Anda di halaman 1dari 23

PERAMALAN PERMINTAAN

Anita
05112015
Metode Single Exponential Smoothing
 Kesalahan peramalan masa lalu digunakan untuk koreksi
peramalan berikutnya
 Dihitung berdasarkan hasil peramalan ditambah kesalahan
peramalan sebelumnya
 Untuk konstanta pemulusan dapat dipilih antara nilai 0 dan 1
(0<α<1) : (Gaspersz, 2012)
 Pola historis data aktual sangat bergejolak atau tidak stabil, maka
nilai α yang dipilih harus semakin tinggi mendekati nilai
1.
 Pola historis data aktual permintaan tidak bergejolak
atau stabil, maka nilai α yang dipilih harus semakin
rendah mendekati nilai 0.
Perhitungan SES SES (α) MAD
0,1 6,417
0,2 6,25
0,3 6,417
Penjualan Aktual 7849
Ft1=  =  654,083  655 0,4 6,83
n 12 0,5 7,25
Ft2 = Ft-1 + α (At-1 - Ft-1 ) 0,6 7,58
0,7 7,917
= 654,083 + 0,2 (647-654,083) = 652,667 ≈ 653 0,8 8,08
0,9 8,25
Indeks Waktu Penjualan Aktual Ramalan Berdasarkan α = 0,2
Bulan
(t) (A)
Januari 1 647 654,0833 655
Februari 2 633 652,6667 653
Maret 3 651 648,7333 649
April 4 656 649,1867 650
Mei 5 648 650,5493 651
Juni 6 655 650,0395 651
Juli 7 666 651,0316 652
Agustus 8 656 654,0253 655
September 9 654 654,4202 655
Oktober 10 655 654,3362 655
November 11 667 654,4689 655
Desember 12 661 656,9751 657
Januari 13 - 657,7801 658
TOTAL = 7849
Tracking Signal
Periode Forecast Aktual Error RSFE Absolute Komulatif MAD Tracking
(f) (A) e=A-f Komulatif Error Absolute (7)/(1) Signal
Error (5)/(8)
(1) (2) (3) (4) (5) (6) (7) (8) (9)
1 655 647 -8 -8 8 8 8 -1
2 653 633 -20 -28 20 28 14 -2
3 649 651 2 -26 2 30 10 -2,6
- - - - - - - - -
- - - - - - - - -
12 657 661 4 11 4 75 6,25 1,76
MAD = 6,25
Metode Regresi Linier
 Model ini menggunakan data yang secara random berfluktuasi
membentuk garis lurus.
Ft

Ft = a + bt

0 1 2 3 4 5 t
 Ft = Forecast for period t
 t = Specified number of time periods
 a = Value of Ft at t = 0
 b = Slope of the line
Perhitungan Regresi
Indeks Penjualan
Bulan Ramalan
Waktu (t) Aktual (A)
Januari 1 647 644,2179 645
Februari 2 633 646,0117 647
Maret 3 651 647,8054 648
April 4 656 649,5991 650
Mei 5 648 651,3928 652
Juni 6 655 653,1865 654
Juli 7 666 654,9802 655
Agustus 8 656 656,7739 657
September 9 654 658,5676 659
Oktober 10 655 660,3613 661
November 11 667 662,155 663
Desember 12 661 663,9487 664
Januari 13 - 665,722 666
Tracking Signal
Periode Forecast Aktual Error RSFE Absolute Komulatif MAD Tracking
(f) (A) e = A-f Komulatif Error Absolute (7)/(1) Signal
Error (5)/(8)
(1) (2) (3) (4) (5) (6) (7) (8) (9)
1 645 647 2 2 2 2 2 1
2 647 633 -14 -12 14 16 8 -1,5
3 648 651 3 -9 3 19 6,33 -1,42
- - - - - - - - -
- - - - - - - - -
12 664 661 -3 -6 3 60 5 -1,2
MAD = 5
Forecasting Errors & Tracking Signal
 Metode perhitungan kesalahan peramalan :
 MAD : rata-rata kesalahan mutlak yang mengukur besarnya rata-
rata kesalahan peramalan.
N

d t  d t
'

a. Mean Absolute Deviation ( MAD)  t 1


N
 MSE : rata-rata kesalahan berpangkat yang dapat dihitung
dengan menjumlahkan kuadrat semua kesalahan peramalan pada
setiap periode dan membaginya dengan jumlah periode
peramalan.

 d 
N
2
t  d t
'

b. Mean Squared Error (MSE )  t 1


N
 MAPE : rata-rata persentase kesalahan mutlak yang
menunjukkan pada rata-rata, dimana model ini menghasilkan
perkiraan yang berbeda dari nilai aktual dengan menghitung
persentase.

100 N  d t  d 't 
c. Mean Absolute Percent Error (MAPE )   
N t 1  d t


MAD, MSE, MAPE
 MAD
 Mudah dihitung
 Menimbang (menghitung) kesalahan secara linier
 MSE
 Kesalahan dipangkatkan dua
 Beban lebih untuk kesalahan (error) yang lebih besar
 MAPE
 Menempatkan kesalahan-kesalahan (errors) berdasarkan
penyebabnya
Verifikasi
 Salah satu metode verifikasi adalah Moving Range Chart (MRC).
 Moving Range (MR) didefinisikan sebagai :
MR = |Ft – At| – |Ft-1– At-1|
Keterangan :
Ft = ramalan pada bulan ke t
At = kebutuhan pada bulan ke t
Ft–1 = ramalan pada bulan ke t-1
At–1 = kebutuhan pada bulan ke t-1
 Rata-rata MR dihitung :
n 1
 MR i
MR  i 1
n 1
 Batas kontrol atas (UCL), batas kontrol bawah (LCL), dan garis
tengah (CL)

UCL   2,66 MR
LCL   2,66 MR
CL  0
Perhitungan MR
Bulan Forecast (F) Aktual (A) A-F MR
Januari 645 647 2 -
Februari 647 633 -14 16
Maret 648 651 3 17
April 650 656 6 3
Mei 652 648 -4 10
Juni 654 655 1 5
Juli 655 666 11 10
Agustus 657 656 -1 12
September 659 654 -5 4
Oktober 661 655 -6 1
November 663 667 4 10
Desember 664 661 -3 7
JUMLAH 95
Contoh perhitungan Moving range (MR)
MR(t  2)  ( Ft  At )  ( Ft 1  At 1 )  (647 - 633) - (645 - 647)  16

Rata-rata moving range

(MR ) 
 MR  95  8,636
n  1 12  1
Batas kelas atas (BKA)
 2,66  MR  2,66  8,636  22,972
Batas kelas bawah (BKB)
 2,66  MR  2,66  8,636  22,972
Pengolahan
Software
Software
Untuk WMA
Output Software
Untuk WMA
Software
Untuk SES
Output Software
Untuk SES
Software Untuk
Regresi
Output Software
Untuk Regresi