Anderson Sweeney Williams

QUANTITATIVE
METHODS FOR
BUSINESS 8e

Slides Prepared by JOHN LOUCKS

© 2001 South-
South-Western College Publishing/Thomson Learning Slide 1
 Session 6
Forecasting and Index Numbers

Pendekatan kuantitatif untuk Forecasting

Komponen – komponen dari Time Series (deret
(deret
waktu))
waktu

Mengukur akurasi perkiraan

Menggunakan Metode Smoothing dalam Forecasting

Menggunakan proyeksi Trend dalam Forecasting

Menggunakan komponen – komponen Trend dan
Seasonal dalam Forecasting

Menggunakan analisis Regresi dalam Forecasting

Pendekatan kualitatif untuk Forecasting

Perhitungan angka indeks

Slide 2
 Pendekatan kuantitatif untuk Forecasting

Metode kuantitatif adalah berdasarkan pada analisis data

historis yang peratian pada satu atau lebih dari deret
waktu..
waktu

Deret waktu adalah sekumpulan observasi terukur pada
data yang berturut – turut dalam satu waktu atau berturut
– turut lebih dari periode waktu.
waktu.

Jika data historis yang digunakan dibatasi atas rentetan
nilai masa lalu kemudian kita mencoba untuk forecast
forecast,,
maka prosedurnya disebut time series method.
method.

Jika data historis yang digunakan melingkupi data deret
waktu lain yang dipercaya punya hubungan dengan data
deret waktu lainnya
lainnya,, yang kemudian kita mencoba untuk
forecast,, maka prosedurnya disebut causal method
forecast method..

Slide 3
 Time Series Methods

Ada tiga metode time series yakni

yakni::
• Smoothing (penghalusan
penghalusan))
• trend projection (proyeksi kecenderungan
kecenderungan))
• trend projection adjusted for seasonal influence
(proyeksi kecenderungan yang disesuaikan untuk
pengaruh musiman
musiman))

Slide 4
 Components of a Time Series

Perhitungan komponen trend dipakai untuk perubahan

gradual dari time series yang melampaui periode jangka
panjang..
panjang

Beberapa pola biasa dari kelanjutan garis trend nilai
sebelum dan sesudahnya adaah mampu melengkapi
komponen siklus dari suatu deret
deret..

Komponen musiman dari perhitungan deret untuk pola
regular amat bervariasi antara periode waktu tertentu
tertentu,,
seperti lebih dari satu tahun
tahun..

Komponen irregular dari suatu deret disebabkan oleh
faktor jangka pendek
pendek,, tidak terantisipasi dan tidak
berulang – ulang yang berdampak pada nilai deret waktu waktu..
Satu data tidak dapat dicoba untuk memprediksi dampak
dari kelanjutan suatu deret waktu
waktu..

Slide 5
 Measures of Forecast Accuracy

Mean Squared Error

Rata – rata dari hasil perkalian forecast errors untuk
data historis adalah dihitung.
dihitung. Metode forecasting atau
parameter yang diminimalkan dari error perkalian rata
– rata adalah dipilih.
dipilih.

Mean Absolute Deviation
Rata – rata nilai absolut dari semua forecast errors
adalah dihitung,
dihitung, dan metode forecasting atau parameter
yang diminimalkan adalah dipilih.
dipilih. Rata – rata
penyimpangan absolut mengukur sedikitnya kepekaan
dari forecast errors nilai besar tersendiri dibandingkan
dengan mengukur mean squared error error..

Slide 6
 Smoothing Methods

Pada kasus deret waktu yang hampir stabil dan tidak

memiliki trend signifikan
signifikan,, musiman atau dampak
siklus,, salah satunya menggunakan smoothing
siklus
methods menjadi di luar rata – rata komponen
irregular dari deret waktu
waktu..

Ada 4 metode smoothing yang umum umum::
• Moving averages
• Centered moving averages
• Weighted moving averages
• Exponential smoothing

Slide 7
 Smoothing Methods

Moving Average Method

Metode rata bergerak terdiri dari perhitungan
suatu rata – rata dari sebagian nilai n data dari deret
tersebut dan menggunakan rata – rata ini untuk
forecasting nilai deret waktu diperiode berikutnya.
berikutnya.

Slide 8
 Example: Robert’s Drugs

Selama sepuluh minggu

minggu,, tercatat kasus penjualan
merek obat sakit kepala Comfort dari Robert's Drugs
yaitu sebagai berikut
berikut::
Week Sales Week Sales
1 110 6 120
2 115 7 130
3 125 8 115
4 120 9 110
5 125 10 130
Apabila Robert's menggunakan metode forecast
penjualan dengan moving average,
average, berapa perkiraan
untuk minggu ke 11?

Slide 9
 Example: Robert’s Drugs

Excel Spreadsheet menampilkan Input Data

A B C
1 Robert's Drugs
2
3 Week (t ) Salest Forect +1
4 1 110
5 2 115
6 3 125
7 4 120
8 5 125
9 6 120
10 7 130
11 8 115
12 9 110
13 10 130

Slide 10
 Example: Robert’s Drugs

Steps to Moving Average Using Excel 2003 and before

• Step 1: Pilih menu Tools
Tools..
• Step 2: Pilih opsi Data Analysis.
Analysis.
• Step 3: Setelah terbuka kotak dialog Data Analysis
Tools, pilih Moving Average
Average..
• Step 4: Setelah terbuka kotak dialog Moving
Average kemudian:
kemudian:
Masukan B4:B13 ke dalam Input Range box.
Masukan 3 pada Interval box.
Masukan C4 pada Output Range box.
Lalu tekan OK
OK..

Slide 11
 Example: Robert’s Drugs

Steps to Moving Average Using Excel 2007 and High

• Step 1: Pilih menu Data
Data..
• Step 2: Pilih opsi Data Analysis.
Analysis.
• Step 3: Setelah terbuka kotak dialog Data Analysis
Tools, pilih Moving Average
Average..
• Step 4: Setelah terbuka kotak dialog Moving
Average kemudian:
kemudian:
Masukan B4:B13 ke dalam Input Range box.
Masukan 3 pada Interval box.
Masukan C4 pada Output Range box.
Lalu tekan OK
OK..

Slide 12
 Example: Robert’s Drugs

Spreadsheet Showing Results Using n = 3

A B C
1 Robert's Drugs
2
3 Week (t ) Salest Forect +1
4 1 110 #N/A
5 2 115 #N/A
6 3 125 116.7
7 4 120 120.0
8 5 125 123.3
9 6 120 121.7
10 7 130 125.0
11 8 115 121.7
12 9 110 118.3
13 10 130 118.3

Slide 13
 Smoothing Methods

Centered Moving Average Method

Metode centered moving average terdiri dari
perhitungan rata – rata data n periode dan yang
dihubungkan dengan titik tengah periode tersebut.
tersebut.
Sebagai contoh
contoh,, rata – rata untuk periode 5, 6, dan 7
adalah ditetapkan periode 6. Metodologi ini
mdnggunakan proses perhitungan angka indeks
musiman..
musiman

Slide 14
 Smoothing Methods

Weighted Moving Average Method

Pada metode weighted moving average untuk
menghitung rata – rata sebagian besar nilai n periode
periode,,
sebagian data observasi yang khususnya memberikan
pembobotan dari observasi sebelumnya.
sebelumnya. Pada
umumnya,, pembobotan biasanya haus berjumlah 1.
umumnya

Slide 15
 Smoothing Methods

Exponential Smoothing
• Menggunakan exponential smoothing,
smoothing, perkiraan
untuk periode berikutnya sama dengan perkiraan
untuk periode sekarang ditambah proporsi (α)
dari forecast error pada periode sekarang.
sekarang.
• Menggunakan exponential smoothing
smoothing,, perkiraan
dihitung dengan caracara::
α[nilai aktual periode sekarang]
sekarang] +
(1-
(1- α)[nilai
)[nilai perkiraan untuk periode sekarang],
sekarang],
dimana konstanta smoothing
smoothing,, α , adalah angka
antara 0 dan 1.

Slide 16
 Trend Projection

Jika deret waktu menunjukkan tren linier,

metodenya least squares dengan digunakan
penetapan garis tren (proyeksi
proyeksi)) untuk perkiraan
masa depan.
depan.

squares, juga digunakan untuk analisis regresi,
Least squares, regresi,
menetapkan perkiraan garis tren khusus yang
meminimumkan error rata – rata kuadrat antara
perkiraan garis tren dengan nilai aktual yang
diobservasi untuk deret waktu
waktu..

Variabel independen adalah periode waktu dan
variabel dependen adalah nilai aktual yang
diobservasi dalam deret waktu
waktu..

Slide 17
 Trend Projection

Menggunakan metode least squares,

squares, rumus untuk
proyeksi tren adalah
adalah:: Tt = b0 + b1t.
dimana Tt = perkiraan tren untuk periode waktu t
b1 = slope (kemiringan)
kemiringan) dari garis tren
b0 = proyeksi garis tren untuk waktu 0
n ∑ tY t −
∑ t∑ Y t
_ _
b1 =
n ∑ t − (∑ t )
2 2 b0 = Y − b1 t
dimana:Y
dimana:Yt = nilai yang diobservasi dari deret waktu
pada periode waktu t
Y = rata-
rata-rata nilai yg diobservasi untuk Yt
t = rata-
rata-rata periode waktu untuk n observasi

Slide 18
 Example: Robert’s Drugs

Selama sepuluh minggu

minggu,, tercatat kasus
penjualan merek obat sakit kepala Comfort dari
Robert's Drugs yaitu sebagai berikut
berikut::
Week Sales Week Sales
1 110 6 120
2 115 7 130
3 125 8 115
4 120 9 110
5 125 10 130
Jika Robert's menggunakan exponential smoothing
untuk memperkirakan penjualan
penjualan,, dimana nilai untuk
kontanta smoothing α, α = .1 atau α = .8, berikan
perkiraannya??
perkiraannya

Slide 19
 Example: Robert’s Drugs

Exponential Smoothing
Untuk mengevaluasi dua konstanta smoothing
smoothing,,
tetapkan berapa nilai perkiraan dengan
membandingkan nilai historis aktual dari masing –
masing kasus.
kasus.
dimana:: Yt = penjualan aktual pada minggu t
dimana
Ft = perkiraan penjualan pada minggu t
F1 = Y1 = 110
Untuk minggu berikutnya
berikutnya,, Ft+1 = .1Y
.1Yt + .9F
.9Ft

Slide 20
 Example: Robert’s Drugs

Exponential Smoothing
Untuk α = .1, 1 - α = .9
F1 = 110
F2 = .1Y
.1Y1 + .9F
.9F1 = .1(110) + .9(110) = 110
F3 = .1Y
.1Y2 + .9F
.9F2 = .1(115) + .9(110) = 110.5
F4 = .1Y
.1Y3 + .9F
.9F3 = .1(125) + .9(110.5) = 111.95
F5 = .1Y
.1Y4 + .9F
.9F4 = .1(120) + .9(111.95) = 112.76
F6 = .1Y
.1Y5 + .9F
.9F5 = .1(125) + .9(112.76) = 113.98
F7 = .1Y
.1Y6 + .9F
.9F6 = .1(120) + .9(113.98) = 114.58
F8 = .1Y
.1Y7 + .9F
.9F7 = .1(130) + .9(114.58) = 116.12
F9 = .1Y
.1Y8 + .9F
.9F8 = .1(115) + .9(116.12) = 116.01
F10= .1Y
.1Y9 + .9F
.9F9 = .1(110) + .9(116.01) = 115.41
Slide 21
 Example: Robert’s Drugs

Exponential Smoothing
Untuk α = .8, 1 - α = .2
F1 = 110
F2 = .8(110) + .2(110) = 110
F3 = .8(115) + .2(110) = 114
F4 = .8(125) + .2(114) = 122.80
F5 = .8(120) + .2(122.80) = 120.56
F6 = .8(125) + .2(120.56) = 124.11
F7 = .8(120) + .2(124.11) = 120.82
F8 = .8(130) + .2(120.82) = 128.16
F9 = .8(115) + .2(128.16) = 117.63
F10= .8(110) + .2(117.63) = 111.53
Slide 22
 Example: Robert’s Drugs

Mean Squared Error (MSE)

Pada urutan untuk menetapkan konstanta
smoothing memberikan performa terbaik,
terbaik, yaitu
hitungannya,, secara masing - masing,
hitungannya masing, error rata – rata
kuadrat untuk perkiraan sembilan minggu,
minggu, dari
minggu ke 2 hingga 10 yaitu
yaitu::

[(Y2-F2)2 + ((Y
[(Y Y3-F3)2 + ((Y
Y4-F4)2 + . . . + (Y
(Y10-F10)2]/9

Slide 23
 Example: Robert’s Drugs
α = .1 α = .8
Week Yt Ft (Yt - Ft)2 Ft (Yt - Ft)2
1 110
2 115 110.00 25.00 110.00 25.00
3 125 110.50 210.25 114.00 121.00
4 120 111.95 64.80 122.80 7.84
5 125 112.76 149.94 120.56 19.71
6 120 113.98 36.25 124.11 16.91
7 130 114.58 237.73 120.82 84.23
8 115 116.12 1.26 128.16 173.30
9 110 116.01 36.12 117.63 58.26
10 130 115.41 212.87 111.53 341.27
Sum 974.22 Sum 847.52
MSE Sum/9 108.25 Sum/9 94.17

Slide 24
 Example: Robert’s Drugs

Excel Spreadsheet Showing Input Data

A B C
1 Robert's Drugs
2
3 Week Sales
4 1 110
5 2 115
6 3 125
7 4 120
8 5 125
9 6 120
10 7 130
11 8 115
12 9 110
13 10 130

Slide 25
 Example: Robert’s Drugs

Steps to Exponential Smoothing - Excel 2003 and before

• Step 1: Pilih menu Tools
Tools..
• Step 2: Pilih opsi Data Analysis.
Analysis.
• Step 3: Setelah terbuka kotak dialog Data Analysis
Tools dialog, pilih Exponential Smoothing.
Smoothing.
• Step 4: Setelah terbuka kotak dialog Exponential
Smoothing :
Masukan B4:B13 kedalam Input Range box.
Masukan 0.9 (for α = 0.1) pada Damping
Factor box.
Masukan C4 pada Output Range box.
Lalu tekan OK
OK..

Slide 26
 Example: Robert’s Drugs

Steps to Exponential Smoothing - Excel 2007 and High

• Step 1: Pilih menu Data
Data..
• Step 2: Pilih opsi Data Analysis.
Analysis.
• Step 3: Setelah terbuka kotak dialog Data Analysis
Tools dialog, pilih Exponential Smoothing.
Smoothing.
• Step 4: Setelah terbuka kotak dialog Exponential
Smoothing :
Masukan B4:B13 kedalam Input Range box.
Masukan 0.9 (for α = 0.1) pada Damping
Factor box.
Masukan C4 pada Output Range box.
Lalu tekan OK
OK..

Slide 27
 Example: Robert’s Drugs

Spreadsheet Showing Results Using α = 0.1

A B C
1 Robert's Drugs
2 α = 0.1
3 Week (t ) Sales t Forec t +1
4 1 110 #N/A
5 2 115 110.0
6 3 125 110.5
7 4 120 112.0
8 5 125 112.8
9 6 120 114.0
10 7 130 114.6
11 8 115 116.1
12 9 110 116.0
13 10 130 115.4

Slide 28
 Example: Robert’s Drugs

Repeating the Process for a = 0.8

• Step 4: Buka lagi kotak dialog Exponential Smoothing
Masukan B4:B13 pada Input Range box.
Masukan 0.2 (for α = 0.8) pada Damping
Factor box.
Masukan D4 pada Output Range box.
Lalu Tekan OK
OK..

Slide 29
 Example: Robert’s Drugs

Spreadsheet Showing Results Using α = 0.1 and α = 0.8

A B C D
1 Robert's Drugs
2 α = 0.1 α = 0.8
3 Week (t ) Sales t Forec t +1 Forec t +1
4 1 110 #N/A #N/A
5 2 115 110.0 110.0
6 3 125 110.5 114.0
7 4 120 112.0 122.8
8 5 125 112.8 120.6
9 6 120 114.0 124.1
10 7 130 114.6 120.8
11 8 115 116.1 128.2
12 9 110 116.0 117.6
13 10 130 115.4 111.5
Slide 30
 Example: Auger’s Plumbing Service

Sejumlah perbaikan saluran ledeng diperbaiki oleh

Auger's Plumbing Service selama sembilan bulan yang
tertulis sebagai berikut
berikut..
Month Jobs Month Jobs Month Jobs
March 353 June 374 September 399
April 387 July 396 October 412
May 342 August 409 November 408
Perkiraan jumlah perbaikan yang dilaksanakan
oleh Auger's will untuk bulan Desember menggunakan
metode least squares.
squares.

Slide 31
 Example: Auger’s Plumbing Service

Trend Projection
(month) t Yt tYt t2
(Mar.) 1 353 353 1
(Apr.) 2 387 774 4
(May) 3 342 1026 9
(June) 4 374 1496 16
(July) 5 396 1980 25
(Aug.) 6 409 2454 36
(Sep.) 7 399 2793 49
(Oct.) 8 412 3296 64
(Nov.) 9 408 3672 81
Sum 45 3480 17844 285

Slide 32
 Example: Auger’s Plumbing Service

Trend Projection (continued)

t = 45/9 = 5 Y = 3480/9 = 386.667

nΣtYt - Σt ΣYt (9)(17844) - (45)(3480)

b1 = = = 7.4
nΣt 2 - (Σt)2 (9)(285) - (45)2

b0 = Y - b1t = 386.667 - 7.4(5) = 349.667

T10 = 349.667 + (7.4)(10) = 423.667

Slide 33
 Example: Auger’s Plumbing Service

Excel Spreadsheet Showing Input Data

A B C
1 Auger's Plumbing Service
2
3 Month Calls
4 1 353
5 2 387
6 3 342
7 4 374
8 5 396
9 6 409
10 7 399
11 8 412
12 9 408
13

Slide 34
 Example: Auger’s Plumbing Service

Steps to Trend Projection Using Excel 2003 and Before

• Step 1: Pilih sel kosong (B13) pada worksheet ini.
ini.
• Step 2: Pilih menu Insert
Insert..
• Step 3: Pilih opsi Function fx.
fx.
• Step 4: Kemudian buka kotak dialog Paste Function:
Pilih Statistical pada Function Category box.
Pilih Forecast pada Function Name box.
Lalu tekan OK.
selanjutnya . . . . .

Slide 35
 Example: Auger’s Plumbing Service

Steps to Trend Projection Using Excel 2007 and High

• Step 1: Pilih sel kosong (B13) pada worksheet ini.
ini.
• Step 2: Pilih menu Formulas
Formulas..
• Step 3: Pilih opsi Function fx.
fx.
• Step 4: Kemudian buka kotak dialog Paste Function:
Pilih Statistical pada Function Category box.
Pilih Forecast pada Function Name box.
Lalu tekan OK.
selanjutnya . . . . .

Slide 36
 Example: Auger’s Plumbing Service

Steps to Trend Projecting Using Excel (continued)

• Step 5: Ketika kotak dialog the Forecast terbuka
terbuka::
Masukan 10 pada kotak x (untuk bulan 10 10).).
Masukan B4:B12 pada kotak Known y’s y’s..
Masukan A4:A12 pada kotak Known x’s x’s..
Lalu tekan OK
OK..

Slide 37
 Example: Auger’s Plumbing Service

Spreadsheet Showing Trend Projection for Month 10

A B C
1 Auger's Plumbing Service
2
3 Month Calls
4 1 353
5 2 387
6 3 342
7 4 374
8 5 396
9 6 409
10 7 399
11 8 412
12 9 408
13 10 423.667 Projected

Slide 38
 Example: Auger’s Plumbing Service (B)

Perkiraan untuk December ((bulan

bulan 10)
menggunakan tiga periode (n = 3) rata – rata bobot
tertimbang (weighted moving average) dengan
bobotnya adalah .6, .3, dan .1.
Kemudian,, bandingkan pada bulan 10 ini perkiraan
Kemudian
bobot tertimbang dengan perkiraan tren proyeksi
bulan 10.

Slide 39
 Example: Auger’s Plumbing Service (B)

Three-Month Weighted Moving Average

Three-
Perkiraan untuk Desember rata – rata tertimbang
pada tiga bulan sebelumnya
sebelumnya:: September, Oktober
Oktober,, dan
November.
F10 = .1Y
.1YSep. + .3Y
.3YOct. + .6Y
.6YNov.
= .1(399) + .3(412) + .6(408)
= 408.3

Trend Projection
F10 = 423.667 (dari
(dari slide sebelumnya)
sebelumnya)

Slide 40
 Example: Auger’s Plumbing Service (B)

Conclusion
Selama komponen tren positif pada deret waktuwaktu,,
proyeksi tren dihasilkan perkiraan yang selaras dengan
tren yang ada
ada.. Rata – rata bobot tertimbang
tertimbang,, disaat
bobotnya (.6) ditempatkan pada periode sekarang,
sekarang,
dihasilkan perkiraan yang meninggalkan perubahan
data setelahnya
setelahnya..

Slide 41
 Forecasting with Trend
and Seasonal Components

Steps of Multiplicative Time Series Model
1. Calculate the centered moving averages (CMAs).
2. Center the CMAs on integer-
integer-valued periods.
3. Determine the seasonal and irregular factors (S
(StIt ).
4. Determine the average seasonal factors.
5. Scale the seasonal factors (S
(St ).
6. Determine the deseasonalized data.
7. Determine a trend line of the deseasonalized data.
8. Determine the deseasonalized predictions.
9. Take into account the seasonality.

Slide 42
 Example: Terry’s Tie Shop

Bisnis Terry's Tie Shop dapat dilihat dari tiga

musim dengan jelas di bawah : (1) Natal (November
November--
Desember);
Desember ); (2) Hari Ayah ((akhir
akhir Mei – pertengahan
June);
June ); dan (3) dan semua bulan berikutnya
berikutnya.. Rata – rata
penjualan mingguan (dlm $'s) pada tiga musim tersebut
selama empat tahun berturut – turut adalah sbb:sbb:
Tahun
Musim 1 2 3 4
1 1856 1995 2241 2280
2 2012 2168 2306 2408
3 985 1072 1105 1120
Tentukan perkiraan untuk rata – rata penjualan
mingguan pada tahun ke 5 dengan tiga musim tersebut.
tersebut.
Slide 43
 Example: Terry’s Tie Shop
Dollar Moving Scaled
Year Season Sales (Y
(Yt) Average StIt St Yt/St
1 1 1856 1.178 1576
2 2012 1617.67 1.244 1.236 1628
3 985 1664.00 .592 .586 1681
2 1 1995 1716.00 1.163 1.178 1694
2 2168 1745.00 1.242 1.236 1754
3 1072 1827.00 .587 .586 1829
3 1 2241 1873.00 1.196 1.178 1902
2 2306 1884.00 1.224 1.236 1866
3 1105 1897.00 .582 .586 1886
4 1 2280 1931.00 1.181 1.178 1935
2 2408 1936.00 1.244 1.236 1948
3 1120 .586 1911

Slide 44
 Example: Terry’s Tie Shop

1. Hitung moving averages terpusat

terpusat..
Disini dengan jelas setiap tahun ada tiga musim
musim..
Oleh karena itu,
itu, rata – rata bergerak tiga musim untuk
menghiangkan faktor musiman dan faktor irregular
irregular..
Sebagai contoh pertama moving average-
average-nya
nya:: (1856 +
2012 + 985)/3 =1617.67.

2. Pemusatan CMAs pada periode bilangan bulat

bulat..
Ditahap awal moving average dihitung (1617.67)
akan dipusatkan pada musim 2 di tahun 1. Catatan
Catatan,,
moving averages dari tahap 1 dipusatkan pada periode
yang dinilai dengan bilangan bulat sebab n adalah
bilangan ganjil
ganjil..

Slide 45
 Example: Terry’s Tie Shop

3. Menentukan musiman dan faktor irregular (St ,It ).

Memisahkan komponen tren dengan siklus
siklus.. Setiap
masing – masing periode t, dirumuskan dengan:
dengan:
Yt /(Moving Average untuk periode t ).

4. Menentukan faktor rata – rata musiman

musiman..
Merata – ratakan semua nilai St It yang meng
meng--
hubungkan dengan musimnya
musimnya::
Musim 1: (1.163 + 1.196 + 1.181) /3 = 1.180
Musim 2: (1.244 + 1.242 + 1.224 + 1.244) /4 = 1.238
Musim 3: (.592 + .587 + .582) /3 = .587

Slide 46
 Example: Terry’s Tie Shop

5. Mengukur faktor musiman (St /seasonal ).

Bagi masing – masing faktor musiman dengan rata
– rata faktor musiman
musiman.. Kemudian rata – rata faktor
musiman = (1.180 + 1.238 + .587)/3 = 1.002.

Musim 1: 1.180/1.002 = 1.178

Musim 2: 1.238/1.002 = 1.236
Musim 3: .587/1.002 = .586 +
Total = 3.000

Slide 47
 Example: Terry’s Tie Shop

6. Menentukan data termusim /deseasonalized

deseasonalized..
Bagi nilai poin data, Yt , dengan St .

7. Menentukan garis tren pada data musimanmusiman..

Menggunakan metode least squares untuk t = 1, 2,
..., 12, hasilnya
hasilnya::
Tt = 1580.11 + 33.96t
33.96t

Slide 48
 Example: Terry’s Tie Shop

8. Menentukan prediksi termusim.

termusim.
Substitusikan t = 13, 14, dan 15 kedalam persamaan
least squares :
T13 = 1580.11 + (33.96)(13) = 2022
T14 = 1580.11 + (33.96)(14) = 2056
T15 = 1580.11 + (33.96)(15) = 2090

9. Masukan kedalam hitungan kemusiman /seasonality
seasonality..
Kalikan masing – masing prediksi termusim tadi dengan
faktor musiman untuk memberikan perkiraan pada tahun ke 5:
Musim 1: (1.178)(2022) = 2382
Musim 2: (1.236)(2056) = 2541
Musim 3: ( .586)(2090) = 1225

Slide 49
 Qualitative Approaches to Forecasting

Pendekatan Delphi
• Pada panel ahli
ahli,, masing – masing secara fisik
dipisahkan dari yang lain dengan pendapat anonim
anonim,,
yang ditanyakan tanggapannya untuk rangkaian
kuesioner yang berurutan
berurutan..
• Setelah dibagikan kuesioner
kuesioner,, hasil tanggapan
tanggapan,,
informasi dan pendapat ditabulasi dan dimasukan
dalam kelompok yang dijadikan untuk dikenal pada
masing – masing anggota panel yang kemudian
mereka perbaiki pada tanggapan forecast
sebelumnya..
sebelumnya
• Proses dilanjutkan hingga pada derajat konsensus
tercapai..
tercapai

Slide 50
 Qualitative Approaches to Forecasting

Penulisan Skenario
• Skenario penulisan berisi mengenai pengembangan
skenario konseptual masa depan yang berbasis pada
definisi yang benar di sekumpulan asumsi.
asumsi.
• Kemudian beberapa skenario berbeda telah
dikembangkan,, pembuat keputusan menetapkan
dikembangkan
yang mana yang lebih cocok untuk masa depan dan
menjadikan keputusan sesuai dengan itu.
itu.

Slide 51
 Qualitative Approaches to Forecasting

Pendekatan Subjektif atau Interaktif

• Teknik ini terkadang digunakan oleh komite atau
peserta yang mencoba untuk mengembanga ide
baru atau memcahkan masalah kompleks.
kompleks.
• Mereka terkadang melibatkan "brainstorming sessions
(sesi tukar fikiran
fikiran)".
)".
• Hal ini penting seperti pada sesi tukar fikiran bahwa
beberapa ide atau pendapat diperbolehkan untuk
disajikan tanpa memandang relevansinya dan tanpa
kekhawatiran dikritik
dikritik..

Slide 52
 Ukuran Perbandingan

Angka relatif ini dipakai untuk menyatakan perbandingan dua nilai

sesuatu variabel pada waktu yang berbeda atau nilai beberapa
variabel pada waktu yang bersamaan
bersamaan.. Contoh untuk ini berturut
berturut--
turut adalah
adalah::
1) Impor Indonesia untuk kendaraan bermotor selama tahun 2009
mencapai 7.896 buah sedangkan impor kendaraan untuk tahun 2006
sebanyak 30.577 buah
buah.. Dengan demikian impor kendaraan tahun 2009
hanyalah 7.896
×100% = 25,8%
30.577
2) Tercatat volume impor Indonesia untuk tahun 2010 sebesar Rp 25.839,-
25.839,-
juta,, sedangkan volume ekspor tahun itu mencapai Rp 37.823,1 juta
juta juta..
Maka impor Indonesia 25 . 839 , 0 dari ekspor.
ekspor.
× 100 % = 68 ,3 %
37 . 823 ,1

Slide 53
 Angka Relatif
Dengan menggunakan simbul
simbul--simbul tersebut,
tersebut, didapatlah rumus untuk:
untuk:

di mana
ho harga barang pada tahun atau waktu dasar
dasar,,
ht harga barang pada tahun yang lain.
Sedangkan rumus untuk

dengan
do = banyak barang pada tahun dasar
dasar,,
dt = banyak barang pada tahun yang lain.

Akhirnya karena nilai didefinisikan sebagai hasil kali antara harga dan jumlah
barang,, maka didapat rumus:
barang rumus:
atau

Angka relatif nilai = angka relatif harga x angka relatif jumlah

di mana:
mana:
no = nilai barang pada tahun dasar
dasar,,
nt = nilai barang pada waktu yang lain.
Slide 54
 Angka Indeks

Untuk jelasnya tentang pembentukan indeks

harga sederhana, perhatikanlah daftar yang
berikut:

Slide 55
Angka Indeks untuk beberapa produk

Slide 56
Penetapan angka Indeks untuk
beberapa tahun

57
Slide 57
Perubahan tahun dasar

Slide 58
Perubahan tahun dasar untuk
beberapa produk

Slide 59
 Perubahan tahun dasar untuk
beberapa produk
IH daging _ ker bau _ 1953
IH awal = × IH telur _ ayam
IH telur _ ayam _ 1953

100
IH 1951 = × 58 = 72 , 5 100
80 IH 1955 = × 100 = 125
100 80
IH 1952 = × 74 = 92 , 5 Dan seterusnya.
80
100
IH 1953 = × 80 = 100
80
100
IH 1954 = × 85 = 106 , 25
80

Slide 60
Perubahan tahun dasar untuk
beberapa produk

Slide 61
The End of Session 6

Slide 62