Di susun oleh :
AGUS SANJAYA (16121175)
APRIYANA (16121194)
ARIYADI (16121196)
DARSAH (16121207)
EVA SAFITRA (16121222)
FAIZAL SYAWALLUDIN (16121223)
0
DAFTAR ISI
Cover....................................................................................................................0
Daftar Isi..............................................................................................................1
Kata Pengantar.....................................................................................................2
BAB II PEMBAHASAN.....................................................................................5
2.1 Latar Belakang Masalah...................................................................5
2.2 Peramalan..........................................................................................5
2.3 Metode Peramalan............................................................................6
2.4 Mengukur Kesalahan Peramalan......................................................8
2.5. Pembahasan Dan Hasil.....................................................................9
2.5.1 Deskripsi Data................................................................................9
2.5.2 Flowchart Sistem............................................................................10
2.5.3 Hasil Penelitian...............................................................................11
Daftar Pustaka......................................................................................................16
1
KATA PENGANTAR
Puji serta syukur kehadirat Allah SWT yang telah melimpahkan rahmat, taufik
serta hidayah-Nya sehingga kami dapat menyelesaikan makalah ini tepat pada
waktunya. Sholawat serta salam semoga tercurah limpahkan kepada Nabi
Muhammad SAW. Tak lupa pula, penulis ucapkan terima kasih kepada semua
pihak yang telah membantu dalam kelancaran pembuatan makalah ini, baik
berupa saran maupun materi.
Pembuatan makalah ini bertujuan untuk mengulas sebuah paper atau makalah.
Dalam pembahasannya menyangkut pengertian dan pemahaman tentang pokok
bahasan.
Penulis menyadari bahwa dalam pembuatan makalah ini banyak kekurangan
dikarenakan kurangnya pengetahuan yang penulis miliki, maka dari itu kritik dan
saran dari rekan-rekan dan semua pihak sangat diharapkan. Semoga makalah ini
bermanfaat bagi pihak-pihak yang membaca khususnya. Akhir kata penulis
ucapkan terima kasih kepada semua pihak yang telah membantu terwujudnya
makalah ini, semoga makalah ini bermanfaat bagi kita semua. Amin
Penulis
2
BAB I
PENDAHULUAN
3
Apa itu Peramalan
Metode dalam peramalan
Pembahasan Hasil
Kesimpulan dan Saran
1. 3 Tujuan
Maksud dan tujuan dari makalah ini yaitu supaya mahasiswa mengetahui apa itu
Peramalan dan juga metode yang dipakai dalam peramalan
Serta untuk menambah wawasan tentang implemetasi dari Peramalan permintaan
dari study kasus yang ada dalam paper. Sehingga di harapkan bagi mahasiswa
dapat membangun aplikasi SCM tentang Peramalan Permintaan.
4
BAB II
PEMBAHASAN
2.2 Peramalan
Heizer dan Barry Render (2015), menyatakan bahwa peramalan adalah suatu seni
dan ilmu pengetahuan dalam memprediksi peristiwa-peristiwa pada masa
mendatang. Peramalan akan melibatkan mengambil data historis (seperti
penjualan tahun lalu) dan memproyeksikan mereka kemasa yang akan dating
dengan model matematika. William J.Stevenson dan Sum Chee Chuong (2014)
menyatakan bahwa peramalan (forecast) adalah pernyataan mengenai nilai yang
akan datang dari variable seperti permintaan.
Artinya
5
2.3 Metode Peramalan
Terdapat dua pendekatan umum untuk peramalan, hanya terdapat dua cara untuk
mengatasi seluruh permodelan keputusan. Salah satu adalah analisis kuantitatif,
yang satunya lagi adalah pendekatan kualitatif. Didalam Paper yang kita bahas
peramalan yang dilakukan adalah metode kuantitatif .
Metode kuantitatif dikelompokan menjadi dua jenisyaitu :
1. Analisis Sebab-Akibat (Causal Methods) yang didasarkan atas pengguna
analisa pola hubungan antara variabel yang akan diperkirakan dengan
variabel lain yang mempengaruhinya dan
2. Analisa Deret Berkala (Time Series) yang pada umumnya selalu
berdasarkan atas penggunaan analisa pola hubungan antara variabel yang
akan diperkirakan dengan variabel waktu. Metode ini merupakan metode
peramalan yang memperkirakan permintaan konsumen/penjualan periode
yang akan datang dengan menggunakan data historis.
Ada 3 (tiga) teknik untuk menghitung
deret berkala terdiri dari: metode ratarata bergerak (Moving Average), rata-rata
bergerak tertimbang (weight average) dan penghalusan eksponensial (Exponential
Smoothing). Penjelasan dari ketiga teknik menghitung rata-rata pada metode
analisa deret berkala (Time Series) adalah sebagai berikut:
6
Metode ini merupakan pengembangan dari Single Exponential dimana
menambahkan unsur trend pada bobot perhitungan, sehingga pada Double
Exponential Smoothing (Metode Holt ) kita memberikan dua jenis bobot pada
perhitungan yaitu level (α) dan trend (β)
Bentuk matematis dari Double Exponential Smoothing ditunjukan
sebagai berikut :
7
2.4 Mengukur Kesalahan Peramalan
ME =
MAD =
8
c) MSE (Mean Square Error) atau Nilai Rata-Rata Kesalahan Kuadrat
MSE =
MAPE=
9
Des-13 140 Des-14 190 Des-15 275
Dari data di atas akan dijadikan bentuk grafik untuk dapat di analisis berdasarkan
data periodik, trend dan musiman.
Dari data di atas akan diolah dengan 3 model pemulusan (single, double dan triple
exponential smoothing) menggunakan sistem peramalan yang dibuat dengan
editor NetBeans berbahasa pemrograman Java dan basis data menggunakan
MySQL berdasarkan rancangan sistem yang dibuat dengan flowchart.
10
Gambar 2.Flowchart sistem peramalan dengan perhitungan single exponential smoothing
Bagan alir program perhitungan di atas dapat dijelaskan sebagai berikut :
1. Memasukkan data penjualan yang akan diramalkan dan nilai alpha
2. Menghitung nilai peramalan
3. Keluaran untuk proses perhitungan peramalan
4. Menghitung nilai Mean Error (ME)
5. Menghitung nilai Mean Absolute Deviation (MAD)
6. Menghitung nilai Mean Percentage Error (MAPE)
7. Menghitung nilai Mean Square Error (MSE)
8. Keluaran untuk ramalan periode berikutnya serta nilai ME, MAD, MAPE,MSE dengan
metode single exponential smoothing.
9. Jika ingin menyimpan hasil peramalan maka komputer akan memproses penyimpanan
data kemudian selesai. Jika tidak maka selesai.
11
kedepan. Model ini mengasumsikan bahwa data berfluktuasi disekitar nilai mean
yang tetap,tanpa trend atau pola pertumbuhan.
Tabel 3
Hasil Perhitungan Nilai Kesalahan Metode Single Exponential Smoothing
Nilai Kesalahan α= 0.1 α= 0.5 α= 0.9
ME 33 9 5
MAD 34 15 13
MAPE 17% 8% 7%
MSE 1667 319 241
12
Perhitungan Double Exponential Smoothing Model yang dilaksanakan dengan
menggunakan kombinasi nilai α = 0,1, 0,5, 0,9 dan nilai β = 0,1 ,0,5, 0,9. Dari
hasil perhitungan didapat hasil nilai error yang terkecil yaitu: ME = -1, MAE =
12, MAPE = 7%, MSE = 246 yang diperoleh dari kombinasi nilai α = 0,9 dan
nilai β
= 0,1. Model Double Exponential Smoothing mempunyai kinerja yang bagus dalam
meramalkan data dengan nilai perhitungan tingkat error yang paling kecil
terhadap data pengamatan sebenarnya di lapangan.Untuk menghasilkan akurasi
yang tinggi dalam metode peramalan Double Exponential Smoothing sebaiknya
memperhatikan pola data dengan baik, karena Double Exponential Smoothing
untuk pola data mengandung trend.
Tabel 5
Hasil Perhitungan Nilai Kesalahan Metode Double Exponential Smoothing
Nilai Kombinasi α= 0.1,0.5,0.9 dan β= 0.1,0.5,09
Kesalahan α = 0.1 α = 0.1 α = 0.1 α = 0.5 α = 0.5 α = 0.5 α = 0.9 α = 0.9 α = 0.9
β = 0.1 β = 0.5 β = 0.9 β = 0.1 β = 0.5 β = 0.9 β = 0.1 β = 0.5 β = 0.9
ME 1 0 -2 0 0 1 0 0 1
MAD 17 20 21 13 14 15 12 13 15
MAPE 9% 10% 12% 7% 8% 8% 7% 8% 9%
MSE 426 552 632 281 338 340 239 299 371
13
Perhitungan Model Triple Exponential Smoothing dengan Multiplicative Seasonal
Model dengan menggunakan kombinasi α = 0,1 ,0,5, 0,9 dan β = 0,1, 0,5, 0,9 serta
γ = 0,1, 0,5 ,0,9.
Hasil perhitungan didapatkan error terkecil yaitu ME =2 ,MAE = 16 , MAPE = 9%
dan MSE = 329 dari kombinasi α = 0,5 ,β = 0,1 dan γ = 0,5. Metode Triple
Exponential Smoothing dengan Multiplicative Seasonal Model menyatakan bahwa
dari hasil perbandingan peramalan tersebut yang memiliki error yang terkecil akan
digunakan sebagai informasi prediksi penjualan produk untuk periode berikutnya.
Selanjutnya metode ini digunakan ketika menunjukan adanya trend dan perilaku
musiman serta lebih cocok untuk membuat ramalan yang berfluktuatif atau
mengalami gelombang pasang surut.
Tabel 7
Hasil Perhitungan Nilai Kesalahan Metode Triple Exponential Smoothing
Nilai Kesalahan ME MAD MAPE MSE
α = 0.1, β = 0.1, γ=0.1 15 22 11% 792
α = 0.1, β = 0.5, γ=0.1 1 21 11% 614
α = 0.1, β = 0.9, γ=0.1 -1 24 13% 776
α = 0.5, β = 0.1, γ=0.1 1 17 10% 480
α = 0.5, β = 0.5, γ=0.1 -1 20 11% 551
α = 0.5, β = 0.9, γ=0.1 0 21 12% 603
α = 0.9, β = 0.1, γ=0.1 -1 23 13% 821
α = 0.9, β = 0.5, γ=0.1 -2 27 15% 1150
α = 0.9, β = 0.9, γ=0.1 -2 35 19% 1698
α = 0.1, β = 0.1, γ=0.5 10 20 11% 560
α = 0.1, β = 0.5, γ=0.5 1 19 10% 576
α = 0.1, β = 0.9, γ=0.5 -1 20 11% 674
14
BAB III
PENUTUP
3.1 Kesimpulan
Dari perhitungan ketiga metode tersebut maka dapat disimpulkan bahwa Single
Expontinential Smoothing cocok digunakan untuk melakukan peramalan dalam
jangka waktu pendek ( per bulan) , sedangkan jika ingin melakukan peramalan
untuk jangka waktu lebih panjang misalkan per Tahun bias menggunakan metode
Double Exponential Smoothing , dan apabila prediksi berdasarkan musiman misal
permintaan konsumen di musim lebaran atau awal tahun bias menggunakan
metode Triple Exponential Smoothing.
15
DAFTAR PUSTAKA
http://www.google.com
http://ejournal.upi.edu/index.php/JER/article/view/4824
http://www.youtube.com
16