1

Metode Peramalan
(Minggu ke-1)
Dr. Seli Siti Sholihat S.Si., M.Si.
 2

Tujuan Pembelajaran

 Memahami Perspektif Peramalan

 Metode peramalan sederhana
 Metode Pemulusanan eksponensial sederhana
 Metode Holt’s linear trend dan Holt-Winter
 3
Peramalan?

 Peramalan dalah suatu proses untuk memperkirakan kebutuhan

ataupun kejadian di masa yang akan datang. Hal ini berguna tuk
menjadi bagian penting dalam perencanaan dan manajemen.
 4

Mengapa (why)

 Peramalan mampu menentukan waktu yang

tepat suatu peristiwa yang akan Penjadwalan
tercapai/terjadi sehingga keputusan/aksi (produksi, transportasi)
tepat dapat dilakukan.
 Peramalan mendukung pembuatan Pengaturan
perencanaan di dalam manajemen dan
administrasi menjadi efektif dan efisien, Sumber daya
contohnya perencanaan jumlah produksi
berdasarkan penjualan atau permintaan. Penentuan
 Peramalan menjadi suatu dasar dalam Sumber daya di
penentuan keputusan bagi para ilmuwan masa depan
menghadapi suatu fenomena, contohnya
perubahan iklim, suhu, curah hujan, dll.
 5

Fakta mengenai peramalan

1. Peramalan bersifat tidak sempurna

2. Peramalan lebih akurat jika diberikan beberapa data
dibandingkan oleh hanya satu data
3. Peramalan lebih akurat untuk memprediksi dalam waktu
yang pendek dibandingkan waktu yang panjang.
Langkah-langkah dasar dalam
6

peramalan

 Tentukan apa yang perlu diprediksi: secara detail, unit

analisis & cakrawala waktu diperlukan
 Mengevaluasi dan menganalisis data yang sesuai:
mengidentifikasi data yang dibutuhkan & apakah itu
tersedia
 Memilih dan menguji model peramalan pada data
 Hasilkan perkiraan
 Memantau akurasi perkiraan dari waktu ke waktu
 7

Metode peramalan

 Menurut Makridaktis, Metode Peramalan di klasifikasikan menjadi dua

-Bersifat subjektif, dipengaruhi oleh

intuisi, emosi, pendidikan dan pengalaman Metode Delphi
Kualitatif seseorang sehingga hasil peramalan dari
satu orang dengan orang lain dapat
berbeda. Market survey
-Kurang akurat/tepat
-digunakan saat data historis belum
tersedia. Opini eksekutif

-Bersifat objektif dengan

Kuantitatif penggunaan model matematis atau Model Deret
metode statistik dan data historis Waktu/ time series
dan atau variabel-variabel kausal
-Konsisten
-Digunakan saat data historis Metode kausal:
tersedia regresi
 8

Metode Kualitatif

Tipe Karakteristik Keuntungan kekurangan

Eksekutif Beberapa Manajer berdiskusi Stategi baik untuk Opini seseorang dapat
opinion untuk penentuan strategi produk baru mendominasi

Market Melakukan survey dan Mampu menangkap Kuisioner/interview

Research interview untuk mengetahui permintaan pasar membutuhkan biaya
permintaan pasar serta sulit dilakukan

Metode Delphi menggunakan pandangan dan Meramalkan dalam Membutuhkan waktu

kesepakatan dari sekelompok jangka-panjang yang lama
ahli yang berasal dari berbagai
bidang kerja atau industri.

Metode Kuantitatif
Tipe Karakteristik
Metode Runtun -Diasumsikan informasi untuk
Waktu meramalkan terdapat pada
(Time Series) data runtun waktu.
-Diasumsikan bahwa pola data
masa depan di pengaruhi oleh
pola data masa lalu
Metode Kausal - Mempelajari hubungan sebab-
Regresi akibat
-Menggunakan indicator
tertentu untuk Prediksi
9
Keuntungan kekurangan
Peramalan dapat Sangat bergantung pada
dilakukan dengan ketersediaan data di setiap
satuan waktu. (harian,
mingguan, bulanan, tahunan)
Dapat menggunakan
data yang tersedia
 10

Beberapa pola runtun waktu

 11
Dasar-Dasar Perhitungan
Akurasi


 12
Dasar-Dasar Perhitungan
Statistik

 Statistik dua variable

- Kovariansi
- Koefisien korelasi
- Autokorelasi (lag-k)
 13
Dasar-Dasar Perhitungan
interval Prediksi

 Interval Prediksi
 14

Model Time Series

 Beberapa pola to be forecasted:

 Level (long-term average) – data fluctuates around a
constant mean
 Trend – data exhibits an increasing or decreasing pattern
 Seasonality – any pattern that regularly repeats itself and is
of a constant length
 Cycle – patterns created by economic fluctuations
Metode Peramalan Sederhana 15

 Naïve (NF1):
Perkiraan ini sama dengan nilai aktual yang diamati selama
periode terakhir
 Simple Mean:
Rata-rata semua data yang tersedia
 Moving Average:
 Nilai rata-rata selama periode waktu yang ditetapkan
(misalnya: empat minggu terakhir)
 Setiap perkiraan baru menjatuhkan titik data tertua &
menambahkan pengamatan baru
 Lebih responsif terhadap tren tetapi masih tertinggal
dari data aktual
Metode Pemulusan eksponensial 16

Sederhana
 17
Metode Pemulusan Eksponensial:
Holt’s linear trend

Inisialisasi: 𝐿 = 𝑌 ; 𝑏 = 𝑌 − 𝑌
Metode Pemulusan Eksponensial: 18
Metode Holt’s Winter

Winter
 19
Metode Holt’s Winter

Inisialisasi: 𝐿 = 𝑌 + 𝑌 + 𝑌 + ⋯+ 𝑌

𝑆 = 𝑌 − 𝐿 ; 𝑆 = 𝑌 − 𝐿 ; …..;𝑆 = 𝑌 − 𝐿
Metode Holt’s Winter 20

: Estimasi level dari rangkaian data periode ke-t

: Estimasi kemiringan tren pada periode ke-t
: Estimasi panjang musiman pada periode ke-t
: Banyaknya periode ke depan yang ingin diramalkan
: Panjang musiman
 21
Metode Holt’s Winter

Inisialisasi: 𝐿 = 𝑌 + 𝑌 + 𝑌 + ⋯+ 𝑌

𝑆 = ;𝑆 = ; …..;𝑆 =
TUGAS 22

Exercise Chapter 4. Buku Makridakis, No 4.1, 4.2,4.3, 4.4 dan 4.5 (a,b,c)
 Referensi 23

Makridakis, S. G., Wheelwright, S. C., dan Hyndman, R. J. Forecasting

Methods and Application, 2nd Ed, Wiley, 1997