Nama : Nobyansyah Adhitya Gatra

Nbi : 1421600051

SOAL !!!

Diketahui data permintaan sepeda gunung sebanyak 23 data (periode). Ramalkan permintaan
sepeda tersebut untuk periode ke 24 dengan menggunakan metode

a.) Metode Rata-Rata

b.) Metode single moving average
Mana ramalan terbaik?

PERIODE INDEKS DATA

WAKTU dt
(UNIT)
JANUARI 2017 1 100
FEBRUARI 2017 2 110
MARET 2017 3 100
APRIL 2017 4 120
MEI 2017 5 110
JUNI 2017 6 120
JULI 2017 7 110
AGUSTUS 2017 8 110
SEPTEMBER 2017 9 100
OKTOBER 2017 10 180
NOVEMBER 2017 11 100
DESEMBER 2017 12 200
JANUARI 2018 13 100
FEBRUARI 2018 14 110
MARET 2018 15 120
APRIL 2018 16 120
MEI 2018 17 110
JUNI 2018 18 140
JULI 2018 19 120
AGUSTUS 2018 20 150
SEPTEMBER 2018 21 120
OKTOBER 2018 22 130
NOVEMBER 2018 23 200
DESEMBER 2018 24 ?

Penyelesaian :
a. Langkah pertama menentukan horison perencanaan
Menentukan horison perencanaan dalam soal ini adalah data
permintaan
Data permintaan
PERIODE DATA
dt
(UNIT)
JANUARI 2017 100
FEBRUARI 2017 110
MARET 2017 100
APRIL 2017 120
MEI 2017 110
JUNI 2017 120
JULI 2017 110
AGUSTUS 2017 110
SEPTEMBER 2017 100
OKTOBER 2017 180
NOVEMBER 2017 100
DESEMBER 2017 200
JANUARI 2018 100
FEBRUARI 2018 110
MARET 2018 120
APRIL 2018 120
MEI 2018 110
JUNI 2018 140
JULI 2018 120
AGUSTUS 2018 150
SEPTEMBER 2018 120
OKTOBER 2018 130
NOVEMBER 2018 200

B.)Langkah kedua membuat diagram pencar. Adalah diagram

yang didapat dari data permintaan (maskkan data ke program
excel)
 250

200

150

100

50

0
May-…

May-…
Jul-17

Jul-18
Jun-17

Jun-18
Apr-17

Nov-17

Apr-18

Nov-18
Jan-17
Feb-17
Mar-17

Aug-17
Sep-17

Dec-17
Jan-18
Feb-18
Mar-18

Aug-18
Sep-18
Oct-17

Oct-18
Garis biru menggambarkan diagram pancar

c.) Langkah ketiga, membuat pola data yang didapat dari diagram pencar.

250

200

150

100

50

0
Jul-17

Jul-18
Jun-17

Jun-18
Apr-17
May-17

Apr-18
May-18
Mar-17

Aug-17

Nov-17
Dec-17

Mar-18

Aug-18

Nov-18
Jan-17
Feb-17

Sep-17

Jan-18
Feb-18

Sep-18
Oct-17

Oct-18

Pola data didapat dari diagram pencar, dari diagram pencar ditarik garis yang
paling banyak mendekati titik-titik (digambar titik-titik berupa lingkaran-
lingkaran kecil).

= pola data
Terlihat pola datanya berbentuk garis lurus keatas

d.) Langkah keempat, menyelesaikan peramalan dengan model-model

peramalan yang sesuai dengan pola data. (Karena di contoh soal ini kita
baru mempelajari 1 metode peramalan yaitu metode rata-rata, maka kita
selesaikan dengan metode rata-rata saja.)

Penyelesaian :

Kita menggunakan Ukuran Akurasi Hasil Peramalan metode Mean Absolute

Deviation (MAD), dimana :
n

 | (d
n
t - dlt ) |
 | (d t - dlt ) |
MAD  t 1
nMAD 
t 1
n
Maka pada kolom 5 pada tabel dibawah ini, ditulis | d t  d1t |
PERIODE INDEKS DATA PERMALAN | d t  d1t |
n
(1) WAKTU dt
(2) (unit) 1  dt (5)
dt t 1
(unit )
(3) n
(4)
JANUARI 2017 1 100 2880 |100-125|=25
d 11   125
23
FEBRUARI 2017 2 110 2880 |110-125|=15
d12   125
23
MARET 2017 3 100 2880 |100-125|=25
d 13   125
23
APRIL 2017 4 120 2880 |120-125|=15
d14   125
23
MEI 2017 5 110 2880 |110-125|=15
d 15   125
23
JUNI 2017 6 120 2880 |120-125|=25
d16   125
23
JULI 2017 7 110 2880 |110-125|=15
d17   125
23
AGUSTUS 2017 8 110 2880 |110-125|=15
d 18   125
23
SEPTEMBER 2017 9 100 2880 |100-125|=25
d 19   125
23
OKTOBER 2017 10 180 2880 |180-125|=55
d 110   125
23
NOVEMBER 2017 11 100 2880 |100-125|=25
d 111   125
23
DESEMBER 2017 12 200 2880 |200-125|=75
d 112   125
23
JANUARI 2018 13 100 2880 |100-125|=25
d 113   125
23
FEBRUARI 2018 14 110 2880 |110-125|=15
d 114   125
23
MARET 2018 15 120 2880 |120-125|=5
d 115   125
23
APRIL 2018 16 120 2880 |120-125|=5
d 116   125
23
MEI 2018 17 110 2880 |110-125|=15
d 117   125
23
JUNI 2018 18 140 2880 |140-125|=15
d 118   125
23
JULI 2018 19 120 2880 |120-125|=5
d 119   125
23
AGUSTUS 2018 20 150 2880 |150-125|=25
d 1 20   125
23
SEPTEMBER 2018 21 120 2880 |120-125|=5
d 1 21   125
23
OKTOBER 2018 22 130 2880 |130-125|=5
d 1 22   125
23
NOVEMBER 2018 23 200 2880 |200-125|=75
d 1 23   125
23
DESEMBER 2018 24 ? 2880 ?
d 1 24   125
23
7
7 | d t - d1 |  525
 d t 2880 t 1 t
t 1

E.)Langkah kelima, menghitung Akurasi Hasil Peramalan dari

model peramalan yang terpilih. Dalam contoh soal metode
peramalan hanya satu yaitu metode peramalan rata-rata. Jadi pada
contoh soal ini yang dihitung adalah Akurasi Hasil Peramalan
metode peramalan rata-rata saja.

 | (d
t 1
t - dlt ) |
525
MAD    22,8
n 23
B.) Metode single moving average
menggunakan metode rata-rata bergerak tunggal (single moving average),
untuk periode pergerakannya N1 = 2, N2 = 3 , Dan N3 = 4
untuk N1 = 2

Prd Permintaan Peramalan Permintaan Absolute Deviation

(unit) (unit)
dt n

d
t 1
t
dt 
n
(1) (2) (3) (4) = |2-3|
JANUARI 100 - -
2017
FEBRUARI 110 - -
2017
MARET 100 110  100 |100-105|=5
 105
2017 2
APRIL 2017 120 100  110 |120-105|=15
 105
2
MEI 2017 110 120  100 |110-110|=0
 110
2
JUNI 2017 120 110  120 |120-115|=5
 115
2
JULI 2017 110 120  110 |110-115|=5
 115
2
AGUSTUS 110 110  120 |110-115|=5
 115
2017 2
SEPTEMBER 100 110  110 |100-110|=10
 110
2017 2
OKTOBER 180 100  110 |180-105|=75
 105
2017 2
NOVEMBER 100 180  100 |100-140|=40
 140
2017 2
DESEMBER 200 100  180 |200-140|=40
 140
2017 2
JANUARI 100 200  100 |100-150|=50
 150
2018 2
FEBRUARI 110 100  200 |110-150|=40
 150
2018 2
MARET 120 110  100 |120-105|=15
 105
2018 2
 APRIL 2018 120 120  110 |120-115|=5
 115
2
MEI 2018 110 120  120 |110-120|=10
 120
2
JUNI 2018 140 110  120 |140-115|=25
 115
2
JULI 2018 120 140  110 |120-125|=5
 125
2
AGUSTUS 150 120  140 |150-130|=10
 130
2018 2
SEPTEMBER 120 150  120 |120-135|=15
 135
2018 2
OKTOBER 130 120  150 |130-135|=5
 135
2018 2
NOVEMBER 200 130  120 |200-125|=75
 125
2018 2
DESEMBER ? 200  130 -
 165
2018 2
Total : 455
Didapat hasil peramalan periode ke 24 (Desember 2018) sebesar d1 24 = 165
Hasil peramalan (d1t ) harus bilangan genap, tidak boleh ada desimal, dibulatkan keatas. Misalkan
nilai hasil perhitungannya 212,3 dijadikan 213.

 | (d t - dlt ) |
MAD  t 1
n-N

455
MAD =  21,6
23 - 2

Nilai indikator Akurasi Hasil Peramalan tidak boleh digenapkan, misalnya hasilnya 38,3 harus tetap
38,3 (cukup 1 desimal) tidak boleh digenapkan menjadi 39.
N2 = 3

Prd Permintaan Peramalan Permintaan Absolute Deviation

(unit) (unit)
dt n

d
t 1
t
dt 
n
(1) (2) (3) (4) = |2-3|
JANUARI 100 - -
2017
FEBRUARI 110 - -
2017
MARET 100 - -
2017
APRIL 2017 120 100  110  100 |120-103|=17
 103
3
MEI 2017 110 120  100  110 |110-110|=0
 110
3
JUNI 2017 120 110  120  100 |120-110|=10
 110
3
JULI 2017 110 120  110  120 |110-116|=6
 116
3
AGUSTUS 110 110  120  110 |110-113|=3
 113
2017 3
SEPTEMBER 100 110  110  120 |100-113|=13
 113
2017 3
OKTOBER 180 100  110  110 |180-106|=74
 106
2017 3
NOVEMBER 100 180  100  110 |100-130|=30
 130
2017 3
DESEMBER 200 100  180  100 |200-126|=26
 126
2017 3
JANUARI 100 200  100  180 |100-160|=60
 160
2018 3
FEBRUARI 110 100  200  100 |110-133|=23
 133
2018 3
MARET 120 110  100  200 |120-136|=16
 136
2018 3
APRIL 2018 120 120  110  100 |120-110|=10
 110
3
MEI 2018 110 120  120  110 |110-116|=6
 116
3
JUNI 2018 140 110  120  120 |140-116|=24
 116
3
 JULI 2018 120 140  110  120 |120-123|=3
 123
3
AGUSTUS 150 120  140  110 |150-123|=27
 123
2018 3
SEPTEMBER 120 150  120  140 |120-136|=16
 136
2018 3
OKTOBER 130 120  150  120 |130-130|=0
 130
2018 3
NOVEMBER 200 130  120  150 |200-133|=67
 133
2018 3
DESEMBER ? 200  130  120 -
 150
2018 3
Total : 431
Didapat hasil peramalan periode ke 24 (Desember 2018) sebesar d1 24 = 150
n

 | (d t - dlt ) |
MAD  t 1
n-N

431
MAD =  21,7
23 - 3
 N3=4
Prd Permintaan Peramalan Permintaan Absolute Deviation
(unit) (unit)
dt n

d
t 1
t
dt 
n
(1) (2) (3) (4) = |2-3|
JANUARI 100 - -
2017
FEBRUARI 110 - -
2017
MARET 100 - -
2017
APRIL 2017 120 - -
MEI 2017 110 120  100  110  100 |110-107|=3
 107
4
JUNI 2017 120 110  120  100  110 |120-110|=10
 110
4
JULI 2017 110 120  110  120  100 |110-112|=2
 112
4
AGUSTUS 110 110  120  110  120 |110-115|=5
 115
2017 4
SEPTEMBER 100 110  110  120  110 |100-112|=12
 112
2017 4
OKTOBER 180 100  110  110  120 |180-110|=70
 110
2017 4
NOVEMBER 100 180  100  110  110 |100-125|=25
 125
2017 4
DESEMBER 200 100  180  100  110 |200-122|=78
 122
2017 4
JANUARI 100 200  100  180  100 |100-145|=45
 145
2018 4
FEBRUARI 110 100  200  100  180 |110-145|=35
 145
2018 4
MARET 120 110  100  200  100 |120-127|=7
 127
2018 4
APRIL 2018 120 120  110  100  200 |120-132|=12
 132
4
MEI 2018 110 120  120  110  100 |110-112|=2
 112
4
JUNI 2018 140 110  120  120  110 |140-115|=25
 115
4
 JULI 2018 120 140  110  120  120 |120-122|=2
 122
4
AGUSTUS 150 120  140  110  120 |150-122|=28
 122
2018 4
SEPTEMBER 120 150  120  140  110 |120-130|=10
 130
2018 4
OKTOBER 130 120  150  120  140 |130-132|=2
 132
2018 4
NOVEMBER 200 130  120  150  120 |200-130|=70
 130
2018 4
DESEMBER ? 200  130  120  150 -
 150
2018 4
Total :443
Didapat hasil peramalan periode ke 24 (Desember 2018) sebesar d1 24 = 150
n

 | (d t - dlt ) |
MAD  t 1
n-N
443
MAD:  23,3
23 - 4

Hasil MAD dari :

A. Metode rata rata
n

 | (d
t 1
t - dlt ) |
525
MAD    22,8
n 23

B. Metode single moving average

n

 | (d t - dlt ) |
MAD  t 1
n-N
455
N1 = MAD =  21,6
23 - 2

N2 = MAD = 431  21,7

23 - 3

N3 = MAD: 443  23,3

23 - 4
e. memilih hasil peramalan dengan akurasi hasil peramalan yang terkecil.
Dari hasil MAD didapat nilai MAD terkecil adalah MAD yang dimiliki metode
single moving averange :
N1=MAD = 21,6
Sehingga peramalan periode 24 ( untuk bulan DESEMBER 2018) d124= 165 unit

f. melakukan uji validasi dengan tracking signal dari hasil peramalan metode
rata rata :
N1=2

Prd dt (d1t) Error RSFE Abs. Kum.(6) MAD Track.

(unit) (2)–(3) Kum. (4)= Error (7)/(1)= Signal
=|(4)| (5)/(8)=
=
(1) (2) (3) = (4) (5) (7) (8) (9)
(6)
1 100 105
-5 -5 5 5 5 -1
2 120 105
15 10 15 20 10 1
3 110 110
0 10 0 20 6,6 1,5
4 120 115
5 15 5 25 6,2 2,4
5 110 115
-5 10 10 35 7 1,4
6 110 115
-5 5 5 40 6,6 0,7
7 100 110
-10 -5 10 50 7,1 -0,7
8 180 105
75 70 75 125 15,6 3,4
9 100 140
-40 30 40 165 18,3 1,6
10 200 140
60 90 60 225 22,5 3,8
11 100 150
-50 40 50 275 25 1,6
12 110 150
-40 0 40 315 26,2 0
13 120 105
15 15 15 330 25,3 0,5
14 120 115
5 20 5 335 23,9 0,8
15 110 120
-10 10 10 345 23 0,4
16 140 115
25 35 25 370 23,1 1,5
17 120 125
-5 30 5 375 22 1,3
18 150 130
20 50 20 395 21,9 2,2
19 120 135
-15 35 15 410 21,5 1,6
 20 130 135
-5 30 5 415 20,7 1,4
21 200 125
75 105 75 490 23,3 3,3
165
Untuk uji validasi dengan tracking signal ini, periode pertama (kolom 1) dimulai tergantung dari
periode pergerakannya (N), jadi periode pertama dimulai dari N + 1.
Misalnya N3 = 4 berarti periode 1 dimulai dari periode ke = 4 + 1 = 5, dengan kata lain bila N4 = 4,
maka tabel perhitungan validasi dengan tracking signalnya periode 1 dimulai dari periode ke 5.

Contoh diatas untuk perhitungan dengan N1 = 2, berarti dimulai dari periode ke 3, dimana periode ke
3 dari data permintaan = 100 unit).

PETA CONTROL

kondisi out of control bila :

1. Jika ada satu-titik saja yang berada diluar garis BA dan BB.
2. Dari 3 titik berturut-turut, 2 atau lebih jatuh pada salah satu sisi daerah A.
3. Dari 5 titik berturut-turut, 4 atau lebih jatuh pada salah satu sisi daerah B.
4. Jika ada 8 titik berturut-turut terletak pada salah satu sisi daerah C
ANALISA :

1.) Tidak ada satupun titik yang berada didaerah diluar garis BA atau UCL dan LCL
2.) Hanya ada 3 titik di daerah A positif
3.) Hanya ada 10 titik di daerah B positif
4.) Hanya ada 5 titik di daerah C positif dan 2 titik di daerah C negatif
Dari analisa diatas terlihat tidak dalam kondisi out of control alias
peramalan valid, sehingga dapat digunakan.

g.) Langkah kedelapan, apakah hasil peramalan valid ?

Dari uji tracking signal didapat hasil peramalan valid.

h.) Langkah kesembilan apakah pola data = pola peramalan ?

Sebelum kita lihat apakah pola data = pola peramalan, kita harus mencari
terlebih dahulu diagram pencar peramalan yang kita dapat

Diagram pencar peramalan

POLA DATA

250

200

150

100

50

0
Prd 1 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
POLA PERAMALAN

POLA DATA

250

200

150

100

50

0
Prd 1 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

POLA PERAMALAN

160

140

120

100

80

60

40

20

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Dari pola diatas, terlihat pola data ≈ pola peramalan

 =POLA DATA

=POLA PERAMALAN

Terlihat pola data = pola peramalan. Sama berbentuk garis lurus.

Berarti pola data = pola peramalan

*Langkah kesepuluh, karena pola data = pola peramalan maka peramalan tersebut
diatas dapat digunakan.

*Langkah kesebelas, selesai