PETUNJUK TEKNIS PERAMALAN

DENGAN MINITAB
(Time Series Analysis)
Bambang Eko Cahyono
Founder Komunitas Expert Club Indonesia (ECI)
Komisaris Utama PT. EBM Jakarta
Tujuan Webinar

• Mengetahui Minitab
• Mengetahui Forecasting analysis
• Memahami step by step forecast

coachbembi@expertclubindonesia.com 2
 MINITAB

coachbembi@expertclubindonesia.com 4
 Define Define the nature of the forecasting problem.

TUJUAN Explain Explain the nature of the data.

FORECASTING

Describe Describe the properties of the techniques.

Develop Develop criteria for selection.

coachbembi@expertclubindonesia.com 5
 6

Mengapa butuh
Forecasting
• Level of Details.
• Time horizon.
• Based on judgment or data
manipulation.
• Management acceptance.
• Cost.

coachbembi@expertclubindonesia.com
Apa bedanya dengan
DUKUN
coachbembi@expertclubindonesia.com
Memperkirakan……
coachbembi@expertclubindonesia.com
MENGUKUR ERROR
DALAM FORECASTING

Webinar Expert Club Indonesia (ECI)

EROR
coachbembi@expertclubindonesia.com
10
Forecasting eror

Dalam melakukan Sales data Single Exponential Smoothing .6

forecasting terjadi 940 Actual

ketidaksesuaian antar data 840 Smoothed

Forecast
740 Actual
Smoothed
640 Forecast

actual dengan hasil forecast

Sales
540

440 Smoothing Constant

Alpha: 0.600
340

oleh karena itu dilakukan 240

140
MAPE:
MAD:
MSD:
36.5
134.5
22248.4

perhitungan error yang

0 5 10 15 20 25

Time

terjadi dengan
menggunakan metode
analisis kesalahan MAD,
MSE, MAPE, MFE dan CFE.

coachbembi@expertclubindonesia.com 10
TUJUAN MENGUKUR EROR

1. Mengkomparasi akurasi dari 2 (atau lebih)

metode forecasting yang dipakai.
2. Mengukur realibilitas dan manfaat dari
metode forecasting yang dipakai.
3. Mencari metode forecasting yang paling
optimal bagi organisasi atau perusahaan.

coachbembi@expertclubindonesia.com 11
13
LANGKAH FORECAST

• Memperhatikan dan memilih model peramalan yang sesuai berdasar

MAPE, MAD dan MSD.
• Ketiga nilai tersebut adalah ukuran akurasi ketepatan model, semakin
kecil nilainya maka semakin baik.
1. MAPE (Mean Absolute Percentage Error)
Merupakan rata-rata dari keseluruhan persentase kesalahan (selisih)
antara data aktual dengan data hasil peramalan. Ukuran akurasi
dicocokkan dengan data time series, dan ditunjukkan dalam
persentase.
2. MAD (Mean Absolute Deviation)
Merupakan rata-rata dari nilai absolut simpangan.
3. MSD (Mean Squared Deviation)
Merupakan rata-rata dari nilai kuadrat simpangan data.

coachbembi@expertclubindonesia.com
FORMULA

Nilai MAD di kuadratkan menjadi MSD

coachbembi@expertclubindonesia.com
14
 Model
Forecast
(Time
series)

Model Forecasting yang sering dipakai:

– Linear
– Quadratik
– Eksponensial

coachbembi@expertclubindonesia.com 15
Manfaat Peramalan

Bersiap diri lebih awal pada perubahan situasi

Merupakan dasar pedoman dalam perencanaan

baik jangka pendek dan jangka panjang

Pengontrolan operasional perusahaan

coachbembi@expertclubindonesia.com 15
 PERAMALAN YANG BAIK
kriteria – kriteria tersebut adalah sebagai berikut:
1. Akurasi
Suatu hasil peramalan diukur dengan kebiasaan dan konsistensi dari peramalan.
Hasil dari peramalan dibiaskan bila peramalan tersebut terlalu tinggi atau terlalu
rendah dibanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan
dikatakan konsisten bila besarnya kesalahan dari peramalan relatif kecil.
2. Biaya
Biaya yang diperlukan untuk pembuatan suatu peramalan tergantung dari jumlah
item yang diramalkan, lamanya periode peramalan dan metode peramalan yang
dipakai.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah untuk
diaplikasikan akan memberikan keuntungan bagi perusahaan

coachbembi@expertclubindonesia.com 16
Langkah Meramal

1. Mengumpulkan data trend

2. Memilih model yang tepat (Linear, Quadratik, ataukah

Eksponensial)

3. Menganalisis masa depan dengan model yang tepat

coachbembi@expertclubindonesia.com 17
 MINITAB
coachbembi@expertclubindonesia.com 18
1. Mengumpulkan data

Masukkan data trend

Disamping adalah
Data Defects pada
tanggal 1 hingga 15

coachbembi@expertclubindonesia.com 19
2. Memilih model yang pas-1

Menu Stat > Time Series

> Trend Analysis

coachbembi@expertclubindonesia.com 20
2. Memilih model yang pas-2

Pilih Linear
Dan,
Input Number of Forecast
= 10 hari kedepan

coachbembi@expertclubindonesia.com 21
2. Memilih model yang pas-3

Muncul Nilai MAPE, MAD & MSD

Untuk Model Linear
Lakukan lagi untuk model
Quadratic dan Exponential
coachbembi@expertclubindonesia.com 22
2. Memilih model yang pas-4

Sekarang Kita Pilih Quadratic

coachbembi@expertclubindonesia.com 23
2. Memilih model yang pas-5

Kita dapatkan nilai MAPE, MAD

dan MSD untuk model Quadratic

coachbembi@expertclubindonesia.com 24
2. Memilih model yang pas-6

Lakukan juga untuk model Eksponensial

Kita dapatkan nilai

MAPE, MAD dan
MSD untuk model
Exponential

coachbembi@expertclubindonesia.com 25
2. Memilih model yang pas-7
(Membandingkan nilai MAPE)

Dari ketiga Model,

Nilai MAPE terkecil ialah di model
Quadratic, sebesar 13,16

Maka kita pilih Quadratic

MAPE (Mean Absolute PercentageError)
Merupakan rata-rata dari keseluruhan persentase kesalahan (selisih) antara data aktual dengan data
hasil peramalan. Ukuran akurasi dicocokkan dengan data time series, dan ditunjukkan dalam persentase.

coachbembi@expertclubindonesia.com 26
3. Baca peramalan dari model yang kita pilih

Hasil dari sesi

Perhitungan statistik
Minitab

Untuk Model Quadratic

Hasil Peramalan:
Pada tanggal 16, Maka estimasi defects
sebesar 42.7
Tanggal 17, sebesar 44.02
Hingga …
Tanggal 25, potensi defect sebesar 60

coachbembi@expertclubindonesia.com 27
DENGAN MELAKUKANTREND MEMPERKUAT HYPOTESA LEBIH MAWAS DIRI DAN PROAKTIF BUKAN REAKTIF
ANALISYS, KITA MENJADI PEMIKIRAN (INTUITIF) KITA BERSIAP DENGANRENCANA/
LEBIH YAKIN AKAN SUATU IMPROVEMENT KEDEPAN
NILAI DI MASA DEPAN.

Penutup
coachbembi@expertclubindonesia.com