(PERAMALAN SEDERHANA )
DRA. ENDANG ADRIYANI. APT.MARS.PhD
Peramalan (Forecast)
Peramalan → Memprediksi mengenai apa yang akan
terjadi di masa depan.
Masa depan tidak mungkin dapat diramalkan
secara tepat sempurna, hanya dapat dilakukan menggunakan
pendekatan.
1. Metode Kualitatif
Berdasarkan Intuisi/pertimbangan
Model peramalan kualitatif yang diurutkan
mulai dari yang bersifat kualitatif sampai
dengan yang bersifat kuantitatif :
a. Management estimate
berdasarkan pertimbangan manajemen, umumnya oleh manajemen
senior
b. Market Research
berdasarkan hasil-hasil dari survei pasar oleh tenaga pemasar
produk
c. Structured Group Methods
menggunakan Metode Delphi (Suatu kelompok yg anggotanya para ahli
atas masalah yg diputuskan)
d. Historical Analogy
berdasarkan pola data masa lalu
MODEL-MODEL PERAMALAN
2. Metode Kuantitatif
Berdasarkan Analisis hubungan numerik dari data. Metode
ini digolongkan lagi menjadi metode kuantitatif yang bersifat :
q Intrinsik
berdasarkan pola historis dari data itu sendiri
q Ekstrinsik
berdasarkan pada pola-pola eksternal
( dipengaruhi faktor-faktor luar )
SYARAT MODEL PERAMALAN KUANTITATIF
25 20
Y 15
20
10
15 5
0
10 KEMARAU HUJAN
J F M A M J J A S O N D
WAKTU
WAKTU
15 20
15
10
10
5 5
0
0 72 74 76 78 80 82 84 86 88 90
93 94 95 96 97 98 99 2000 2001
WAKTU
WAKTU
Contoh penerapan ramalan...
a. mengetahui pergerakan nilai saham pada pembukaan sesi siang ini
b. mengetahui keadaan cuaca besok dan lusa
c. mengetahui permintaan suatu barang untuk pengiriman bulan
depan
d. memprediksi musim tanam di suatu daerah pertanian
e. memprediksi mencairnya es di kutub selatan akibat pengaruh
pemanasan global
dll
Pendekatan...
Pendekatan secara non-matematis, contoh:
- pengalaman di masa lalu
- pengelihatan para ‘ahli’ (supranatural….)
- kedekatan relasi
- dsb…
MAn= ∑ Di
I =1
n
MA = RATA-RATA BERGERAK (MOVING AVERAGE)
n = JUMLAH PERIODE DALAM RATA-RATA BERGERAK
Di = DATA SELAMA PERIODE i
Metode analisis seri waktu (time series analysis)
Rata-rata bergerak tertimbang (weighted moving average)
n
WMAn= ∑ WiDi
=1 I
WMAn = Rata2 bergerak tertimbang
n = Jumlah perode rata-rata bergerak
Di = Data selama periode
Wi = Bobot untuk periode I (antara 0% s/d 100%)
MA 2 Periode
Bulan Data MA MA
1 periode 2 periode
Jan 10 -
Feb 12 10
Maret 9 12 (10+12)/2=11
April 13 9 (12+9)/2=10.5
Mei 13 (9+13)/2=11
MA 3 Periode
Bulan Data MA MA
2 periode 3 periode
Jan 10
Feb 12
Maret 9 (10+12)/2=11
April 13 (12+9)/2=10.5 (10+12+9)/3=10.3
Mei 12 (9+13)/2=11 (12+9+13)/3=11.3
Ukuran akurasi peramalan
AE= Average error = rata2 kesalahan dibagi/N (Jml
kesalahan)
MAD= mean Absolute deviation = rata2 kesalahan absolut
dibagi /N (Jml kesalahan absolut)
Bulan Data MA 1 AE MAD
periode
Jan 10 -
Feb 12 10 2,0 2,0
Maret 9 12 -3,0 3,0
April 13 9 4,0 4,0
Mei 13
3/3 =1 9/3 = 3
Jan 10 -
Feb 12 - - -
Maret 9 11 -2 2
April 13 10,5 2,5 2,5
Mei 12 11 1 1
1,5/3=0,5 5,5/3=1,8
Metode analisis seri waktu (time series analysis)
Contoh: diketahui data pemesanan barang
Bulan Pesanan
Januari 120
Februari 90
Maret 100
April 75
Mei 110
Juni 50
Juli 75
Agustus 130
September 110
Oktober 90
November -
Hitunglah perkiraan pemesanan barang pada bulan ke-11
(november) menggunakan metode rata-rata bergerak, dengan
mempertimbangkan data tiga bulan dan lima bulan sebelumnya.
Metode analisis seri waktu (time series analysis)
Perkiraan pemesanan barang pada bulan ke-11
(november)
menggunakan metode rata-rata bergerak.
→ dengan mempertimbangkan data tiga bulan
sebelumnya
→ dengan mempertimbangkan data lima bulan
sebelumnya
MA3=(90 +110 +130)/3 =110 pesanan
MA5=(90 +110 +130 +75 + 50)5 = 91 pesanan
Metode analisis seri waktu (time series analysis)
Dengan metode rata-rata bergerak dapat diperoleh
perbandinmgan secara lengkap antara pemesanan barang
sebenarnya (aktual) dengan perhitungan ramalan tiga bulanan
dan lima bulanan
Bulan Pemesanan Tiga bulanan Lima bulanan
(aktual) (ramalan 3) (ramalan 5)
Januari 120 - -
Februari 90 - -
Maret 100 - -
April 75 - -
Mei 110 -
Juni 50 95 99
Juli 75 78,3 85
Agustus 130 78,3 82
September 110 85 88
Oktober 90 105 95
November - 110 91
Metode analisis seri waktu (time series analysis)
Hitunglah perkiraan pemesanan barang pada bulan ke-11
(november) menggunakan metode rata-rata –bergerak
tertimbang dari referensi data tiga bulan sebelumnya, dengan
setiap bobot yang telah ditentukan yaitu: 50% (Oktober),
33% (September), dan 17% (Agustus).
Catatan:
Pada contoh ini adalah pemesanan barang (harus utuh) maka :
MA3=(0,5.90 +0,33.110 +0,17.130) =103,4 pesanan
dilakukan pembulatan ke atas menjadi 104 pesanan.
Prosedur Peramalan
Definisikan tujuan peramalan
Buat diagram pencar ( plot data )
Memilih model peramalan yang tepat
Lakukan peramalan
Hitung kesalahan peramalan ( forecast error )
Pilih metode peramalan dengan kesalahan yang terkecil
Lakukan verifikasi
Tugas individu
Cari data bulanan rumah sakit (apa saja, atau simulasi saja)
Lakukan MA 3 dan 4 periode, dan rata2 bergerak tertimbang
Bandingkan AE dan MAD nya, & simpulkan
MA 3 PERIODE (Smooting Exponential)
BULA PENJUAL 3 AE MAD
N AN PERIODE
n At
MAD
(000)
1 10 -
2 12 10
3 13 12
4 16 13 RUMUS =
Ft = Ft-1 X ∂ (At-1 - Ft-1)
5 19 16
6 23 19
7 26 23
8 30 26
9 28 30
10 18 28
11 16 18
12 14 16
JUML 14
AH
ANALISA TREND
PERUSAHAAN X MENJUAL BARANG & SELAMA 12 TAHUN PENJUALAN.
PERKEMBANGAAN PENJUALAN SEBAGAI BERIKUT :
TH JUAL 2
(X) (Y) XY X
Persamaan yang dipakai :Y =a + bX
1 10 10 1
Rumus yang dipakai :
2 12 24 4
3 13 39 9 b = ∑ XY - n XY
4 16 64 16 ∑X2 - nX 2
5 19 95 25
6 23 138 36 a= Y - bX
7 `26 182 49
8 30 240 64
9 28 252 81
10 18 180 100 Jadi :Y = 17,7 + 0,17 X
11 16 176 121
12 14 168 144
∑ = 78 ∑ =226 ∑ ∑
Y = 18,8 1.568 =660
n =X Ft =Yt = At MAD
17,7 +0,17X
1 17,87 10 7,87
2 18,04 12 6,04
3 18,21 13 5,21 MAD = 61,76/12 = 5,15
4 18,38 16 2,38
5 19,55 19 0,45
6 18,72 23 4,28
7 18,89 26 7,11
8 19,06 30 10,94
9 19,23 28 8,77
10 19,40 18 1,40
11 19,57 16 3,57
12 19,74 14 3,74
∑ = 61,76
PENGUJIAN
Pengujian metode forecasting adalah :
1. Mean Error (ME)
2. Mean Absolute Deviation (MAD)
3. Mean Squared Error (MSE)
4. Standard Deviation of Error (SDE)
5. Percentage Error
6. Mean Percentage Error (MPE)
7. Mean Absolute Percentage Error (MAPE)
Referensi...
“Prinsip-Prinsip Statistik Untuk Teknik dan Sains”, Dr.
Ir.Harinaldi, M.Eng., Penerbit Erlangga, Jakarta, 2005.
“Introduction to Management Science (Sains Manajemen)”
Edisi 8, Bernard W. Taylor III, Penerbit Salemba Empat,
Jakarta, 2005.
Wallstrom P. Evaluation of Forecasting Techniques and
Forecast Error, Licentiate Thesis, Lulea, 2009