FORECASTING
Dosen Pengampu :
Anggota Kelompok :
TAHUN 2022
BAB I
PENDAHULUAN
LANDASAN TEORI
2.1 Forecasting
Terdapat beberapa metode forecasting yang dapat digunakan dalam membuat atau
memperhitungkan sebuah peramalan, diantaranya :
Keterangan :
Y’ = variabel yang dicari nilai trendnya
x = variabel waktu
a = bilangan konstan/nilai trend pada waktu dasar
b = rata-rata pertumbuhan dari nilai trend pada tiap waktu
Peramalan (forecasting) tidak selamanya menghasilkan hasil yang valid atau tepat,
karena hasil dari peramalan (forecasting) ini belum tentu sesuai dengan kenyataan
yang sebenarnya, masih ada faktor yang berasal dari luar atau eksternal yang
membuat peramalan perlu menyesuaikan diri. Oleh sebab itu, peramalan
membutuhkan perhitungan kembali untuk meminimumkan kesalahannya (forecast
error) dengan berbagai metode diantaranya MAD (Mean Absolute Deviation), MSE
(Mean Squared Error), dan MAPE (Mean Absolute Percentage Error)
1. Metode MAD (Mean Absolute Deviation) atau rata-rata deviasi mutlak, pada
metode ini nilai peramalan dilihat berdasarkan rata-rata dari kesalahan mutlak
sepanjang waktu tertentu, tanpa melihat besar atau kecilnya nilai peramalan
dibandingkan dengan nilai kenyataannya.
2. Metode MSE (Mean Squared Error) atau rata-rata kuadrat kesalahan, pada
metode ini tingkat kesalahan forecasting dihitung dengan menjumlahkan semua
kesalahan pada setiap periode peramalan lalu dibagi dengan jumlah periode
peramalan.
3. MAPE (Mean Absolute Percentage Error) atau rata-rata presentase kesalahan
absolut, metode ini biasanya lebih akurat dibanding MAD dan MSE karena
memberikan informasi mengenai presentase kesalahan dari hasil peramalan
apakah terlalu tinggi atau justru terlalu rendah.
Rumus Keterangan
∑ ⎸𝑌1−𝑌𝑡 ⎸ Y1 = nilai actual periode t
MAD = 𝑛
Yt = hasil peramalan periode t
n = banyaknya periode yang dihitung
∑(𝑌1−𝑌𝑡)2 Y1 = nilai actual periode t
MSE = 𝑛
Yt = hasil peramalan periode t
n = banyaknya periode yang dihitung
∑ ⎸(𝑌1−𝑌𝑡)⎸
MAPE = x 100% Y1 = nilai actual periode t
𝑌1
Yt = hasil peramalan periode t
𝑛
n = banyaknya periode yang dihitung
Di mana:
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
α = konstanta penghalusan (0 ≤ α ≤ 1)
At-1 = permintaan aktual periode lalu
Penghalusan eksponensial sederhana tidak memberikan respon terhadap
tren yang terjadi. Inilah alasan penghalusan eksponensial harus diubah saat ada
tren. Rumus penghalusan eksponensial dengan penyesuaian tren dapat
ditunjukan sebagai berikut:
Di mana:
Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada
periode t
Tt = tren dengan eksponensial yang dihaluskan pada periode t
Ft-1 = peramalan sebelumnya
Β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1)
3. Peramalan Trend
Proyeksi Tren (trend projection) adalah teknik menyesuaikan garis tren
pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa
datang untuk peramalan jangka menengah atau jangka panjang. Persamaan
secara matematis ditulis sebagai berikut:
ŷ = a + bx
Di mana:
ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terikat)
a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan y untuk perubahan yang terjadi
di x)
x = variabel bebas
BAB III
PEMBAHASAN
By : Xoxo Fashion
Uraian Produk Hoodie yang terdapat pada Xoxo Fashion dengan desain yang elegan,
serta menambah aksesoris pada hoodie agar terihat lebih menarik dan
berbeda dari yang pernah ada.
Menambah keindahan dan kepuasan desain hoodie bagi para anak muda
yang menyukai fashion.
Supplier Hoodie
Distributor
Berikut merupakan data historis dari permintaan aktual terhadap produk Hoodie Xoxo
Fashion selama 36 bulan terakhir :
Keterangan :
a : Nilai konstan
n : Jumlah periode peramalan
Y(t) : Data ke-t
Berikut adalah peramalan permintaan Hoodie Xoxo Fashion untuk 5 bulan kedepan
menggunakan model konstan :
Tabel 3.2.1 Model Konstan
Periode Bulan Demand Peramalan
1 Jan-11 11307 17177
2 Feb-11 10881 17177
3 Mar-11 11251 17177
4 Apr-11 11589 17177
5 Mei-11 11146 17177
6 Jun-11 11231 17177
7 Jul-11 10425 17177
8 Agu-11 10586 17177
9 Sep-11 11357 17177
10 Okt-11 10841 17177
11 Nov-11 11845 17177
12 Des-11 13762 17177
13 Jan-12 10684 17177
14 Feb-12 12094 17177
15 Mar-12 16945 17177
16 Apr-12 13426 17177
17 Mei-12 15438 17177
18 Jun-12 12495 17177
19 Jul-12 14045 17177
20 Agu-12 16290 17177
21 Sep-12 12094 17177
22 Okt-12 20387 17177
23 Nov-12 20418 17177
24 Des-12 29401 17177
25 Jan-13 24310 17177
26 Feb-13 28540 17177
27 Mar-13 24568 17177
28 Apr-13 32100 17177
29 Mei-13 35981 17177
30 Jun-13 30129 17177
31 Jul-13 30921 17177
32 Agu-13 38534 17177
33 Sep-13 34215 17177
34 Okt-13 31267 17177
35 Nov-13 11371 17177
36 Des-13 17975 17177
37 Jan-14 17177
38 Feb-14 17177
39 Mar-14 17177
Dengan menggunakan model konstan untuk meramalkan permintaan Hoodie Xoxo
Fashion 3 bulan kedepan diperoleh hasil17177. Untuk menghitung kesalahan ramalan
maka digunakan Mean Absolute Deviation (MAD) Diawali dengan menghitung Forecast
Error (FE), Cumulative Forecast Error (CFE), dan Mean Absolute Deviation (MAD),
yang didasarkan pada data historis. Berikut adalah perhitungan untuk MAD
menggunakan model konstan :
10,00
5,00
0,00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
-5,00 TS
UCL
-10,00 LCL
-15,00
-20,00
-25,00
Dilihat pada gambar 3.1 peramalan untuk 3 bulan kedepan pada penjualan Hoodie
Xoxo Fashion terdapat beberapa nilai yang melewati batas kontrol, maka peramalan
tersebut perlu ditinjau kembali, karena akurasi peramalan tidak dapat diterima.
Y’(t) = a + b(t)
Konstanta a dan b ditentukan dari data mentah berdasarkan Kriteria Kuadrat Terkecil
(least square criterion). Dimana a dan b dapat dihitung dengan rumus berikut:
𝑛 ∑𝑛 𝑛 𝑛
𝑖=0 𝑡𝑌(𝑡)− ∑𝑖=0 𝑌(𝑡) ∑𝑖=0 𝑡
b= 2
∑𝑛 2 𝑛
𝑖=0 𝑡 −(∑𝑖=0 𝑡)
∑n n
i=0 Y(t)−b ∑i=0 t
a= n
Berikut adalah peramalan permintaan Hoodie Xoxo Fashion untuk 5 bulan kedepan
menggunakan model regresi linier :
Periode Demand
Y(t)*t t^2
t y(t)
1 11307 11307 1
2 10881 21762 4
3 11251 33753 9
4 11589 46356 16
5 11146 55730 25
6 11231 67386 36
7 10425 72975 49
8 10586 84688 64
9 11357 102213 81
10 10841 108410 100
11 11845 130295 121
12 13762 165144 144
13 10684 138892 169
14 12094 169316 196
15 16945 254175 225
16 13426 214816 256
17 15438 262446 289
18 12495 224910 324
19 14045 266855 361
20 16290 325800 400
21 12094 253974 441
22 20387 448514 484
23 20418 469614 529
24 29401 705624 576
25 24310 607750 625
26 28540 742040 676
27 24568 663336 729
28 32100 898800 784
29 35981 1043449 841
30 30129 903870 900
31 30921 958551 961
32 38534 1233088 1024
33 34215 1129095 1089
34 31267 1063078 1156
35 37890 1326150 1225
36 35678 1284408 1296
Total 16488570 16206
Dari tabel 3.4.1 didapatkan hasil perhitungan untuk 36 periode. Dari hasil perhitungan
tersebut maka didapatkan persamaan regresi sebagai berikut :
PERSAMAAN REGRESI
Y = -38,86 + (8162,69) t
Tabel 3.4.2 adalah data peramalan untuk 3 bulan kedepan pada Hoodie Xoxo Fashion
yang diproduksi oleh perusahaan Indonesia. Untuk mengetahui keakurasian peramalan
menggunakan model regresi linier maka dilakukan perhitungan menggunakan Mean
Absolute Deviation (MAD) Diawali dengan menghitung Forecast Error (FE), Cumulative
Forecast Error (CFE), dan Mean Absolute Deviation (MAD), yang didasarkan pada data
historis. Berikut adalah perhitungan untuk MAD menggunakan model regresi linier :
Tabel 3.4.3 Mean Absolute Deviation (MAD) Model Regresi Linear
10
8
6
4
2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
-2
-4
-6
-8
-10
TS UCL LCL
Dilihat pada gambar 3.2 peramalan untuk 3 bulan kedepan pada produk Hoodie Xoxo
Fashion jugamelewati batas kontrol, maka peramalan tersebut perlu di tinjau ulang.
1.3.4 Model Moving Average Forecasting
Berikut adalah peramalan permintaan pada produk Sporty Velg For City Car untuk
5 bulan kedepan menggunakan model Simple Moving Average, pada kasus ini periode
(t) yang digunakan adalah 5, artinya rata-rata bergerak dalam periode 5 bulanan, maka
peramalan untuk 5 bulan kedepan dapat disajikan dalam tabel berikut :
6 11231 11.235
7 10425 11.220
8 10586 11.128
9 11357 10.995
10 10841 10.949
11 11845 10.888
12 13762 11.011
13 10684 11.678
14 12094 11.698
15 16945 11.845
16 13426 13.066
17 15438 13.382
18 12495 13.717
19 14045 14.080
20 16290 14.470
21 12094 14.339
22 20387 14.072
23 20418 15.062
24 29401 16.647
25 24310 19.718
26 28540 21.322
27 24568 24.611
28 32100 25.447
29 35981 27.784
30 30129 29.100
31 30921 30.264
32 38534 30.740
33 34215 33.533
34 31267 33.956
35 37890 33.013
36 35678 34.565
Dari tabel 3.5.1 diperoleh hasil peramalan untuk 3 bulan kedepan pada penjualan
produk Hoodie Xoxo Fashion sebesar 34.565 menggunakan model simple moving average.
Untuk mengetahui keakurasian model ini maka dilakukan perhitungan menggunakan Mean
Absolute Deviation (MAD) Diawali dengan menghitung Forecast Error (FE), Cumulative
Forecast Error (CFE), dan Mean Absolute Deviation (MAD), yang didasarkan pada data
historis. Berikut adalah perhitungan untuk MAD menggunakan model simple moving
average untuk 3 periode:
Tabel 3.5.2 Mean Absolute Deviation (MAD) Model Simple Moving Average
10
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
-2
-4
-6
TS UCL LCL
Dilihat pada gambar 3.3 peramalan untuk 3 bulan kedepan pada produk
Hoodie Xoxo Fashion hampir semua nilai yang melewati batas kontrol, maka
peramalan tersebut perlu ditinjau kembali, karena akurasi peramalan tidak dapat
diterima.
Dari tabel 3.5.3 diperoleh hasil peramalan untuk 5 bulan kedepan pada
penjualan produk Hoodie Xoxo Fashion sebesar 3567 menggunakan model
centered moving average. Untuk mengetahui keakurasian model ini maka
dilakukan perhitungan menggunakan Mean Absolute Deviation (MAD) Diawali
dengan menghitung Forecast Error (FE), Cumulative Forecast Error (CFE), dan
Mean Absolute Deviation (MAD), yang didasarkan pada data historis. Berikut
adalah perhitungan untuk MAD menggunakan model centered moving average
untuk 5 periode:
Tabel 3.5.4 Mean Absolute Deviation (MAD) Model Centered Moving Average
5
4
3
2
1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
-1
-2
-3
-4
-5
TS UCL LCL
Dilihat pada gambar 3.4 peramalan untuk 3 bulan kedepan pada produk
Hoodie Xoxo Fashion tidak ada nilai yang melewati batas kontrol, maka peramalan
tersebutakurat dan dapat diterima,sekaligus dalam kasus ini metode moving
average yang terpilih.
F : Ramalanuntukperiodeberikutnya
Penetapan nilai konstanta memiliki andil yang penting dalam menghasilkan hasil
ramalan yang valid.
Berikut adalah peramalan permintaan produk Hoodie Xoxo Fashion untuk 3 bulan
kedepan menggunakan model Eksponential Smoothing Forecasting. Dalam kasus ini
perhitungan peramalan dengan α sebesar 0,9 , maka peramalan untuk 3 bulan kedepan dapat
disajikan dalam tabel berikut :
Dari tabel 3.6.1 diperoleh hasil peramalan untuk 3 bulan kedepan pada penjualan
produk Hoodie Xoxo Fashion sebesar 37567 menggunakan model eksponential smoothing
forecasting. Untuk mengetahui keakurasian model ini maka dilakukan perhitungan
menggunakan Mean Absolute Deviation (MAD) Diawali dengan menghitung Forecast
Error (FE), Cumulative Forecast Error (CFE), dan Mean Absolute Deviation (MAD), yang
didasarkan pada data historis. Berikut adalah perhitungan untuk MAD menggunakan model
eksponential smoothing forecasting dengan α sebesar 0,9 :
Tabel 3.6.2 Mean Absolute Deviation (MAD) Model Eksponential Smoothing Forecasthing
Judul Bagan
5,00
4,00
3,00
2,00
1,00
0,00
-1,00 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
-2,00
-3,00
-4,00
-5,00
TS UCL LCL
Dilihat pada gambar 3.5 peramalan untuk 3 bulan kedepan pada produk Hoodie Xoxo
Fashion nilai tidak ada yang melewati batas kontrol, maka peramalan tersebut akurat dapat
diterima.
Setelah peramalan selesai dilakukan dengan beberapa metode yang telah disebutkan
diatas, langkah selanjutnya adalah memilih model peramalan manakah yang akan dijadikan
sebagai acuan dalam rencana kerja produksi perusahaan Indonesia dengan produk Hoodie
Xoxo Fashion. Berikut adalah hasilnya :
Tabel 3.7 Rekapitulasi MAD (Mean Absolute Deviation)
MODEL
Nilai Konstan Regresi Linier SMA 5 CMA 5 Eksponential
MAD Smoothing
Dari tabel 3.7 diperoleh hasil rekapitulasi MAD untuk 5 model dalam melakukan
peramalan untuk lima bulan kedepan. MAD tersebut didapat dari hasil minimal atau yang
lebih mendekati 0 dari MAD yang lainnya.
Bila dilihat dari tabel 3.7 maka MAD terkecil adalah yang paling mendekati 0, yaitu
1097,48. Maka dipilihlah model regresi linier. Berikut adalah MAD terkecil dan di periksa
keakuratannya menggunakan peta kontrol tracking signal. Telah dijelaskan diatas pada bab
1.3.3 model regresi linier dengan nilai MAD serta peta kontrol berikut ini :
Tabel 3.8 Mean Absolute Deviation (MAD) Model Regresi Linier
-4
-6
-8
-10
TS UCL LCL
Dari grafik diatas dapat diketahui bahwa terdapat nilai yang melewati garis kontrol
sehingga model ini juga belum dapat diterima.
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dari beberapa model yang telah digunakan yaitu model konstan, regresi linier, simple
moving average, centered moving average, dan eksponential smoothing forecasting untuk
melakukan peramalan permintaan terhadap produk Hoodie pada perusahaan Xoxo Fashion
berikut adalah hasilnya :
1. Model regresi linier dilihat dari hasil MAD merupakan MAD terkecil sehingga model ini
adalah model terbaik yang digunakan karena akurat dan dapat diterima.
2. Model Central Moving Average (CMA) dilihat dari grafiknya tidak ada yang melewati
batas kontrol, sehingga model ini layak digunakan.
3. Model eksponential smoothing dilihat dari grafiknya tidak ada yang melewati batas
kontrol, tetapi model ini memiliki nilai MAD lebih besar daripada nilai MAD regresi
linier sehingga rentan apabila digunakan.
Dari hasil rekapan diatas, maka dipilih model terbaik yaitu model regresi linier karena
grafik yang ditunjukkan tidak melebihi batas kontrol dan memiliki nilai MAD terkecil atau
mendekati 0 sehingga model ini layak digunakan dengan keakurasian yang tidak
diragunkan.
4.2 Saran
2.Selain metode CMA metode Exponential Smoothing dapat di jadikan sebagai cadangan.
Daftar Pustaka
[3] S.Hansun, "Peramalan data IHSG Menggunakan Fuzzy Time Series," Vols. 6,NO2,
2012.