Data total barang yang dimuat dalam negeri di pelabuhan Makassar Desember 2015-

November 2017 (24 bulan).

Tabel 1 Data total barang yang dimuat di pelabuhan Makassar

(sumber: Badan Pusat Statistik)
No Tahun Bulan Ton
1 2015 Desember 309373
2 Januari 413417
3 Februari 328125
4 Maret 304890
5 April 322367
6 Mei 326229
7 Juni 299728
2016
8 Juli 216389
9 Agustus 339013
10 September 364478
11 Oktober 297273
12 November 364234
13 Desember 336059
14 Januari 307523
15 Februari 358819
16 Maret 384803
17 April 375451
18 Mei 303534
19 2017 Juni 262382
20 Juli 322320
21 Agustus 355741
22 September 333625
23 Oktober 340236
24 November 437714

Jika melihat data diatas yang akan digunakan dalam forecasting yaitu data historis, maka
forecasting dilakukan dengan metode berikut:
- Moving average
- Weighted moving average
 - Exponential smoothing
- Trend projection

Dengan parameter forecasting

 Mean Absolute Deviation (MAD)

∑|Error|
MAD =
n

 Running Sum of Forecast Error (RSFE)

RSFE = ∑ 𝑒𝑟𝑟𝑜𝑟

 Tracking Signal (TS)

RSFE
TS =
MAD

 Mean Squared Error (MSE)

∑(𝑒𝑟𝑟𝑜𝑟)2
MSE =
n

1. Moving Average
Forecasting dengan menggunakan moving average dan variasi n adalah 3,4, dan 5.

Tabel 2 Moving Average (n=3)

Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373
2016 Januari 413417
Februari 328125
Maret 304890 350305.0 -45415.0 45415.0 2062522225.0 -45415.0 45415.0 45415.0 -1.0
April 322367 348810.7 -26443.7 26443.7 699267506.8 -71858.7 71858.7 35929.3 -2.0
Mei 326229 318460.7 7768.3 7768.3 60347002.8 -64090.3 79627.0 26542.3 -2.4
Juni 299728 317828.7 -18100.7 18100.7 327634133.8 -82191.0 97727.7 24431.9 -3.4
Juli 216389 316108.0 -99719.0 99719.0 9943878961.0 -181910.0 197446.7 39489.3 -4.6
Agustus 339013 280782.0 58231.0 58231.0 3390849361.0 -123679.0 255677.7 42612.9 -2.9
September 364478 285043.3 79434.7 79434.7 6309866268.4 -44244.3 335112.3 47873.2 -0.9
Oktober 297273 306626.7 -9353.7 9353.7 87491080.1 -53598.0 344466.0 43058.3 -1.2
November 364234 333588.0 30646.0 30646.0 939177316.0 -22952.0 375112.0 41679.1 -0.6
Desember 336059 341995.0 -5936.0 5936.0 35236096.0 -28888.0 381048.0 38104.8 -0.8
2017 Januari 307523 332522.0 -24999.0 24999.0 624950001.0 -53887.0 406047.0 36913.4 -1.5
Februari 358819 335938.7 22880.3 22880.3 523509653.4 -31006.7 428927.3 35743.9 -0.9
Maret 384803 334133.7 50669.3 50669.3 2567381340.4 19662.7 479596.7 36892.1 0.5
April 375451 350381.7 25069.3 25069.3 628471473.8 44732.0 504666.0 36047.6 1.2
Mei 303534 373024.3 -69490.3 69490.3 4828906426.8 -24758.3 574156.3 38277.1 -0.6
Juni 262382 354596.0 -92214.0 92214.0 8503421796.0 -116972.3 666370.3 41648.1 -2.8
Juli 322320 313789.0 8531.0 8531.0 72777961.0 -108441.3 674901.3 39700.1 -2.7
Agustus 355741 296078.7 59662.3 59662.3 3559594018.8 -48779.0 734563.7 40809.1 -1.2
September 333625 313481.0 20144.0 20144.0 405780736.0 -28635.0 754707.7 39721.5 -0.7
Oktober 340236 337228.7 3007.3 3007.3 9044053.8 -25627.7 757715.0 37885.8 -0.7
November 437714 343200.7 94513.3 94513.3 8932770177.8 68885.7 852228.3 40582.3 1.7
 Tabel 3 Moving Average (n=4)
Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373
2016 Januari 413417
Februari 328125
Maret 304890
April 322367 338951.3 -16584.3 16584.3 275037348.1 -16584.3 16584.3 16584.3 -1.0
Mei 326229 342199.8 -15970.8 15970.8 255064855.6 -32555.0 32555.0 16277.5 -2.0
Juni 299728 320402.8 -20674.8 20674.8 427445287.6 -53229.8 53229.8 17743.3 -3.0
Juli 216389 313303.5 -96914.5 96914.5 9392420310.3 -150144.3 150144.3 37536.1 -4.0
Agustus 339013 291178.3 47834.8 47834.8 2288163307.6 -102309.5 197979.0 39595.8 -2.6
September 364478 295339.8 69138.3 69138.3 4780097613.1 -33171.3 267117.3 44519.5 -0.7
Oktober 297273 304902.0 -7629.0 7629.0 58201641.0 -40800.3 274746.3 39249.5 -1.0
November 364234 304288.3 59945.8 59945.8 3593492943.1 19145.5 334692.0 41836.5 0.5
Desember 336059 341249.5 -5190.5 5190.5 26941290.3 13955.0 339882.5 37764.7 0.4
2017 Januari 307523 340511.0 -32988.0 32988.0 1088208144.0 -19033.0 372870.5 37287.1 -0.5
Februari 358819 326272.3 32546.8 32546.8 1059290935.6 13513.8 405417.3 36856.1 0.4
Maret 384803 341658.8 43144.3 43144.3 1861426308.1 56658.0 448561.5 37380.1 1.5
April 375451 346801.0 28650.0 28650.0 820822500.0 85308.0 477211.5 36708.6 2.3
Mei 303534 356649.0 -53115.0 53115.0 2821203225.0 32193.0 530326.5 37880.5 0.8
Juni 262382 355651.8 -93269.8 93269.8 8699246265.1 -61076.8 623596.3 41573.1 -1.5
Juli 322320 331542.5 -9222.5 9222.5 85054506.3 -70299.3 632818.8 39551.2 -1.8
Agustus 355741 315921.8 39819.3 39819.3 1585572670.6 -30480.0 672638.0 39566.9 -0.8
September 333625 310994.3 22630.8 22630.8 512150845.6 -7849.3 695268.8 38626.0 -0.2
Oktober 340236 318517.0 21719.0 21719.0 471714961.0 13869.8 716987.8 37736.2 0.4
November 437714 337980.5 99733.5 99733.5 9946771022.3 113603.3 816721.3 40836.1 2.8

Tabel 4 Moving Average (n=5)

Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373
2016 Januari 413417
Februari 328125
Maret 304890
April 322367
Mei 326229 335634.4 -9405.4 9405.4 88461549.2 -9405.4 9405.4 9405.4 -1.0
Juni 299728 339005.6 -39277.6 39277.6 1542729861.8 -48683.0 48683.0 24341.5 -2.0
Juli 216389 316267.8 -99878.8 99878.8 9975774689.4 -148561.8 148561.8 49520.6 -3.0
Agustus 339013 293920.6 45092.4 45092.4 2033324537.8 -103469.4 193654.2 48413.6 -2.1
September 364478 300745.2 63732.8 63732.8 4061869795.8 -39736.6 257387.0 51477.4 -0.8
Oktober 297273 309167.4 -11894.4 11894.4 141476751.4 -51631.0 269281.4 44880.2 -1.2
November 364234 303376.2 60857.8 60857.8 3703671820.8 9226.8 330139.2 47162.7 0.2
Desember 336059 316277.4 19781.6 19781.6 391311698.6 29008.4 349920.8 43740.1 0.7
2017 Januari 307523 340211.4 -32688.4 32688.4 1068531494.6 -3680.0 382609.2 42512.1 -0.1
Februari 358819 333913.4 24905.6 24905.6 620288911.4 21225.6 407514.8 40751.5 0.5
Maret 384803 332781.6 52021.4 52021.4 2706226058.0 73247.0 459536.2 41776.0 1.8
April 375451 350287.6 25163.4 25163.4 633196699.6 98410.4 484699.6 40391.6 2.4
Mei 303534 352531.0 -48997.0 48997.0 2400706009.0 49413.4 533696.6 41053.6 1.2
Juni 262382 346026.0 -83644.0 83644.0 6996318736.0 -34230.6 617340.6 44095.8 -0.8
Juli 322320 336997.8 -14677.8 14677.8 215437812.8 -48908.4 632018.4 42134.6 -1.2
Agustus 355741 329698.0 26043.0 26043.0 678237849.0 -22865.4 658061.4 41128.8 -0.6
September 333625 323885.6 9739.4 9739.4 94855912.4 -13126.0 667800.8 39282.4 -0.3
Oktober 340236 315520.4 24715.6 24715.6 610860883.4 11589.6 692516.4 38473.1 0.3
November 437714 322860.8 114853.2 114853.2 13191257550.2 126442.8 807369.6 42493.1 3.0

MSE tabel 2 (n=3) = 2595851314

MSE tabel 3 (n=4) = 2502416299
MSE tabel 4 (n=5) = 2692344138
2. Weighted Moving Average
Forecasting dengan menggunakan weighted moving average dan variasi n adalah 3 dan
4. Dengan menggunakan kombinasi pembobotan yang menghasilkan MAD terkecil
(menurut Render dkk dalam Quantitative Analysis for Management) yang berhasil
didapatkan.

Tabel 5 Weighted Moving Average (n=3, w1=0.11, w2=0.22, w3=0.67)

Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373
2016 Januari 413417
Februari 328125
Maret 304890 344995.2 -40105.2 40105.2 1608428849.5 -40105.2 40105.2 40105.2 -1.0
April 322367 322111.9 255.1 255.1 65081.7 -39850.1 40360.3 20180.2 -2.0
Mei 326229 319123.0 7106.0 7106.0 50495236.0 -32744.1 47466.3 15822.1 -2.1
Juni 299728 322999.8 -23271.8 23271.8 541575640.9 -56015.9 70738.1 17684.5 -3.2
Juli 216389 308132.6 -91743.6 91743.6 8416879986.0 -147759.4 162481.7 32496.3 -4.5
Agustus 339013 247113.2 91899.8 91899.8 8445569155.6 -55859.7 254381.4 42396.9 -1.3
September 364478 307398.2 57079.8 57079.8 3258101031.2 1220.1 311461.2 44494.5 0.0
Oktober 297273 342364.8 -45091.8 45091.8 2033268423.2 -43871.7 356553.0 44569.1 -1.0
November 364234 316845.2 47388.8 47388.8 2245696259.3 3517.1 403941.8 44882.4 0.1
Desember 336059 349380.9 -13321.9 13321.9 177472723.6 -9804.8 417263.7 41726.4 -0.2
2017 Januari 307523 338010.6 -30487.6 30487.6 929491043.8 -40292.3 447751.2 40704.7 -1.0
Februari 358819 320165.6 38653.4 38653.4 1494088767.4 -1638.9 486404.7 40533.7 0.0
Maret 384803 344891.0 39912.0 39912.0 1592967744.0 38273.1 526316.7 40485.9 0.9
April 375451 370442.1 5008.9 5008.9 25088967.9 43282.0 531325.6 37951.8 1.1
Mei 303534 375681.2 -72147.2 72147.2 5205221674.4 -28865.2 603472.8 40231.5 -0.7
Juni 262382 328545.4 -66163.4 66163.4 4377601380.8 -95028.7 669636.2 41852.3 -2.3
Juli 322320 284090.1 38229.9 38229.9 1461524404.5 -56798.8 707866.1 41639.2 -1.4
Agustus 355741 306913.1 48827.9 48827.9 2384162733.3 -7970.9 756694.0 42038.6 -0.2
September 333625 337940.9 -4315.9 4315.9 18626896.9 -12286.8 761009.9 40053.2 -0.3
Oktober 340236 337283.6 2952.4 2952.4 8716928.2 -9334.3 763962.3 38198.1 -0.2
November 437714 340489.7 97224.3 97224.3 9452570992.1 87890.0 861186.7 41008.9 2.1

Tabel 6 Weighted Moving Average (n=4, w1=0.08, w2=0.15, w3=0.23, w4=0.54)

Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373
2016 Januari 413417
Februari 328125
Maret 304890
April 322367 327293.231 -4926.2308 4926.23077 24267749.6 -4926.2308 4926.23077 4926.23077 -1
Mei 326229 326223.538 5.46153846 5.46153846 29.8284024 -4920.7692 4931.69231 2465.84615 -1.9955703
Juni 299728 322200.692 -22472.692 22472.6923 505021900 -27393.462 27404.3846 9134.79487 -2.9988042
Juli 216389 309723.615 -93334.615 93334.6154 8711350429 -120728.08 120739 30184.75 -3.9996381
Agustus 339013 260671.692 78341.3077 78341.3077 6137360491 -42386.769 199080.308 39816.0615 -1.0645646
September 364478 303687.923 60790.0769 60790.0769 3695433452 18403.3077 259870.385 43311.7308 0.42490354
Oktober 297273 330837.769 -33564.769 33564.7692 1126593734 -15161.462 293435.154 41919.3077 -0.3616821
November 364234 312981.538 51252.4615 51252.4615 2626814814 36091 344687.615 43085.9519 0.83765122
Desember 336059 346878.923 -10819.923 10819.9231 117070735 25271.0769 355507.538 39500.8376 0.63976053
2017 Januari 307523 338779.923 -31256.923 31256.9231 976995240 -5985.8462 386764.462 38676.4462 -0.1547672
Februari 358819 322044.538 36774.4615 36774.4615 1352361021 30788.6154 423538.923 38503.5385 0.7996308
Maret 384803 343896.462 40906.5385 40906.5385 1673344889 71695.1538 464445.462 38703.7885 1.85240662
April 375451 363167.923 12283.0769 12283.0769 150873979 83978.2308 476728.538 36671.426 2.29001814
Mei 303534 369825.154 -66291.154 66291.1538 4394517078 17687.0769 543019.692 38787.1209 0.45600386
Juni 262382 336885.846 -74503.846 74503.8462 5550823092 -56816.769 617523.538 41168.2359 -1.3801118
Juli 322320 298690.846 23629.1538 23629.1538 558336911 -33187.615 641152.692 40072.0433 -0.8281987
Agustus 355741 309685 46056 46056 2121155136 12868.3846 687208.692 40424.0407 0.31833494
September 333625 329649.615 3975.38462 3975.38462 15803682.8 16843.7692 691184.077 38399.1154 0.43864993
Oktober 340236 331509.231 8726.76923 8726.76923 76156501.2 25570.5385 699910.846 36837.413 0.69414588
November 437714 339717.615 97996.3846 97996.3846 9603291398 123566.923 797907.231 39895.3615 3.09727543

MSE tabel 5 (n=3) = 2558457806

MSE tabel 6 (n=4) = 2470878613
 3. Exponential Smoothing
Forecasting menggunakan exponential smoothing dengan menggunakan α sama
dengan 0.5 (pilihan α yang diperoleh dengan mencoba dengan interval 0.1 dari 0.1
sampai 0.9 yang menghasilkan nilai MAD yang paling kecil dan track signal tidak
melebihi ±4 MAD; menurut George Plossl dan Oliver Wight untuk barang dengan
jumlah yang banyak)

Tabel 7 Exponential Smoothing (α =0.5)

Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373 309373
2016 Januari 413417 309373 104044.0 104044.0 10825153936.0 104044.0 104044.0 52022.0 2.0
Februari 328125 361395 -33270.0 33270.0 1106892900.0 70774.0 137314.0 45771.3 1.5
Maret 304890 344760 -39870.0 39870.0 1589616900.0 30904.0 177184.0 44296.0 0.7
April 322367 324825 -2458.0 2458.0 6041764.0 28446.0 179642.0 35928.4 0.8
Mei 326229 323596 2633.0 2633.0 6932689.0 31079.0 182275.0 30379.2 1.0
Juni 299728 324912.5 -25184.5 25184.5 634259040.3 5894.5 207459.5 29637.1 0.2
Juli 216389 312320.25 -95931.3 95931.3 9202804726.6 -90036.8 303390.8 37923.8 -2.4
Agustus 339013 264354.625 74658.4 74658.4 5573872957.6 -15378.4 378049.1 42005.5 -0.4
September 364478 301683.813 62794.2 62794.2 3943109983.8 47415.8 440843.3 44084.3 1.1
Oktober 297273 333080.906 -35807.9 35807.9 1282206150.0 11607.9 476651.2 43331.9 0.3
November 364234 315176.953 49057.0 49057.0 2406593848.1 60665.0 525708.3 43809.0 1.4
Desember 336059 339705.477 -3646.5 3646.5 13296791.3 57018.5 529354.7 40719.6 1.4
2017 Januari 307523 337882.238 -30359.2 30359.2 921683349.0 26659.2 559714.0 39979.6 0.7
Februari 358819 322702.619 36116.4 36116.4 1304392966.4 62775.6 595830.4 39722.0 1.6
Maret 384803 340760.81 44042.2 44042.2 1939714537.8 106817.8 639872.6 39992.0 2.7
April 375451 362781.905 12669.1 12669.1 160505973.6 119486.9 652541.6 38384.8 3.1
Mei 303534 369116.452 -65582.5 65582.5 4301058061.8 53904.5 718124.1 39895.8 1.4
Juni 262382 336325.226 -73943.2 73943.2 5467600700.3 -20038.8 792067.3 41687.8 -0.5
Juli 322320 299353.613 22966.4 22966.4 527454927.3 2927.6 815033.7 40751.7 0.1
Agustus 355741 310836.807 44904.2 44904.2 2016386589.5 47831.8 859937.9 40949.4 1.2
September 333625 333288.903 336.1 336.1 112961.0 48167.9 860274.0 39103.4 1.2
Oktober 340236 333456.952 6779.0 6779.0 45955496.7 54947.0 867053.1 37698.0 1.5
November 437714 336846.476 100867.5 100867.5 10174257434.5 155814.5 967920.6 40330.0 3.9

MSE (α =0.5) = 2643746029

4. Trend projection

Tahun Bulan Ton Forecast Error |Error| Squared Error RSFE ∑|Error| MAD Track Signal
2015 Desember 309373 316880.8 -7507.8 7507.8 56367411.2
2016 Januari 413417 318325.0 95092.0 95092.0 9042495024.0 95092.0 95092.0 95092.0 1.0
Februari 328125 319769.1 8355.9 8355.9 69820936.4 103447.9 103447.9 36985.3 2.8
Maret 304890 321213.2 -16323.2 16323.2 266448485.8 87124.7 119771.2 31819.8 2.7
April 322367 322657.4 -290.4 290.4 84327.5 86834.3 120061.6 25513.9 3.4
Mei 326229 324101.5 2127.5 2127.5 4526110.7 88961.8 122189.0 21616.1 4.1
Juni 299728 325545.7 -25817.7 25817.7 666552413.5 63144.1 148006.7 22216.4 2.8
Juli 216389 326989.8 -110600.8 110600.8 12232541064.1 -47456.7 258607.5 33264.4 -1.4
Agustus 339013 328434.0 10579.0 10579.0 111916072.0 -36877.7 269186.6 30743.8 -1.2
September 364478 329878.1 34599.9 34599.9 1197152879.4 -2277.8 303786.5 31129.4 -0.1
Oktober 297273 331322.2 -34049.2 34049.2 1159351090.0 -36327.1 337835.7 31394.9 -1.2
November 364234 332766.4 31467.6 31467.6 990210652.4 -4859.4 369303.3 31400.9 -0.2
Desember 336059 334210.5 1848.5 1848.5 3416843.5 -3011.0 371151.8 29127.7 -0.1
2017 Januari 307523 335654.7 -28131.7 28131.7 791390946.7 -31142.6 399283.5 29056.5 -1.1
Februari 358819 337098.8 21720.2 21720.2 471766489.9 -9422.5 421003.7 28567.4 -0.3
Maret 384803 338543.0 46260.0 46260.0 2139991676.2 36837.6 467263.7 29673.2 1.2
April 375451 339987.1 35463.9 35463.9 1257688336.8 72301.5 502727.6 30013.8 2.4
Mei 303534 341431.2 -37897.2 37897.2 1436200821.6 34404.3 540624.8 30451.8 1.1
Juni 262382 342875.4 -80493.4 80493.4 6479184620.5 -46089.1 621118.2 33085.6 -1.4
Juli 322320 344319.5 -21999.5 21999.5 483979084.3 -68088.7 643117.7 32531.3 -2.1
Agustus 355741 345763.7 9977.3 9977.3 99547177.6 -58111.3 653095.1 31457.3 -1.8
September 333625 347207.8 -13582.8 13582.8 184492699.9 -71694.1 666677.9 30644.8 -2.3
Oktober 340236 348652.0 -8416.0 8416.0 70828233.9 -80110.1 675093.8 29678.3 -2.7
November 437714 350096.1 87617.9 87617.9 7676897568.6 7507.8 762711.7 32092.5 0.2

Slope = 1444.14 dan intercept = 315436.68

MSE trend projection = 1953868790
Kesimpulan:

Forecasting digunakan untuk memperkirakan berapa banyak barang yang akan dimuat.
Dengan forecasting yang tepat, pihak pelabuhan dapat mempersiapkan peralatan
bongkar muat maupun tenaga-tenaga bantuan yang diperlukan ataupun persiapan-
persiapan lainnya dan sebaliknya mengurangi hal-hal tersebut hal ini dilakukan terkait
biaya operassional. Selain itu, jika pertumbuhan kebutuhan akan jasa pelabuhan
mengalami peningkatan tiap bulannya, maka dapat menjadi pertimbangan untuk
meningkatkan kapasitas pelabuhan tersebut.

Forecasting selalu bergerak artinya metode forecasting yang digunakan dapat berubah
mengikuti kejadian yang sesungguhnya. Kapan harus mengganti metode forecasting
yang digunakan dapat menggunakan parameter tracking signal. Menurut ahli kontrol
inventori George Plossl dan Oliver Wight, merekomendasikan menggunakan ±4 MAD
untuk barang dengan jumlah yang banyak dan ±8 MAD untuk barang dengan jumlah
yang sedikit.

Untuk forecasting diatas yang menggunakan data 2 tahun terakhir sebagai data historis
yang akan diramal, maka forecasting yang paling sesuai adalah weighted moving
average dengan n=4, w1=0.08, w2=0.15, w3=0.23, dan w4=0.54 yang dapat dilihat pada
tabel 6 diatas. Dengan parameter tracking signal yang tidak pernah melebihi ±4 MAD,
serta dengan membandingkan dengan metode lainnya (metode lainnya dengan
tracking signal yang tidak melebihi ±4 MAD) akan menghasilkan nilai MAD dan MSE
yang paling kecil yang berarti distribusi eror datanya paling ideal (paling rendah deviasi
erornya). Mean square error dan mean absolute deviation merupakan parameter yang
digunakan untuk mengukur akurasi dari peramalan dengan nilai eror sebagai
komponennya berarti semakin kecil nilai MSE dan MAD suatu metode terhadap metode
lainnya berarti erornya semakin kecil, dimana eror adalah jarak forecasting terhadap
nilai sesungguhnya.

Barang yang dimuat di pelabuhan Makassar (Des 15-Nov 17)

500000 Bulan Forecast
Jumlah barang yang dimuat (ton)

400000
y = 1444.1x + 315437
R² = 0.0487
300000

200000

100000

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 25