NPM : 1910631140221
KELAS : G
KETERANGAN : TUGAS I PERTEMUAN 6
SOAL
1. Data pesanan produk dari rotan didasarkan hasil penjualan enam bulan sebelumnya pada PT.
ABC adalah sebagai berikut.
T 1 2 3 4 5 6
Xt 115 125 123 127 141 159
Keterangan:
T : Bulan,
Xt : Data penjualan.
Pertanyaan:
Assumsikan k = 0,8 dan k = 0,2. Maka tentukan
a. Buatkan masing-masing peramalan bulan ke 7-12 pada tahun tersebut dengan
menggunakan method exponential smoothing ganda satu parameter dari brown
b. Hitung tingkat penyimpangan (keandalan) dengan metode SSE
c. Buatkan grafik data sebelum peramalan dan setelah hasi peramalan (gabungan data
masa lalu dengan data hasil peramalan)
d. Formulasi model persamaan peramalan baru
2. Data hasil penjualan (Yt) dan biaya promosi (Xt) dengan data seperti dalam table dibawah
ini.
Periode (t) Yt Xt
1 100 40
2 200 50
3 300 50
4 400 70
5 500 65
6 600 65
7 700 80
Maka Tentukanlah:
a. Persamaan Regresinya
b. Tingkat nilai penyimpangan (keandalan) dengan metode SSE
c. Buatkan grafik data masa lalu dengan hasil peramalan metode regresi.
PEMBAHASAN
1. Oleh karena yang dipakai adalah metode pemulusan eksponensial ganda linier satu parameter
dari brown, maka α = 0,8. Namun jika yang dipakai adalah metode pemulusan eksponensial
ganda linier dua parameter dari holt maka parameter dipakai adalah kedua-duanya α=0,8 dan
β=0,2. Sehingga, rumus yang akan dipakai pada kali ini adalah sebagai berikut;
Nilai single exponential smoothing
Yang mana, mencari nilai konstanta dan trend pada periode ke-t adalah sebagai berikut
Maka
Pada t = 3, akan berlaku perhitungan sebagai berikut
Maka
Maka
Sedari awal saya sudah curiga bahwa rumus yang seharusnya dipakai adalah
Dikarenakan data t = 6 dan seterusnya tidak ada, dan ini merupakan
materi peramalan. Saya memiliki beberapa alasan untuk pemikiran tersebut. Pertama,
data pada t = 1 seharusnya Forecast bernilai 0 oleh karena data pada t = 1 tidaklah
cukup. Seharusnya nilai Forecast t = 2 bernilai 122 (115+7 = 122), dan kemudian pada
saat t = 3 Forecast bernilai 131 (124,6+6,4), dan seterusnya. Berdasarkan argumen
tersebut, saya menyediakan tabel dibawah ini sebagai nilai peramalan dari bulan 6-12.
Namun, untuk mencari peramalan dari t = 6 sampai t = 12, hanya diperlukan nilai
dan . Dengan keterangan m merupakan periode ke-t dan adalah nilai a dari
periode terakhir yang diketahui.
Sehingga nilai perbaikan forecast pada masing-masing periode adalah
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
Tabel 1.1 Hasil pengolahan data (nilai α = 0,8)
PERIOD DEMAND Forecast Error SSE
8 189,50624
9 204,92768
10 220,34912
11 235,77056
12 251,192
Saya juga sudah menyiapkan hasil pengolahan data dengan α = 0,2. Pada dibawah ini
PERIOD DEMAND Forecast Error SSE
8 146,60576
9 149,18432
10 151,76288
11 154,34144
12 156,92
Tampaknya, jika menggunakan α yang kecil akan berdampak pada nilai peramalan
(forecast). Namun, akan memberikan jumlah kuadrat error yang besar. Hal ini
tampaknya disebabkan oleh selisih nilai antara peramalan dengan data aktual tersebut.
Atau
∑ ∑
c. Grafik Data
Rata-rata 4 60 400
a 500,00 b 15,09
∑ ∑
SUM
Error -415,09 -330,17 -245,26 -160,34 -75,43 9,49 94,40
(SSE)