Resume Metode Peramalan

 Definsi manajemen, umumnya oleh

Forecasting atau peramalan manajemen senior.
adalah proses memperkirakan atau
memprediksi keadaan (nilai suatu c. Riset pasar (Market
peubah) dimasa yang akan datang research), merupakan metode
berdasarkan hasil analisis data peramalan berdasarkan hasil-
masa lalu. hasil dari survei pasar yang
dilakukan oleh tenaga-tenaga
 Manfaat pemasar produk atau yang
Forecasting mempunyai peranan mewakilinya.
penting sebagai alat bantu dalam
perencanaan dan pembuatan d. Analogi Historis (Historical
keputusan : Analogy), merupakan teknik
(dalam bidang Industri peramalan berdasarkan pola
manufaktur ) data masa lalu dari produk-
 Pengadaan bahan baku. produk yang dapat disamakan
 Perencanaan Produksi secara analogi.
 Penyediaan sumber daya
manusia 2. Metode Kuantitatif adalah
 Penentuan sumber daya metode peramalan yang
finansial didasarkan atas hasil analisis
data kuantitatif pada masa lalu
 Klasifikasi dengan menggunakan model
1. Metode Kualitatif adalah pola data yang diolah secara
peramalan yang didasarkan matematis.
atas pengalaman , keahlian , Jenis-jenis dari metode ini
pendapat dan intuisi pembuat diantaranya :
keputusan. a. Metode Time series
Jenis-jenis dari metode ini Menemukan pola data masa
diantaranya : lalu dan mengekstrapolasikan
a. Metode Delphi adalah pola data tersebut ke masa
sekelompok pakar mengisi yang akan datang
kuisioner. Moderator
menyimpulkam hasilnya dan
memanipulasikan menjadi
suatu kuisioner baru yang diisi
kembali oleh kelompok
b. Metode Kausal
tersebut.
mengembangkan suatu model
b. Management Estimate
sebab-akibat antara Variabel
(Panel Consensus), dimana
yang diramalkan dengan
peramalan semata-mata
berdasarkan pertimbangan
 variabel – variabel
dianggap berpengaruh.
yang U = 1  Metode Naif sama
baiknya dg Metode yg dipilih
U < 1  Metode yg dipilih lebih
baik dari Metode Naif
U > 1  Metode Naif lebih baik
dari Metode yg dipilih

 Statistika Deskriptif
 Statistik Durbin-Wattson
1. Data Tunggal : Rata-rata, deviasi
Berguna untuk memeriksa apakah
standar, dan variasi
masih terdapat pola dalam residu
(error) dari hasil forecast.
n

e  e 
2
t t 1
D W  t 2
n

e 
2
t
t 1
2. Data Bivariat : Kovarians dan
D-W = 2  tidak terdapat pola
korelasi
dalam himpunan kesalahan
D-W < 2  terdapat autokorelasi
positif dalam himpunan kesalahan
(masih memuat pola)
D-W > 2  terdapat autokorelasi
negatif dalam himpunan kesalahan
(masih memuat pola)

Untuk yang berhubungan dengan  Hubungan Data, Pola, dan Error

error :
Data=Pola + Kesalahan
Atau
Xt = Ft +et
 SSE (Sum Square Error)

 Statistik U-Theil
Berguna untuk membanding
peramalan naif dengan metode
peramalan yang dipilih.

2 Meminimumkan Nilai Error

n 1
 Fi 1  X i 1 

i 1 

X

U  i 
2
n 1
 X i 1  X i 
 
i 1  X

i 
 Prosedur Metode Time Series
1. Buatlah plotting data masa lalu
dalam bentuk grafik
2. Perhatikan kecenderungan pola 3. Pola siklis (C)
data tersebut apakah bersifat
konstan atau terjadi suatu trend
tertentu.
3. Pilih model matematika yang
sesuai dengan pola data tersebut.
4. Simulasikan model forecasting
yang kita pilih untuk menentukan
model mana yang paling tepat
dengan memperhatikan error
terkecil. 4. Pola Trend
5. Pengambil keputusan
menggunakan model forecasting
dengan error minimum untuk
memprediksi keadaan dimasa
mendatang.

 Pola data masa lalu

Dapat dikelompokkan menjadi
empat :
1. Pola horizontal (H)
 Teknik Forecasting dengan Pola
Konstan
1. Metode Last Value
Dapat digunakan untuk
mengasumsi bahwa data yang baru
saja terjadi merupakan prediksi
yang paling tepat untuk
meramalkan masa yang akan
datang.
2. Pola musiman (S)
Ft  1  X t
2. Model Average
 Digunakan untuk semua data yang
telah diobservasi sebagai dasar
untuk menetukan nilai rata-rata
yang kemudian digunakan sebagai
prediksi keadaan yang akan datang.

2. Metode Kuadrat Terkecil

Ft+1 = Untuk Menentukan garis trend

yang mempunyai jumlah terkecil
dari kuadrat selisih data asli dengan
data pada garis trendnya.
Keterangan :
Ft+1 = Nilai Forecast pada
perioda ( t + 1)
Xt = Nilai Observasi pada
perioda t
T = Perioda waktu
pengamatan

3. Model Moving Average

Merupakan metode peramalan
yang menghitung rata-rata suatu
nilai runtut waktu dan kemudian
digunakan untuk memperkirakan
nilai pada periode selanjutnya.
3. Metode Kuadratis
MA = Digunakan untuk metode linear,
dapat terjadi ketika grafik dalam
Keterangan : jangka waktu pendek.
MA = Moving Average
n1 = data periode pertama
n2 = data periode kedua
n3 = data periode ketiga dan Sehingga nilai a, b, dan c dapat
seterusnya dicari dengan rumus berikut ini :
n = Jumlah Periode Rata-rata
bergerak

 Metode Analisis Trend

1. Metode Semi rata-rata
 4. Trend Eksponensial 2. Eksponensial Smoothing
Persamaan eksponensial
dinyatakan dalam bentuk variabel
waktu (X) dinyatakan sebagai
pangkat. Untuk mencari a dan b Ft+1 =  X t  ( 1   ) Ft
dapat menggunakan rumus sebagai
berikut :  Xt = data pada periode t
Ft = prediksi pada periode t
Ft+1 = prediksi pada 1 periode
ke depan
N = periode waktu observasi

Sehingga :

 Metode Smoothing (Pemulusan)

digunakan untuk melakukan
forecasting ketika hasil ploting
data memuat unsur kecenderungan
( trend ) atau bersifat musiman.

1. Double model average

• Fungsi : untuk memprediksi
keadaan masa yang akan datang
apabila pola data masa lalu memuat
unsur trend.
• Prinsip : menghitung rata-rata
bergerak yang kedua  Rata-rata
bergerak dari Single Moving
Average
• Notasi MA (M x N) : Rata-rata
bergerak M periode dari rata-rata
bergerak tunggal N periode.