Asistensi 1 - Kelompok 32
Asistensi 1 - Kelompok 32
MODUL 3 FORECASTING
Disusun Oleh:
Kelompok 32
ii
BAB I
PENDAHULUAN
3
Gambar 1. 1 Flowchart Metode Praktikum
Pada praktikum modul 3 tentang forecasting akan dilakukan peramalan
permintaan produk dari perusahaan PT. Toyoti Corporation Tbk yang bergerak dibidang
industry manufaktur dengan produk yang dipasarkan yaitu mainan double cabin. Langkah
pertama yang dilakukan adalah mengumpulkan data permintaan pasar yang akan
digunakan sebagai dasar untuk peramalan yang akan dilakukan. Langkah selanjutnya
adalah memplot data berdasarkan data permintaan pasar untuk melihat pola data. Setelah
mengidentifikasi pola data, langkah selanjutnya adalah memilih metode peramalan
terbaik dan membuat prakiraan berdasarkan data permintaan pasar yang ada. Metode
yang digunakan lebih dari satu metode, sehingga hasil dari masing-masing metode dapat
dibandingkan dan dapat diperoleh hasil peramalan yang lebih akurat. Langkah
selanjutnya adalah menghitung error untuk setiap metode peramalan. Hasil perhitungan
error masing-masing metode akan dibandingkan, dan metode dengan error terkecil akan
4
dipilih untuk memvalidasi hasil peramalan. Jika data lolos validasi, maka akan digunakan
sebagai rencana produksi; namun, jika data gagal dalam uji validasi, metode peramalan
harus dipilih kembali. Dalam melakukan proses forecasting perhitungan dilakukan juga
dengan bantuan software Eviews.
5
BAB II
PENGOLAHAN DAN ANALISIS DATA
6
July 22099
August 30648
September 23001
October 25012
November 20674
December 22600
January 26473
February 29329
March 17099
April 5213
May 2777
June 8842
2020
July 9054
August 14941
September 18576
October 32493
November 33127
December 33901
January 28469
February 23729
March 26283
2021
April 27468
May 28735
June 28880
7
2.2 Pengolahan Data
2.2.1 Plot Data
Berikut merupakan plot data demand mobil mainan double cabin pada perusahaan
PT. Toyoti Corporation Tbk.:
8
yang terbaru. Ramalan demikian dikatakan adaptive yang berarti
menyesuaikan terhadap tersedianya data baru dengan sendirinya.
(Prisca Nurida Eris, 2014)
9
α = konstanta smoothing (0 < α < 1)
Xt = nilai riil periode ke – t
𝐹𝑡−1 = peramalan periode t - 1
3) ARIMA
Metode ARIMA menggunakan pendekatan iteratif dalam indentifikasi
terhadap suatu model yang ada. Model yang dipilih diuji lagi dengan data
masa lampau untuk melihat apakah model tersebut menggambarkan keadaan
data secara akurat atau tidak. (Hartati, 2017)
Proses Autoregressive (AR)
𝑍𝑡 = ∅1 𝑍𝑡−1 + ∅2 𝑍𝑡−2 +. . . . + ∅𝑝 𝑍𝑡−𝑝 + 𝑎𝑡
Keterangan:
∅𝑛 = parameter autoregressive ke - n
𝑎1 = nilai kesalahan pada saat t
𝑍𝑡−1 = variabel periode ke t-1
Proses Moving average (MA)
𝑍𝑡 = 𝑎𝑡 − ∅1 𝑎𝑡−1 − ∅2 𝑎𝑡−2 −. . . . − ∅𝑝 𝑎𝑡−𝑝
Keterangan:
∅𝑝 = parameter moving average ke - p
𝑎𝑡 = nilai kesalahan pada saat t
𝑎𝑡−1 = nilai kesalahan pada periode t-1
Proses ARIMA
10
𝑍𝑡 = ∅1 𝑧𝑡−1 +. . . + ∅𝑛 𝑧𝑡−𝑛 + 𝑎𝑡 − ∅𝑝 𝑎𝑡−1 . . . . − ∅𝑝 𝑎𝑡−𝑛
Keterangan:
𝑍𝑡−1 = variabel periode ke t-1
∅𝑛 = parameter autoregressive ke - n
𝑎𝑡 = nilai kesalahan pada saat t
∅𝑝 = parameter moving average ke - p
Alasan pemilihan metode:
ARIMA merupakan suatu metode peramalan time series yang cocok
digunakan untuk meramal sejumlah variabel secara cepat, sederhana, murah,
dan akurat serta hanya membutuhkan data variabel yang akan diramal.
(Hartati, 2017)
Sumber: Hartati,2017. Penggunaan Metode ARIMA Dalam Meramal
Pergerakan Inflansi, Jurnal Matematika, Saint, dan Teknologi, Volume 18,
Nomor 1
Keterangan :
𝑋𝑡 = data aktual pada periode t
𝐹𝑡 = nilai peramalan pada periode t
𝑛 = jumlah data
11
Alasan pemilihan metode: Mean Absolute Percentage Error (MAPE)
memiliki kelebihan yaitu menyatakan persentase kesalahan hasil peramalan
terhadap permintaan aktual selama periode tertentu yang akan memberikan
informasi persentase error terlalu tinggi atau terlalu rendah, sehingga akan
lebih akurat. MAPE mengindikasi seberapa besar kesalahan dalam meramal
yang dibandingkan dengan nilai nyata pada deret. Metode MAPE juga dapat
digunakan untuk membandingkan ketepatan dari metode yang sama atau
berbeda dalam dua deret yang berbeda sekali dan mengukur ketepatan nilai
dugaan model yang dinyatakan dalam bentuk ratarata persentase absolut
kesalahan.
Sumber: Mitra. (2011). Pemilihan Teknik Lot Sizing untuk Meminimalkan
Biaya pada Pendistribusian Produk Cokelat Ros. Fakultas Teknologi Industri
Universitas Islam Indonesia Yogyakarta.
https://ririez.blog.uns.ac.id/files/2010/11/makalah-pemilihan-metode-
peramalan-jadi.pdf
2) MAD
Mean Absolute Deviation (MAD) merupakan metode peramalan dengan cara
mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai
absolut masing-masing kesalahan) (Pakaja, Naba, & Purwanto, 2012).
Berikut rumus dari MAD :
|𝑋𝑡 −𝐹𝑡 |
MAD = ∑𝑛𝑡=1 𝑛
Keterangan :
𝑋𝑡 = data aktual pada periode t
𝐹𝑡 = nilai peramalan pada periode t
n = jumlah data
Alasan pemilihan metode: Metode MAD cocok digunakan pada perhitungan
error karena pengukuran kesalahan lebih sederhana dengan hanya
menggunaka n rata-rata kesalahan mutlak selama periode tertentu.
12
Sumber: Pakaja, F., Naba, A., Purwanto. (2012), Peramalan Penjualan Mobil
Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor, Jurnal EECCIS,
Vol.6, No.1, Juni 2012.
3) MSE
Mean Square Error (MSE) merupakan metode peramalan dengan
penjumlahan kuadrat semua kesalahan peramalan pada setiap periode dan
membaginya dengan jumlah periode peramalan (Hartini, 2011). Berikut
rumus dari MSE :
(𝐴𝑡 −𝐹𝑡 )2
MSE = ∑ 𝑛
Keterangan :
𝐴𝑡 = Demand pada periode ke – t
𝐹𝑡 = Hasil Forecast pada periode ke– t
n = banyaknya error
Alasan pemilihan metode: Metode MSE digunakan karena emiliki
perhitungan yang relatif sederhana.
Sumber: Hartini, S. (2011). Teknik Mencapai Produksi Optimal. Bandung :
Lubuk Agung
c. Metode Validasi
1) Metode Moving Range
Peta Moving Range adalah salah satu metode uji validasi yang digunakan
untuk memperhatikan kestabilan peramalan. Peta moving range
menunjukkan perbandingan nilai data aktual dengan nilai peramalan dari
kebutuhan yang sama.
Rumus :
𝑀𝑅 = |(𝑦̂𝑡 − 𝑦𝑡 ) − (𝑦̂𝑡−1 − 𝑦𝑡−1 )|
𝑀𝑅
̅̅̅̅̅ = ∑
𝑀𝑅
𝑛−1
Keterangan :
𝑦̂𝑡 = Suatu Ramalanpada waktu t
𝑦̂𝑡−1 = ramalan sebelumnya t-1
𝑦𝑡 = Data aktual pada waktu t
13
𝑦𝑡−1 = Data aktual pada waktu sebelumnya
n = banyaknya observasi
̅̅̅̅̅
𝑀𝑅 = Nilai moving range pada waktu ke t
Alasan pemilihan metode: Karena moving range akan mem-plot error dengan
grafik peta kendali, sehingga dari grafik tersebut akan mudah diamati apakah
ada titik error yang berada diluar batas kendali atau tidak. Jika ada sebuah
titik atau data yang beradadi luar batas tersebut maka ada beberapa data yang
harus dihilangkan atau mencari metode peramalam yang lain. Apabila
menggunakan peta moving range maka kita mampu mengetahui apakah
terjadi perubahan sebab akibat yang melatar belakangi permintaan
Sumber: Hartini, Sri dan Kadarsyah Suryadi.(2011). Teknik Mencapai
Produksi Optimal. Bandung : CV.Lubuk Agung
2) Metode Uji F
Uji F merupakan uji untuk melihat pengaruh semua variabel bebas secara
bersama-sama terhadap variabel terikatnya.
Rumus :
Ho = Variansi demand = variansi forecast
H1 = Variansi demand ≠ variansi forecast
α = 0,05
Daerah Kritis = fhitung > fα, fhitung > 1,601
Perhitungan
Keputusan
Kesimpulan
Alasan pemilihan metode: karena dengan menggunakan Uji F untuk
mengetahui apakah nilai variansi antara demand dengan forecasting memiliki
variansi yang sama, karena Uji F membandingkan antara data demand
dengan data forecast (data aktual dan data hasil peramalan) sehingga akan
memiliki hasil yang akurat namun perhitungannya cukup sederhana.
Sumber: Hartini, Sri dan Kadarsyah Suryadi.(2011). Teknik Mencapai
Produksi Optimal.Bandung : CV.Lubuk Agung
14
2.2.3 Peramalan
2.2.3.1 Metode X
a. Perhitungan Peramalan
Berisi contoh perhitungan dan tabel perhitungan
𝛼 = 0,5
𝐹𝑡 + 1 = 𝛼. 𝑋𝑡 + (1 − 𝛼)𝐹𝑡 = ⋯
dst
Berikut merupakan…
Perhitungan Peramalan Metode X
t Xt Ft
1 22545 22.545
2 25289 22.545,000
3 18424 23.917,000
b. Perhitungan Error
Berisi contoh perhitungan dan tabel perhitungan
𝑒𝑡 = 𝑋𝑡 − 𝐹𝑡 = ⋯
dst
Berikut merupakan…
Perhitungan Error Metode SES
t Xt Ft 𝒆𝒕 𝒆𝒕 𝟐 |𝒆𝒕 | |PE|
1 22545 22.545 0 0 0 0
2 25289 22.545,000 2.744 7.529.536 2744 0,109
3 18424 23.917,000 -5.493 30.173.049 5493,000 0,298
MAPE
Perhitungan error dengan metode MAPE adalah sebagai berikut…
Metode X
Metode Y
c. Grafik Peramalan
Berisi grafik peramalan dengan excel
2.2.3.2 Metode Y
a. Perhitungan Peramalan
b. Perhitungan Error
15
c. Grafik Peramalan
2.2.3.3 ARIMA
a. Uji Stasioneritas (Uji Augmented Dickey – Fuller)
Level 0
Berisi uji hipotesis dari H0 sampai kesimpulan
Kalau tidak lolos lanjut level 1
b. Identifikasi ACF (Autocorrelation Function) dan PACF (Partial Auto
Correlation Function)
(level sesuai dengan hasil uji stasioner)
Berisi output software, penjelasan, dan pemilihan model ARIMA berdasarkan
identifikasi AC dan PAC.
Model yang dipilih = 3
c. Estimasi Parameter
Uji hipotesis untuk parameter X (misal X adalah MA2 (0,1,2))
Berisi uji hipotesis dari H0 sampai kesimpulan
Uji hipotesis untuk parameter Y
Berisi uji hipotesis dari H0 sampai kesimpulan
Uji hipotesis untuk parameter Z
Berisi uji hipotesis dari H0 sampai kesimpulan
d. Uji Residual
1. Uji Correlogram
Uji Correlogram Model X (Uji Correlogram AR(1,0,0))
Berisi output software dan analisisnya
Uji Correlogram Model Y
Idem
Uji Correlogram Model Z
Idem
2. Uji Heteroskesdastisitas
Uji Heteroskesdastisitas Model X
Berisi uji hipotesis dari H0 sampai kesimpulan
Uji Heteroskesdastisitas Model Y
16
idem
Uji Heteroskesdastisitas Model Z
idem
3. Uji Normalitas
Uji Normalitas Model X
Berisi uji hipotesis dari H0 sampai kesimpulan
Uji Normalitas Model Y
Idem
Uji Normalitas Model Z
Idem
e. Pemilihan Model ARIMA
Berisi tabel rekap perbandingan model arima dan analisis pemilihan model
ARIMA.
Model ARIMA Terpilih
Parameter AR(1,0,0) Model Y Model Z
C Sig.
ϕ1 Sig.
θ1 -
AIC 19,78852
SC 19,90215
Collerogram Lolos
Uji
Heteroskesdastisitas Tidak Lolos
Residual
Normalitas Lolos
f. Hasil Peramalan
Berisi tabel hasil peramalan dari software
Hasil Forecast ARIMA Ouput Eviews
t Xt Ft
1 3973 27131,79
2 4622 27131,79
3 4623 27131,79
dst
g. Perhitungan Error
Berisi contoh perhitungan, tabel perhitungan error, dan perhitugan metode
error yang digunakan
17
h. Grafik Peramalan
Berisi grafik peramaan dengan excel dan eviews
Manual Excel
Software Eviews
2.2.4 Hasil Rekap Perhitungan Error
Berisi tabel rekap perhitungan error masing-masing metode peramalan dan
analisis metode mana yang terpilih.
Rekapitulasi Perhitungan Error Metode Peramalan
Metode Metode X Metode Y ARIMA
MAPE
Metode X
Metode Y
dst
18
BAB III
KESIMPULAN
19
DAFTAR PUSTAKA