RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

TUGAS PENDAHULUAN
PRAKTIKUM PERANCANGAN TEKNIK INDUSTRI 2019/2020
MODUL I “FORECASTING”

1. Metode Peramalan berdasarkan fungsinya

Berdasarkan sifatnya, peramalan dibagi menjadi dua, yakni (Modul Praktikum PTI,
2019) :
1. Kualitatif
Teknik ini digunakan apabila data masa lalu tidak tersedia atau walaupun tersedia
namun jumlahnya tidak mencukupi. Teknik kualitatif mengkombinasikan
informasi dengan pengalaman, penilaian, dan intuisi untuk menghasilkan pola
pola dan hubungan yang mungkin dapat diterapkan dalam memprediksi masa
yang akan datang. Teknik-teknik kualitatif didasarkan atas pendekatan akal sehat
(common sense) dalam menyaring informasi ke dalam bentuk yang bermanfaat.

Contoh - contohnya adalah:

a. Opini Eksekutif, penilaian dilakukan oleh para eksekutif dari perusahaan
tersebut yang didasarkan akan kemampuan maupun pengalaman mereka
bekerja.
b. Metode Delphi, peramalan yang bersumber dari opini masyarakat maupun
konsumen yang tertampung pada survey - survey yang dilaksanakan.
c. Tenaga Penjualan, peramalan diserahkan kepada pihak yang paling dekat dan
paling sering berhubungan dengan konsumen.
d. Survey Pasar, peramalan yang dilakukan dengan observasi secara langsung
terhadap keadaan lapangan maupun pasar dengan memperoleh informasi
yang dibutuhkan.
e. Brainstorming, peramalan yang dilakukan dengan melakukan pemikiran
bersama - sama yang kemudian ditampung dalam sekumpulan ide maupun
gagasan berdasarkan pengalaman dan pengetahuan yang dimiliki.

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

2. Kuantitatif
Dalam teknik ini, pola historis data digunakan untuk meramalkan pada masa
datang. Terdapat dua teknik kuantitatif yang utama, yakni analisis deret waktu (time
series analysis) dan model struktural (structural model) atau model kausal (De Lurgio,
1998).
a. Time Series
Analisis deret waktu didasarkan pada deret yang menggambarkan pola-pola
yang bervariasi sepanjang waktu, yang dapat dimodelkan untuk menentukan
bagaimana pola yang akan terjadi di masa yang akan datang. Terdapat beberapa
jenis deret waktu, yakni stasioner, trend (linier) dan musiman.
Beberapa metode analisis deret waktu antara lain:
- Moving Average, jenis-jenisnya antara lain simple average, simple moving
average, double moving average, weighted moving average, moving average
with linier trend.
- Exponential Smoothing, jenis-jenisnya antara lain single exponential
smoothing, double exponential smoothing, triple exponential smoothing:
browns one parameter quadratic.
- Classic decomposition census II X-11-A
- Holts-Winters, jenis-jenisnya holts two parameter, winter’s three parameter
exponential smoothing.
- Fourier Series
- Box-Jenkins (ARIMA), dianggap sebagai metode peramalan yang paling
menggambarkan kondisi dunia nyata, karena menggabungkan unsur AR
(Autoregressive), I (Integrated), dan MA (Moving Average).
b. Causal Model
Model kausal terdiri atas teknik-teknik peramalan yang menggunakan
informasi atas satu atau beberapa faktor (variable) untuk memprediksi faktor
lainnya dengan memanfaatkan pengetahuan atas hubungan antara
variabelvariabel tersebut. Teknik utama dalam model-model kausal ini adalah
Multiple Regression, Ekonometrik, Cyclical, State Space, dan Vector

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

Autoregression.

c. Other Quantitative
Metode peramalan jenis kuantitatif ini menggunakan teknik peramalan yakni
Market Research, Management Science/ Operation Research, Expert System,
Artificial, Neural Networks, Genetic Algorithms, dan Combining Methods.

2. Jelaskan kegunaan peramalan dalam dunia industri dan contoh aplikasinya!

Peramalan merupakan aktivitas pertama dalam penentuan jadwal produksi di masa
depan. Peramalan didasarkan pada penentuan (prediksi) jumlah permintaan sebuah
produk yang kemudian akan dijadikan sebagai target produksi. Peramalan adalah suatu
bagian dari kegiatan manajemen sebagai dasar pembuatan keputusan. Suatu perusahaan
membangun tujuan dan mencari faktor lingkungan lalu menyeleksi tindakan yang
diharapkan akan memberi hasil pada pencapaian tujuannya.
Peramalan adalah proses digunakan untuk memperkirakan berapa kebutuhan
dimasa datang yang meliputi kebutuhan dalam ukuran, kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.
Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam
kuantitas yang tepat.
Peramalan adalah suatu bagian dari kegiatan manajemen sebagai dasar pembuatan
keputusan. Suatu perusahaan membangun tujuan dan mencari faktor lingkungan lalu
menyeleksi tindakan yang diharapkan akan memberikan hasil pada pencapaian
tujuannya.
Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena
perubahan permintaannya relatif kecil, tetapi peramalan akan sangat dibutuhkan bila
kondisi permintaan pasar bersifat komplek dan dinamis.
Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat komplek dan
dinamis, karena permintaan tersebut akan tergantung dari keadaan sosial, ekonomi,
politik, aspek teknologi, produk pesaing dan produk substitusi. Oleh karena itu,

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam

pengambilan keputusan yang manajemen.
(Andi, 2008)

Fungsi peramalan antara lain adalah :

1. Menentukan apa yang dibutuhkan untuk perluasan pabrik
2. Menentukan perencanaan lanjutan untuk produk-produk yang sudah ada untuk
dikerjakan dengan fasilitas-fasilitas yang ada
3. Memperkirakan produksi mendatang dengan pertimbangan produksi di tahun-
tahun sebelumnya
4. Memperikan keuntungan mendatang
5. Menanggulangi kebangkrutan sedini mungkin dengan melakukan inovasi-inovasi
produk
6. Membaca pasar sehingga kita dapat memperkirakan kira-kira produk apa yang
akan sangat laku untuk dijual
7. Menentukan keputusan apa yang harus diambil untuk pengembangan produk
sehingga dapat meningkatkan keuntungan
8. Menentukan lokasi yang strategis untuk pengembangan produk
9. Menentukan waktu atau masa produk sehingga diharapkan sebelum itu sudah
dapat menghadirkan produk baru sebelum produk lama tenggelam
(Andi, 2008)
Berikut adalah kegunaan atau peran penting peramalan dalam dunia industry (Sri
Hartini, 2011):
 Menentukan apa yang dibutuhkan untuk ekspansi pabrik (ramalan jangka
panjang).
 Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk dikerjakan
dengan fasilitas-fasilitas yang ada (ramalan fasilitas)
 Menentukan penjadwalan jangka pendek produk-produk yang ada untuk
dikerjakan berdasarkan peralatan yang ada (ramalan perencanaan produksi)
 Penjadwalan sumber-sumber yang ada

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

 Peramalan pada tingkat permintaan untuk produk, material, tenaga kerja,

finansial, atau jasa adalah input yang penting utuk penjadwalan
 Mendapatkan sumber tambahan (acquitting additional reources)
 Peramalan dibutuhkan ntuk menentukan kebutuhan sumber-sumber dimasa yang
akan datang
 Menentukan sumber-sumber daya yang diinginkan
 Semua organisasi atau perusahaa harus menentukan sumber apa yang mereka
ingin untuk dimiliki dalam jangka waktu panjang

3. Jelaskan perbedaan validasi dan verifikasi dan contoh dalam dunia industri !
Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal adalah suatu
ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai actual. 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. Pada Moving Range jika ditemukan satu titik yang berada
diluar batas kendali pada saat peramalan diverifikasi maka harus ditentukan apakah
data harus diabaikan atau mencari peramal baru (Gaspersz, 1998).
Verifikasi merupakan proses pemeriksaan kesesuaian model logika operasional
dengan logika diagram alur atau dapat disederhanakan dengan “apakah terdapat
kesalahan dalam program?”. Validasi adalah proses penentuan apakah model, sebagai
konseptualisasi atau abstraksi, merupakan representasi berarti dan akurat dari sistem
nyata? (Hoover dan Perry, 1989)
Proses verifikasi bertujuan untuk mengetahui bagaimana perbandingan hasil
ramalan dengan demand dalam kenyataanya. Sedangkan proses validasi merupakan
suatu tahapan untuk menguji apakah metode peramalan yang digunakan sudah sesuai
dengan kondisi yang ada atau tidak (Herianto, 1999).

4. Jelaskan definisi dan langkah-langkah dalam melakukan peramalan!

Peramalan (forecasting) adalah seni dan ilmu memprediksi peristiwa-peristiwa
masa depan dengan pengambilan data historis dan memproyeksikannya ke masa depan

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

dengan menggunakan beebrapa bentuk model matematis (Barry Render dan Jay Heizer,
2001).
Langkah-langkah peramalan (Sofjan Assauri, 1999):
1) Menganalisa data yang lalu. Tahap ini berguna untuk pola yangterjadi pada masa
lalu. Analisis ini dilakukan dengan cara membuat tabulasi dari data yang lalu.
Suatu langkah yang penting dalam memilih metode analisis deret waktu
adalah mempertimbangkan jenis
2) Menentukan metode yang dipergunakan. Metode peramalan yang baik adalah
metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan
kenyataan yang terjadi.
3) Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan
dan mempertimbangkan adanya beberapa faktor perubahan.
Sumber lain :
Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam
kuantitas yang tepat. Maka dari itu dapat dikatakan bahwa peramalan adalah dugaan
terhadap permintaan dimasa yang akan datang berdasarkan pada beberapa variabel
peramal (Sri Hartini, 2011).
Berikut adalah langkah-langkah yang harus dilakukan dalam peramalan (forecasting)
(Sri Hartini, 2011):
 Konversi data untuk agregasi data
 Plot data
 Memilih alternative metode yang sesuai dengan plot data. Dengan asumsi bahwa
pola akan berulang dimasa yang akan datang
 Melakukan uji verifikasi dengan menghitung error dari metode-metode yang
digunakan
 Memilih metode yang terbaik. Metode yang terbaik adalah metode yang
memiliki nilai error terkecil
 Melakukan uji validasi metode terpilih

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

5. Sebutkan dan jelaskan jenis-jenis peramalan berdasarkan jangka waktu

peramalan!
Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tiga
jenis, yaitu (Herjanto, 2008:78):

1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 18
bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.
2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18 bulan.
Misalnya, peramalan untuk perencanaan penjualan, perencanaan produksi dan
perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3 bulan.
Misalnya, peramalan dalam hubungannya dengan perencanaan pembelian
material, penjadwalan kerja dan penugasan karyawan.

6. Sebutkan dan jelaskan macam-macam metode validasi dalam peramalan!

(minimal 4)

1. Weight Moving Averages (WMA)

Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang
baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang.
metode rata-rata bergerak akan efektif diterapkan apabila permintaan pasar terhadap
produk diasumsikan stabil sepanjang waktu. Metode rata-rata bergerak terdapat dua
jenis, rata-rata bergerak tidak berbobot (Unweight Moving Averages) dan rata-rata
bobot bergerak (Weight Moving Averages). Model rata-rata bobot bergerak lebih
responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot
lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai berikut.

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

2. Single Exponential Smoothing (SES)

Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya
menggunakan model pemulusan eksponensial (Exponential Smoothing Models).
Metode Single Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-
hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan model
pemulusan eksponensial rumusnya adalah sebagai berikut.

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan

eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat. Nilai
konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1. Apabila pola
historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke
waktu, nilai α yang dipilih adalah yang mendekati 1. Pola historis dari data aktual
permintaan tidak berfluktuasi atau relatif stabil dari waktu ke waktu, α yang dipilih
adalah yang nilainya mendekati nol (Gaspersz, 1998).

3. Regresi Linier
Model analisis Regresi Linier adalah suatu metode populer untuk berbagai
macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x
dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus
perhitungan Regresi Linier yaitu sebagai berikut.

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

Keterangan:
Y = hasil peramalan
n = periode
a = perpotongan dengan sumbu tegak
b = menyatakan slope atau kemiringan garis regresi
4. Validasi Prospektif
Validasi terhadap pembuatan yang diterapkan sebelum produk di release di
pasaran (pre market validation. Biasanya dibutuhkan minimal 3 batch (diluar trial batch)
untuk menunjukkan hasil yang diharapkan.
• Data kurang lengkap
• Uji in process control tidak seluruhnya dilakukan
• Dilakukan sebelum proses produksi
• Terdapat alat dan komponen baru

7. Sebutkan dan jelaskan contoh metode peramalan kualitatif dan kuantitatif

dalam peramalan! (masing-masing minimal 5)!

Contoh metode peramalan kuantitatif (academia.edu):

a. Metode Serial Waktu
Metode serial waktu (deret berkala, time series) adalah metode yang digunakan untuk
menganalisis serangkaian data yang merupakan fungsi dari waktu. Analisis serial
waktu dimulai dengan memplotkan data pada suatu skala waktu, mempelajari
pola tersebut, dan akhirnya mencari suatu bentuk atau pola yang konsisten atas
data
b. Metode Kausal
Metode Kausal atau disebut juga dengan metode eksplanatori mengasumsikan adanya
hubungan sebab akibat antara variabel bebas dan variabel tidak bebas yang
dipengaruhinya, atau dalam bentuk lain antara input dan output dari suatu sistem.

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

Sistem itu dapat berbentuk makro (seperti perekonomian nasional) atau mikro (seperti
dalam perusahaan atau rumah tangga)
c. Metode trend least square
Metode ini merupakan suatu metode peramalan serangkaian waktu yg sesuai
dengan garis tren terhadap serangkaian titik-titik data masa lalu, kemudian
diproyeksikan ke dalam peramalan masa depan untuk peramalan jangka
menengah dan jangka panjang.
d. Metode Variasi Musim
Melakukan prakiraan volume permintaan konsumen di waktu-waktu yang akan
datang dapat didasarkan pada gelombang musiman yang melekat pada kultur
budaya atau kebiasaan dari masyarakat.
e. Metode Ekonometrik
Metoda ini didasarkan atas peramalan sistem persamaan regresi yang
diestimasikan secara simultan. Baik untuk peramalan jangka pendek
maupun peramalan jangka panjang, ketepatan peramalan dengan metoda ini
sangat baik.

Contoh metode peramalan kualitatif (dokumen.tips):

a. Teknik Survey ( riset pasar/ market research)
Teknik survey ini merupakan suatu alat meramalkan yang cukup penting
khususnya untuk memprediksi kejadian-kejadian atau kecenderungan-
kecenderungan dalam jangka pendek mendatang ini.
b. Teknik Jajak Pendapat (Opinion Pools).
Teknik jajak pendapat sering dilakukan untuk melengkapi data dari survey. Jajak
pendapat dari para pakar, para eksekutif, dari masyarakat umum, atau dari
konsumen. Jajak pendapat ini lebih bersifat pandangan atau pendapat pribadi
(subjektif) dari respondennya, sebaliknya teknik survey lebih bersifat objektif.
c. Metode Delphi,
Pada metode ini sekelompok pakar mengisi kuesioner, Moderator
menyimpulkan hasilnya dan memformulasikan menjadi suatu kuesioner baru
yang diisi kembali oleh kelompok tersebut, demikian seterusnya. Hal ini

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

merupakan proses pembelajaran (learning process) dari kelompok tanpa

adanya tekanan atau intimidasi individu.
d. Analogi historis (Historical Analogy),
Merupakan teknik peramalan berdasarkan pola data masa lalu dari produk-
produk yang dapat disamakan secara analogi.
e. Dugaan manajemen ( management estimate )
Dimana peramalan semata-mata berdasarkan pertimbangan manajemen,
umumnya oleh manajemen senior. Metode ini akan cocok dalam situasi yang
sangat sensitif terhadap intuisi dari suatu atau sekelompok kecil orang yang
karena pengalamannya mampu memberikan opini yang kritis dan relevan.

8. Sebutkan dan jelaskan jenis plot data dalam peramalan lengkap dengan
gambar!
Ada beberapa tipe plot data yang dapat digunakan data masa lalu yang akan
digunakan untuk peramalan, yaitu (Sri Hartini, 2011):

 Konstan terjadi apabila pola data berfluktuasi di sekitar nilai rata – rata yang
konstan (deret seperti ini stasioner terhadap nilai rata - ratanya).

 Linier terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam
data.

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

 Siklis adalah pola permintaan suatu produkyang mempunyai siklus berulang

secara periodik biasanya lebih dari satu tahun, sehingga pola ini untuk
peramalan jangka menengah dan panjang.

 Kuadratis,

9. Jelaskan macam-macam error dalam peramalan serta sebutkan kekurangan

dan kelebihan setiap error tersebut! (minimal 6)!

Macam-macam error :
a. Mean Average Deviation (MAD)
Kelebihan: ukuran kesalahan peramalan yang digunakan sederhana
Kekurangan: akurasi hasil peramalan sangat kecil
b. Mean Error (ME)

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

Kelebihan dari mean error ini yaitu sangat efektif untuk mengetahui apakah
peramalan terlalu tinggi atau terlalu rendah dibanding dengan kenyataan.
Kekuranganya yaitu nilai akan mendekati 0 jika hasil peramalan tidak bias.
c. Mean Absolute Error (MAPE)
Kelebihan: lebih akurat jika persentase kesalahan hasil peramalan terhadap
permintaan selama periode tertentu yang akan memberikan informasi persentase
kesalahan terlalu tinggi atau terlalu rendah
Kekurangan: ukuran kesalahan relative
d. Mean Forecast Error (MFE)
Kelebihan: sangat efektif untuk mengetahui apakah suatu hasil peramalan
selama periode tertentu terlalu tinggi atau terlalu rendah
Kekurangan: nilai akan mendekati nol jika hasil peramalan tidak bias
e. Mean Squared Error (MSE)
Mean squared error dihitung dengan menjumlahkan kuadrat dari semua error
pada setiap periode dan dibagi dengan jumlah periode peramalan. Keuntungan
dari metode ini yaitu sederhana dalam perhitungan, kerugianya yaitu perhitungan
kurang akurat karena tidak memperhatikan pakah nilai error lebih besar atau
lebih kecil dari kenyataanya.
f. Standar Deviation Error (SDE)
Kelebihan: sederhana
Kekurangan: akurasi hasil peramalan sangat kecil karena hanya menggunakan
standar deviasi kesalahan peramalan

10. Jelaskan definisi & kegunaan agregasi!

11. Bangkitkan data sebanyak 12 (DUA BELAS) dengan NOTASI DISTRIBUSI

dan PARAMETER sebagai berikut :
a. NORMAL (20DA ; 22CD)
b. UNIFORM (44CD ; 4CBA)
Pembangkitan data

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

(Keterangan : ABCD adalah 4 angka terakhir berdasarkan NIM anda, contohnya NIM
21070114170045. A = 0 ;B = 0; C = 4 ; D = 5)
SOAL : Lakukan peramalan berdasarkan ke-12 data bangkitan tersebut (MINIMAL
TIGA METODE YANG SESUAI) dengan langkah-langkah yang SISTEMATIS dan
LOGIS untuk 12 periode berikutnya. Kemudian pilihlah SATU METODE TERBAIK
dan lakukan VALIDASI terhadap metode tersebut.

I Uniform
a. Single Moving Average 3 Periode
No Data Ft error error^2
1 4320
2 4394
3 4256 4323 -68 4562
4 4246 4299 -53 2787
5 4345 4282 63 3909
6 4178 4256 -78 6153
7 4378 4300 78 6110
8 4259 4272 -13 165
9 4268 4302 -34 1127
10 4340 4289 51 2637
11 4317 4309 8 71
12 4355 4337 17 302
Total 27824
MSE 2529
SDE 50

𝑋1 + 𝑋2 + 𝑋3 4320 + 4394 + 4256

𝐹3 = = = 4323
3 3
b. Double Moving Average 3 Periode
No Data S' S" a b Ft error error^2
1 4320
2 4394
3 4256 4735
4 4246 4566

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

5 4345 4528 4609 4447 -81

6 4178 4618 4571 4665 47 4365 -188 35290
7 4378 4766 4637 4895 129 4713 -334 111721
8 4259 4790 4725 4855 65 5024 -766 586241
9 4268 4875 4810 4939 64 4921 -652 425728
10 4340 4875 4847 4903 28 5004 -663 439784
11 4317 4719 4823 4615 -104 4932 -615 377833
12 4355 4492 4695 4288 -204 4511 -156 24357
Total 2000953
MSE 181905
SDE 427

𝑋1 + 𝑋2 + 𝑋3 4320 + 4394 + 4256

𝑆′ = = = 4323
3 3
4735 + 4566 + 4528
𝑆" = = 4609
3
𝑎 = 2𝑆′𝑡 − 𝑆"𝑡 = (2 × 4323) − 4609 = 4447
2 2
𝑏= (𝑆 ′ 𝑡 − 𝑆"𝑡 ) = (4528,116 − 4609,464) = −81,348
𝑁−1 3−1
𝐹6 = 4665,234 + (47,348) = 1123.322

c. Center Moving Average 3 Periode

No Data Ft error error^2
1 4307,002
2 4339,859 4284,903 54,957 3020,227
3 4207,846 4277,367 -69,521 4833,111
4 4284,395 4248,454 35,941 1291,744
5 4253,122 4262,874 -9,752 95,101
6 4251,104 4247,391 3,713 13,788
7 4237,947 4235,561 2,386 5,694
8 4217,631 4265,694 -48,063 2310,045
9 4341,504 4280,385 61,118 3735,443
10 4282,022 4314,497 -32,476 1054,662
11 4319,966 4327,966 -8,000 64,002
12 4381,911 4491,530 -109,619 12016,267
Total 25419,859
MSE 2310,896
SDE 48,0717821

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

𝑋1 + 𝑋2 + 𝑋3 4307,002 + 4339,859 + 4207,846

𝐹2 = = = 4284,903
3 3

Kesimpulan: Dengan perhitungan error menggunakan MSE dan SDE diketahui

bahwa metode SMA 3 periode memberikan nilai error terkecil

II Normal
a. Single Moving Average 3 periode
No Data Ft error error^2
1 2016
2 1970
3 2041 2009 32 1050
4 2090 2034 56 3162
5 2086 2073 14 189
6 2112 2096 16 242
7 1927 2042 -114 13097
8 2019 2019 0 0
9 2082 2009 72 5220
10 1979 2026 -48 2264
11 1998 2019 -22 474
12 1950 1976 -25 633
Total 26330
MSE 2633
SDE 51

𝑋1 + 𝑋2 + 𝑋3 2016 + 1970 + 2041

𝐹3 = = = 2009
3 3
b. Double Moving Average 3 periode
No Data S' S" a b Ft error error^2
1 2016
2 1970

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

3 2041 2009
4 2090 2034
5 2086 2073 2039 2107 34
6 2112 2096 2067 2124 29 2141 -29 862
7 1927 2042 2070 2013 -28 2153 -226 50944
8 2019 2019 2052 1986 -33 1985 34 1158
9 2082 2009 2023 1995 -14 1953 128 16477
10 1979 2026 2018 2035 8 1981 -2 4
11 1998 2019 2018 2020 1 2043 -45 2042
12 1950 1976 2007 1944 -32 2021 -71 5007
Total 76494
MSE 10928
SDE 105

2016 + 1970 + 2041

𝑆′ = = 2009
3
2009 + 2034 + 2073
𝑆" = = 2039
3
𝑎 = 2𝑆′𝑡 − 𝑆"𝑡 = (2 × 2073) − 2039 = 2107
2 2
𝑏= (𝑆 ′ 𝑡 − 𝑆"𝑡 ) = (2073 − 2039) = 34
𝑁−1 3−1
𝐹6 = 𝑎 + 𝑏 = 2107 + 34 = 2141

c. Center Moving Average 3 periode

No Data Ft error error^2
1 2016
2 1970 2009 -39 1536
3 2041 2034 8 59
4 2090 2073 17 303
5 2086 2096 -10 92
6 2112 2042 70 4872
7 1927 2019 -92 8460
8 2019 2009 10 95
9 2082 2026 55 3031
10 1979 2019 -40 1634
11 1998 1976 22 480
12 1950
Total 19026
MSE 1903
SDE 44

CHEMINK SUGONDO – MODUL 1

 RAMA ZAFRAN HANIF – 21070117120037 – SHIFT 2 – KELOMPOK 2

𝑋1 + 𝑋2 + 𝑋3 2016 + 1970 + 2041

𝐹2 = = = 2009
3 3

Kesimpulan: Dengan perhitungan error menggunakan MSE dan SDE diketahui

bahwa metode CMA 3 periode memberikan nilai error terkecil

CHEMINK SUGONDO – MODUL 1