Peramalan
Peramalan
(Samuel Johnson)
Selain rentang waktu yang ada dalam proses peramalan, terdapat juga teknik
atau metode yang digunakan dalam peramalan. Metode peramalan dapat
diklasifikasikan dalam dua kategori, yaitu:
1. Metode Kualitatif
2. Metode Kuantitatif
a) Model-model Regresi
Perluasan dari metode Regresi Linier dimalan meramalkan suatu variabel
yang memiliki hubungan secra linier dengan variabel bebas yang diketahui
atau diandalkan.
b) Model Ekonometrik
Menggunakan serangkaian persamaan-persamaan regresi dimana terdapat
variabel-variabel tidak bebas yang menstimulasi segmen-segmen ekonomi
seperti harga dan lainnya.
c) Model Time Series Analysis (Deret Waktu)
Memasang suatu garis trend yang representatif dengan data-data masa lalu
(historis) berdasarkan kecenderungan datanya dan memproyeksikan data
tersebut ke masa yang akan datang.
4. Lakukan Peramalan
et = Y(t) – Y’(t)
[Y (t ) Y ' (t )] 2
SEE i 1
n2
7. Lakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode peramalan
tersebut sesuai dengan pola data sebenarnya.
Untuk mendapatkan nilai (a) maka dapat didekati melalui turunan kuadrat
terkecilnya (least square) terhadap (a) sebagai berikut:
n
E [Y (t ) a ]2
i 1
n
dE
0 diperoleh 2 [Y (t ) a ] 0
da i 1
n n n
Y (t ) a 0 ; maka Y (t ) na 0
i 1 i 1 i 1
n
Y (t )
Sehingga:
i 1
a ; dimana n = jumlah periode peramalan
n
Jadi, apabila pola data berbentuk konstan, maka peramalannya dapat didekati
dengan harga rata-rata dari data tersebut.
Ilustrasi 1
Jawaban
Menghitung Konstanta a :
(46 56 54 43 57 56)
a= 52
6
Jadi permintaan untuk bulan Juli sampai dengan November 2006 dapat didekati
dengan harga rata-ratanya (a) yaitu 52 unit.
Untuk pola data yang bersifat siklis atau musiman, persamaan garis yang
mewakili dapat didekati dengan fungsi trigonometri, yaitu:
2 2
Y ' (t ) a u cos t v sin t .............................................(1)
n n
Dimana n adalah jumlah periode peramalan
Jumlah Kuadrat Kesalahan Terkecil didefinisikan sebagai:
n
2 2 2
E [Y (t ) a u cos t v sin t )]
i 1 N N
Bentuk diskriminannya adalah sebagai berikut:
2 2
k’ ' 1 cos t sin t
N N
k n 0 0
2 n 0
k cos N
t 0
2
0
2 n
k sin N
t 0 0
2
Maka:
n 0 0 k 0 0 k n 0 k n 0
n 2 n 2 2 2 2 n
k' 0 0 1 k cos t 0 cos t k cos t 0 0 sin t k cos t 0 0
2 N 2 N N N N 2
n 2 n 2 n 2
0 0
2
k sin N t 0
2
k sin N t 0 2
k sin N t 0 0
Ilustrasi 2
Diketahui data permintaan produksi chip pada tahun 2005 sebagai berikut:
a. Tentukan demand di tahun berikutnya dengan metode peramalan pola data siklis
b. Hitunglah standard error estimate-nya!
Jawaban:
k= h= sin cos
t Y hk kcos(t/6) ksin(t/6)
d -98 t-6 (2t/12) (2t/12)
Jan 1 72 -26 -5 130 0.500 0.866 -22.52 -13.00
Feb 2 83 -15 -4 60 0.866 0.500 -7.50 -12.99
Mar 3 92 -6 -3 18 1.000 0.000 0.00 -6.00
Apr 4 107 9 -2 -18 0.866 -0.500 -4.50 7.79
May 5 114 16 -1 -16 0.500 -0.866 -13.86 8.00
Jun 6 129 31 0 0 0.000 -1.000 -31.00 0.00
Jul 7 91 -7 1 -7 -0.500 -0.866 6.06 3.50
Aug 8 108 10 2 20 -0.866 -0.500 -5.00 -8.66
Sept 9 116 18 3 54 -1.000 0.000 0.00 -18.00
Oct 10 79 -19 4 -76 -0.866 0.500 -9.50 16.45
Nov 11 92 -6 5 -30 -0.500 0.866 -5.20 3.00
Dec 12 93 -5 6 -30 0.000 1.000 -5.00 0.00
Total 78 1176 0 6 105 0.000 0.000 -98.01 -19.90
t t
k' 1 cos sin
6 6
0 12 0 0 0
98.01 0 6 0
19.90 0 0 6
Maka:
12 0 0 0 0 0 0 12 0 0 12 0
t t
k ' 0 6 0 1 98.01 6 0 cos 98.01 0 0 sin 98.01 0 6 0
6 6
0 0 6 19.90 0 6 19.90 0 6 19.90 0 0
t t
k ' (432) cos (7056.72) sin 1432.80 0
6 6
t t
k ' 16.33 cos 3.32 sin
6 6
t t
Y ' (t ) 98 16.33 cos 3.32 sin
6 6
Demand Forecast Error
Month t (Y - Y')^2
(Y) (Y’) (e)
January 1 72 82.20 -10.20 104.00
February 2 83 86.96 -3.96 15.68
March 3 92 94.68 -2.68 7.18
April 4 107 103.29 3.71 13.76
May 5 114 110.48 3.52 12.38
June 6 129 114.33 14.67 215.21
July 7 91 113.80 -22.80 519.92
August 8 108 109.04 -1.04 1.08
September 9 116 101.32 14.68 215.50
October 10 79 92.71 -13.71 187.97
November 11 92 85.52 6.48 42.01
December 12 93 81.67 11.33 128.37
Totals 78 1176 1176 0 1463.07
[Y (t ) Y ' (t )] 2
1463.07
SEE i 1
12.09
n2 10
Y’(t) = a + b(t)
Anggaplah data mentah diwakili dengan (Yi,ti), dimana Yi adalah permintaan aktual
di saat ti, dimana i = 1,2, .....,n. Definisikan:
n
E [Y (t ) a b(t )]2
i 1
n n n
n tY (t ) Y (t ) t
b i 1 i 1
2
i 1
n
n
n t t
2
i 1 i 1
n n
Y (t ) b t
a i 1 i 1
n
1 (t o t ) 2
Confidence Interval = Y’(t) ± t/2 SEE
n ( t ) 2
t n
2
1 (t o t ) 2
Prediction Interval = Y’(t) ± t/2SEE 1
n ( t ) 2
t n
2
Ilustrasi 3
Jawaban
(2553) (3,05)(78)
a 192,95
12
a. Diperoleh Persamaannya : Y’(t) = 193 + 3(t) sehingga permintaan pada tahun
2007 adalah sebagai berikut:
b. Untuk menghitung SSE dan Standard Error Estimatenya (SEE) terlebih dahulu
dihitung demand aktual dengan menggunakan persamaan (Y’(t)) yang telah
diketahui.
[Y (t ) Y ' (t )] 2
530
SEE i 1
7,28
t2 12 2
c. Dari Persamaan : Y’(t) = 193 + 3(t), maka untuk satu harga t = 18 diperoleh
Y’=247 dengan Standar Error Estimatenya (SEE)= 7.28 dan t/2 = t 0,005 = 3,169
untuk (n – 2 = 12 – 2 =10) derajat bebas.
1 (t o t ) 2
Confidence Interval = Y’(t) ± t/2 SEE
n ( t ) 2
t 2
n
1 (18 6,5) 2
= 247 ± (3,169)(7,28)
12 (78) 2
650
12
= 247 ± 23,16
1 (t o t ) 2
Prediction Interval = Y’(t) ± t/2SEE 1
n ( t ) 2
t 2
n
1 (18 6,5) 2
= 247 ± (3,169)(7,28) 1
12 78 2
650
12
= 247 ± 46,32
Yt Yt 1 Yt 2 .... Yt n1
Simple Moving Average (SMAt)=
n
Ilustrasi 4
t 1 2 3 4 5 6 7 8 9 10 11 12
Y 46 56 54 43 57 56 67 62 50 56 47 56
Maka Moving Average 3 mingguan (SMA3) terhadap harga penutupan akhir minggu
saham diperoleh dari perhitungan berikut:
Contoh perhitungan:
46 56 54
SMAMinggu3 52
3
56 54 43
SMAmin ggu4 51
3
Ilustrasi 5
Contoh perhitungan:
54 43 57 56 67
CMAMei 55,4
5
Ft w1 At 1 w2 At 2 ....... wn At n
n
dan w
i 1
i 1
Ilustrasi 6
Dimana disebut konstanta pelicinan dalam interval 0 < < 1. Rumus ini
memperlihatkan bahwa data yang lalu memiliki bobot lebih kecil dibandingkan
dengan data yang terbaru. Rumus tersebut dapat disederhanakan sebagai berikut:
Dengan nilai Y’(1) untuk inisial ramalan didekati dengan nilai rata-ratanya ( Y )
Atau
Ilustrasi 7
Tabulasi data berikut ini merupakan actual sales dalam unit untuk 6 bulan dan
peramalan dimulai dari bulan januari.
Jawaban:
Actual Forecast
Bulan Forecast(II) Error (Y-Y')^2
Sales (1)
January 100 80 80 20 400
February 94 84 84 10 100
March 106 86 86 20 400
April 80 90 90 -10 100
May 68 88 88 -20 400
June 94 84 84 10 100
July 86 86 0
Total 542 598 598 90 1500
Y (t ) Y ' (t )
MAD t 1
90
MAD 15 ;
6
dimana 1 MAD = 0.8 standard deviation diperoleh standar deviation = 12
Soal Latihan
1. Tebel di bawah ini menunjukkan hasil penjualan televisi oleh 20 kelompok sales
(N) PT SUKSES SELALU. Tiap kelompok sales tersebut terdapat beberapa
orang (x) yang bertugas menawarkan televisi. Hasil data penjualan televisi (y)
diberikan kepada perusahaan setelah semua data-data dari tiap-tiap kelompok
dikumpulkan.
No. X Y No. X Y
1 10 5 11 110 36
2 20 7 12 120 40
3 30 10 13 140 51
4 40 12 14 150 55
5 50 17 15 160 62
6 60 19 16 160 65
7 70 22 17 160 58
8 80 25 18 170 70
9 90 28 19 170 74
10 100 31 20 170 63
Buatlah:
a. Persamaan regresinya
b. Standar Error Estimatenya
c. Confidence Interval dan Prediction Intervald engan tingkat kepercayaan 95%
dan anggota kelompok sales 35 orang.
2. Zeus Computer Chips.Inc. memproduksi sekitar 186-286 tipe chip. Sejak tiga
tahun yang lalu perusahaan tersebut mengalami penurunan permintaan. Di
bawah ini diberikan data masa lalu permintaannya:
Year Season Demand Year Season Demand
2001 Spring 205 2003 Spring 325
Summer 140 Summer 650
Fall 375 Fall 275
Winter 575 Winter 700
2002 Spring 275 2004 Spring 545
Summer 275 Summer 425
Fall 685 Fall 785
Winter 965 Winter 995
Past Data
4 minggu 3 minggu 2 minggu 1 minggu
Senin 2.200 2.400 2.300 2.400
Selasa 2.000 2.100 2.200 2.200
Rabu 2.300 2.400 2.300 2.500
Kamis 1.800 1.900 1.800 2.000
Jumat 1.900 1.800 2.100 2.000
Sabtu - - - -
Minggu 2.800 2.700 3.000 2.900
Past Data
4 minggu 3 minggu 2 minggu 1 minggu
Senin - - - -
Selasa 100.000 110.000 110.000 115.000
Rabu - - - -
Kamis 98.000 99.000 100.000 95.000
Jumat - - - -
Sabtu - - - -
Minggu 115.000 112.000 120.000 119.000
Total 313.000 321.000 330.000 333.500
Month Demand
Jan 20
Feb 22
Mar 25
Apr 21
Mei 24
Jun 28
Jul 35
Agt 40
Month Demand
Jan 11
Feb 12
Mar 15
Apr 12
Mei 16
Jun 15
Month Demand
Jan 220
Feb 200
Mar 250
Apr 230
Mei 240
Jun 220
a) Ramalkan demand minggu ke-7 dengan menggunakan 3 bulan simple
moving average
b) Ramalkan demand untuk minggu ke-7 dengan menggunakan weighted
moving average dengan 0.6, 0.5, 0.4, 0.3
c) Ramalkan demand untuk mingguk ke-7 dengan menggunakan
exponential smoothing dengan = 0,2 dan pada minggu ke-6 diramalkan
210.