulisan ini. Penulis
menyadari bahwa tanpa bimbingan dan dorongan dari semua pihak, maka penulisan laporan
praktikum ini tidak akan lancar. Oleh karena itu pada kesempatan ini, penulis menyampaikan
ucapan terima kasih kepada semua pihak yang telah membantu dan memberikan semangat
sehingga terwujud penulisan ini. Penulis menyadari bahwa penulisan laporan praktikum ini
masih jauh sekali dari sempurna, untuk itu penulis mohon kritik dan saran yang bersifat
membangun demi kesempurnaan penulisan dimasa yang akan datang.
Akhir kata semoga laporan praktikum ini dapat berguna bagi penulis khususnya dan
bagi para pembaca yang berminat pada umumnya.
Tim Penulis
ii
DAFTAR ISI
iii
BAB IV ANALISIS DATA
4.1 Pengujian Ketepatan Peramalan (ME, MAD, MSE, MAPE) ................................. ??
4.2 Rekapitulasi Error ................................................................................................... ??
4.3 Statistic U-Theil ...................................................................................................... ??
4.4 Tracking Signal ....................................................................................................... ??
4.5 Moving Range ......................................................................................................... ??
BAB V PENUTUP
5.1 Kesimpulan ............................................................................................................. ??
5.2 Saran ....................................................................................................................... ??
DAFTAR PUSTAKA ........................................................................................................... ??
LAMPIRAN .......................................................................................................................... ??
iv
DAFTAR TABEL
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
v
DAFTAR GAMBAR
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
???????????????????? ........................................................................................................... ??
vi
BAB I
PENDAHULUAN
1
2
3. Bagi Perusahaan
Menyediakan sarana penunjang pengelolaan data dan informasi yang
terperinci dan teratur pada perusahaan. Sehingga memudahkan proses kinerja
pegawai terhadap pelayanan jasa agar dapat dilakukan secara efektif dan
efesien.
3
4
5
produksi sangat dipengaruhi hasil dari peramalan permintaan, Peramalan permintaan ini
digunakan untuk meramalkan permintaan dari produk yang bersifat bebas (tidak tergantung),
seperti peramalan produk jadi.
Menurut Taylor III (2005) terdapat beberapa pola atau kecenderungan dalam permintaan,
berikut pola-pola permintaan yang ada adalah:
a. Pola Data Horizontal (H)
Terjadi apabila nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. Deret
seperti itu stasioner terhadap nilai rata-ratanya. Suatu produk yang penjualannya
tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini.
Keempat pola ini belum cukup untuk menentukan metode yang tepat agar peramalan
menjadi efektif dengan tingkat kesalahan sekecil mungkin. (Teguh Baroto, 2002)
8
c. Faktor Lain
Beberapa faktor lain yang mempengaruhi permintaan adalah reaksi balik dari
pesaing, perilaku konsumen yang berubah, dan usaha-usaha yang dilakukan sendiri
oleh perusahaan seperti peningkatan kualitas, pelayanan, anggaran periklanan, dan
kebijaksanaan pembayaran secara kredit.
c. Faktor Kualitatif
Berusaha untuk membuat peramalan dengan menggunakan penilaian, opini, dan
pendapat manajemen. Metode yang biasa disebut penilaian eksekutif ini biasa
digunakan oleh para petinggi perusahaan untuk mendapatkan peramalan jangka
panjang. Peramalan dilakukan oleh sekelompok orang yang penilaiannya dianggap
valid dibandingkan dengan kelompok lain.
Metode-metode peramalan yang ada adalah:
1. Metode Time Series
Metode ini membuat peramalan dengan menggunakan asumsi bahwa masa depan
adalah fungsi dari masa lalu. Tujuannya adalah untuk menentukan pola dalam deret data
historis dan menterjemahkan pola tersebut ke masa depan. Menganalisis time series
berarti membongkar data masa lalu menjadi komponen-komponen dan kemudian
memproyeksikan ke masa atau periode yang akan datang. Model ini sendiri memiliki
metode peramalan kuantitatif, yaitu:
a. Metode Naif (Naive Method)
Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di
periode mendatang akan sama dengan permintaan pada periode terakhir. Untuk
beberapa jenis produk, pendekatan naif (naive method) merupakan model
peramalan objektif yang paling efektif danefisien dari segi biaya. Paling tidak,
pendekatan naif memberikan titik awal untuk perbandingan dengan model lain
yang lebih canggih
( )
=
Dimana:
Ft = Ramalan baru
Ft1 = Ramalan sebelumnya
At1 = Permintaan aktual periode sebelumnya
= Konstanta penghalusan
Dimana:
b = Kelandaian garis regresi
= Nilai variabel bebas
y = Nilai variabel tak bebas
= Rata-rata nilai
= Rata-rata nilai y
n = Jumlah titik data atau observasi
2. Metode Kausal
Regresi linear, model kausal, bergabung menjadi model variabel atau hubungan
yang bisa mempengaruhi jumlah yang sedang diramal. Model ini mengasumsikan bahwa
faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih
independent variabel. Tujuan dari model ini adalah menemukan bentuk hubungan
tersebut dan menggunakannya untuk meramalkan nilai mendatang dari dependent
variabel. Pendekatan ini lebih kuat dibandingkan metode seri waktu yang hanya
menggunakan nilai historis untuk variabel yang diramalkan.
Model matematika yang kita gunakan pada metode kuadrat terkecil dari proyeksi
trend bisa digunakan untuk melakukan analisis regresi linear.
Variabel-variabel tak bebas yang akan diramal tetap , namun sekarang variabel
bebas , bukan lagi waktu.
= +
Dimana:
= Nilai variabel tidak bebas, yaitu penjualan
a = Perpotongan sumbu Y
13
3. Trend Kuadratis
Jika trend linier merupakan deret waktu yang berupa garis lurus, maka trend
kuadratis merupakan deret waktu dengan data berupa garis parabola.
Persamaan untuk trend kuadratis adalah:
= + + 2
Dengan nilai a, b, dan c diperoleh dari:
2
=
=
2
2 2
=
4 ( 2 )2
= ( )
1
+ = +
Dimana:
= Nilai pemulusan eksponensial tunggal
= Nilai pemulusan eksponensial ganda
= Paramater pemulusan eksponensial yang besarnya 0< <1
= Konstanta pemulusan
+ = Hasil peramalan untuk period eke depan yang diramalkan
Agar dapat menggunakan persamaan di atas, nilai St-1 dan St-1 harus tersedia.
Tetapi pada saat T=1, nilai tersebut tidak tersedia. Jadi nilai-nilai ini harus
tersedia di awal.
Dimana:
= Nilai pemulusan tunggal
= Data sebenarnya pada waktu ke-t
= Pemulusan trend
+ = Nilai ramalan
= Periode masa datang
, = Konstanta dengan nilai antara 0 dan 1
15
5. Statistik U-Theil
StatistikU dari Theil ini adalah suatu metode evaluasi ketepatan ramalan yang
membandingkan antara metode peramalan formal dengan pendekatan naif dan juga
mengkuadratkan kesalahan yang terjadi sehingga kesalahan yang besar diberikan
lebih banyak bobot daripada kesalahan yang kecil. Karakteristik positif yang
ditimbulkan dalam menggunakan StatistikU dari Theil sebagai ukuran ketepatan
adalah mengenai interpretasi yang intuitif. Rumus matematisnya:
+1 +1 2
1 ( )
=1
=
+1 +1 2
1 ( )
=1
=1| |
=
| |
100%
=
5. Tracking Signal
Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal adalah suatu
ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai aktual. Nilai
Tracking Signal dapat dihitung dengan menggunakan rumus sebegai berikut.
=
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.
6. Moving Range
Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual
dengan nilai peramalan. Data permintaan aktual dibandingkan dengan nilai peramal
pada periode yang sama. Peta tersebut dikembangkan ke periode yang akan datang
hingga dapat dibandingkan data peramalan dengan permintaan aktual. Peta Moving
Range digunakan untuk pengujian kestabilan sistem sebab-akibat yang
mempengaruhi permintaan. Rumus perhitungan peta Moving Range adalah sebagai
berikut.
= 2,66
= 2,66
= |(1 1 ) ( )|
=
1
Jika ditemukan satu titik yang berada diluar batas kendali pada saat peramalan
diverifikasi maka harus ditentukan apakah data harus diabaikan atau mencari
18
peramal baru. Jika ditemukan sebuah titik berada diluar batas kendali maka harus
diselidiki penyebabnya. Penemuan itu mungkin saja membutuhkan penyelidikan
yang ekstensif. Jika semua titik berada di dalam batas kendali, diasumsikan bahwa
peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang
berada di luar batas kendali, jelas bahwa peramalan yang didapat kurang baik dan
harus direvisi (Gaspersz, 1998).
Kegunaan peta Moving Range ialah untuk melakukan verifikasi hasil peramalan
least square terdahulu. Jika peta Moving Range menunjukkan keadaan diluar kriteria
kendali. Hal ini berarti terdapat data yang tidak berasal dari sistem sebab-akibat yang
sama dan harus dibuang maka peramalan pun harus diulangi lagi.
2.7 LOTTING
Material Requirement Planning adalah suatu konsep dalam manajemen produksi yang
menbahas secara tepat dalam perencanaan kebutuhan barang dalam proses produksi, sehingga
barang yang dibutuhkan dapat tersedia sesuai dengan yang direncanakan. Untuk menjamin
bahwa semua kebutuhan-kebutuhan akan dipenuhi, pesanan akan dijadwalkan untuk
penyelesaian pada awal periode dimana ada kebutuhan bersih yang positif. Ukuran dari
pesanan dapat mungkin sama dengan kebutuhan bersih di periode yang bersangkutan, atau
mungkin saja lebih besar yang meliputi kebutuhan bersih di periode mendatang untuk
memanfaatkan skala ekonominya.
Lotting adalah suatu proses untuk menentukan besarnya jumlah pesanan optimal untuk
setiap item secara individual didasarkan pada hasil perhitungan kebutuhan bersih yang telah
dilakukan. Ukuran lot menentukan besarnya jumlah komponen yang diterima setiap kali pesan.
Penentuan ukuran lot ini sangat tergantung pada besarnya biaya-biaya persediaan, seperti biaya
pesan, biaya simpan, biaya modal, dan harga barang itu sendiri. Ada banyak alternatif metode
untuk menentukan ukuran lot. Beberapa teknik diarahkan untuk meminimalkan total ongkos
set-up dan ongkos simpan. Teknik-teknik tersebut adalah:
1. Economic Order Quantity (EOQ)
Dalam teknik ini besarnya ukuran lot adalah tetap. Penentuan lot berdasarkan biaya
pesan dan biaya simpan, dengan formula sebagai berikut:
2
=
19
Dimana:
Q = EOQ
D = Kebutuhan rata-rata dalam satu bulan
S = Biaya pesan
H = Biaya simpan
Dimana:
Dm = Permintaan pada periode m
K(m) = Rata-rata per unit waktu
m = Periode
A = Biaya order
h = Biaya simpan / unit waktu
Dimana:
Dm = Permintaan pada periode m
K(m) = Rata-rata biaya tiap periode bila dilakukan order untuk m periode sekaligus
m = Periode
A = Biaya order
h = Biaya simpan / unit waktu
21
4500
4000
3500
3000
2500
PERMINTAAN
2000 PERAMALAN
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
22
Merupakan pola data horizontal dikarenakan nilai peramalannya berfluktuasi di sekitar
nilai rata-rata yang konstan yaitu 3252.291667 (range antara peramalan dengan nilai rata-rata
permintaan tidak terlalu jauh) dan membentuk garis horizontal.
23
23
3.2 PERHITUNGAN
METODE REGRESI PERAMALAN DENGAN METODE REGRESI KUADRATIS
KUADRATIS
Tabel 3.2 Peramalan dengan metode regresi kuadratis
PERIODE PERMINTAAN PERAMALAN
t^2 t^3 t^4 t*Y(t) t^2*Y(t) ERROR Abs. E E^2 Abs.E / Y(t)
(t) Y(t) Y'(t)
1 2417 1 1 1 2417 2417 3617.466538 -1200.47 1200.467 1441119.91 0.33185284
2 3132 4 8 16 6264 12528 3520.482659 -388.483 388.4827 150918.7762 0.11034926
3 3920 9 27 81 11760 35280 3432.393717 487.6063 487.6063 237759.8873 0.14206013
4 3796 16 64 256 15184 60736 3353.199713 442.8003 442.8003 196072.0945 0.13205306
5 3491 25 125 625 17455 87275 3282.900646 208.0994 208.0994 43305.3411 0.06338887
6 3936 36 216 1296 23616 141696 3221.496517 714.5035 714.5035 510515.227 0.22179241
7 3855 49 343 2401 26985 188895 3168.987326 686.0127 686.0127 470613.389 0.21647694
8 3558 64 512 4096 28464 227712 3125.373072 432.6269 432.6269 187166.0585 0.13842409
9 3532 81 729 6561 31788 286092 3090.653756 441.3462 441.3462 194786.5067 0.14280029
10 3159 100 1000 10000 31590 315900 3064.829378 94.17062 94.17062 8868.106004 0.03072622
11 2506 121 1331 14641 27566 303226 3047.899938 -541.9 541.8999 293655.5424 0.17779453
12 2096 144 1728 20736 25152 301824 3039.865435 -943.865 943.8654 890881.959 0.31049579
13 3192 169 2197 28561 41496 539448 3040.72587 151.2741 151.2741 22883.86254 0.04974935
14 2352 196 2744 38416 32928 460992 3050.481242 -698.481 698.4812 487876.0455 0.22897411
15 2618 225 3375 50625 39270 589050 3069.131552 -451.132 451.1316 203519.6773 0.14698997
16 2953 256 4096 65536 47248 755968 3096.6768 -143.677 143.6768 20643.02284 0.04639709
17 3983 289 4913 83521 67711 1151087 3133.116985 849.883 849.883 722301.1385 0.27125799
18 3330 324 5832 104976 59940 1078920 3178.452109 151.5479 151.5479 22966.7634 0.04767978
19 2503 361 6859 130321 47557 903583 3232.682169 -729.682 729.6822 532436.0683 0.22572036
20 2427 400 8000 160000 48540 970800 3295.807168 -868.807 868.8072 754825.8949 0.26360983
21 3973 441 9261 194481 83433 1752093 3367.827104 605.1729 605.1729 366234.2341 0.17969239
22 3861 484 10648 234256 84942 1868724 3448.741978 412.258 412.258 169956.6769 0.11953867
23 3789 529 12167 279841 87147 2004381 3538.551789 250.4482 250.4482 62724.30624 0.07077704
24 3676 576 13824 331776 88224 2117376 3637.256538 38.74346 38.74346 1501.055812 0.01065184
GRAFIK PERBANDINGAN ANTARA
300 78055 4900 90000 1763020
PERMINTAAN DENGAN PERAMALAN 976677 16156003 78055 9.09E-12 11932.99 7993531.544 3.67925284
4500
4000
3500
3000
2500
PERMINTAAN
2000 PERAMALAN
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
4500
4000
3500
3000
2500
PER MINTAAN
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gambar 3.3 Grafik peramalan dengan metode DES Brown dengan = 0.1
Merupakan pola data horizontal dikarenakan nilai peramalannya berfluktuasi di sekitar
nilai rata-rata yang konstan yaitu 3252.291667 (range antara peramalan dengan nilai rata-rata
25
4500
4000
3500
3000
2500
PERMINTAAN
2000 PERAMALAN
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gambar 3.4 Grafik peramalan dengan metode DES Brown dengan = 0.3
26
4000
3500
3000
2500
PERMINTAAN
2000 PERAMALAN
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gambar 3.5 Grafik peramalan dengan metode DES Brown dengan = 0.5
27
4000
3500
3000
2500
PER MINTAAN
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gambar 3.6 Grafik peramalan dengan metode MDE Holt dengan = 0.5 & = 0.3
28
Perhitungan Mean Absolute Deviation (MAD) dalam metode regresi linier adalah
sebagai berikut:
( )
=
12832.7
= = .
24
Perhitungan Mean Square Error (MSE) dalam metode regresi linier adalah sebagai
berikut:
2
=
8860949.6
= = .
24
Perhitungan Mean Absolute Percentage Error (MAPE) dalam metode regresi linier
adalah sebagai berikut:
| |
100%
=
4.32563 100%
= = . %
24
b. Regresi Kuadratis
Perhitungan Mean Error (ME) dalam metode regresi linier adalah sebagai berikut:
=1| |
=
30
31
9.1 1012
= = .
24
Perhitungan Mean Absolute Deviation (MAD) dalam metode regresi linier adalah
sebagai berikut:
( )
=
11933
= = .
24
Perhitungan Mean Square Error (MSE) dalam metode regresi linier adalah sebagai
berikut:
2
=
7993531.544
= = .
24
Perhitungan Mean Absolute Percentage Error (MAPE) dalam metode regresi linier
adalah sebagai berikut:
| |
100%
=
3.6792528 100%
= = . %
24
Perhitungan Mean Absolute Deviation (MAD) dalam metode regresi linier adalah
sebagai berikut:
( )
=
13837.9
= = .
24
32
Perhitungan Mean Square Error (MSE) dalam metode regresi linier adalah sebagai
berikut:
2
=
1.2 107
= = .
24
Perhitungan Mean Absolute Percentage Error (MAPE) dalam metode regresi linier
adalah sebagai berikut:
| |
100%
=
4.51869 100%
= = . %
24
Perhitungan Mean Absolute Deviation (MAD) dalam metode regresi linier adalah
sebagai berikut:
( )
=
12886.9
= = .
24
Perhitungan Mean Square Error (MSE) dalam metode regresi linier adalah sebagai
berikut:
2
=
1 107
= = .
24
33
Perhitungan Mean Absolute Percentage Error (MAPE) dalam metode regresi linier
adalah sebagai berikut:
| |
100%
=
4.35318 100%
= = . %
24
Perhitungan Mean Absolute Deviation (MAD) dalam metode regresi linier adalah
sebagai berikut:
( )
=
12923.2
= = .
24
Perhitungan Mean Square Error (MSE) dalam metode regresi linier adalah sebagai
berikut:
2
=
1.1 107
= = .
24
Perhitungan Mean Absolute Percentage Error (MAPE) dalam metode regresi linier
adalah sebagai berikut:
| |
100%
=
4.55865 100%
= = . %
24
34
Perhitungan Mean Absolute Deviation (MAD) dalam metode regresi linier adalah
sebagai berikut:
( )
=
15424.7
= = .
24
Perhitungan Mean Square Error (MSE) dalam metode regresi linier adalah sebagai
berikut:
2
=
13941122.43
= = .
24
Perhitungan Mean Absolute Percentage Error (MAPE) dalam metode regresi linier
adalah sebagai berikut:
| |
100%
=
5.59123 100%
= = . %
24
AKP Linier AKP Kuadratis DES Brown 0.1 DES Brown 0.3 DES Brown 0.5 MDE Holt MAPE Minimum
ME -1.89478E-14 3.78956E-13 117.9648452 43.20432887 13.73676885 438.9007604
MAD 534.6946981 497.2077918 576.5785883 536.95299 538.4664772 642.6973967
15.33022015
MSE 369206.2316 333063.8143 496530.4994 436751.6927 464680.3952 580880.1013
MAPE 18.0234636 15.33022015 18.82788022 18.13826738 18.99436296 23.29679127
Dari hasil rekapitulasi tersebut dapat ditarik kesimpulan yaitu tingkat kesalahan
peramalan paling minimum dengan menggunakan metode regresi kuadratis dengan nilai
MAPE sebesar 15.33022015.
Penggunaan pengukuran akurasi dengan MAPE dikarenakan tingkat akurasinya paling
baik diantara pengukuran lainnya, karena MAPE membandingkan dengan nilai
permintaan yang sebenarnya.
+1 +1 2
1 ( )
=1
=
+1 +1 2
1 ( )
=1
0.761007857
= = .
1.252358384
Dengan nilai U sebesar 0.779525375 dapat diasumsikan teknik peramalan formal yang
digunakan lebih baik dibandingkan dengan pendekatan naif dengan syarat nilai U < 1.
1500
1000
ERROR
500
A+
A-
0 B+
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
B-
BKA
-500
BKB
-1000
-1500
Dari grafik tersebut dapat ditarik kesimpulan merupakan pola verifikasi peramalan
berdasar nilai error pada metode peramalan, dimana nilai error pada peramalan tidak
melewati nilai batas kendali atas dan nilai batas kendali bawah, sehingga metode
peramalan ini sudah cukup baik.
PERMINTAAN PERAMALAN
PERIODE ERROR RSFE Abs. E Cumm. E MAD Tracking Signal 4MAD (-4MAD) 8MAD (-8MAD)
Y(t) Y'(t)
1 2417 3617.466538 -1200.466538 -1200.466538 1200.466538 1200.467 1200.4665 -1 4 -4 8 -8
2 3132 3520.482659 -388.4826589 -1588.949197 388.4826589 1588.949 794.4746 -2 4 -4 8 -8
3 3920 3432.393717 487.6062831 -1101.342914 487.6062831 2076.555 692.18516 -1.591110266 4 -4 8 -8
4 3796 3353.199713 442.8002873 -658.5426269 442.8002873 2519.356 629.83894 -1.045573055 4 -4 8 -8
5 3491 3282.900646 208.0993539 -450.443273 208.0993539 2727.455 545.49102 -0.825757442 4 -4 8 -8
6 3936 3221.496517 714.5034828 264.0602098 714.5034828 3441.959 573.65977 0.460308052 4 -4 8 -8
7 3855 3168.987326 686.0126741 950.0728839 686.0126741 4127.971 589.71018 1.611084414 4 -4 8 -8
8 3558 3125.373072 432.6269276 1382.699811 432.6269276 4560.598 570.07478 2.425470956 4 -4 8 -8
9 3532 3090.653756 441.3462435 1824.046055 441.3462435 5001.944 555.77161 3.28200656 4 -4 8 -8
10 3159 3064.829378 94.17062177 1918.216677 94.17062177 5096.115 509.61151 3.764076458 4 -4 8 -8
38
10
TRACKING SIGNAL
2
4 MAD
0 -4 MAD
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
8 MAD
-2
-8 MAD
-4
-6
-8
-10
Dari grafik tersebut dapat ditarik kesimpulan merupakan pola verifikasi peramalan yang
menyatakan bahwa peramalan tersebut sudah baik, terlihat dari nilai Tracking Signal yang tidak
jauh dari nilai 0 (baik positif maupun negatif).
BAB V
PENUTUP
5.1 KESIMPULAN
?????????????????????????????????
5.2 SARAN
????????????????????????????????????
39
DAFTAR PUSTAKA
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
?????????????????????????????????????????
40
41