Modul 1 Forecasting PDF

LAPORAN PRAKTIKUM
PERANCANGAN TEKNIK INDUSTRI

MODUL 1
FORECASTING
Disusun Oleh:
Kelompok 8
1. Artati Rut P. Girsang 21070114120062
2. Alif Mawaddah Alfiana 21070114130088
3. Yohana S T Siahaan 21070114140092
4. Stefanus Kris Hertanto 21070114130101
5. Andy Imanuel 21070114140120
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2016
i
KATA PENGANTAR
Puji dan syukur kami panjatkan kehadirat Tuhan YME, karena atas limpahan
rahmat dan karunianya, kami berhasil menyelesaikan laporan praktikum Perancangan
Teknik Industri modul 1 Forecasting ini dengan baik. Laporan ini kami susun untuk
melengkapi tugas praktikum Perancangan Teknik Industri Program Studi Teknik Industri
Universitas Diponegoro.
Penyusunan laporan ini telah terselesaikan berkat bantuan banyak pihak, baik
pada saat pelaksanaan praktikum maupun pada saat penyusunan laporan praktikum
Perancangan Teknik Industri pada modul 1 Forecasting. Oleh karena itu, penyusun
mengucapkan terima kasih yang sebesar – besarnya kepada :
1. Ibu Dr. Aries Susanti, ST, MT. selaku dosen pembimbing praktikum PTI
2. Seluruh Asisten Laboratorium OPSI yang telah membimbing kami dalam
melakukan praktikum dan menyusun laporan praktikum Perancangan Teknik
Industri modul 1 Forecasting ini.
3. Segenap rekan – rekan mahasiswa Teknik Industri Universitas Diponegoro yang
telah membantu dalam banyak hal dalam penyusunan laporan ini.
4. Seluruh pihak yang telah membantu penyelesaian laporan modul 1 Forecasting
ini dengan baik secara langsung maupun tidak langsung yang tidak mungkin kami
sebutkan satu-persatu.
Namun, dalam penyusunan laporan ini kami menyadari masih terdapat banyak
kekurangan. Oleh karena itu, saran dan kritik yang membangun sangat kami harapkan.
Akhir kata, semoga laporan ini bermanfaat bagi penyusun selaku praktikan pada
khususnya dan seluruh pihak pada umumnya.
Semarang, 8 September 2014
Penyusun
ii
DAFTAR ISI
KATA PENGANTAR ......................................................................................................ii

DAFTAR ISI ....................................................................................................................iii
DAFTAR TABEL ............................................................................................................. v
DAFTAR GAMBAR ...................................................................................................... vii
BAB I PENDAHULUAN ................................................................................................. 1
1.1 Latar Belakang ................................................................................................... 1

1.2 Perumusan Masalah ............................................................................................ 1
1.3 Tujuan Penulisan ................................................................................................ 2
1.4 Pembatasan Masalah .......................................................................................... 2
1.5 Sistematika Penulisan ......................................................................................... 3
BAB II TINJAUAN PUSTAKA....................................................................................... 4
2.1 Peramalan ........................................................................................................... 4

2.2 Metode-Metode Deret Waktu (Time Series) ...................................................... 7
2.3 Metode-Metode Kausal .................................................................................... 10
2.4 Pemilihan Metode Peramalan ........................................................................... 11
2.5 Verifikasi dan Validasi Model Peramalan ........................................................ 11
2.6 Ekonometrika ................................................................................................... 13
2.7 EViews ............................................................................................................. 14
2.8 SPSS ................................................................................................................. 14
2.9 Minitab ............................................................................................................. 15
BAB III METODOLOGI PRAKTIKUM ....................................................................... 16

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA .......................................... 18
4.1 Pengumpulan Data ........................................................................................... 18

4.2 Pengolahan Data ............................................................................................... 20
4.2.1 Plot Data ...................................................................................................... 22

4.2.2 Pemilihan Demand ...................................................................................... 24
4.2.3 Peramalan .................................................................................................... 26
iii
4.2.4 Verifikasi ..................................................................................................... 90
4.2.5 Validasi ....................................................................................................... 91
4.2.6 Hasil Peramalan .......................................................................................... 98
BAB V ANALISIS ....................................................................................................... 100
5.1 Analisis Pola Data Konstan ............................................................................ 100
5.1.1 Analisis Semua Metode Peramalan ........................................................... 100

5.1.2 Analisis Metode Terpilih........................................................................... 102
5.1.3 Analisis Validasi ....................................................................................... 102
5.2 Analisis Pola Data Linier ............................................................................... 103
5.2.1 Analisis Semua Metode Peramalan ........................................................... 103

5.2.2 Analisis Metode Terpilih........................................................................... 106
5.2.3 Analisis Validasi ....................................................................................... 107
BAB VI PENUTUP ...................................................................................................... 108
6.1 Kesimpulan ..................................................................................................... 108

6.2 Saran ............................................................................................................... 109
DAFTAR PUSTAKA
LAMPIRAN
iv
DAFTAR TABEL
tabel 2.1 Pemilihan Metode Peramalan ........................................................................... 11
Tabel 4.1 Data Historis Permintaan ................................................................................ 18
Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak ............................................ 20
Tabel 4.3 Segmen Terpilih .............................................................................................. 24
Tabel 4.4 Perhitungan Manual 3 Sma ............................................................................. 27
Tabel 4.5 Error Metode 3 Sma ........................................................................................ 31
Tabel 4.6 Perhitungan Manual 5 Sma ............................................................................. 31
Tabel 4.7 Perhitungan Error Manual 5 Sma.................................................................... 35
Tabel 4.8 Peramalan Dengan Metode 3 Wma ................................................................ 36
Tabel 4.9 Perhitungan 3 Wma Dengan Software Winqsb .............................................. 38
Tabel 4.10 Perhitungan Error Manual 3 Wma ................................................................ 41
Tabel 4.11 Perhitungan Software 3 Wma ....................................................................... 42
Tabel 4.12 Perhitungan Manual 5 Wma ......................................................................... 42
Tabel 4.13 Perhitungan Winqsb 5 Wma ......................................................................... 45
Tabel 4.14 Error Metode 5 Wma Manual ....................................................................... 48
Tabel 4.15 Error Metode 5 Wma Software ..................................................................... 48
Tabel 4.16 Peramalan Metode 3 Cma ............................................................................. 49
Tabel 4.17 Rekapitulasi Perhitungan Error 3 Cma......................................................... 53
Tabel 4.18 Perhitungan Manual Metode Dest................................................................. 54
Tabel 4.19 Output Winqsb Dest ...................................................................................... 56
Tabel 4.20 Perhitungan Manual Nilai Error Metode Dest ............................................ 60
Tabel 4.21 Error Software Metode Dest ........................................................................ 60
Tabel 4.22 Perhitungan Manual Des ............................................................................... 61
Tabel 4.23 Peramalan DES Software .............................................................................. 63
Tabel 4.24 Perhitungan Error Manual Metode Double Eksponential Smoothing .......... 67
Tabel 4.25 Error Des Software........................................................................................ 67
Tabel 4.26 Perhitungan Sest Manual .............................................................................. 67
Tabel 4.27 Perhitungan Software Sest ............................................................................ 70
Tabel 4.28 Perhitungan Error .......................................................................................... 73
Tabel 4.29 Perhitungan Error Sest .................................................................................. 74
v
Tabel 4.30 Perhitungan Manual Regresi ......................................................................... 74
Tabel 4.31 Peramalan Metode Regresi Software ............................................................ 77
Tabel 4.32 Error Metode Regresi .................................................................................... 80
Tabel 4.33 Error Metode Regresi Software .................................................................... 80
Tabel 4.34 Hasil Forecast Arima .................................................................................... 87
Tabel 4.35 Perhitungan Error Arima .............................................................................. 90
Tabel 4.36 Rekap Verifikasi Data Konstan..................................................................... 90
Tabel 4.37 Rekap Verifikasi Data Linier ........................................................................ 90
Tabel 4.38 Uji T Data Pola Konstan ............................................................................... 91
Tabel 4.39 Perhitungan Tracking Signal ......................................................................... 92
Tabel 4.40 Uji T Data Pola Linier ................................................................................... 94
Tabel 4.41 Perhitungan Moving Range .......................................................................... 95
Tabel 4.42 Hasil Peramalan Keseluruhan ....................................................................... 98
Tabel 4.43 Persentase Data Konstan ............................................................................... 98
Tabel 4.44 Hasil Peramalan Per-Unit Produk ................................................................. 99
Tabel 5.1 Perbandingan Error Manual dan Sofware Metode Sma................................ 100
Tabel 5.2 Perbandingan Error Manual dan Sofware Metode Wma .............................. 101
Tabel 5.3 Perbandingan Error Manual dan Sofware Metode Cma ............................... 102
Tabel 5.4 Perbandingan Error Manual dan Sofware Metode Des ................................ 104
Tabel 5.5 Perbandingan Error Manual dan Sofware Metode Sest ................................ 104
Tabel 5.6 Perbandingan Error Manual dan Sofware Metode Dest ............................... 105
Tabel 5.7 Perbandingan Error Manual dan Sofware Metode Regresi ......................... 106
vi
DAFTAR GAMBAR
Gambar 3.1 Metodologi Penelitian ................................................................................. 16
Gambar 4.1 Plot Data Segmen Koleksi........................................................................... 22
Gambar 4.2 Plot Data Segmen Style ............................................................................... 22
Gambar 4.3 Plot Data Segmen Lomba ............................................................................ 23
Gambar 4.4 Plot Data Segmen Remaja ........................................................................... 23
Gambar 4.5 Plot Data Segmen Anak-Anak .................................................................... 24
Gambar 4.6 Grafik Peramalan 3 SMA Manual ............................................................... 30
Gambar 4.7 Grafik Peramalan 3 SMA Minitab .............................................................. 30
Gambar 4.8 Grafik Manual 5 SMA................................................................................. 34
Gambar 4.9 Grafik Peramalan 5 SMA Minitab .............................................................. 35
Gambar 4.10 Grafik Demand dan Peramalan 3WMA Excel .......................................... 41
Gambar 4.11 Grafik Demand dan Peramalan 3WMA Winqsb....................................... 41
Gambar 4.12 Grafik Peramalan 5 WMA Manual ........................................................... 47
Gambar 4.13 Grafik Peramalan 5 WMA Winqsb ........................................................... 47
Gambar 4.14 Grafik 3 CMA ........................................................................................... 52
Gambar 4.15 Grafik Output Software Minitab ............................................................... 53
Gambar 4.16 Grafik Manual Metode DEST .................................................................. 59
Gambar 4.17 Grafik Software DEST .............................................................................. 59
Gambar 4.18 Grafik Perhitungan Manual DES .............................................................. 66
Gambar 4.19 Grafik Perhitungan Software DES ............................................................ 66
Gambar 4.20 Grafik Peramalan Metode SEST ............................................................... 72
Gambar 4.21 Grafik Winqsb SEST................................................................................. 73
Gambar 4.22 Grafik Peramalan Regresi Manual ............................................................ 79
Gambar 4.23 Grafik Peramalan Regresi Software .......................................................... 79
Gambar 4.24 Uji Stasioner Level 0 ................................................................................ 81
Gambar 4.25 Uji Stasioner Level 1 ................................................................................ 82
Gambar 4.26 Correlogram Level 1 ................................................................................. 82
Gambar 4.27 Uji Hipotesis untuk parameter C (1,0,1) ................................................... 83
Gambar 4.29 Uji Hipotesis untuk parameter MA(1) ..................................................... 85
Gambar 4.30 Grafik Normal Output EViews ................................................................ 86
vii
Gambar 4.31 Uji Correlogram ........................................................................................ 86
Gambar 4.32 Grafik Forecast ARIMA Output EViews .................................................. 89
Gambar 4.33 Grafik Tracking Signal .............................................................................. 94
Gambar 4.34 Grafik Moving Range DEST..................................................................... 97
viii
Laporan Praktikum Perancangan Teknik Industri
Modul 1 - Forecasting
Kelompok 8
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perusahaan yang baru terbentuk akan selalu menentukan jumlah produksi produk
yang akan dibuat selama perusahaan tersebut berdiri, jika terjadi kesalahan dalam
menentukan jumlah produksi, maka perusahaan bisa rugi dan bahkan bangkrut. Saat
perusahaan memproduksi terlalu banyak dibandingkan dengan permintaan, perusahaan
akan rugi karena timbulnya biaya inventory yang berlebih. Jika perusahaan memproduksi
lebih sedikit dari permintaan, kerugian juga sudah pasti akan melanda perusahaan
dikarenakan hilangnya kepercayaan pelanggan. Kerugian-kerugian tersebut bisa
diminimalisasi dengan menggunakan metode forecasting.
Forecasting mempunyai definisi sebagai kegiatan memprediksi tingkat permintaan
untuk suatu produk atau beberapa produk dalam kurung waktu tertentu di masa yang akan
datang (John E. Biegel, 1999). Forecasting dapat membantu menentukan perencanaan
lanjutan bagi produk-produk yang ada untuk dikerjakan dengan fasilitas yang ada
berdasarkan prediksi jumlah permintaan. Peramalan mempunyai peran penting dalam
proses bisnis suatu perusahaan. Jika peramalan yang dilakukan akurat maka keuntungan
perusahaan akan meningkat dan terhindar dari overstock maupun kekurangan stok
produk dalam gudang.
Pada praktikum modul 1 ini akan dilakukan proses peramalan untuk membantu PT
Golets menentukan jumlah produksi berdasarkan data permintaan yang sudah didapat.
Tahapan peramalan yang dilakukan adalah membuat plot data, memilih demand,
kemudian memilih metode peramalan, mengaplikasikannya dan menghitung error
sebelum memilih metode peramalan yang sesuai, hingga melakukan validasi hasil
peramalan.
1.2 Perumusan Masalah
Manajemen PT Golets membahas jumlah produksi produk Tamiya 4WD yang akan
dipasarkan pada periode selanjutnya. Perusahaan akan meramalkan jumlah produksi
yang harus dilakukan berdasarkan data penjualan pada periode-periode sebelumnya yang
akan digunakan sebagai dasar pengambilan keputusan. Peramalan dilakukan untuk
Program Studi Teknik Industri

Universitas Diponegoro
2016 1
Kelompok 8
menentukan jumlah produksi yang optimum agar tidak terjadi overstock maupun
kekurangan stok.
1.3 Tujuan Penulisan
Dari praktikum Forcasting praktikan diharapkan :
1. Mampu mengetahui manfaat forecasting dalam bidang industri.
2. Mampu memahami berbagai macam metode dan perhitungan error dalam
forecasting.
3. Mampu memahami kelebihan dan kekurangan masing-masing metode dan error
dalam forecasting.
4. Mampu mengimplementasikan metode forecasting dalam bidang industri.
1.4 Pembatasan Masalah
Pada praktikum modul pertama ini yaitu forecasting, pembatasan masalahnya salah
satunya adalah data demand yang sudah didapat dari awal dijadikan input untuk
peramalan permintaan produk Tamiya 4WD untuk 5 segmentasi pasar yaitu Koleksi,
Style, Lomba, Remaja dan Anak-anak di masa mendatang. Permintaan yang didapat
terdiri dari 48 periode.
Peramalan dapat dilakukan dengan menggunakan metode peramalan Single Moving
Average (SMA), Centered Moving Average (CMA), Weighted Moving Average (WMA),
Double Exponential Smoothing (DES), Single Exponential Smoothing with Trend
(SEST), Double Exponential Smoothing with Trend (DEST), Box-Jenkins (ARIMA) dan
Linear Regression.

2016 2
Kelompok 8
1.5 Sistematika Penulisan

Sistematika penulisan dari laporan modul ini ialah:
BAB I PENDAHULUAN
Berisi tentang latar belakang, tujuan penulisan, pembatasan masalah, prosedur
praktikum, serta sistematika penulisan yang digunakan.
BAB II TINJAUAN PUSTAKA
Berisi tentang teori-teori yang sesuai dan berhubungan dengan praktikum yang
akan dilaksanakan seperti manajemen strategi, perancangan organisasi, dan
seterusnya.
BAB III METODOLOGI PRAKTIKUM
Berisi tentang metodologi praktikum.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Berisikan tahapan-tahapan peramalan yang dijalankan berdasarkan data historis
permintaan, yaitu pengumpulan dan pengolahan data, koversi data serta peramalan
itu sendiri,
BAB V ANALISIS
Berisi tentang analisis forecast demand dengan pola data konstan dan analisis
forecast dengan data linier dimana masing-masing terbagi dalam tiga bahasan
yaitu analissi semua metode peramalan, analisis metode teknik dan analisis
validasi.
BAB VI PENUTUP
Berisi tentang kesimpulan, saran, dan daftar pustaka.

2016 3
Kelompok 8
BAB II
TINJAUAN PUSTAKA
2.1 Peramalan
2.1.1 Definisi Peramalan
Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu
produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang.
Oleh karena itu, peramalan pada dasarnya merupakan suatu taksiran, tetapi dengan
menggunakan cara cara tertentu peramalan dapat lebih daripada hanya satu taksiran.
Dapat dikatakan bahwa peramalan adalah suatu taksiran yang ilmiah meskipun akan
terdapat sedikit kesalahan yang disebabkan oleh adanya keterbatasan kemampuan
manusia. Peramalan adalah kegiatan memperkirakan tingkat permintaan produk yang
diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di
masa yang akan dating.
Dalam peramalan (forecasting) tidak jarang terjadi kesalahan misalnya saja
penjualan sering tidak sama dengan nilai eksak yang diperkirakan. Sedikit variasi dari
perkiraan sering dapat diserap oleh kapasitas tambahan, sediaan penjadwalan permintaan.
Tetapi, variasi perkiraan yang besar dapat merusak operasi. Ada tiga cara untuk
mengakomodasi perkiraan, yaitu: yang pertama adalah mencoba mengurangi kesalahan
melakukan pemerakiraan yang lebih baik. Yang kedua adalah, membuat fleksibilitas pada
operasi dan yang terakhir adalah mengurangi waktu tunggu yang dibutuhkan dalam
prakiraan. Tetapi kemungkinan kesalahan terkecil adalah tujuan yang konsisten dengan
biaya prakiraan yang masuk akal (John E. Biegel, 1999).
Menurut Arman Hakim Nasution (2006), peramalan adalah proses untuk
memperkirakan beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam
ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi
permintaan barang dan jasa.
2.1.2 Macam-Macam Peramalan

Peramalan pada umumya dapat dibedakan dari berbagai segi tergantung dalam cara
melihatnya. Dilihat dari jangka waktu ramalan yang disusun, peramalan dapat dibedakan
atas dua macam, yaitu:

2016 4
Kelompok 8
 Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil
ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester.
Lebih tegasnya peramalan jangka panjang ini berorientasi pada dasar atau
perencanaan.
 Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil
ramalan yang dilakukan kurang dari satu setengah tahun atau tiga semester.
Penetapan jadwal induk produksi untuk bulan yang akan datang atau periode kurang
dari satu tahun sangat tergantung pada peramalan jangka pendek.
Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan menjadi dua,
yaitu:
 Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari
orang yang menyusunnya. Dalam hal ini pandangan atau ketajaman pikiran orang
yang menyusunnya sangat menentukan baik tidaknya hasil peramalan.
 Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan pada
masa lalu dengan menggunakan teknik-teknik dan metode-metode dalam
penganalisaan data tersebut.
Dilihat dari sifat ramalan yang telah disusun, maka peramalan dapat dibedakan
atas dua macam, yaitu:
 Peramalan kualitatif atau teknologis, yaitu peramalan yang didasarkan atas data
kualitatif masa lalu. Hasil peramalan yang ada tergantung pada orang yang
menyusunnya, karena peramalan tersebut sangat ditentukan oleh pemikiran yang
bersifat intuisi, judgement (pendapat) dan pengetahuan serta pengalaman dari
penyusunnya.
 Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan yang dibuat tergantung pada metode yang digunakan
dalam peramalan tersebut. Metode yang baik adalah metode yang memberikan nilai-
nilai perbedaan atau penyimpangan yang mungkin. Metode peramalan kuantitatif
terbagi atas dua jenis model peramalan yang utama,yaitu (Makridakis, 1988):

2016 5
Kelompok 8
 Model deret berkala (time series), yaitu metode peramalan yang didasarkan atas
penggunaan analisa pola hubungan antara variabel yang akan diperkirakan
dengan variabel waktu, yangmerupakan deret waktu.
 Model kausal yaitu metode peramalan yang didasarkan atas penggunaan analisa
pola hubungan antara variabel lain yang mempengaruhinya, yang bukan waktu
yang disebut metode korelasi atau sebab akibat. Model kausal terdiri dari metode
regresi dan korelasi, metode ekonometri, metode input dan output.
2.1.3 Tahapan dalam Peramalan
Secara umum untuk memastikan bahwa peramalan yang dilakukan dapat tepat guna
serta memenuhi taraf ketepatan yang optimal, maka terdapat beberapa langkah yang harus
dilakukan dalam melakukan peramalan. Adapun langkah-langkah tersebut antara
lain(Teguh Baroto, 2005):
1. Penentuan Tujuan
Tujuan peramalan bergantung pada kebutuhan informasi para manajer. Setelah
melakukan penentuan tujuan, maka dapat selanjutnya melakukan penentuan antara lain:
a. Variabel apa yang akan diramalkan.
b. Siapa yang akan menggunakan hasil peramalan.
c. Untuk tujuan apa hasil peramalan digunakan.
d. Peramalan jangka panjang atau jangka panjang yang diperlukan.
e. Derajat ketepatan peramalan yang diinginkan.
f. Kapan peramalan dilakukan.
g. Bagian-bagian peramalan yang diinginkan, seperti peramaln untuk kelompok pembeli,
kelompok produk, atau daerah geografis.
2. Pengembangan Model
Model dapat diibaratkan sebagai cara pengolahan dan penyajian data agar lebih
sederhana sehingga mudah untuk dianalisis.
3. Pengujian Model
Pengujian model dilakukan untuk menentukan tingkat akurasi, validitas, dan
reabilitas yang diharapkan. Nilai suatu model ditentukan dengan derajat ketepatan hasil
peramalan dengan permintaan aktualnya.

2016 6
Kelompok 8
4. Penerapan model atau hasil dari peramalan yang telah diperoleh.

5. Revisi dan evaluasi.
Hasil peramalan yang telah diperoleh dan diterapkan harus selalu ditinjau ulang
yang berguna untuk perbaikan terus menerus dimasa yang akan datang.
2.2 Metode-Metode Deret Waktu (Time Series)

Metode time series merupakan metode penyelesaian forecast yang terdiri dari data
berupa angka atau permintaan yang terurut sepanjang waktu. Biasanya data ini memiliki
pola. Pola inilah yang menjadi dasar dalam melakukan forecasting. Terdapat beberapa
metode forecast time series ini, antara lain (Sri Hartini, 2011):
a. Moving Average (MA)
Metode moving average menggunakan sejumlah data actual terbaru untuk
meramalkan nilai ramalan masa mendatang. Metode ini baik digunakan untuk pola
data horizontal yang relatif stabil. Konsep utama metode ini ialah merata-ratakan data
historis yang ada. Metode ini terbagi atas beberapa jenis, yaitu:
 Single Moving Average
Model ini diselesaikan dengan mencari rata-rata data historis, tetapi hanya
menggunakan beberapa periode tergantung dengan periode pergerakannya.
N t 
( xt  xt 1  ......  xt  N 1 ) 1 t
Ft 1  xt
N t  N 1 ....................(2.1)
Keterangan :
xt = Data pengamatan pada waktu ke-t
Ft+1 = Nilai ramalan pada waktu ke-t+1
 Double Moving Average
Model double moving average dihitung dengan menggunakan persamaan-
persamaan berikut:
X
t  N 1
S't  i 1
i
N
........................................(2.2)

2016 7
Kelompok 8
 S'
t  N 1
S"t  i 1
i
N
...........................................(2.3)
at  S't ( S't S"t )  2S't S"t
...........................................(2.4)
bt  ( S't  S"t )
2
N 1
...........................................(2.5)
Ft  m  at  bt .m
...........................................(2.6)
Keterangan :
S’ : Pergerakan pertama
S” : Pergerakan kedua
Ft+m : Hasil ramalan dengan m adalah selisih periode antara t dengan periode
ramalan yang akan dicari
 Weighted Moving Average
Model ini diselesaikan dengan mengalikan data historis dengan bobot tiap
periodenya. Biasanya periode terbaru memiliki bobot terbesar.
WMA = ∑�= �� ………………………….(2.7)

Keterangan :
Wi : Bobot data ke-i
Di : Demand data ke-i
 Center Moving Average
Perhitungan yang digunakan pada metode ini sama dengan metode moving
average. Hanya saja hasil perhitungannya diletakkan pada pertengahan periode
yang digunakan untuk menghitung nilai rata-ratanya.
Contoh persamaan untuk F3 :
+ �− +��+ �+ +��+
F(t) = �−
………………………..(2.8)

2016 8
Kelompok 8
b. Exponential Smoothing
Metode ini dapat digunakan untuk pola data yang bergejolak atau tidak stabil dari
waktu ke waktu. Terdapat peran konstanta smoothing yang disebut α. Besarnya α
berkisar antara 0 sampai 1. Pemilihan α ini bergantung pada seberapa bergejolak data
historis tersebut. semakin besar α akan memberikan efek smoothing yang semakin
kecil, begitupun sebaliknya. Terdapat beberapa jenis metode dalam exponential
smoothing, yaitu:
 Single Exponential Smoothing
Ft+1 = αXi + (1 - α)Ft-1………………………..(2.9)
Keterangan :
α = konstanta smoothing
Xi = data demand saat ini ke-i
 Double Exponential Smoothing
……………………………(2.10)
………………………….(2.11)
………………………………….(2.12)
……………………………….(2.13)
Ft  m  at  bt .m
………………..………………..(2.14)
Keterangan :
S’ : Pergerakan pertama
S” : Pergerakan kedua
Ft+m : Hasil ramalan dengan m adalah selisih periode antara t dengan periode
 SEST (Single Exponential Smoothing with Trend) :
Merupakan salah satu metode dalam Exponential Smoothing dengan trend yang
merupakan estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir
masing-masing periode.

2016 9
Kelompok 8
 DEST (Double Exponential Smoothing with Trend)

Merupakan salah satu metode dalam Exponential Smoothing dengan trend yang
mengalami kecenderungan kenaikan sehingga perlu dilakukan proses smoothing
dua kali.
c. Box-Jenkins (ARIMA)
ARIMA sering juga disebut sebagai metode runtun waktu Box-Jenkins, karena
ditemukan oleh G.E.P. Box dan G.M. Jenkins pada tahun 1976. Model dasar ARIMA
terdiri atas (Kusmurtanto, 2007):
 p menunjukkan ordo/derajat autoregressive (AR)
 d adalah tingkat proses differencing
 q menunjukkan ordo/derajat moving average (MA)
Setiap model diatas memiliki ordo 0 atau 1 atau 2. Model ARIMA sering disebut
model yang dapat secara tepat merepresentasikan model didunia nyata, sehingga
model peramalan disukai oleh beberapa ahli. Tujuan dari ARIMA ini ialah
menemukan hasil peramalan yang memiliki akurasi tinggi.
2.3 Metode-Metode Kausal
Metode kausal merupakan suatu model yang didasarkan hubungan sebab-akibat
antar variable. Sehingga, suatu variable dapat diramalkan oleh variable lain jika terdapat
hubungan diantara mereka. Beberapa metode yang digunakan dalam model ini, ialah (Sri
Hartini, 2011):
d. Metode Regresi Linier dan Berganda
Metode ini baik digunakan untuk peramalan jangka pendek. Regresi sederhana
memprediksi satu variable terikat oleh satu variable bebas. Sedangkan, pada regresi
berganda dapat melakukan prediksi suatu variable terikat oleh beberapa variable
bebas.
e. Metode Input – Output
Metode ini biasa digunakan untuk menyusun ekonomi jangka panjang. Sehingga data
yang digunakan ialah data tahunan sekitar 10-15 tahun (Subagyo, 1986).

2016 10
Kelompok 8
2.4 Pemilihan Metode Peramalan

Pemilihan metode peramalan harus memperhatikan jenis data yang akan diforecast,
jangka waktu forecast serta model forecast. Dibawah ini terdapat tabel bantuan untuk
memilih metode peramalan:
Tabel 2.1 Pemilihan Metode Peramalan
2.5 Verifikasi dan Validasi Model Peramalan

Verifikasi berkaitan dengan ketepatan ramalan. Ketepatan peramalan merupakan
tolak ukur baik atau buruknya peramalan. Ketepatan dipandang sebagai kriteria penolakan
untuk memilih suatu metode peramalan. Dalam melakukan verifikasi, dilakukan dengan
perhitungan error antara data actual dan data forecast. Terdapat beberapa metode
perhitungan error, yaitu:
1. Nilai Tengah Galat ( Mean Error )
(2.15)

2016 11
Kelompok 8
2. Nilai Tengah Galat Kuadrat ( Mean Square Error )
(2.16)
3. Nilai Tengah Galat Absolut ( Mean Absolute Error )
(2.17)
4. Nilai Tengah Galat Persentase Absolut ( Mean Absolute Percentage Error )
(2.18)
5. Nilai Tengah Galat Persentase ( Mean Percentage Error )
(2.19)
6. Jumlah Kuadrat Galat ( Sum Square Error )
(2.20)
Validasi dibutuhkan untuk mengetahui apakah terdapat perbedaan yang signifikan
antara hasil peramalan dengan permintaan masa lalu. Terdapat beberapa metode yang
dapat digunakan untuk validasi, yaitu:
1. Tracking Signal
Menurut Gaspersz (2004), suatu ukuran bagaimana baiknya suatu ramalan
memperkirakan nilai-nilai aktual suatu ramalan diperbaharui setiap minggu , bulan atau
triwulan, sehingga data permintaan yang baru dibandingkan terhadap nilai-nilai ramalan.
Tracking Signal dihitung sebagai running sum of the forecast errors dibagi dengan mean
absolute deviation. Tracking signal yang positif menunjukan bahwa nilai aktual
permintaan lebih besar daripada ramalan, sedangkan apabila negatif berarti nilai aktual
permintaan lebih kecil daripada ramalan. Tracking signal terkadang digunakan untuk
melihat apakah nilai-nilai yang dihasilkan berada di dalam atau di luar batas-batas
pengendalian. Rumus dari Tracking Signal adalah :

2016 12
Kelompok 8
...................................(2.21)
2. Moving Range
Moving range dibuat untuk membandingkan nilai-nilai observasi atau data aktual
dengan nilai peramalan dari kebutuhan yang sama. Moving range dapat dikatakan sebagai
peta kontrol statistik yang digunakan pada pengendalian kualitas. Peta moving range
memiliki batasan-batasan yang terdiri dari batas kontrol atas dan batas kontrol bawah.
Jika ada sebuah titik atau data yang berada di luar batas tersebut maka ada beberapa data
yang harus dihilangkan atau mencari metode peramalan yang lain. Moving Range
digunakan untuk mengetahui sejauh mana arah pergerakan bergerak. Rumus Moving
Range adalah :
.............................(2.22)
2.6 Ekonometrika
Istilah ekonometrika pertama kali diperkenalkan seorang pakar ekonomi dan
statistika berkebangsaan Norwegia. Ia menjelaskan definisi ekonometrika sebagai
berikut: “Terdapat banyak metode kuantitatif sewaktu menganalisis ilmu ekonomi, tetapi
tiada satu pun di antara metode kuantitatif tersebut dapat berdiri sendiri tanpa bantuan
dari yang lain untuk menerangkan ekonometrika. Oleh karena itu, ketiga faktor yaitu teori
ekonomi, matematika dan statistika sama-sama penting untuk menerangkan hubungan
kuantitatif dalam mempelajari ilmu ekonomi (Ragnar,1993).
Secara definitif, ekonometrika diartikan sebagai suatu ilmu yang mempelajari
analisis kuantitatif dari fenomena ekonomi. Pada prinsipnya, ekonometrika bersifat
multidisiplin karena menggabungkan bebarapa disiplin ilmu baik teori ekonomi,
matematika dan statistika. Oleh karena itu, ekonometrika dapat dijadikan suatu
pendekatan atau tools dalam melakukan identifikasi dan mengkuantitatifkan hubungan

2016 13
Kelompok 8
yang terdapat dalam suatu fenomena ekonomi khususnya sehingga menjadi bagian dari
analisa empiris (Arif, 2013).
2.7 EViews
EViews adalah suatu software yang berfungsi untuk menganalisis data, melakukan
analisis regresi, dan melakukan peramalan dengan basis windows. Program olah data ini
merupakan program olah data yang menyediakan atau memberikan alat untuk melakukan
regresi dan juga peramalan. Dengan program olah data E-Views dapat dikembangkan
suatu hubungan statistic dari suatu data yang dimiliki dan menggunakan hubungan dari
data yang sedang diamati tersebut untuk melakukan peramalan terhadap nilai data yang
dimaksudkan, terutama dalam konteks data runtun waktu (time series).
Secara umum, ada beberapa kegunaan dari E-Views diantaranya:
a. Untuk melakukan peramalan
b. Untuk melakukan analisis biaya dan selanjutnya ke peramalan
c. Untuk melakuakann simulasi
d. Untuk melakukan analisis data ilmu pengetahuan dan melakukan evaluasi
e. Untuk melakukan analisis keuangan
Dalam melakukan peramalan dengan menggunakan E-Views, dikenal adannya
halaman awal dari Eviews. Menu utama dari E-Views adalah file, edit, window, dan help
mengikuti standar windows convention. Object, view, procs, Quicks and Options
tergabung pada special Eview – features ( Rezzy,2010).
2.8 SPSS
Winqsb merupakan sebuah alat untuk meyelesaikan permasalahan yang berkaitan
dengan optimasi maupun system produksi.Winqsb menggunakan mekanisme candela
jendela seperti windows, yaitu jendela, menu, toolbar, dan lain sebagainya. Dalam winqsb
terdapat beberapa menu- menu diantaranya adalah (Sugiarta,2013):
1. File, untuk menyimpan dan membuat file dengan masalah baru
2. Edit, masalah utilitas khas untuk mengedit, menyalin, menempel, memotong dan
membatalkan perubahan.
3. Format, termasuk pilihan untuk mengubah tampilan jendela, warna font, alignment,
sel lebar dan lain sebagainya

2016 14
Kelompok 8
4. Solve and Analysis, untuk memecahkan masalah dan menyelesaikannya dengan

mengikuti langkah – langkah dari algoritma
5. Result, pilihan untuk melihat solusi untuk masalah
6. Utilities, memungkinkan akses ke kalkulator, jam dan editor grafis lainnya
7. Window, memungkinkan untuk menavigasi berbagai jendela yang muncul saat
mengoperasikan dengan program
8. Help, mengakses bantuan online menggunakan program atau teknik yang digunakan
untuk memecahkan berbagai model.
2.9 Minitab
Pada awalnya, minitab dirancang khusus dan diciptakan sebagai alat pembelajaran
oleh tiga instruktur Universitas Statistik. Minitab dapat menangani berbagai analisis
statistic, termasuk statistic deskriptif maupun nonparametric, analisis multivariate, dan
lain sebagainya. Ada beberapa yang menjadi keunggulan dari minitab diantaranya
(bukukerja.com):
 Minitab menyediakan StatGuide yang menjelaskan cara melakukan interpretasi table
dan grafik statistika yang dihasilkan oleh Minitab dengan cara yang mudah dipahami.
 Minitab memiliki ukuran worksheet dinamis dan memuat kolom sampai 4.000.
 Minitab memiliki dua layar primer yaitu Worksheet (lembar kerja) dan sesi command
(layar untuk menmpilkan hasil.
 Tampilan menu di Minitab, lebih lengkap dan disertai toolbar-toolbar sehingga akan
memudahkan anda dalam menjalankan perintah.
 Mempunyai file Minitab Worksheet (MTW) dan Minitab Project (MPJ) yang
digunakan untuk membedakan file worksheet dan file project.
 Minitab menyediakan ReportPad agar mudah membuat laporan project yang telah
dibuat.
 Minitab memberikan kebebasan pada anda dalam membuat nama yang panjang pada
file tanpa harus menyingkat nama file.
 Minitab menyediakan fasilitas makro untuk membuat program yang berulangkali
dipakai, memperluas fungsi Minitab, atau mendesain perintah sendiri. Selain itu
Minitab memiliki Bahasa pemrograman makro lebih mudah.

2016 15
Kelompok 8
BAB III
METODOLOGI PRAKTIKUM
Mulai
Data
Market
Demand
Membuat Plot Data
Memilih Demand
Memilih Metode
Peramalan
Melakukan
peramalan
Menghitung error tiap

metode peramalan
Memilih metode
peramalan dengan
error terkecil
Melakukan validasi
hasil peramalan
Valid ?
Selesai
Gambar 3.1 Metodologi Penelitian

2016 16
Kelompok 8
Berdasarkan flowchart dari metodologi diatas dapat dilihat langkah langkah yang
akan dilakukan untuk meramalkan permintaan konsumen. Langkah pertama yaitu
membuat plot data berdasarkan data permintaan pelanggan dari masa lalu. Langkah
selanjutnya adalah memilih data permintaan yang akan menjadi acuan kita untuk
meramalkan permintaan di masa yang akan datang. Setelah itu, kita memilih metode
peramalan seperti SMA, CMA, DMA, WMA, SES, DES, SEST, DEST, ARIMA, dan
Linier regression yang sesuai dengan data yang kita miliki. Peramalan akan dilakukan
berdasarkan metode yang telah dipilih. Langkah selanjutnya, kita melakukan perhitungan
error dari hasil peramalan, yaitu dapat menggunakan metode ME, MAE, MAD, SSE,
SDE, MPE, MAPE, MSE, U-Theil, atau NFI. Dari hasil perhiungan, akan diplih metode
terbaik yaitu yang memiliki error atau kesalahan paling kecil. Metode yang dianggap
terbaik akan divalidasi dan jika metode terbukti valid, maka hasil dari peramalan dapat
menajadi acuan dalam pengambilan kebijakan dan kegiatan produksi perusahaan, namun
jika hasil peramakan dianggap tidak valid maka dilakukan pemilihan metode peramalan
dan perhitungan kembali.

2016 17
Kelompok 8
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Berikut ini merupakan kumpulan data historis permintaan pada 5 segmentasi pasar
dari periode Oktober 2012 hingga September 2016. Segmentasi pasar tersebut dapat
menjadi pilihan untuk pemasaran produk Tamiya 4WD. Segmen tersebut terdiri dari
perlombaan, koleksi, style, remaja dan anak-anak.
Tabel 4.1 Data Historis Permintaan
Tahun Bulan Periode Koleksi Style Lomba Remaja Anak-anak

OCT 1 3931 2609 3437 5214 4827
2012 NOV 2 5605 2628 3804 5113 3967
DEC 3 3683 2716 3851 5093 5201
JAN 4 4387 2756 3868 5018 4010
FEB 5 4584 2897 3878 4995 4284
MAR 6 5499 3382 3944 4711 4759
APR 7 5464 3429 3967 4703 4084
MAY 8 5309 3453 3986 4676 3913
JUN 9 3916 3502 4088 4674 5020
2013
JUL 10 5560 3535 4115 4648 5437
AUG 11 5974 3606 4118 4585 5858
SEP 12 4918 3727 4258 4530 5524
OCT 13 4984 3823 4261 4497 5713
NOV 14 5237 3849 4276 4460 5212
DEC 15 3716 3892 4298 4437 5231
JAN 16 5852 4017 4386 4402 4421
FEB 17 4442 4043 4421 4400 4610
MAR 18 4533 4047 4454 4345 4028
APR 19 6132 4124 4470 4332 4648
MAY 20 5550 4142 4503 4316 4549
2014 JUN 21 6320 4213 4548 4314 4165
JUL 22 4387 4248 4629 4206 3843
AUG 23 4588 4262 4658 4196 3835
SEP 24 3478 4279 4795 4189 3891
OCT 25 4245 4298 4815 4179 5039
NOV 26 5335 4395 4853 4137 4876

2016 18
Kelompok 8
Tabel 4.1 Data Historis Permintaan (Lanjutan)

DEC 27 4480 4406 4899 4129 4237
JAN 28 4696 4420 4904 4099 4355
FEB 29 5994 4539 4943 4082 5605
MAR 30 3878 4565 5058 4026 5963
APR 31 6017 4605 5080 3943 5260
MAY 32 5504 4639 5085 3927 4083
JUN 33 6008 4717 5102 3854 4520
2015
JUL 34 4916 4844 5194 3850 5248
AUG 35 5578 4908 5217 3828 4106
SEP 36 4077 4961 5390 3721 4495
OCT 37 4693 5010 5509 3716 4395
NOV 38 3506 5074 5621 3694 5397
DEC 39 4428 5094 5697 3668 4363
JAN 40 3294 5137 5745 3572 3985
FEB 41 5772 5188 5762 3505 5159
MAR 42 4908 5290 5775 3494 4289
APR 43 6105 5304 5849 3407 5364
2016 MAY 44 4291 5395 5932 3393 5049
JUN 45 3357 5434 5958 3356 3903
JUL 46 5093 5671 6047 3350 5053
AUG 47 5351 5766 6187 3201 5752
SEP 48 3661 5770 6482 2655 4045

2016 19
Kelompok 8
4.2 Pengolahan Data

Data segmen koleksi dan anak-anak menghasilkan plot data konstan, agar
mempermudah perhitungan, sebelum melakukan peramalan, demand kedua segmen ini
dijumlahkan dan didapatkan hasil sebagai berikut:
Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak
Anak-
Periode Koleksi Jumlah
anak
1 3931 4827 8758
2 5605 3967 9572
3 3683 5201 8884
4 4387 4010 8397
5 4584 4284 8868
6 5499 4759 10258
7 5464 4084 9548
8 5309 3913 9222
9 3916 5020 8936
10 5560 5437 10997
11 5974 5858 11832
12 4918 5524 10442
13 4984 5713 10697
14 5237 5212 10449
15 3716 5231 8947
16 5852 4421 10273
17 4442 4610 9052
18 4533 4028 8561
19 6132 4648 10780
20 5550 4549 10099
21 6320 4165 10485
22 4387 3843 8230
23 4588 3835 8423
24 3478 3891 7369
25 4245 5039 9284
26 5335 4876 10211
27 4480 4237 8717
28 4696 4355 9051
29 5994 5605 11599

2016 20
Kelompok 8
Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak (Lanjutan)
Anak-
Periode Koleksi Jumlah
anak
30 3878 5963 9841
31 6017 5260 11277
32 5504 4083 9587
33 6008 4520 10528
34 4916 5248 10164
35 5578 4106 9684
36 4077 4495 8572
37 4693 4395 9088
38 3506 5397 8903
39 4428 4363 8791
40 3294 3985 7279
41 5772 5159 10931
42 4908 4289 9197
43 6105 5364 11469
44 4291 5049 9340
45 3357 3903 7260
46 5093 5053 10146
47 5351 5752 11103
48 3661 4045 7706
Perhitungan bobot persentase tiap segmen:

 % Koleksi = � %= , %
 % Anak-anak = 100% - 50,83% = 49,17%

2016 21
Kelompok 8
4.2.1 Plot Data

Berikut merupakan plot data dari kelima data historis segmen pemasaran produk
Tamiya 4WD:
1. Koleksi
KOLEKSI
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Koleksi
Gambar 4.1 Plot Data Segmen Koleksi
2. Style
STYLE
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Style
Gambar 4.2 Plot Data Segmen Style

2016 22
Kelompok 8
3. Lomba
LOMBA
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Lomba
Gambar 4.3 Plot Data Segmen Lomba
4. Remaja
REMAJA
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Remaja
Gambar 4.4 Plot Data Segmen Remaja

2016 23
Kelompok 8
5. Anak-anak
ANAK-ANAK
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Anak- anak
Gambar 4.5 Plot Data Segmen Anak-Anak
4.2.2 Pemilihan Demand

Berdasarkan plot data yang sudah dibuat, perusahaan memilih 3 segmen yang
akan dilakukan peramalan mengenai permintaan di masa mendatang. Ketiga segmen
tersebut ialah segmen koleksi, style dan anak-anak.
Tabel 4.3 Segmen Terpilih
Anak-
Tahun Bulan Periode Koleksi Style
anak
OCT 1 3931 2609 4827
2012 NOV 2 5605 2628 3967
DEC 3 3683 2716 5201
JAN 4 4387 2756 4010
FEB 5 4584 2897 4284
MAR 6 5499 3382 4759
APR 7 5464 3429 4084
MAY 8 5309 3453 3913
2013 JUN 9 3916 3502 5020
JUL 10 5560 3535 5437
AUG 11 5974 3606 5858
SEP 12 4918 3727 5524
OCT 13 4984 3823 5713
NOV 14 5237 3849 5212

2016 24
Kelompok 8
Tabel 4.3 Segmen Terpilih (Lanjutan)

Anak-
Tahun Bulan Periode Koleksi Style
anak
2013 DEC 15 3716 3892 5231
JAN 16 5852 4017 4421
FEB 17 4442 4043 4610
MAR 18 4533 4047 4028
APR 19 6132 4124 4648
MAY 20 5550 4142 4549
JUN 21 6320 4213 4165
2014
JUL 22 4387 4248 3843
AUG 23 4588 4262 3835
SEP 24 3478 4279 3891
OCT 25 4245 4298 5039
NOV 26 5335 4395 4876
DEC 27 4480 4406 4237
JAN 28 4696 4420 4355
FEB 29 5994 4539 5605
MAR 30 3878 4565 5963
APR 31 6017 4605 5260
MAY 32 5504 4639 4083
JUN 33 6008 4717 4520
2015
JUL 34 4916 4844 5248
AUG 35 5578 4908 4106
SEP 36 4077 4961 4495
OCT 37 4693 5010 4395
NOV 38 3506 5074 5397
DEC 39 4428 5094 4363
JAN 40 3294 5137 3985
FEB 41 5772 5188 5159
MAR 42 4908 5290 4289
APR 43 6105 5304 5364
2016 MAY 44 4291 5395 5049
JUN 45 3357 5434 3903
JUL 46 5093 5671 5053
AUG 47 5351 5766 5752
SEP 48 3661 5770 4045

2016 25
Kelompok 8
Berikut merupakan alasan perusahaan GoLets memilih segmen koleksi, style dan
anak-anak:
 Segmen Koleksi dipilih karena jika dilihat dari plot data diatas, jumlah permintaan
produk untuk tiap periode cenderung konstan sehingga perusahaan akan mendapatkan
omset yang stabil dan rendah resiko.
 Segmen Style dipilih karena jika dilihat dari data yang sudah diplotkan kedalam
grafik, permintaan cenderung naik. Hal ini menyebabkan perusahaan optimis bahwa
kedepannya permintaan juga akan terus meningkat.
 Segmen Anak-anak dipilih karena memiliki demand yang stabil ditiap periode.
Sehingga perusahaan tidak khawatir dengan resiko kerugian dan omset yang
didapatkan tiap periode juga akan stabil.
4.2.3 Peramalan
4.2.3.1 Pemilihan Metode Peramalan dan Error
Segmen koleksi dan anak-anak memiliki pola data yang konstan. Sehingga metode
yang cocok digunakan untuk peramalan pola data jenis ini ialah 3SMA (Single Moving
Average), 5 SMA (Single Moving Average), 3WMA (Weighted Moving Average), 5WMA
(Weighted Moving Average) dan 3 CMA (Centered Moving Average). Sedangkan segmen
style memiliki pola data yang linier, sehingga metode peramalan yang digunakan ialah
DES, DEST, SEST, Regresi Linier dan ARIMA.
Perhitungan error yang digunakan untuk mengukur keakuratan peramalan ialah
Mean Error (ME), Mean Square Error (MSE), Sum of Square Error (SSE), Mean
Precentage Error (MPE), Mean Absolute Percentage Error(MAPE).

2016 26
Kelompok 8
4.2.3.2 Data Pola Konstan

 Metode 3 SMA
a. Manual
Tabel 4.4 Perhitungan Manual 3 SMA
t Demand Peramalan Error Sqr Error IErrorI PE IPEI

1 8758
2 9572
3 8884
4 8397 9071.33 -674.33 454725.44 674.33 -0.080 0.080
5 8868 8951.00 -83.00 6889.00 83.00 -0.009 0.009
6 10258 8716.33 1541.67 2376736.11 1541.67 0.150 0.150
7 9548 9174.33 373.67 139626.78 373.67 0.039 0.039
8 9222 9558.00 -336.00 112896.00 336.00 -0.036 0.036
9 8936 9676.00 -740.00 547600.00 740.00 -0.083 0.083
10 10997 9235.33 1761.67 3103469.44 1761.67 0.160 0.160
11 11832 9718.33 2113.67 4467586.78 2113.67 0.179 0.179
12 10442 10588.33 -146.33 21413.44 146.33 -0.014 0.014
13 10697 11090.33 -393.33 154711.11 393.33 -0.037 0.037
14 10449 10990.33 -541.33 293041.78 541.33 -0.052 0.052
15 8947 10529.33 -1582.33 2503778.78 1582.33 -0.177 0.177
16 10273 10031.00 242.00 58564.00 242.00 0.024 0.024
17 9052 9889.67 -837.67 701685.44 837.67 -0.093 0.093
18 8561 9424.00 -863.00 744769.00 863.00 -0.101 0.101
19 10780 9295.33 1484.67 2204235.11 1484.67 0.138 0.138
20 10099 9464.33 634.67 402801.78 634.67 0.063 0.063
21 10485 9813.33 671.67 451136.11 671.67 0.064 0.064
22 8230 10454.67 -2224.67 4949141.78 2224.67 -0.270 0.270
23 8423 9604.67 -1181.67 1396336.11 1181.67 -0.140 0.140
24 7369 9046.00 -1677.00 2812329.00 1677.00 -0.228 0.228
25 9284 8007.33 1276.67 1629877.78 1276.67 0.138 0.138
26 10211 8358.67 1852.33 3431138.78 1852.33 0.181 0.181
27 8717 8954.67 -237.67 56485.44 237.67 -0.027 0.027
28 9051 9404.00 -353.00 124609.00 353.00 -0.039 0.039
29 11599 9326.33 2272.67 5165013.78 2272.67 0.196 0.196
30 9841 9789.00 52.00 2704.00 52.00 0.005 0.005

2016 27
Kelompok 8
Tabel 4.4 Perhitungan Manual 3 SMA (Lanjutan)

31 11277 10163.67 1113.33 1239511.11 1113.33 0.099 0.099
32 9587 10905.67 -1318.67 1738881.78 1318.67 -0.138 0.138
33 10528 10235.00 293.00 85849.00 293.00 0.028 0.028
34 10164 10464.00 -300.00 90000.00 300.00 -0.030 0.030
35 9684 10093.00 -409.00 167281.00 409.00 -0.042 0.042
36 8572 10125.33 -1553.33 2412844.44 1553.33 -0.181 0.181
37 9088 9473.33 -385.33 148481.78 385.33 -0.042 0.042
38 8903 9114.67 -211.67 44802.78 211.67 -0.024 0.024
39 8791 8854.33 -63.33 4011.11 63.33 -0.007 0.007
40 7279 8927.33 -1648.33 2717002.78 1648.33 -0.226 0.226
41 10931 8324.33 2606.67 6794711.11 2606.67 0.238 0.238
42 9197 9000.33 196.67 38677.78 196.67 0.021 0.021
43 11469 9135.67 2333.33 5444444.44 2333.33 0.203 0.203
44 9340 10532.33 -1192.33 1421658.78 1192.33 -0.128 0.128
45 7260 10002.00 -2742.00 7518564.00 2742.00 -0.378 0.378
46 10146 9356.33 789.67 623573.44 789.67 0.078 0.078
47 11103 8915.33 2187.67 4785885.44 2187.67 0.197 0.197
48 7706 9503.00 -1797.00 3229209.00 1797.00 -0.233 0.233
49 9651.67
50 9651.67
51 9651.67
52 9651.67
53 9651.67
54 9651.67
55 9651.67
56 9651.67
57 9651.67
58 9651.67
59 9651.67
60 9651.67
61 9651.67
62 9651.67
63 9651.67
64 9651.67
65 9651.67
66 9651.67
67 9651.67

2016 28
Kelompok 8
Tabel 4.4 Perhitungan Manual 3 SMA (Lanjutan)

68 9651.67
69 9651.67
70 9651.67
71 9651.67
72 9651.67
Perhitungan pada Tabel :
 Peramalan : F(4) =
+ +
= .
 Error : 8397-9071.3 = -674.33

 Sqr error : (-674.33)(-674.33) = 454725.44
 | error⃒ : 674.33
 PE
− .
: = -0,08
 ⃒ PE ⃒ : 0,08
b. Software
Forecasts
Period Forecast Lower Upper

49 9651.67 7090.87 12212.5
50 9651.67 7090.87 12212.5
51 9651.67 7090.87 12212.5
52 9651.67 7090.87 12212.5
53 9651.67 7090.87 12212.5
54 9651.67 7090.87 12212.5
55 9651.67 7090.87 12212.5
56 9651.67 7090.87 12212.5
57 9651.67 7090.87 12212.5
58 9651.67 7090.87 12212.5
59 9651.67 7090.87 12212.5
60 9651.67 7090.87 12212.5
61 9651.67 7090.87 12212.5
62 9651.67 7090.87 12212.5
63 9651.67 7090.87 12212.5
64 9651.67 7090.87 12212.5
65 9651.67 7090.87 12212.5
66 9651.67 7090.87 12212.5
67 9651.67 7090.87 12212.5
68 9651.67 7090.87 12212.5
69 9651.67 7090.87 12212.5
70 9651.67 7090.87 12212.5
71 9651.67 7090.87 12212.5
72 9651.67 7090.87 12212.5

2016 29
Kelompok 8
c. Grafik
Grafik Peramalan 3 SMA

14000
12000
10000
8000
6000
4000
2000
0
1 4 7 1013161922252831343740434649525558616467707376798285889194
Demand Peramalan
Gambar 4.6 Grafik Peramalan 3 SMA Manual
Gambar 4.7 Grafik Peramalan 3 SMA Minitab

2016 30
Kelompok 8
 Manual
d. Error
Tabel 4.5 Error metode 3 SMA
Metode Error
MSE 1707082.035
MAPE 11.1474
ME 6.79
MPE -1.3638
SSE 76818691.56
Perhitungan pada tabel error :
 MSE =
∑ ��
= 1707082.035
 MAPE =
∑ |� |
= 11.1474
 ME =
∑ ��
= 6.79
 SSE = ∑ �� = 76818691.56
 MPE =
∑�
= − .
 Software
Accuracy Measures
MAPE 11
MAD 1051
MSD 1707082
 Metode 5 SMA
a. Manual
Tabel 4.6 Perhitungan Manual 5 Single Moving Average
Periode Demand Peramalan Error Sqr Error IErrorI PE IPEI

1 8758
2 9572
3 8884
4 8397
5 8868
6 10258 8895.80 1362.20 1855588.84 1362.20 13.279 13.279
7 9548 9195.80 352.20 124044.84 352.20 3.689 3.689

2016 31
Kelompok 8
Tabel 4.6 Perhitungan Manual 5 Single Moving Average (Lanjutan)

8 9222 9191.00 31.00 961.00 31.00 0.336 0.336
9 8936 9258.60 -322.60 104070.76 322.60 -3.610 3.610
10 10997 9366.40 1630.60 2658856.36 1630.60 14.828 14.828
11 11832 9792.20 2039.80 4160784.04 2039.80 17.240 17.240
12 10442 10107.00 335.00 112225.00 335.00 3.208 3.208
13 10697 10285.80 411.20 169085.44 411.20 3.844 3.844
14 10449 10580.80 -131.80 17371.24 131.80 -1.261 1.261
15 8947 10883.40 -1936.40 3749644.96 1936.40 -21.643 21.643
16 10273 10473.40 -200.40 40160.16 200.40 -1.951 1.951
17 9052 10161.60 -1109.60 1231212.16 1109.60 -12.258 12.258
18 8561 9883.60 -1322.60 1749270.76 1322.60 -15.449 15.449
19 10780 9456.40 1323.60 1751916.96 1323.60 12.278 12.278
20 10099 9522.60 576.40 332236.96 576.40 5.707 5.707
21 10485 9753.00 732.00 535824.00 732.00 6.981 6.981
22 8230 9795.40 -1565.40 2450477.16 1565.40 -19.021 19.021
23 8423 9631.00 -1208.00 1459264.00 1208.00 -14.342 14.342
24 7369 9603.40 -2234.40 4992543.36 2234.40 -30.322 30.322
25 9284 8921.20 362.80 131623.84 362.80 3.908 3.908
26 10211 8758.20 1452.80 2110627.84 1452.80 14.228 14.228
27 8717 8703.40 13.60 184.96 13.60 0.156 0.156
28 9051 8800.80 250.20 62600.04 250.20 2.764 2.764
29 11599 8926.40 2672.60 7142790.76 2672.60 23.042 23.042
30 9841 9772.40 68.60 4705.96 68.60 0.697 0.697
31 11277 9883.80 1393.20 1941006.24 1393.20 12.354 12.354
32 9587 10097.00 -510.00 260100.00 510.00 -5.320 5.320
33 10528 10271.00 257.00 66049.00 257.00 2.441 2.441
34 10164 10566.40 -402.40 161925.76 402.40 -3.959 3.959
35 9684 10279.40 -595.40 354501.16 595.40 -6.148 6.148
36 8572 10248.00 -1676.00 2808976.00 1676.00 -19.552 19.552
37 9088 9707.00 -619.00 383161.00 619.00 -6.811 6.811
38 8903 9607.20 -704.20 495897.64 704.20 -7.910 7.910
39 8791 9282.20 -491.20 241277.44 491.20 -5.588 5.588
40 7279 9007.60 -1728.60 2988057.96 1728.60 -23.748 23.748
41 10931 8526.60 2404.40 5781139.36 2404.40 21.996 21.996
42 9197 8998.40 198.60 39441.96 198.60 2.159 2.159
43 11469 9020.20 2448.80 5996621.44 2448.80 21.351 21.351
44 9340 9533.40 -193.40 37403.56 193.40 -2.071 2.071

2016 32
Kelompok 8
Tabel 4.6 Perhitungan Manual 5 Single Moving Average (Lanjutan)

45 7260 9643.20 -2383.20 5679642.24 2383.20 -32.826 32.826
46 11183 9639.40 1543.60 2382700.96 1543.60 13.803 13.803
47 10996 9689.80 1306.20 1706158.44 1306.20 11.879 11.879
48 11135 10049.60 1085.40 1178093.16 1085.40 9.748 9.748
49 9982.80
50 9982.80
51 9982.80
52 9982.80
53 9982.80
54 9982.80
55 9982.80
56 9982.80
57 9982.80
58 9982.80
59 9982.80
60 9982.80
61 9982.80
62 9982.80
63 9982.80
64 9982.80
65 9982.80
66 9982.80
67 9982.80
68 9982.80
69 9982.80
70 9982.80
71 9982.80
72 9982.80
Berikut contoh perhitungan 5SMA:
 Peramalan
+ + + +
: = = = 8895.80
 Error : − , = .
 Sqr error : 1362.20 x 1326.20 = 1855588.84
 |error| : 1362.20
 �
,
: =13.278
 |PE| : 13.278

2016 33
Kelompok 8
b. Software
Forecasts

49 9982.8 7491.93 12473.7
50 9982.8 7491.93 12473.7
51 9982.8 7491.93 12473.7
52 9982.8 7491.93 12473.7
53 9982.8 7491.93 12473.7
54 9982.8 7491.93 12473.7
55 9982.8 7491.93 12473.7
56 9982.8 7491.93 12473.7
57 9982.8 7491.93 12473.7
58 9982.8 7491.93 12473.7
59 9982.8 7491.93 12473.7
60 9982.8 7491.93 12473.7
61 9982.8 7491.93 12473.7
62 9982.8 7491.93 12473.7
63 9982.8 7491.93 12473.7
64 9982.8 7491.93 12473.7
65 9982.8 7491.93 12473.7
66 9982.8 7491.93 12473.7
67 9982.8 7491.93 12473.7
68 9982.8 7491.93 12473.7
69 9982.8 7491.93 12473.7
70 9982.8 7491.93 12473.7
71 9982.8 7491.93 12473.7
72 9982.8 7491.93 12473.7
c. Grafik
5 SMA
14000
12000
10000
8000
6000
4000
2000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Demand Peramalan
Gambar 4.8 Grafik Manual 5 SMA

2016 34
Kelompok 8
Gambar 4.9 Grafik Peramalan 5 SMA Minitab
d. Error
 Manual
Tabel 4.7 Perhitungan Error Manual Metode Single Moving Average 5 Periode
Metode Error
MSE 1625526.94
MAPE 10.598
MPE -0.276
ME 114.35
SSE 69450224.72
Berikut Perhitungan Error :
 MSE =
∑�
�= �� .
= = 1625526.94
 MAPE =
∑ │� │ .
= = 10.5978
 MPE =
∑� − .
= = -0.276
 ME =
∑�
�= �� .
= = 114.3534884
 SSE = ∑ �� = .

2016 35
Kelompok 8
 Software
Accuracy Measures
MAPE 11
MAD 1014
MSD 1667942
 Metode 3 WMA
a. Manual
Tabel 4.8 Peramalan Dengan Metode 3WMA

Abs Abs
t X(t) F(t) Error Error Error^2 PE PE
1 8758
2 9572
3 8884
4 8397 9089.62 -692.62 692.62 479722 -8.248 8.24842
5 8868 8757.46 110.54 110.54 12219.1 1.2465 1.2465
6 10258 8715.29 1542.71 1542.7 2379954 15.039 15.0391
7 9548 9482.93 65.07 65.07 4234.1 0.6815 0.6815
8 9222 9666.7 -444.7 444.7 197758 -4.822 4.82216
9 8936 9505.7 -569.7 569.7 324558 -6.375 6.37534
10 10997 9134.42 1862.58 1862.6 3469204 16.937 16.9372
11 11832 10015.1 1816.88 1816.9 3301053 15.356 15.3556
12 10442 11064.1 -622.13 622.13 387046 -5.958 5.95796
13 10697 10995.1 -298.05 298.05 88833.8 -2.786 2.7863
14 10449 10805.8 -356.8 356.8 127306 -3.415 3.41468
15 8947 10529.7 -1582.7 1582.7 2504781 -17.69 17.6892
16 10273 9740.16 532.84 532.84 283918 5.1868 5.1868
17 9052 9865.34 -813.34 813.34 661522 -8.985 8.9852
18 8561 9437.08 -876.08 876.08 767516 -10.23 10.2334
19 10780 9014.07 1765.93 1765.9 3118509 16.382 16.3815
20 10099 9753.97 345.03 345.03 119046 3.4165 3.41648
21 10485 10062.3 422.73 422.73 178701 4.0318 4.03176
22 8230 10407.8 -2177.8 2177.8 4742682 -26.46 26.4614
23 8423 9291.88 -868.88 868.88 754952 -10.32 10.3156
24 7369 8709.85 -1340.9 1340.9 1797879 -18.2 18.1958
25 9284 7863.19 1420.81 1420.8 2018701 15.304 15.3039
26 10211 8505.68 1705.32 1705.3 2908116 16.701 16.7008
27 8717 9421.95 -704.95 704.95 496955 -8.087 8.08707

2016 36
Kelompok 8
Tabel 4.8 Peramalan Dengan Metode 3WMA (Lanjutan)

Abs Abs
28 9051 9306.41 -255.41 255.41 65234.3 -2.822 2.8219
29 11599 9137.98 2461.02 2461 6056619 21.218 21.2175
30 9841 10268.2 -427.22 427.22 182517 -4.341 4.34123
31 11277 10286.8 990.16 990.16 980417 8.7803 8.78035
32 9587 10857.9 -1270.9 1270.9 1615085 -13.26 13.2561
33 10528 10187.9 340.12 340.12 115682 3.2306 3.23062
34 10164 10344.8 -180.8 180.8 32688.6 -1.779 1.77883
35 9684 10186 -502.03 502.03 252034 -5.184 5.18412
36 8572 9985.88 -1413.9 1413.9 1999057 -16.49 16.4942
37 9088 9209.6 -121.6 121.6 14786.6 -1.338 1.33803
38 8903 9019.04 -116.04 116.04 13465.3 -1.303 1.30338
39 8791 8907.78 -116.78 116.78 13637.6 -1.328 1.3284
40 7279 8878.45 -1599.5 1599.5 2558240 -21.97 21.9735
41 10931 8054.04 2876.96 2877 8276899 26.319 26.3193
42 9197 9362.04 -165.04 165.04 27238.2 -1.794 1.7945
43 11469 9443.16 2025.84 2025.8 4104028 17.664 17.6636
44 9340 10627.8 -1287.8 1287.8 1658377 -13.79 13.7878
45 7260 10018.3 -2758.3 2758.3 7607998 -37.99 37.9926
46 10146 8661.93 1484.07 1484.1 2202464 14.627 14.6271
47 11103 9056.6 2046.4 2046.4 4187753 18.431 18.4311
48 7706 10133.9 -2427.9 2427.9 5894601 -31.51 31.5064
49 9241.81
50 9241.81
51 9241.81
52 9241.81
53 9241.81
54 9241.81
55 9241.81
56 9241.81
57 9241.81
58 9241.81
59 9241.81
60 9241.81
61 9241.81
62 9241.81
63 9241.81

2016 37
Kelompok 8
Tabel 4.8 Peramalan Dengan Metode 3WMA (Lanjutan)

Abs Abs
64 9241.81
65 9241.81
66 9241.81
67 9241.81
68 9241.81
69 9241.81
70 9241.81
71 9241.81
72 9241.81

 Peramalan : Ft+3 = 0,167 Xt + 0,33 Xt+1 + 0,5 Xt+2
= 0,17(8758)+ 0,33(9572) + 0,5(8884) = 9089.62
 Error : 8397-9063.35 = -692.62
 Sqr error : (-666.35)( -666.35) = 479722
 ⃒ error⃒ : 692.62
 PE
− .
: = -8.248
 ⃒ PE ⃒ : 8.248
b. Software
Tabel 4.9 Perhitungan 3WMA dengan software Winqsb
Month Actual Forecast Error CFE MAD MSE MAPE (%)

1 8758
2 9572
3 8884
4 8397 9089.62 -692.62 -692.6201 692.6201 479722.6 8.248424
5 8868 8757.46 110.54 -582.0801 401.5801 245970.9 4.747464
6 10258 8715.29 1542.71 960.6299 781.9567 957298.6 8.178006
7 9548 9482.93 65.07031 1025.7 602.7351 719032.5 6.303882
8 9222 9666.7 -444.7 581 571.1281 614777.6 6.007539
9 8936 9505.7 -569.7 11.2998 570.8901 566407.8 6.068839
10 10997 9134.42 1862.58 1873.88 755.4173 981093 7.621457

2016 38
Kelompok 8
Tabel 4.9 Perhitungan 3WMA dengan software Winqsb (Lanjutan)
MAPE
Month Actual Forecast Error CFE MAD MSE (%)
11 11832 10015.12 1816.88 3690.76 888.1001 1271088 8.58823
12 10442 11064.13 -622.13 3068.63 858.5479 1172861 8.295978
13 10697 10995.05 -298.05 2770.58 802.498 1064458 7.745009
14 10449 10805.8 -356.8 2413.78 761.98 979262.6 7.351343
15 8947 10529.65 -1582.65 831.1299 830.3692 1106389 8.212829
16 10273 9740.16 532.8398 1363.97 807.4824 1043122 7.980057
17 9052 9865.34 -813.34 550.6299 807.9008 1015865 8.051852
18 8561 9437.08 -876.08 -325.4502 812.446 999308.5 8.197288
19 10780 9014.07 1765.93 1440.479 872.0388 1131759 8.708803
20 10099 9753.97 345.0303 1785.51 841.0383 1072187 8.39749
21 10485 10062.27 422.7305 2208.24 817.799 1022549 8.154949
22 8230 10407.77 -2177.77 30.4707 889.3763 1218345 9.118444
23 8423 9291.88 -868.88 -838.4092 888.3516 1195176 9.178301
24 7369 8709.85 -1340.85 -2179.259 909.8991 1223876 9.607706
25 9284 7863.19 1420.81 -758.4487 933.1223 1260004 9.866622
26 10211 8505.68 1705.32 946.8716 966.6962 1331661 10.16376
27 8717 9421.95 -704.95 241.9214 955.79 1296882 10.07723
28 9051 9306.41 -255.41 -13.48877 927.7748 1247616 9.787019
29 11599 9137.98 2461.02 2447.531 986.7458 1432578 10.22665
30 9841 10268.22 -427.22 2020.311 966.0226 1386279 10.00867
31 11277 10286.84 990.1602 3010.471 966.8846 1371784 9.964807
32 9587 10857.86 -1270.86 1739.611 977.3665 1380174 10.0783
33 10528 10187.88 340.1201 2079.731 956.125 1338024 9.850042
34 10164 10344.8 -180.8 1898.931 931.1146 1295916 9.589682
35 9684 10186.03 -502.03 1396.901 917.7057 1263295 9.452007
36 8572 9985.88 -1413.88 -16.979 932.7412 1285591 9.665406
37 9088 9209.6 -121.6 -138.5786 908.8842 1248214 9.420483
38 8903 9019.04 -116.04 -254.6187 886.2314 1212936 9.188565
39 8791 8907.78 -116.78 -371.3989 864.8578 1179622 8.970227
40 7279 8878.45 -1599.45 -1970.849 884.7117 1216882 9.321667
41 10931 8054.04 2876.96 906.1108 937.1393 1402672 9.768972
42 9197 9362.04 -165.04 741.0708 917.3419 1367404 9.564499
43 11469 9443.16 2025.84 2766.911 945.0543 1435820 9.766976
44 9340 10627.78 -1287.78 1479.13 953.4135 1441248 9.865046
45 7260 10018.26 -2758.26 -1279.129 996.386 1588075 10.53475
46 10146 8661.93 1484.07 204.9409 1007.727 1602364 10.62992

2016 39
Kelompok 8
Tabel 4.9 Perhitungan 3WMA dengan software Winqsb (Lanjutan)
MAPE
Month Actual Forecast Error CFE MAD MSE (%)
47 11103 9056.6 2046.4 2251.341 1031.334 1661122 10.80722
48 7706 10133.88 -2427.88 -176.5386 1062.368 1755200 11.2672
49 9241.81
50 9241.81
51 9241.81
52 9241.81
53 9241.81
54 9241.81
55 9241.81
56 9241.81
57 9241.81
58 9241.81
59 9241.81
60 9241.81
61 9241.81
62 9241.81
63 9241.81
64 9241.81
65 9241.81
66 9241.81
67 9241.81
68 9241.81
69 9241.81
70 9241.81
71 9241.81
72 9241.81

2016 40
Kelompok 8
a. Grafik
Grafik Peramalan 3WMA Manual

14000
12000
10000
8000
6000
4000
2000
0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93
X(t) F(t)
Gambar 4.10 Grafik Demand dan Peramalan 3WMA Excel
Gambar 4.11 Grafik Demand dan Peramalan 3WMA Winqsb
b. Error
 Manual
Tabel 4.10 Perhitungan Error Manual 3 WMA
Metode Error
MSE 1755200
ME -3.92311
SSE 78983989
MPE -1.46494
MAPE 11.2672

2016 41
Kelompok 8
Perhitungan Error
 MSE =
∑ ��
= 1755200
 MAPE =
∑ |� |
= 11.2672
 ME =
∑ ��
= -3.92311
 SSE = ∑ �� = 78983989
 MPE =
∑�
= − .
 Software
Tabel 4.11 Perhitungan Software 3 WMA
Metode Error
CFE -176.5386
MAD 1062.368
MSE 1755200
MAPE 11.2672
 Metode 5 WMA
a. Manual
Tabel 4.12 Perhitungan Manual 5 WMA
periode Demand Forecast Error |Error| E. kuadrat PE |PE|

1 8758
2 9572
3 8884
4 8397
5 8868
6 10258 8827.85 1430.15 1430.15 2045329 13.942% 13.942%
7 9548 9283.86 264.14 264.14 69769.94 2.766% 2.766%
8 9222 9407.59 -185.59 185.59 34443.65 -2.012% 2.012%
9 8936 9413.45 -477.45 477.45 227958.5 -5.343% 5.343%
10 10997 9302.72 1694.28 1694.28 2870585 15.407% 15.407%
11 11832 9845.43 1986.57 1986.57 3946460 16.790% 16.790%
12 10442 10528.17 -86.17 86.17 7425.269 -0.825% 0.825%
13 10697 10647.12 49.88 49.88 2488.014 0.466% 0.466%

2016 42
Kelompok 8
Tabel 4.12 Perhitungan Manual 5 WMA (Lanjutan)

14 10449 10770.88 -321.88 321.88 103606.7 -3.080% 3.080%
15 8947 10732.71 -1785.71 1785.71 3188760 -19.959% 19.959%
16 10273 10098.84 174.16 174.16 30331.71 1.695% 1.695%
17 9052 10017.13 -965.13 965.13 931475.9 -10.662% 10.662%
18 8561 9657.43 -1096.43 1096.43 1202159 -12.807% 12.807%
19 10780 9218.31 1561.69 1561.69 2438876 14.487% 14.487%
20 10099 9641.05 457.95 457.95 209718.2 4.535% 4.535%
21 10485 9851.34 633.66 633.66 401525 6.043% 6.043%
22 8230 10089.35 -1859.35 1859.35 3457182 -22.592% 22.592%
23 8423 9567.32 -1144.32 1144.32 1309468 -13.586% 13.586%
24 7369 9166.16 -1797.16 1797.16 3229784 -24.388% 24.388%
25 9284 8421.96 862.04 862.04 743113 9.285% 9.285%
26 10211 8541.8 1669.2 1669.2 2786229 16.347% 16.347%
27 8717 9021.2 -304.2 304.2 92537.64 -3.490% 3.490%
28 9051 9037.96 13.04 13.04 170.0416 0.144% 0.144%
29 11599 9105.37 2493.63 2493.63 6218191 21.499% 21.499%
30 9841 9992.15 -151.15 151.15 22846.32 -1.536% 1.536%
31 11277 10037.44 1239.56 1239.56 1536509 10.992% 10.992%
32 9587 10485.1 -898.1 898.1 806583.6 -9.368% 9.368%
33 10528 10318.14 209.86 209.86 44041.22 1.993% 1.993%
34 10164 10409.39 -245.39 245.39 60216.25 -2.414% 2.414%
35 9684 10268.96 -584.96 584.96 342178.2 -6.040% 6.040%
36 8572 10081.3 -1509.3 1509.3 2277986 -17.607% 17.607%
37 9088 9515.97 -427.97 427.97 183158.3 -4.709% 4.709%
38 8903 9308.56 -405.56 405.56 164478.9 -4.555% 4.555%
39 8791 9076.55 -285.55 285.55 81538.8 -3.248% 3.248%
40 7279 8914.68 -1635.68 1635.68 2675449 -22.471% 22.471%
41 10931 8337.72 2593.28 2593.28 6725101 23.724% 23.724%
42 9197 9124.31 72.69 72.69 5283.836 0.790% 0.790%
43 11469 9208.22 2260.78 2260.78 5111126 19.712% 19.712%
44 9340 10015.8 -675.8 675.8 456705.6 -7.236% 7.236%
45 7260 9948.79 -2688.79 2688.79 7229592 -37.036% 37.036%
46 10146 9172.18 973.82 973.82 948325.4 9.598% 9.598%
47 11103 9311.14 1791.86 1791.86 3210762 16.139% 16.139%
48 7706 9872.44 -2166.44 2166.44 4693462 -28.114% 28.114%
49 9167.59
50 9167.59

2016 43
Kelompok 8
Tabel 4.12 Perhitungan Manual 5 WMA (Lanjutan)

51 9167.59
52 9167.59
53 9167.59
54 9167.59
55 9167.59
56 9167.59
57 9167.59
58 9167.59
59 9167.59
60 9167.59
61 9167.59
62 9167.59
63 9167.59
64 9167.59
65 9167.59
66 9167.59
67 9167.59
68 9167.59
69 9167.59
70 9167.59
71 9167.59
72 9167.59

 Forecast : F(6) = 0.33(8868) + 0.27(8397) + 0.2(8884) + 0.13(9572) +
0.07(8758) = 8827.85
 Error (6) : 10258-8827.85 = 1430.15
 Sqr error : (1430.15)( 1430.15) = 2045329.023
 | error⃒ : 1430.15
 PE
.
: = 13.942%
 ⃒ PE ⃒ : 13.942%

2016 44
Kelompok 8
b. Software
Tabel 4.13 Perhitungan winqsb 5 WMA

Forecast
3/9/2016 Actual Forecast MAPE Tracking
by CFE MAD MSE
Month Data Error (%) Signal
5-WMA
1 8758
2 9572
3 8884
4 8397
5 8868
6 10258 8827.851 1430.149 1430.149 1430.149 2045327 13.9418 1
7 9548 9283.86 264.1396 1694.289 847.1445 1057549 8.354117 2
8 9222 9407.59 -185.59 1508.699 626.6263 716513.6 6.240234 2.407654
9 8936 9413.45 -477.45 1031.249 589.3323 594374.9 6.015925 1.74986
10 10997 9302.72 1694.28 2725.529 810.3219 1049617 7.89409 3.363514
11 11832 9845.43 1986.57 4712.1 1006.363 1532425 9.37671 4.682305
12 10442 10528.17 -86.1699 4625.93 874.9071 1314567 8.155069 5.287338
13 10697 10647.12 49.87988 4675.81 771.7787 1150558 7.193973 6.058485
14 10449 10770.88 -321.88 4353.93 721.7899 1034230 6.736919 6.032129
15 8947 10732.71 -1785.71 2568.22 828.1819 1249683 8.059103 3.101033
16 10273 10098.84 174.1602 2742.38 768.7254 1138833 7.480577 3.567438
17 9052 10017.13 -965.13 1777.25 785.0925 1121553 7.745701 2.263746
18 8561 9657.43 -1096.43 680.8203 809.0414 1127753 8.135052 0.841515
19 10780 9218.311 1561.689 2242.51 862.8021 1221405 8.588756 2.599101
20 10099 9641.05 457.9502 2700.46 835.8119 1153959 8.31848 3.230942
21 10485 9851.341 633.6592 3334.119 823.1774 1106932 8.176292 4.050305
22 8230 10089.35 -1859.35 1474.769 884.1287 1245182 9.024296 1.668047
23 8423 9567.32 -1144.32 330.4482 898.5838 1248754 9.277705 0.367743
24 7369 9166.16 -1797.16 -1466.71 945.8773 1353018 10.07299 -1.55064
25 9284 8421.96 862.04 -604.672 941.6854 1322523 10.0336 -0.64212
26 10211 8541.8 1669.2 1064.528 976.3289 1392223 10.33424 1.090338
27 8717 9021.2 -304.2 760.3281 945.7775 1333147 10.02313 0.803919
28 9051 9037.96 13.04004 773.3682 905.2237 1275191 9.593604 0.854339
29 11599 9105.37 2493.63 3266.998 971.4072 1481150 10.08965 3.36316
30 9841 9992.15 -151.15 3115.848 938.5969 1422817 9.747499 3.319687
31 11277 10037.44 1239.56 4355.407 950.1725 1427190 9.795362 4.583807
32 9587 10485.1 -898.101 3457.307 948.2439 1404205 9.77953 3.64601
33 10528 10318.14 209.8594 3667.166 921.873 1355627 9.501451 3.977951
34 10164 10409.39 -245.391 3421.775 898.5461 1310958 9.257068 3.808125

2016 45
Kelompok 8
Tabel 4.13 Perhitungan winqsb 5 WMA (Lanjutan)
Forecast
by CFE MAD MSE
5-WMA
35 9684 10268.96 -584.961 2836.814 888.0932 1278665 9.149848 3.194276
36 8572 10081.3 -1509.3 1327.515 908.1322 1310902 9.42267 1.461808
37 9088 9515.97 -427.97 899.5449 893.1271 1275660 9.275373 1.007186
38 8903 9308.561 -405.561 493.9844 878.3524 1241988 9.132341 0.562399
39 8791 9076.55 -285.55 208.4346 860.9169 1207857 8.959279 0.242108
40 7279 8914.681 -1635.68 -1427.25 883.053 1249788 9.345334 -1.61626
41 10931 8337.721 2593.279 1166.033 930.5593 1401880 9.744744 1.253046
42 9197 9124.311 72.68945 1238.723 907.3735 1364134 9.502734 1.365174
43 11469 9208.221 2260.779 3499.502 942.9895 1462739 9.771401 3.711072
44 9340 10015.8 -675.801 2823.701 936.1385 1436943 9.70638 3.016328
45 7260 9948.79 -2688.79 134.9111 979.9548 1581760 10.38961 0.137671
46 10146 9172.181 973.8193 1108.73 979.8052 1566310 10.37031 1.131583
47 11103 9311.14 1791.86 2900.591 999.1398 1605464 10.50764 2.903088
48 7706 9872.44 -2166.44 734.1504 1026.286 1677278 10.91709 0.715347
49 9167.591
50 9167.591
51 9167.591
52 9167.591
53 9167.591
54 9167.591
55 9167.591
56 9167.591
57 9167.591
58 9167.591
59 9167.591
60 9167.591
61 9167.591
62 9167.591
63 9167.591
64 9167.591
65 9167.591
66 9167.591
67 9167.591
68 9167.591
69 9167.591

2016 46
Kelompok 8
Tabel 4.13 Perhitungan winqsb 5 WMA (Lanjutan)
Forecast
by CFE MAD MSE
5-WMA
70 9167.591
71 9167.591
72 9167.591
c. Grafik
Grafik metode 5 WMA

14000
12000
10000
8000
6000
4000
2000
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70
Demand Forecast
Gambar 4.12 Grafik Peramalan 5 WMA Manual
Gambar 4.13 Grafik Peramalan 5 WMA winqsb

2016 47
Kelompok 8
d. Error
 Manual
Tabel 4.14 Error metode 5 WMA Manual
Metode Error
MSE 1677277.46
MAPE 10.917%
MPE -1.319%
SSE 72122930.9
ME 17.073
 MSE =
∑ �� .
= = 1677277.46
 MAPE =
∑ |� | . %
= = 10.917%
 ME =
∑ �� .
= = 17.073
 SSE = ∑ �� = 72122930.9
 MPE =
∑� − . %
= = -1.319%
 Software
Tabel 4.15 Error metode 5 WMA Software
Metode Error
CFE 734.1504
MAD 1026.286
MSE 1677278
MAPE 10.91709

2016 48
Kelompok 8
 Metode 3 CMA
a. Manual
Tabel 4.16 Peramalan Metode 3 CMA

t X(t) F(t) Error Error^2 PE Abs PE
1 8778
2 9572 9078 494 244036 5,160886 5,160886
3 8884 8951 -67 4489 -0,75416 0,754165
4 8397 8716,333 -319,333 101973,8 -3,80295 3,802945
5 8868 9174,333 -306,333 93840,11 -3,45437 3,454368
6 10258 9558 700 490000 6,823942 6,823942
7 9548 9676 -128 16384 -1,34059 1,340595
8 9222 9235,333 -13,3333 177,7778 -0,14458 0,144582
9 8936 9718,333 -782,333 612045,4 -8,75485 8,754849
10 10997 10588,33 408,6667 167008,4 3,716165 3,716165
11 11832 11090,33 741,6667 550069,4 6,268312 6,268312
12 10442 10990,33 -548,333 300669,4 -5,25123 5,251229
13 10697 10529,33 167,6667 28112,11 1,567418 1,567418
14 10449 10031 418 174724 4,000383 4,000383
15 8947 9889,667 -942,667 888620,4 -10,5361 10,53612
16 10273 9424 849 720801 8,264382 8,264382
17 9052 9295,333 -243,333 59211,11 -2,68817 2,688172
18 8561 9464,333 -903,333 816011,1 -10,5517 10,55173
19 10780 9813,333 966,6667 934444,4 8,967223 8,967223
20 10099 10454,67 -355,667 126498,8 -3,5218 3,521801
21 10485 9604,667 880,3333 774986,8 8,396121 8,396121
22 8230 9046 -816 665856 -9,91495 9,914945
23 8423 8007,333 415,6667 172778,8 4,9349 4,9349
24 7369 8358,667 -989,667 979440,1 -13,4301 13,43014

2016 49
Kelompok 8
Tabel 4.16 Peramalan Metode 3 CMA (Lanjutan)

25 9284 8954,667 329,3333 108460,4 3,547322 3,547322
26 10211 9404 807 651249 7,903242 7,903242
27 8717 9326,333 -609,333 371287,1 -6,99017 6,990172
28 9051 9789 -738 544644 -8,1538 8,153795
29 11599 10163,67 1435,333 2060182 12,37463 12,37463
30 9841 10905,67 -1064,67 1133515 -10,8187 10,81868
31 11277 10235 1042 1085764 9,240046 9,240046
32 9587 10464 -877 769129 -9,1478 9,147804
33 10528 10093 435 189225 4,131839 4,131839
34 10164 10125,33 38,66667 1495,111 0,380428 0,380428
35 9684 9473,333 210,6667 44380,44 2,17541 2,17541
36 8572 9114,667 -542,667 294487,1 -6,33069 6,330689
37 9088 8854,333 233,6667 54600,11 2,571156 2,571156
38 8903 8927,333 -24,3333 592,1111 -0,27332 0,273316
39 8791 8324,333 466,6667 217777,8 5,308459 5,308459
40 7279 9000,333 -1721,33 2962988 -23,6479 23,64794
41 10931 9135,667 1795,333 3223222 16,42424 16,42424
42 9197 10532,33 -1335,33 1783115 -14,5192 14,51923
43 11469 10002 1467 2152089 12,791 12,791
44 9340 9356,333 -16,3333 266,7778 -0,17488 0,174875
45 7260 8915,333 -1655,33 2740128 -22,8007 22,80073
46 10146 9503 643 413449 6,337473 6,337473
47 11103 9651,667 1451,333 2106368 13,07154 13,07154
48 7706 9651,667 -1945,67 3785619 -25,2487 25,24872
49 9651,667 -9651,67
50 9651,667

2016 50
Kelompok 8
Tabel 4.16 Peramalan Metode 3 CMA (Lanjutan)

51 9651,667
52 9651,667
53 9651,667
54 9651,667
55 9651,667
56 9651,667
57 9651,667
58 9651,667
59 9651,667
60 9651,667
61 9651,667
62 9651,667
63 9651,667
64 9651,667
65 9651,667
66 9651,667
67 9651,667
68 9651,667
69 9651,667
70 9651,667
71 9651,667
72 9651,667
Perhitungan pada Tabel:

 F(t)4= (8884 + 8397 + 8868) / 3 = 9071.33
 Error4 = X4 – F4 = 8397 – 8716,33 = 500.67
 Error24 = (X4 – F4)2 = (-319,33)2 = 250667
 |Error4| = |X4 – F4| = |-319,33| = 250667
2016 51
Kelompok 8
 PE4 = = 5.230
 |PE4| = |-3,8029| = 5.230
b. Software
Forecasts

49 9651.67 7861.31 11442.0
50 9651.67 7861.31 11442.0
51 9651.67 7861.31 11442.0
52 9651.67 7861.31 11442.0
53 9651.67 7861.31 11442.0
54 9651.67 7861.31 11442.0
55 9651.67 7861.31 11442.0
56 9651.67 7861.31 11442.0
57 9651.67 7861.31 11442.0
58 9651.67 7861.31 11442.0
59 9651.67 7861.31 11442.0
60 9651.67 7861.31 11442.0
61 9651.67 7861.31 11442.0
62 9651.67 7861.31 11442.0
63 9651.67 7861.31 11442.0
64 9651.67 7861.31 11442.0
65 9651.67 7861.31 11442.0
66 9651.67 7861.31 11442.0
67 9651.67 7861.31 11442.0
68 9651.67 7861.31 11442.0
69 9651.67 7861.31 11442.0
70 9651.67 7861.31 11442.0
71 9651.67 7861.31 11442.0
72 9651.67 7861.31 11442.0
c. Grafik
Peramalan Data Konstan 3 CMA

14000
12000
10000
Demand
8000
6000
4000
2000
0
1 4 7 1013161922252831343740434649525558616467707376798285889194
Periode
Data Aktual Data Ramalan
Gambar 4.14 Grafik 3 CMA

2016 52
Kelompok 8
Gambar 4.15 Grafik Output Software Minitab
d. Error
 Manual
Tabel 4.17 Rekapitulasi Perhitungan Error 3 CMA

Error Jumlah
MSE 757932.83
MAPE 7.5888885
MPE -1.017562
SSE 35622843
ME -11.53191
Perhitungan Error:
 � =
∑ ��
=− ,
 �� =
∑�
�= ��
= .
 �� =
∑�
=− ,
 �� =
∑|� � |
= ,
 �� = ∑ � =

2016 53
Kelompok 8
 Software
Accuracy Measures
MAPE 8
MAD 709
MSD 834421
4.2.3.3 Data Pola Linear
 Metode DEST
a. Manual
Tabel 4.18 Perhitungan Manual metode DEST
t X(t) S(t) B(t) F(t) Error Error^2 PE Abs PE

1 2609 2609 2609
2 2628 2619,336 2614,623 2609 19 361 7,23E-05 7,23E-05
3 2716 2671,921 2645,793 2629,672 86,328 7452,524 0,000318 0,000318
4 2756 2717,66 2684,889 2729,22 26,78035 717,1873 9,72E-05 9,72E-05
5 2897 2815,221 2755,789 2789,527 107,473 11550,44 0,000371 0,000371
6 3382 3123,549 2955,851 2945,553 436,4468 190485,8 0,00129 0,00129
7 3429 3289,714 3137,472 3491,308 -62,3081 3882,294 -0,00018 0,000182
8 3453 3378,542 3268,614 3623,578 -170,578 29096,83 -0,00049 0,000494
9 3502 3445,703 3364,95 3619,611 -117,611 13832,35 -0,00034 0,000336
10 3535 3494,281 3435,306 3622,792 -87,7919 7707,423 -0,00025 0,000248
11 3606 3555,056 3500,45 3623,611 -17,6107 310,1361 -4,9E-05 4,88E-05
12 3727 3648,594 3581,04 3674,806 52,19416 2724,23 0,00014 0,00014
13 3823 3743,471 3669,402 3796,737 26,26297 689,7436 6,87E-05 6,87E-05
14 3849 3800,879 3740,925 3905,901 -56,9012 3237,748 -0,00015 0,000148
15 3892 3850,449 3800,506 3932,355 -40,3549 1628,52 -0,0001 0,000104
16 4017 3941,053 3876,963 3959,972 57,02812 3252,206 0,000142 0,000142
17 4043 3996,512 3941,998 4081,599 -38,5991 1489,892 -9,5E-05 9,55E-05
18 4047 4023,977 3986,595 4116,061 -69,0606 4769,365 -0,00017 0,000171
19 4124 4078,39 4036,531 4105,957 18,04289 325,5458 4,38E-05 4,38E-05
20 4142 4112,994 4078,127 4170,185 -28,1847 794,3776 -6,8E-05 6,8E-05
21 4213 4167,397 4126,69 4189,456 23,54378 554,3098 5,59E-05 5,59E-05
22 4248 4211,245 4172,688 4256,667 -8,66745 75,12477 -2E-05 2,04E-05
23 4262 4238,856 4208,683 4295,8 -33,8003 1142,462 -7,9E-05 7,93E-05
24 4279 4260,694 4236,977 4305,024 -26,0236 677,2285 -6,1E-05 6,08E-05
25 4298 4280,989 4260,919 4312,705 -14,7052 216,2439 -3,4E-05 3,42E-05
26 4395 4343,011 4305,577 4325 70,00007 4900,01 0,000159 0,000159
27 4406 4377,277 4344,582 4425,102 -19,1022 364,8935 -4,3E-05 4,34E-05

2016 54
Kelompok 8
Tabel 4.18 Perhitungan Manual metode DEST (Lanjutan)

28 4420 4400,518 4375,011 4448,977 -28,9767 839,6508 -6,6E-05 6,56E-05
29 4539 4475,852 4429,869 4456,455 82,54526 6813,719 0,000182 0,000182
30 4565 4524,349 4481,266 4576,693 -11,6934 136,7361 -2,6E-05 2,56E-05
31 4605 4568,223 4528,571 4618,829 -13,8285 191,2283 -3E-05 3E-05
32 4639 4606,726 4571,087 4655,18 -16,1801 261,7968 -3,5E-05 3,49E-05
33 4717 4666,715 4623,109 4684,881 32,11916 1031,641 6,81E-05 6,81E-05
34 4844 4763,158 4699,295 4762,343 81,65711 6667,884 0,000169 0,000169
35 4908 4841,952 4776,901 4903,207 4,792555 22,96858 9,76E-06 9,76E-06
36 4961 4906,714 4847,519 4984,609 -23,6086 557,368 -4,8E-05 4,76E-05
37 5010 4962,902 4910,287 5036,528 -26,5276 703,715 -5,3E-05 5,29E-05
38 5074 5023,339 4971,787 5078,284 -4,28411 18,35359 -8,4E-06 8,44E-06
39 5094 5061,779 5020,743 5136,391 -42,3911 1797,002 -8,3E-05 8,32E-05
40 5137 5102,699 5065,327 5151,77 -14,7698 218,1477 -2,9E-05 2,88E-05
41 5188 5149,103 5110,901 5184,655 3,344547 11,18599 6,45E-06 6,45E-06
42 5290 5225,751 5173,379 5232,879 57,1214 3262,855 0,000108 0,000108
43 5304 5268,318 5225,026 5340,601 -36,6007 1339,613 -6,9E-05 6,9E-05
44 5395 5337,233 5286,067 5363,257 31,74254 1007,589 5,88E-05 5,88E-05
45 5434 5389,874 5342,538 5449,44 -15,4402 238,3997 -2,8E-05 2,84E-05
46 5671 5542,807 5451,484 5493,682 177,3181 31441,72 0,000313 0,000313
47 5766 5664,224 5567,215 5743,075 22,9247 525,542 3,98E-05 3,98E-05
48 5770 5721,766 5651,291 5876,963 -106,963 11441,19 -0,00019 0,000185
49 5876,318
50 5960,394
51 6044,47
52 6128,546
53 6212,622
54 6296,698
55 6380,774
56 6464,85
57 6548,926
58 6633,002
59 6717,078
60 6801,154
61 6885,23
62 6969,306
63 7053,382
64 7137,458

2016 55
Kelompok 8
Tabel 4.18 Perhitungan Manual metode DEST (Lanjutan)

65 7221,534
66 7305,61
67 7389,686
68 7473,762
69 7557,838
70 7641,914
71 7725,99
72 7810,066
Total 284,102 360766,2 0,00092 0,006505

 Peramalan : F(t)1
St = α.X(t) + (1-α).St-1
S2 = 0.544 (2628) + (1 - 0.544).(2609) = 2619,336
Bt = α . St + (1- α) Bt-1
B2 = 0.544 (2619,336) + (1 - 0.544)2609 = 2614,623
α
Ft = ((2*St-1) - Bt-1) + ( � St-1)-( Bt-1))
−α
,
F2 = ((2*2609)-2609 + ( � 2609)-(2609)) = 2609
− .
 Error4 = X4 – F4 = 2756 – 2729,22 = 26,78

 Error24 = (X4 – F4)2 = (26,78)2 = 717,18
 |Error4| = |X4 – F4| = |26,78| = 26,78
 PE4 = = 0.97
 |PE4| = |9,72| = 0.97
b. Software
Tabel 4.19 Output Winqsb DEST

Forecast
9/5/2016 Actual Forecast MAPE
by CFE MAD MSE
Month Data Error (%)
DEST
1 2609
2 2628 2609 19 19 19 361 0.722983
3 2716 2629.672 86.32813 105.3281 52.66406 3906.772 1.950743

2016 56
Kelompok 8
Tabel 4.19 Output Winqsb DEST (Lanjutan)
Forecast
by CFE MAD MSE
DEST
4 2756 2729.219 26.78076 132.1089 44.0363 2843.585 1.624404
5 2897 2789.527 107.4731 239.582 59.89551 5020.308 2.145755
6 3382 2945.553 436.447 676.0291 135.2058 42113.45 4.297603
7 3429 3491.308 -62.30811 613.7209 123.0562 35741.59 3.884185
8 3453 3623.578 -170.5784 443.1426 129.8451 34792.36 4.035016
9 3502 3619.611 -117.6108 325.5317 128.3158 32172.35 3.950438
10 3535 3622.792 -87.79175 237.74 123.8131 29454.02 3.787445
11 3606 3623.61 -17.61035 220.1296 113.1928 26539.63 3.457537
12 3727 3674.806 52.19409 272.3237 107.6475 24374.6 3.270527
13 3823 3796.737 26.26294 298.5867 100.8655 22400.86 3.055231
14 3849 3905.901 -56.90137 241.6853 97.4836 20926.78 2.933932
15 3892 3932.355 -40.35474 201.3306 93.40297 19548.33 2.798427
16 4017 3959.972 57.02808 258.3586 90.97798 18461.92 2.70651
17 4043 4081.6 -38.59961 219.759 87.70433 17401.17 2.597023
18 4047 4116.061 -69.06055 150.6985 86.60764 16658.12 2.544638
19 4124 4105.958 18.04248 168.741 82.79846 15750.75 2.427574
20 4142 4170.185 -28.18457 140.5564 79.92405 14963.58 2.335621
21 4213 4189.456 23.54395 164.1003 77.10504 14243.11 2.246782
22 4248 4256.667 -8.666992 155.4333 73.84608 13568.45 2.149508
23 4262 4295.8 -33.80029 121.6331 72.02583 13003.63 2.087851
24 4279 4305.023 -26.02344 95.60962 70.02572 12467.7 2.023517
25 4298 4312.705 -14.70508 80.90454 67.7207 11957.22 1.953459
26 4395 4325 69.99951 150.9041 67.81184 11674.93 1.939029
27 4406 4425.102 -19.10205 131.802 65.93839 11239.93 1.881126
28 4420 4448.976 -28.97607 102.8259 64.56942 10854.73 1.835735
29 4539 4456.454 82.5459 185.3718 65.21143 10710.41 1.835123
30 4565 4576.693 -11.69287 173.679 63.36597 10345.8 1.780675
31 4605 4618.829 -13.8291 159.8499 61.71474 10007.32 1.73133
32 4639 4655.181 -16.18115 143.6687 60.24591 9692.947 1.686732
33 4717 4684.88 32.11963 175.7883 59.36697 9422.282 1.655301
34 4844 4762.343 81.65674 257.4451 60.04242 9338.814 1.656223
35 4908 4903.208 4.791992 262.2371 58.4174 9064.818 1.610382
36 4961 4984.608 -23.6084 238.6287 57.42286 8821.748 1.577968
37 5010 5036.527 -26.52734 212.1013 56.56465 8596.247 1.548844
38 5074 5078.284 -4.28418 207.8171 55.15166 8364.412 1.509265

2016 57
Kelompok 8
Tabel 4.19 Output Winqsb DEST (Lanjutan)
Forecast
by CFE MAD MSE
DEST
39 5094 5136.392 -42.3916 165.4255 54.81587 8191.586 1.491447
40 5137 5151.771 -14.77051 150.655 53.78907 7987.14 1.460577
41 5188 5184.655 3.344727 153.9998 52.52796 7787.741 1.425675
42 5290 5232.878 57.12158 211.1213 52.64 7677.378 1.417239
43 5304 5340.601 -36.60107 174.5203 52.25812 7526.48 1.399925
44 5395 5363.257 31.74316 206.2634 51.78103 7374.879 1.381052
45 5434 5449.44 -15.44043 190.823 50.9551 7212.686 1.356122
46 5671 5493.683 177.3174 368.1404 53.76316 7751.104 1.39547
47 5766 5743.075 22.92529 391.0657 53.09277 7594.026 1.373777
48 5770 5876.963 -106.9634 284.1023 54.23895 7675.88 1.38399
49 5876.318
50 5960.394
51 6044.47
52 6128.546
53 6212.623
54 6296.699
55 6380.775
56 6464.851
57 6548.927
58 6633.003
59 6717.08
60 6801.156
61 6885.232
62 6969.308
63 7053.384
64 7137.46
65 7221.537
66 7305.613
67 7389.689
68 7473.765
69 7557.841
70 7641.917
71 7725.994
72 7810.07

2016 58
Kelompok 8
c. Grafik
Grafik Peramalan Metode DEST

12000
10000
8000
Demand
6000
4000
2000
0
1 4 7 1013161922252831343740434649525558616467707376798285889194
Periode
Demand Data Forecasting Data
Gambar 4.16 Grafik Manual Metode DEST
Gambar 4.17 Grafik Software DEST

2016 59
Kelompok 8
d. Error
 Manual
Tabel 4.20 Perhitungan Manual Nilai Error Metode DEST

Metode Error
MSE 7675,876
MPE 0,1957557
MAPE 1,3839
ME 6,044724
SSE 360766,2
Perhitungan Error:
 � =
∑ ��
= ,
 �� =
∑�
�= ��
= ,
 �� =
∑�
= 0,1957
 �� =
∑|� � |
= ,
 �� = ∑ � = ,
 Software
Tabel 4.21 Error Software Metode DEST
Metode Error
CFE 284.1023
MAD 54.23895
MSE 7675.88
MAPE 1.38399

2016 60
Kelompok 8
 Metode DES
a. Manual
Tabel 4.22 Perhitungan Manual DES

Abs
t X(t) F'(t) F(t) Error Error^2 PE Abs PE
Error
1 2609
2 2628 2609 2609.000 19 19 361 0.722983 0.722983
3 2716 2619.336 2614.623 101.3772 101.3772 10277.34 3.732593 3.732593
4 2756 2671.921 2645.793 110.2069 110.2069 12145.55 3.998798 3.998798
5 2897 2717.66 2684.889 212.111 212.1113 44991.18 7.321755 7.321755
6 3382 2815.221 2755.789 626.2105 626.2105 392139.6 18.51598 18.51598
7 3429 3123.549 2955.851 473.1495 473.1495 223870.4 13.79847 13.79847
8 3453 3289.714 3137.472 315.5276 315.5276 99557.67 9.137782 9.137782
9 3502 3378.542 3268.614 233.3859 233.3859 54468.98 6.664361 6.664361
10 3535 3445.703 3364.950 170.0495 170.0495 28916.84 4.810454 4.810454
11 3606 3494.281 3435.306 170.694 170.694 29136.43 4.733609 4.733609
12 3727 3555.056 3500.450 226.55 226.55 51324.91 6.078616 6.078616
13 3823 3648.594 3581.040 241.9599 241.9599 58544.61 6.329059 6.329059
14 3849 3743.471 3669.402 179.5977 179.5977 32255.33 4.666087 4.666087
15 3892 3800.879 3740.925 151.0746 151.0746 22823.53 3.88167 3.88167
16 4017 3850.449 3800.506 216.4939 216.4939 46869.63 5.389444 5.389444
17 4043 3941.053 3876.963 166.0366 166.0366 27568.16 4.106768 4.106768
18 4047 3996.512 3941.998 105.0022 105.0022 11025.46 2.594569 2.594569
19 4124 4023.977 3986.595 137.4053 137.4053 18880.21 3.331844 3.331844
20 4142 4078.39 4036.531 105.4688 105.4688 11123.67 2.546325 2.546325
21 4213 4112.994 4078.127 134.8732 134.8732 18190.78 3.201357 3.201357
22 4248 4167.397 4126.690 121.3101 121.3101 14716.15 2.8557 2.8557
23 4262 4211.245 4172.688 89.31209 89.31209 7976.649 2.095544 2.095544
24 4279 4238.856 4208.683 70.31678 70.31678 4944.449 1.643299 1.643299
25 4298 4260.694 4236.977 61.02279 61.02279 3723.781 1.419795 1.419795
26 4395 4280.989 4260.919 134.0806 134.0806 17977.61 3.050753 3.050753
27 4406 4343.011 4305.577 100.4229 100.4229 10084.76 2.27923 2.27923
28 4420 4377.277 4344.582 75.41819 75.41819 5687.904 1.706294 1.706294
29 4539 4400.518 4375.011 163.9888 163.9888 26892.31 3.612883 3.612883
30 4565 4475.852 4429.869 135.1312 135.1312 18260.44 2.960158 2.960158
31 4605 4524.349 4481.266 123.7342 123.7342 15310.14 2.686952 2.686952
32 4639 4568.223 4528.571 110.4295 110.4295 12194.67 2.380458 2.380458

2016 61
Kelompok 8
Tabel 4.22 Perhitungan Manual DES (Lanjutan)

Abs
Error
33 4717 4606.726 4571.087 145.9131 145.9131 21290.62 3.093345 3.093345
34 4844 4666.715 4623.109 220.8914 220.8914 48793.03 4.560104 4.560104
35 4908 4763.158 4699.295 208.7045 208.7045 43557.59 4.252334 4.252334
36 4961 4841.952 4776.901 184.0994 184.0994 33892.57 3.710932 3.710932
37 5010 4906.714 4847.519 162.4808 162.4808 26400.02 3.24313 3.24313
38 5074 4962.902 4910.287 163.7128 163.7128 26801.87 3.226503 3.226503
39 5094 5023.339 4971.787 122.2125 122.2125 14935.9 2.399146 2.399146
40 5137 5061.779 5020.743 116.2573 116.2573 13515.76 2.263137 2.263137
41 5188 5102.699 5065.327 122.673 122.673 15048.68 2.364554 2.364554
42 5290 5149.103 5110.901 179.099 179.099 32076.45 3.385614 3.385614
43 5304 5225.751 5173.379 130.6207 130.6207 17061.76 2.462682 2.462682
44 5395 5268.318 5225.026 169.9738 169.9738 28891.1 3.150581 3.150581
45 5434 5337.233 5286.067 147.9332 147.9332 21884.23 2.722363 2.722363
46 5671 5389.874 5342.538 328.4619 328.4619 107887.2 5.791957 5.791957
47 5766 5542.807 5451.484 314.5158 314.5158 98920.18 5.454662 5.454662
48 5770 5664.224 5567.215 202.7854 202.7854 41121.93 3.514479 3.514479
49 5721.766 5651.291
50 5651.291
51 5651.291
52 5651.291
53 5651.291
54 5651.291
55 5651.291
56 5651.291
57 5651.291
58 5651.291
59 5651.291
60 5651.291
61 5651.291
62 5651.291
63 5651.291
64 5651.291
65 5651.291
66 5651.291
67 5651.291

2016 62
Kelompok 8
Tabel 4.22 Perhitungan Manual DES (Lanjutan)

Abs
Error
68 5651.291
69 5651.291
70 5651.291
71 5651.291
72 5651.291
Perhitungan pada tabel :

 Peramalan : α = 0,544
F(3) = (0,544x2619.336) + (1 – 0,544)x2609 = 2614,62
 Error = 2716 – 2614.62 = 101.38

 Error2 = (101.38)2 = 10277.34
 |Error| = 101.38
 PE =
, .
� %= . %
 |PE4| =3.73%
b. Software
Tabel 4.23 Peramalan DES Software

Forecast MAPE
9/5/2016 Actual Forecast CFE MAD MSE
by (%)
Month Data Error
DES
1 2609
2 2628 2609 19 19 19 361 0.722983
3 2716 2614.623 101.3772 120.3772 60.1886 5319.168 2.227787
4 2756 2645.793 110.2068 230.584 76.86133 7594.624 2.818123
5 2897 2684.889 212.1111 442.6951 110.6738 16943.75 3.94403
6 3382 2755.79 626.2104 1068.906 213.7811 91982.9 6.85842
7 3429 2955.851 473.1494 1542.055 257.0092 113964.1 8.015094
8 3453 3137.472 315.5276 1857.583 265.3689 111906.1 8.175478
9 3502 3268.614 233.3857 2090.968 261.371 104726.4 7.986588
10 3535 3364.951 170.0493 2261.018 251.2242 96303.13 7.633683
11 3606 3435.306 170.6938 2431.711 243.1711 89586.46 7.343675
12 3727 3500.45 226.55 2658.261 241.6601 86108.14 7.22867

2016 63
Kelompok 8
Tabel 4.23 Peramalan DES Software (Lanjutan)
Forecast MAPE
by (%)
Month Data Error
DES
13 3823 3581.04 241.96 2900.221 241.6851 83811.18 7.153702
14 3849 3669.402 179.5977 3079.819 236.9092 79845.34 6.962347
15 3892 3740.926 151.0745 3230.894 230.7781 75772.35 6.742299
16 4017 3800.506 216.4939 3447.387 229.8258 73845.51 6.652108
17 4043 3876.963 166.0366 3613.424 225.839 70953.17 6.493024
18 4047 3941.998 105.0022 3718.426 218.731 67428.01 6.263703
19 4124 3986.595 137.4053 3855.832 214.2129 64730.91 6.100822
20 4142 4036.531 105.4688 3961.3 208.4895 61909.48 5.913743
21 4213 4078.127 134.8733 4096.174 204.8087 59723.54 5.778125
22 4248 4126.69 121.3101 4217.484 200.8326 57580.33 5.638961
23 4262 4172.688 89.31201 4306.796 195.7634 55325.62 5.477897
24 4279 4208.684 70.31641 4377.112 190.3092 53135.13 5.311175
25 4298 4236.978 61.02246 4438.135 184.9223 51076.32 5.149034
26 4395 4260.919 134.0806 4572.215 182.8886 49752.38 5.065102
27 4406 4305.577 100.4229 4672.638 179.7169 48226.7 4.957953
28 4420 4344.582 75.41797 4748.056 175.8539 46651.18 4.837521
29 4539 4375.011 163.9888 4912.045 175.4302 45945.51 4.793784
30 4565 4429.869 135.1313 5047.176 174.0406 44990.86 4.730556
31 4605 4481.266 123.7344 5170.911 172.3637 44001.5 4.662436
32 4639 4528.57 110.4297 5281.34 170.3658 42975.47 4.588823
33 4717 4571.087 145.9131 5427.253 169.6017 42297.82 4.542089
34 4844 4623.108 220.8916 5648.145 171.1559 42494.65 4.542635
35 4908 4699.295 208.7046 5856.85 172.2603 42525.91 4.534097
36 4961 4776.901 184.0991 6040.949 172.5985 42279.24 4.510578
37 5010 4847.52 162.4805 6203.429 172.3175 41838.15 4.47537
38 5074 4910.288 163.7124 6367.142 172.0849 41431.76 4.441617
39 5094 4971.788 122.2124 6489.354 170.7725 40734.5 4.387868
40 5137 5020.743 116.2573 6605.611 169.3746 40036.59 4.333388
41 5188 5065.327 122.6729 6728.284 168.2071 39411.89 4.284167
42 5290 5110.901 179.0986 6907.383 168.4727 39232.97 4.26225
43 5304 5173.379 130.6206 7038.003 167.5715 38705.08 4.219404
44 5395 5225.026 169.9736 7207.977 167.6274 38476.85 4.194547
45 5434 5286.067 147.9331 7355.91 167.1798 38099.74 4.161088
46 5671 5342.538 328.4619 7684.372 170.7638 39650.58 4.19733
47 5766 5451.484 314.5156 7998.888 173.8889 40939.04 4.224663

2016 64
Kelompok 8
Tabel 4.23 Peramalan DES Software (Lanjutan)
Forecast MAPE
by (%)
Month Data Error
DES
48 5770 5567.214 202.7856 8201.674 174.5037 40942.94 4.209553
49 5651.291
50 5651.291
51 5651.291
52 5651.291
53 5651.291
54 5651.291
55 5651.291
56 5651.291
57 5651.291
58 5651.291
59 5651.291
60 5651.291
61 5651.291
62 5651.291
63 5651.291
64 5651.291
65 5651.291
66 5651.291
67 5651.291
68 5651.291
69 5651.291
70 5651.291
71 5651.291
72 5651.291

2016 65
Kelompok 8
c. Grafik
DES
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
X(t) F(t)
Gambar 4.18 Grafik Perhitungan Manual DES
Gambar 4.19 Grafik Perhitungan Software DES

2016 66
Kelompok 8
d. Error
 Manual
Tabel 4.24 Perhitungan Error Manual Metode Double Eksponential Smoothing

Error Jumlah
MSE 40942.96
MAPE 4.21
MPE 4.21
SSE 1924319.08
ME 174.50
Berikut Perhitungan Error :
 MSE =
∑�
�= ��
= 40942.96
 MAPE =
∑ │� │
= 4.21
 MPE =
∑�
= 4.21
 ME =
∑�
�= ��
= 174.5
 SSE = ∑ �� = .
 Software
Tabel 4.25 Error DES Software
Metode Error
CFE 8201.674
MAD 174.5037
MSE 40942.94
MAPE 4.209553
 Metode SEST
a. Manual
Tabel 4.26 Perhitungan SEST Manual
Abs
t X(t) F(t) Error Error^2 PE
Error Abs PE
1 2609 2609 0
2 2628 2628 0 2609 19 19 361 7.23E-05 7.23E-05

2016 67
Kelompok 8
Tabel 4.26 Perhitungan SEST Manual (Lanjutan)

Abs
Error Abs PE
3 2716 2716 0 2628 88 88 7744 0.000324 0.000324
4 2756 2756 0 2716 40 40 1600 0.000145 0.000145
5 2897 2897 0 2756 141 141 19881 0.000487 0.000487
6 3382 3382 0 2897 485 485 235225 0.001434 0.001434
7 3429 3429 0 3382 47 47 2209 0.000137 0.000137
8 3453 3453 0 3429 24 24 576 6.95E-05 6.95E-05
9 3502 3502 0 3453 49 49 2401 0.00014 0.00014
10 3535 3535 0 3502 33 33 1089 9.34E-05 9.34E-05
11 3606 3606 0 3535 71 71 5041 0.000197 0.000197
12 3727 3727 0 3606 121 121 14641 0.000325 0.000325
13 3823 3823 0 3727 96 96 9216 0.000251 0.000251
14 3849 3849 0 3823 26 26 676 6.76E-05 6.76E-05
15 3892 3892 0 3849 43 43 1849 0.00011 0.00011
16 4017 4017 0 3892 125 125 15625 0.000311 0.000311
17 4043 4043 0 4017 26 26 676 6.43E-05 6.43E-05
18 4047 4047 0 4043 4 4 16 9.88E-06 9.88E-06
19 4124 4124 0 4047 77 77 5929 0.000187 0.000187
20 4142 4142 0 4124 18 18 324 4.35E-05 4.35E-05
21 4213 4213 0 4142 71 71 5041 0.000169 0.000169
22 4248 4248 0 4213 35 35 1225 8.24E-05 8.24E-05
23 4262 4262 0 4248 14 14 196 3.28E-05 3.28E-05
24 4279 4279 0 4262 17 17 289 3.97E-05 3.97E-05
25 4298 4298 0 4279 19 19 361 4.42E-05 4.42E-05
26 4395 4395 0 4298 97 97 9409 0.000221 0.000221
27 4406 4406 0 4395 11 11 121 2.5E-05 2.5E-05
28 4420 4420 0 4406 14 14 196 3.17E-05 3.17E-05
29 4539 4539 0 4420 119 119 14161 0.000262 0.000262
30 4565 4565 0 4539 26 26 676 5.7E-05 5.7E-05
31 4605 4605 0 4565 40 40 1600 8.69E-05 8.69E-05
32 4639 4639 0 4605 34 34 1156 7.33E-05 7.33E-05
33 4717 4717 0 4639 78 78 6084 0.000165 0.000165
34 4844 4844 0 4717 127 127 16129 0.000262 0.000262
35 4908 4908 0 4844 64 64 4096 0.00013 0.00013
36 4961 4961 0 4908 53 53 2809 0.000107 0.000107
37 5010 5010 0 4961 49 49 2401 9.78E-05 9.78E-05

2016 68
Kelompok 8
Tabel 4.26 Perhitungan SEST Manual (Lanjutan)

Abs
Error Abs PE
38 5074 5074 0 5010 64 64 4096 0.000126 0.000126
39 5094 5094 0 5074 20 20 400 3.93E-05 3.93E-05
40 5137 5137 0 5094 43 43 1849 8.37E-05 8.37E-05
41 5188 5188 0 5137 51 51 2601 9.83E-05 9.83E-05
42 5290 5290 0 5188 102 102 10404 0.000193 0.000193
43 5304 5304 0 5290 14 14 196 2.64E-05 2.64E-05
44 5395 5395 0 5304 91 91 8281 0.000169 0.000169
45 5434 5434 0 5395 39 39 1521 7.18E-05 7.18E-05
46 5671 5671 0 5434 237 237 56169 0.000418 0.000418
47 5766 5766 0 5671 95 95 9025 0.000165 0.000165
48 5770 5770 0 5766 4 4 16 6.93E-06 6.93E-06
49 5770
50 5770
51 5770
52 5770
53 5770
54 5770
55 5770
56 5770
57 5770
58 5770
59 5770
60 5770
61 5770
62 5770
63 5770
64 5770
65 5770
66 5770
67 5770
68 5770
69 5770
70 5770
71 5770
72 5770

2016 69
Kelompok 8

 Peramalan : F(t)1
St = α.X(t) + (1-α).(St-1+Bt-1)
S2 = 1.0 (2628) + (1-1).( 2609 +0) = 2628
Bt = β (St - St-1) + (1-β) Bt-1
B2 = 0.0(2628- 2609) + (1-0.0)0 = 0
Ft = St + Bt
F2 = 2628+ 0 = 2628
 Error : 2628 – 2609 = 19
 Sqr error : (19)(19) = 361
 ⃒ error⃒ : |361| = 361
 PE : = .
 ⃒ PE ⃒ : |7.2E-05| = 0.7229
b. Software
Tabel 4.27 Perhitungan Software SEST
Month Actual SEST Error CFE MAD MSE MAPE (%)

1 2609
2 2628 2609 19 19 19 361 0.7229832
3 2716 2628 88 107 53.5 4052.5 1.981521
4 2756 2716 40 147 49 3235 1.804807
5 2897 2756 141 288 72 7396.5 2.570381
6 3382 2897 485 773 154.6 52962.2 4.92443
7 3429 3382 47 820 136.6667 44503.33 4.332136
8 3453 3429 24 844 120.5714 38228 3.812552
9 3502 3453 49 893 111.625 33749.63 3.510883
10 3535 3502 33 926 102.8889 30120.67 3.224509
11 3606 3535 71 997 99.7 27612.7 3.098953
12 3727 3606 121 1118 101.6364 26433.46 3.112373
13 3823 3727 96 1214 101.1667 24998.67 3.062268
14 3849 3823 26 1240 95.38461 23127.69 2.878671
15 3892 3849 43 1283 91.64286 21607.79 2.751968
16 4017 3892 125 1408 93.86667 21208.93 2.775955

2016 70
Kelompok 8
Tabel 4.27 Perhitungan Software SEST (Lanjutan)

17 4043 4017 26 1434 89.625 19925.63 2.642651
18 4047 4043 4 1438 84.58823 18754.47 2.493015
19 4124 4047 77 1515 84.16666 18041.95 2.458243
20 4142 4124 18 1533 80.68421 17109.42 2.351734
21 4213 4142 71 1604 80.2 16506 2.31841
22 4248 4213 35 1639 78.04762 15778.33 2.247244
23 4262 4248 14 1653 75.13636 15070.05 2.160028
24 4279 4262 17 1670 72.6087 14427.39 2.083387
25 4298 4279 19 1689 70.375 13841.29 2.014998
26 4395 4298 97 1786 71.44 13664 2.022681
27 4406 4395 11 1797 69.11539 13143.12 1.954487
28 4420 4406 14 1811 67.07407 12663.59 1.89383
29 4539 4420 119 1930 68.92857 12717.07 1.919826
30 4565 4539 26 1956 67.44827 12301.86 1.873265
31 4605 4565 40 1996 66.53333 11945.13 1.839777
32 4639 4605 34 2030 65.48387 11597.1 1.804072
33 4717 4639 78 2108 65.875 11424.81 1.799369
34 4844 4717 127 2235 67.72727 11567.36 1.824292
35 4908 4844 64 2299 67.61765 11347.62 1.808989
36 4961 4908 53 2352 67.2 11103.66 1.787827
37 5010 4961 49 2401 66.69444 10861.92 1.765333
38 5074 5010 64 2465 66.62162 10679.05 1.751711
39 5094 5074 20 2485 65.39474 10408.55 1.715946
40 5137 5094 43 2528 64.82051 10189.08 1.69341
41 5188 5137 51 2579 64.475 9999.375 1.675651
42 5290 5188 102 2681 65.39024 10009.24 1.68181
43 5304 5290 14 2695 64.16666 9775.596 1.648052
44 5395 5304 91 2786 64.7907 9740.837 1.648952
45 5434 5395 39 2825 64.20454 9554.022 1.627787
46 5671 5434 237 3062 68.04444 10589.91 1.684484
47 5766 5671 95 3157 68.63043 10555.89 1.683682
48 5770 5766 4 3161 67.25532 10331.64 1.649334
49 5770
50 5770
51 5770
52 5770
53 5770
54 5770

2016 71
Kelompok 8
Tabel 4.27 Perhitungan Software SEST (Lanjutan)

55 5770
56 5770
57 5770
58 5770
59 5770
60 5770
61 5770
62 5770
63 5770
64 5770
65 5770
66 5770
67 5770
68 5770
69 5770
70 5770
71 5770
72 5770
a. Grafik
SEST
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Demand Forecast
Gambar 4.20 Grafik Peramalan Metode SEST

2016 72
Kelompok 8
Gambar 4.21 Grafik winqsb SEST
b. Error
 Manual
Tabel 4.28 Perhitungan Error
Metode Error
MSE 10331.64
MPE 1,65
MAPE 1,65
ME 67.25532
SSE 485587
 MSE =
∑ ��
= 10331.64
 MAPE =
∑ |� |
= 1.65
 ME =
∑ ��
= 67.25532
 SSE = ∑ �� = 485587
 MPE =
∑�
= .

2016 73
Kelompok 8
 Software
Tabel 4.29 Perhitungan Error SEST
Metode Error
CFE 3161
MAD 67,25532
MSE 10331,64
MAPE 1,649334
 Metode Regresi
a. Manual
Tabel 4.30 Perhitungan Manual Regresi

t Demand forecast Error |E.| E.kuadrat PE |PE|
1 2609 2912.966 -303.966 303.966 92395.3292 -11.651% 11.651%
2 2628 2972.174 -344.174 344.174 118455.742 -13.096% 13.096%
3 2716 3031.382 -315.382 315.382 99465.8059 -11.612% 11.612%
4 2756 3090.59 -334.59 334.59 111950.468 -12.140% 12.140%
5 2897 3149.798 -252.798 252.798 63906.8288 -8.726% 8.726%
6 3382 3209.006 172.994 172.994 29926.924 5.115% 5.115%
7 3429 3268.214 160.786 160.786 25852.1378 4.689% 4.689%
8 3453 3327.422 125.578 125.578 15769.8341 3.637% 3.637%
9 3502 3386.63 115.37 115.37 13310.2369 3.294% 3.294%
10 3535 3445.838 89.162 89.162 7949.86224 2.522% 2.522%
11 3606 3505.046 100.954 100.954 10191.7101 2.800% 2.800%
12 3727 3564.254 162.746 162.746 26486.2605 4.367% 4.367%
13 3823 3623.462 199.538 199.538 39815.4134 5.219% 5.219%
14 3849 3682.67 166.33 166.33 27665.6689 4.321% 4.321%
15 3892 3741.878 150.122 150.122 22536.6149 3.857% 3.857%
16 4017 3801.086 215.914 215.914 46618.8554 5.375% 5.375%
17 4043 3860.294 182.706 182.706 33381.4824 4.519% 4.519%
18 4047 3919.502 127.498 127.498 16255.74 3.150% 3.150%
19 4124 3978.71 145.29 145.29 21109.1841 3.523% 3.523%
20 4142 4037.918 104.082 104.082 10833.0627 2.513% 2.513%
21 4213 4097.126 115.874 115.874 13426.7839 2.750% 2.750%
22 4248 4156.334 91.666 91.666 8402.65556 2.158% 2.158%
23 4262 4215.542 46.458 46.458 2158.34576 1.090% 1.090%
24 4279 4274.75 4.25 4.25 18.0625 0.099% 0.099%
25 4298 4333.958 -35.958 35.958 1292.97776 -0.837% 0.837%

2016 74
Kelompok 8
Tabel 4.30 Perhitungan Manual Regresi (Lanjutan)

26 4395 4393.166 1.834 1.834 3.363556 0.042% 0.042%
27 4406 4452.374 -46.374 46.374 2150.54788 -1.053% 1.053%
28 4420 4511.582 -91.582 91.582 8387.26272 -2.072% 2.072%
29 4539 4570.79 -31.79 31.79 1010.6041 -0.700% 0.700%
30 4565 4629.998 -64.998 64.998 4224.74 -1.424% 1.424%
31 4605 4689.206 -84.206 84.206 7090.65044 -1.829% 1.829%
32 4639 4748.414 -109.414 109.414 11971.4234 -2.359% 2.359%
33 4717 4807.622 -90.622 90.622 8212.34688 -1.921% 1.921%
34 4844 4866.83 -22.83 22.83 521.2089 -0.471% 0.471%
35 4908 4926.038 -18.038 18.038 325.369444 -0.368% 0.368%
36 4961 4985.246 -24.246 24.246 587.868516 -0.489% 0.489%
37 5010 5044.454 -34.454 34.454 1187.07812 -0.688% 0.688%
38 5074 5103.662 -29.662 29.662 879.834244 -0.585% 0.585%
39 5094 5162.87 -68.87 68.87 4743.0769 -1.352% 1.352%
40 5137 5222.078 -85.078 85.078 7238.26608 -1.656% 1.656%
41 5188 5281.286 -93.286 93.286 8702.2778 -1.798% 1.798%
42 5290 5340.494 -50.494 50.494 2549.64404 -0.955% 0.955%
43 5304 5399.702 -95.702 95.702 9158.8728 -1.804% 1.804%
44 5395 5458.91 -63.91 63.91 4084.4881 -1.185% 1.185%
45 5434 5518.118 -84.118 84.118 7075.83792 -1.548% 1.548%
46 5671 5577.326 93.674 93.674 8774.81828 1.652% 1.652%
47 5766 5636.534 129.466 129.466 16761.4452 2.245% 2.245%
48 5770 5695.742 74.258 74.258 5514.25056 1.287% 1.287%
49 5754.95
50 5814.158
51 5873.366
52 5932.574
53 5991.782
54 6050.99
55 6110.198
56 6169.406
57 6228.614
58 6287.822
59 6347.03
60 6406.238
61 6465.446
62 6524.654

2016 75
Kelompok 8
Tabel 4.30 Perhitungan Manual Regresi (Lanjutan)

63 6583.862
64 6643.07
65 6702.278
66 6761.486
67 6820.694
68 6879.902
69 6939.11
70 6998.318
71 7057.526
72 7116.734
Total Error 0.008 5553.092 980331.263 -12.091% 152.543%

 Forecast :
.∑ − ∑ .∑ −
b= = = .
.∑� − ∑ ² − ²
∑ −�.∑ − .
a= = = .
y = a + bt
F(1) = y1 = 2853.758 + (59.208 x 1) = 2912.966
 Error (1) : 2609-2912.966= -303.966
 Sqr error : (-303.966)( -303.966) = 92395.33
 | error⃒ : 303.966
 PE
− .
: = -11.651%
 ⃒ PE ⃒ : 11.651%

2016 76
Kelompok 8
b. Software
Tabel 4.31 Peramalan Metode Regresi Software
Forecast MAPE
by (%)
Month Data LR Error
1 2609 2912.964 -303.964 -303.964 303.9644 92394.33 11.65061
2 2628 2972.172 -344.172 -648.137 324.0684 105424.5 12.37348
3 2716 3031.381 -315.381 -963.517 321.1725 103438 12.11964
4 2756 3090.589 -334.589 -1298.11 324.5265 105565.9 12.12482
5 2897 3149.797 -252.797 -1550.9 310.1805 97233.91 11.44509
6 3382 3209.005 172.9954 -1377.91 287.3163 86016.16 10.3901
7 3429 3268.213 160.7871 -1217.12 269.2407 77421.35 9.575666
8 3453 3327.421 125.5791 -1091.54 251.283 69714.95 8.833309
9 3502 3386.629 115.3711 -976.17 236.1817 63447.79 8.217878
10 3535 3445.837 89.16309 -887.007 221.4798 57898.01 7.64832
11 3606 3505.045 100.9548 -786.052 210.523 53561.09 7.20753
12 3727 3564.253 162.7468 -623.305 206.5417 51304.88 6.970795
13 3823 3623.461 199.5388 -423.766 206.003 50421.1 6.836074
14 3849 3682.669 166.3308 -257.436 203.1693 48795.73 6.656455
15 3892 3741.877 150.1226 -107.313 199.6328 47045.13 6.469839
16 4017 3801.085 215.9146 108.6016 200.6504 47018.5 6.401412
17 4043 3860.293 182.7065 291.3081 199.5949 46216.34 6.290687
18 4047 3919.501 127.4985 418.8066 195.5895 44551.87 6.116229
19 4124 3978.709 145.2905 564.0972 192.9422 43318.05 5.979746
20 4142 4037.918 104.0823 668.1794 188.4992 41693.8 5.806401
21 4213 4097.125 115.8745 784.054 185.0409 40347.76 5.660877
22 4248 4156.334 91.66602 875.72 180.7966 38895.71 5.501649
23 4262 4215.542 46.45801 922.178 174.9558 37298.43 5.309841
24 4279 4274.75 4.25 926.428 167.843 35745.09 5.092736
25 4298 4333.958 -35.958 890.47 162.5676 34367 4.922491
26 4395 4393.166 1.833984 892.304 156.3856 33045.32 4.734769
27 4406 4452.374 -46.374 845.9299 152.3111 31901.07 4.59839
28 4420 4511.582 -91.582 754.3479 150.1422 31061.29 4.508161
29 4539 4570.79 -31.79 722.5579 146.0611 30025.06 4.376858
30 4565 4629.999 -64.9985 657.5593 143.359 29165.05 4.278425
31 4605 4689.207 -84.2065 573.3528 141.4509 28452.98 4.199398
32 4639 4748.415 -109.415 463.9382 140.4497 27937.94 4.141872
33 4717 4807.623 -90.6226 373.3157 138.9398 27340.19 4.074578
34 4844 4866.831 -22.8306 350.4851 135.5248 26551.4 3.9686

2016 77
Kelompok 8
Tabel 4.31 Peramalan Metode Regresi Software (Lanjutan)

Forecast MAPE
by (%)
35 4908 4926.039 -18.0386 332.4465 132.1681 25802.09 3.865713
36 4961 4985.247 -24.2466 308.2 129.1703 25101.69 3.771908
37 5010 5044.455 -34.4546 273.7454 126.6104 24455.35 3.688551
38 5074 5103.663 -29.6626 244.0828 124.0591 23834.94 3.606868
39 5094 5162.871 -68.8711 175.2117 122.644 23345.41 3.549051
40 5137 5222.079 -85.0791 90.13257 121.7049 22942.74 3.50173
41 5188 5281.287 -93.2871 -3.15454 121.0118 22595.42 3.460179
42 5290 5340.495 -50.4951 -53.6497 119.3328 22118.14 3.400521
43 5304 5399.703 -95.7031 -149.353 118.7833 21816.77 3.3634
44 5395 5458.911 -63.9111 -213.264 117.5362 21413.76 3.313883
45 5434 5518.119 -84.1191 -297.383 116.7936 21095.14 3.274642
46 5671 5577.327 93.67285 -203.71 116.291 20827.31 3.239362
47 5766 5636.536 129.4644 -74.2459 116.5713 20740.79 3.218212
48 5770 5695.744 74.25635 1.05E-02 115.6897 20423.57 3.177977
49 5754.952
50 5814.16
51 5873.368
52 5932.576
53 5991.784
54 6050.992
55 6110.2
56 6169.408
57 6228.616
58 6287.824
59 6347.032
60 6406.24
61 6465.448
62 6524.656
63 6583.864
64 6643.072
65 6702.281
66 6761.489
67 6820.697
68 6879.905
69 6939.113

2016 78
Kelompok 8
Tabel 4.31 Peramalan Metode Regresi Software (Lanjutan)

Forecast MAPE
by (%)
70 6998.321
71 7057.529
72 7116.737
c. Grafik
Grafik regresi
8000
7000
6000
5000
4000
3000
2000
1000
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70
Demand Forecast
Gambar 4.22 Grafik Peramalan Regresi Manual
Gambar 4.23 Grafik Peramalan Regresi Software

2016 79
Kelompok 8
d. Error
 Manual
Tabel 4.32 Error metode Regresi
Error Jumlah
MSE 20423.57
MAPE 3.178%
MPE -0.252%
SSE 980331.3
ME 0.000167
 MSE =
∑ �� .
= = 20423.57
 MAPE =
∑ |� | . %
= = 3.178%
 ME =
∑ �� .
= = 0.000167
 SSE = ∑ �� = 980331.3
 MPE =
∑� − . %
= = -0.252%
 Software
Tabel 4.33 Error Metode Regresi Software
Metode Error
CFE 1.05E-02
MAD 115.6897
MSE 20423.57
MAPE 3.177977
 Metode ARIMA (Autoregressive Integrated Moving Average)

A. Uji Stasioneritas
 Level 0
1. H0 = data tidak bersifat autokolerasi
2. H1 = data bersifat autokolerasi
3. α = 0,01
2016 80
Kelompok 8
4. Daerah kritis = �� > �

5. Perhitungan :
Gambar 4.24 Uji Stasioner Level 0
6. Keputusan : Tolak Ho karena nilai 0,3174 > 0,01

7. Kesimpulan : Data peramalan bersifat autokolerasi
 Level 1
1. H0 = data tidak bersifat autokolerasi
2. H1 = data bersifat autokolerasi
3. α = 0,05
4. Daerah kritis = �� > �
5. Perhitungan :

2016 81
Kelompok 8
Gambar 4.25 Uji Stasioner Level 1
6. Keputusan : Jangan tolak Ho karena nilai 0,0000 < 0,05

7. Kesimpulan : Data tidak bersifat autokolerasi
B. Identifikasi ACF (Autocorrelation Fucntion) Dan Pacf (Partial Auto
Correlation Function)
Gambar 4.26 Correlogram Level 1

2016 82
Kelompok 8
C. Estimasi Parameter
 Uji Hipotesis Parameter AR1MA1
Estimasi Parameter C
1. H0 : Parameter C signifikan
2. H1 : Parameter C tidak signifikan
3. α : 0,05
4. Daerah kritis : p-value > α
5. Perhitungan :
Gambar 4.27 Uji hipotesis untuk parameter C (1,0,1)
6. Keputusan : jangan tolak Ho karena 0,000 < 0,05

7. Kesimpulan : Parameter C signifikan sehingga dapat dipakai.

2016 83
Kelompok 8
Estimasi Parameter AR1

1. H0 : Parameter AR1 signifikan
2. H1 : Parameter AR1 tidak signifikan
3. α : 0,05
5. Perhitungan :
Gambar 4.28 Uji hipotesis untuk parameter AR(1)

6. Keputusan : jangan tolak Ho karena 0,000 <0,05
7. Kesimpulan : Parameter AR1 signifikan, sehingga AR(1) dapat dipakai.
Estimasi Parameter MA1
1. H0 : Parameter MA1 signifikan
2. H1 : Parameter MA1 tidak signifikan
3. α : 0,05

2016 84
Kelompok 8
5. Perhitungan :
Gambar 4.29 Uji hipotesis untuk parameter MA(1)
6. Keputusan : jangan tolak Ho karena 0,0000 < 0,05

7. Kesimpulan : Parameter signifikan, sehingga MA(1) dapat dipakai.
D. Pemilihan Model ARIMA
Berdasarkan hasil uji estimasi parameter yang sudah dilakukan, didapatkan model
ARIMA Terpilih yaitu AR1MA1.
E. Uji Residual
 Uji Normalitas
1. H0 = Data residual berdistribusi normal
2. H1 = Data residual tidak berdistribusi normal
3. α = 0,05
4. Daerah Kritis : Nilai Jarque-Bera > 5,991
Nilai Probability < 0,05

2016 85
Kelompok 8
5. Perhitungan :
Gambar 4.30 Grafik Normal Output EViews
6. Keputusan : Terima H0, Karena 4,701568 < 5,991; 0,095294 > 0,05
7. Kesimpulan : data residual berdistribusi normal
 Uji Corellogram
Gambar 4.31 Uji Correlogram

2016 86
Kelompok 8
Berdasarkan uji Correlogra, dari model ARIMA terbaik didapatkan gambar

seperti diatas. Pada grafik terbeut tidak terjadi pelanggaran garis (lag signifikansi) baik
pada grafik Autocorrelation dan Partial Correlation. Sehingga dapat disimpulkan bahwa
model AR1MA1 dapat digunakan.
F. Hasil Peramalan
Tabel 4.34 Hasil Forecast ARIMA
Last updated: 09/03/16 - 13:35

Modified: 2012M10 2018M09 //
ma1ar1.forecast(f=actual) forecast
2012M10 NA
2012M11 NA
2012M12 2633.405
2013M01 2749.047
2013M02 2779.067
2013M03 2875.59
2013M04 2920.46
2013M05 3005.449
2013M06 3059.277
2013M07 3137.308
2013M08 3196.541
2013M09 3270.374
2013M10 3332.867
2013M11 3404.168
2013M12 3468.628
2014M01 3538.402
2014M02 3604.048
2014M03 3672.9
2014M04 3739.262
2014M05 3807.558
2014M06 3874.352
2014M07 3942.312
2014M08 4009.367
2014M09 4077.125
2014M10 4144.337
2014M11 4211.973
2014M12 4279.279
2015M01 4346.842

2016 87
Kelompok 8
Tabel 4.34 Hasil Forecast ARIMA (Lanjutan)
Last updated: 09/03/16 - 13:35

Modified: 2012M10 2018M09 //
2015M02 4414.205
2015M03 4481.724
2015M04 4549.122
2015M05 4616.613
2015M06 4684.032
2015M07 4751.507
2015M08 4818.939
2015M09 4886.404
2015M10 4953.843
2015M11 5021.303
2015M12 5088.746
2016M01 5156.202
2016M02 5223.648
2016M03 5291.102
2016M04 5358.55
2016M05 5426.003
2016M06 5493.452
2016M07 5560.904
2016M08 5628.353
2016M09 5695.805
2016M10 5763.255
2016M11 5830.706
2016M12 5898.156
2017M01 5965.607
2017M02 6033.057
2017M03 6100.508
2017M04 6167.958
2017M05 6235.409
2017M06 6302.859
2017M07 6370.31
2017M08 6437.76
2017M09 6505.211
2017M10 6572.662
2017M11 6640.112
2017M12 6707.563

2016 88
Kelompok 8
Tabel 4.34 Hasil Forecast ARIMA (Lanjutan)
Last updated: 09/03/16 - 13:35

Modified: 2012M10 2018M09 //
2018M01 6775.013
2018M02 6842.464
2018M03 6909.914
2018M04 6977.365
2018M05 7044.816
2018M06 7112.266
2018M07 7179.717
2018M08 7247.167
2018M09 7314.618
Gambar 4.32 Grafik Forecast ARIMA Output EViews

2016 89
Kelompok 8
G. Perhitungan Error
Tabel 4.35 Perhitungan Error ARIMA
Metode Error
MSE 17942337.03
ME 199.8175
SSE 825347503.4
MPE 5.146698092
MAPE 5.311000656
 MSE =
∑ ��
= 17942337.03
 MAPE =
∑ |� |
= 5.311000656
 ME =
∑ ��
= 199.8175
 SSE = ∑ �� = 825347503.4
 MPE =
∑�
= .
4.2.4 Verifikasi
Dibawah ini merupakan tabel rekap dari hasil verifikasi terhadap 5 metode
peramalan data konstan dan data linier:
Tabel 4.36 Rekap Verifikasi Data Konstan
MSE MPE MAPE ME SSE

3 SMA 1707082.035 -1.364 11.1474 6.79 76818691.56
5 SMA 1625526.94 -0.276 10.598 114.35 69450224.72
3 WMA 1755199.746 -1.4649447 11.2671996 -3.9231111 78983988.56
5 WMA 1677277.462 -1.31 10.92 17.073488 72122930.87
CMA 757932.83 -1.01756 7.58880 -11.530 35622843
Tabel 4.37 Rekap Verifikasi Data Linier

MSE MPE MAPE ME SSE
DES 40942.95915 4.209555623 4.20955562 174.50375 1924319.08
SEST 10331.64 1.65 1.65 67.25532 485587
DEST 7675.876 0.1957557 1.3839 6.044724 360766.2
Regresi 20423.57 -0.252 3.178 0.000167 980331.3
ARIMA 17942337.03 5.146698 5.31100066 199.8175 825347503.4

2016 90
Kelompok 8
4.2.5 Validasi
 Data Pola Konstan
 Uji T
Uji Hipotesis
1. H0 : 1 = 2 (Hasil demand dan peramalan memepunyai rataan yang sama)
2. H1 : 1 ≠2 (Hasil demand dan peramalan mempunyai rataan yang berbeda)
3. α = 0,05
4. Daerah kritis : t hitung < t tabel dan t hitung > t tabel
t hitung < - 2.011740514 dan t hitung > 2.011740514
5. Perhitungan :
Tabel 4.38 Uji T Data Pola Konstan
t-Test: Paired Two Sample for Means
Variable 1 Variable 2
Mean 9558.479167 9387.3125
Variance 1302133.063 2397146.357
Observations 48 48
Pearson Correlation 0.379028999
Hypothesized Mean Difference 0
df 47
t Stat 0.771943596
P(T<=t) one-tail 0.222006043
t Critical one-tail 1.677926722
P(T<=t) two-tail 0.444012087
t Critical two-tail 2.011740514
6. Keputusan : Jangan tolak Ho, karena t hitung < dari t tabel yakni 0.4771943 <
2.011740514
7. Kesimpulan : Antara demand dan hasil peramalan pada metode DEST
mempunyai rataan yang sama.

2016 91
Kelompok 8
 Tracking Signal
Tabel 4.39 Perhitungan tracking signal

Kumulatif
Tracking
Periode X(t) F(t) Error RSFE Absolut MAD cl ucl lcl
Signal
Error
1 8778
2 9572 9078 494.00000 494.00000 494.00000 494.00000 1.00000 0 4 -4
3 8884 8951 -67.00000 427.00000 561.00000 280.50000 1.52228 0 4 -4
4 8397 8716.333 -319.33333 107.66667 880.33333 293.44444 0.36691 0 4 -4
5 8868 9174.333 -306.33333 -198.66667 1186.66667 296.66667 -0.66966 0 4 -4
6 10258 9558 700.00000 501.33333 1886.66667 377.33333 1.32862 0 4 -4
7 9548 9676 -128.00000 373.33333 2014.66667 335.77778 1.11185 0 4 -4
8 9222 9235.333 -13.33333 360.00000 2028.00000 289.71429 1.24260 0 4 -4
9 8936 9718.333 -782.33333 -422.33333 2810.33333 351.29167 -1.20223 0 4 -4
10 10997 10588.33 408.66667 -13.66667 3219.00000 357.66667 -0.03821 0 4 -4
11 11832 11090.33 741.66667 728.00000 3960.66667 396.06667 1.83807 0 4 -4
12 10442 10990.33 -548.33333 179.66667 4509.00000 409.90909 0.43831 0 4 -4
13 10697 10529.33 167.66667 347.33333 4676.66667 389.72222 0.89123 0 4 -4
14 10449 10031 418.00000 765.33333 5094.66667 391.89744 1.95289 0 4 -4
15 8947 9889.667 -942.66667 -177.33333 6037.33333 431.23810 -0.41122 0 4 -4
16 10273 9424 849.00000 671.66667 6886.33333 459.08889 1.46304 0 4 -4
17 9052 9295.333 -243.33333 428.33333 7129.66667 445.60417 0.96124 0 4 -4
18 8561 9464.333 -903.33333 -475.00000 8033.00000 472.52941 -1.00523 0 4 -4
19 10780 9813.333 966.66667 491.66667 8999.66667 499.98148 0.98337 0 4 -4
20 10099 10454.67 -355.66667 136.00000 9355.33333 492.38596 0.27621 0 4 -4
21 10485 9604.667 880.33333 1016.33333 10235.66667 511.78333 1.98587 0 4 -4
22 8230 9046 -816.00000 200.33333 11051.66667 526.26984 0.38067 0 4 -4
23 8423 8007.333 415.66667 616.00000 11467.33333 521.24242 1.18179 0 4 -4
24 7369 8358.667 -989.66667 -373.66667 12457.00000 541.60870 -0.68992 0 4 -4
25 9284 8954.667 329.33333 -44.33333 12786.33333 532.76389 -0.08321 0 4 -4
26 10211 9404 807.00000 762.66667 13593.33333 543.73333 1.40265 0 4 -4
27 8717 9326.333 -609.33333 153.33333 14202.66667 546.25641 0.28070 0 4 -4
28 9051 9789 -738.00000 -584.66667 14940.66667 553.35802 -1.05658 0 4 -4
29 11599 10163.67 1435.33333 850.66667 16376.00000 584.85714 1.45449 0 4 -4
30 9841 10905.67 -1064.66667 -214.00000 17440.66667 601.40230 -0.35584 0 4 -4
31 11277 10235 1042.00000 828.00000 18482.66667 616.08889 1.34396 0 4 -4
32 9587 10464 -877.00000 -49.00000 19359.66667 624.50538 -0.07846 0 4 -4
33 10528 10093 435.00000 386.00000 19794.66667 618.58333 0.62401 0 4 -4
34 10164 10125.33 38.66667 424.66667 19833.33333 601.01010 0.70659 0 4 -4

2016 92
Kelompok 8
Tabel 4.39 Perhitungan tracking signal (Lanjutan)

Kumulatif
Tracking
Periode X(t) F(t) Error RSFE Absolut MAD cl ucl lcl
Signal
Error
35 9684 9473.333 210.66667 635.33333 20044.00000 589.52941 1.07770 0 4 -4
36 8572 9114.667 -542.66667 92.66667 20586.66667 588.19048 0.15755 0 4 -4
37 9088 8854.333 233.66667 326.33333 20820.33333 578.34259 0.56426 0 4 -4
38 8903 8927.333 -24.33333 302.00000 20844.66667 563.36937 0.53606 0 4 -4
39 8791 8324.333 466.66667 768.66667 21311.33333 560.82456 1.37060 0 4 -4
40 7279 9000.333 -1721.33333 -952.66667 23032.66667 590.58120 -1.61310 0 4 -4
41 10931 9135.667 1795.33333 842.66667 24828.00000 620.70000 1.35761 0 4 -4
42 9197 10532.33 -1335.33333 -492.66667 26163.33333 638.13008 -0.77205 0 4 -4
43 11469 10002 1467.00000 974.33333 27630.33333 657.86508 1.48105 0 4 -4
44 9340 9356.333 -16.33333 958.00000 27646.66667 642.94574 1.49002 0 4 -4
45 7260 8915.333 -1655.33333 -697.33333 29302.00000 665.95455 -1.04712 0 4 -4
46 10146 9503 643.00000 -54.33333 29945.00000 665.44444 -0.08165 0 4 -4
47 11103 9651.667 1451.33333 1397.00000 31396.33333 682.52899 2.04680 0 4 -4
48 7706 9651.667 -1945.66667 -548.66667 33342.00000 709.40426 -0.77342 0 4 -4
Contoh Perhitungan (data ke 3):
 Error = 8884 – 8951 = -67

 RSFE = Errorn + Error(n-1) + Error(n-2) -… = 494 - 67 = 427
 Kumulatif absolut error = |Errorn| + |Error(n-1)| + Error(n-2)| -… =494 + 67 = 561

|Err r | + |Err r − | + Err r − | −⋯
MAD = = = 280.5
 Tracking Signal = = = 1.52228

�� .

2016 93
Kelompok 8
Grafik Tracking Signal

6.00000
4.00000
2.00000
0.00000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
-2.00000
-4.00000
-6.00000
Tracking Signal cl ucl lcl
Gambar 4.33 Grafik tracking signal
 Data Pola Linier

 Uji T
Uji Hipotesis
1. H0 : 1 = 2 (Hasil demand dan peramalan memepunyai rataan yang sama)
2. H1 : 1 ≠2 (Hasil demand dan peramalan mempunyai rataan yang berbeda)
3. α = 0,05
4. Daerah kritis : t hitung < t tabel dan t hitung > t tabel
t hitung < - 2.011740514 dan t hitung > 2.011740514
5. Perhitungan :
Tabel 4.40 Uji T Data Pola Linier
t-Test: Paired Two Sample for Means
Variable 1 Variable 2
Mean 4304.354167 4244.081208
Variance 707954.2336 1054905.684
Observations 48 48
Pearson Correlation 0.933860768
Hypothesized Mean Difference 0
df 47
t Stat 1.082559733
P(T<=t) one-tail 0.142263393

2016 94
Kelompok 8
t Critical one-tail 1.677926722

P(T<=t) two-tail 0.284526785
t Critical two-tail 2.011740514
6. Keputusan : Jangan tolak Ho, karena t hitung < dari t tabel yakni
1.082559733< 2.011740514
7. Kesimpulan : Antara demand dan hasil peramalan pada metode DEST
mempunyai rataan yang sama.
 Moving Range
Tabel 4.41 Perhitungan Moving Range
t Demand F(t) Error MR |MR|

1 2609 0 0
2 2628 2609 19 19 19
3 2716 2629.672 86.328 67.328 67.328
4 2756 2729.22 26.78035 -59.5476 59.54765
5 2897 2789.527 107.473 80.69263 80.69263
6 3382 2945.553 436.4468 328.9738 328.9738
7 3429 3491.308 -62.3081 -498.755 498.7548
8 3453 3623.578 -170.578 -108.27 108.2699
9 3502 3619.611 -117.611 52.96695 52.96695
10 3535 3622.792 -87.7919 29.81906 29.81906
11 3606 3623.611 -17.6107 70.18125 70.18125
12 3727 3674.806 52.19416 69.80484 69.80484
13 3823 3796.737 26.26297 -25.9312 25.93119
14 3849 3905.901 -56.9012 -83.1642 83.16419
15 3892 3932.355 -40.3549 16.54629 16.54629
16 4017 3959.972 57.02812 97.38304 97.38304
17 4043 4081.599 -38.5991 -95.6272 95.62723
18 4047 4116.061 -69.0606 -30.4615 30.46148
19 4124 4105.957 18.04289 87.10348 87.10348
20 4142 4170.185 -28.1847 -46.2276 46.22759
21 4213 4189.456 23.54378 51.72849 51.72849
22 4248 4256.667 -8.66745 -32.2112 32.21124
23 4262 4295.8 -33.8003 -25.1329 25.13286
24 4279 4305.024 -26.0236 7.776704 7.776704

2016 95
Kelompok 8
Tabel 4.41 Perhitungan Moving Range (Lanjutan)
t Demand F(t) Error MR |MR|

25 4298 4312.705 -14.7052 11.31838 11.31838
26 4395 4325 70.00007 84.70531 84.70531
27 4406 4425.102 -19.1022 -89.1023 89.10226
28 4420 4448.977 -28.9767 -9.87454 9.874543
29 4539 4456.455 82.54526 111.522 111.522
30 4565 4576.693 -11.6934 -94.2387 94.23868
31 4605 4618.829 -13.8285 -2.13511 2.135109
32 4639 4655.18 -16.1801 -2.35161 2.351606
33 4717 4684.881 32.11916 48.2993 48.2993
34 4844 4762.343 81.65711 49.53795 49.53795
35 4908 4903.207 4.792555 -76.8646 76.86456
36 4961 4984.609 -23.6086 -28.4012 28.4012
37 5010 5036.528 -26.5276 -2.91898 2.918984
38 5074 5078.284 -4.28411 22.24352 22.24352
39 5094 5136.391 -42.3911 -38.1069 38.10695
40 5137 5151.77 -14.7698 27.62123 27.62123
41 5188 5184.655 3.344547 18.11437 18.11437
42 5290 5232.879 57.1214 53.77686 53.77686
43 5304 5340.601 -36.6007 -93.7221 93.72214
44 5395 5363.257 31.74254 68.34327 68.34327
45 5434 5449.44 -15.4402 -47.1827 47.18273
46 5671 5493.682 177.3181 192.7583 192.7583
47 5766 5743.075 22.9247 -154.393 154.3934
48 5770 5876.963 -106.963 -129.888 129.8882
Contoh Perhitungan:
 Peramalan : F(t)1
St = α.X(t) + (1-α).St-1
S2 = 0.544 (2628) + (1 - 0.544).(2609) = 2619,336
Bt = α . St + (1- α) Bt-1
B2 = 0.544 (2619,336) + (1 - 0.544)2609 = 2614,623
α
Ft = ((2*St-1) - Bt-1) + (
−α
� St-1)-( Bt-1))
,
F2 = ((2*2609)-2609 + (
− .
� 2609)-(2609)) = 2609

2016 96
Kelompok 8
Error2 = X2 – F2 = 2628 – 2609 = 19

MR2 = Error 2 – Error 1 = 19 – 0 = 19
,
Rata – Rata = = 73,235181

∑�
�= │� │
UCL = 2,66 x = 2,66 x 73,235181 = 194,805

∑�
�= │� │
LCL = -2,66 x = -2,66 x 73,235181= -194,805

∑�
�= │� │
RA + = 1,77 x = 1,77 x 73,235181= 129,6262

∑�
�= │� │
RA - = -1,77 x = REG A- = -1,77 x 73,235181= -129,6262

∑�
�= │� │
RB + = 0,89 x = 0,89 x 73,235181= 65,179

∑�
�= │� │
RB- = -0,89 x = -0,89 x 73,235181= -65,179
MOVING RANGE DEST

500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
-100
-200
-300
t Error UCL LCL RA+ RA- RB+ RB-
Gambar 4.34 Grafik Moving Range DEST

2016 97
Kelompok 8
4.2.6 Hasil Peramalan

Dibawah ini merupakan tabel rekap hasil peramalan segmen koleksi, style dan
anak-anak menggunakan metode yang sudah ditentukan:
Tabel 4.42 Hasil Peramalan Keseluruhan
Data Pola Data Pola

Periode
Konstan Linier
49 9651.667 5876.318
50 9651.667 5960.394
51 9651.667 6044.47
52 9651.667 6128.546
53 9651.667 6212.622
54 9651.667 6296.698
55 9651.667 6380.774
56 9651.667 6464.85
57 9651.667 6548.926
58 9651.667 6633.002
59 9651.667 6717.078
60 9651.667 6801.154
61 9651.667 6885.23
62 9651.667 6969.306
63 9651.667 7053.382
64 9651.667 7137.458
65 9651.667 7221.534
66 9651.667 7305.61
67 9651.667 7389.686
68 9651.667 7473.762
69 9651.667 7557.838
70 9651.667 7641.914
71 9651.667 7725.99
72 9651.667 7810.066
Total 231640 164236.6
Tabel 4.43 Persentase Data Konstan

Segmen Total Persentase
Koleksi 233236 50,83%
Anak-anak 225571 49,17%

2016 98
Kelompok 8
Tabel 4.44 Hasil Peramalan Per-Unit Produk
Periode Koleksi Anak-anak Style
49 4905.9422 4745.7245 5876.318

50 4905.9422 4745.7245 5960.394
51 4905.9422 4745.7245 6044.47
52 4905.9422 4745.7245 6128.546
53 4905.9422 4745.7245 6212.622
54 4905.9422 4745.7245 6296.698
55 4905.9422 4745.7245 6380.774
56 4905.9422 4745.7245 6464.85
57 4905.9422 4745.7245 6548.926
58 4905.9422 4745.7245 6633.002
59 4905.9422 4745.7245 6717.078
60 4905.9422 4745.7245 6801.154
61 4905.9422 4745.7245 6885.23
62 4905.9422 4745.7245 6969.306
63 4905.9422 4745.7245 7053.382
64 4905.9422 4745.7245 7137.458
65 4905.9422 4745.7245 7221.534
66 4905.9422 4745.7245 7305.61
67 4905.9422 4745.7245 7389.686
68 4905.9422 4745.7245 7473.762
69 4905.9422 4745.7245 7557.838
70 4905.9422 4745.7245 7641.914
71 4905.9422 4745.7245 7725.99
72 4905.9422 4745.7245 7810.066
Total 117742.61 113897.388 164236.6

2016 99
Kelompok 8
BAB V
ANALISIS
5.1 Analisis Pola Data Konstan
5.1.1 Analisis Semua Metode Peramalan
a. SMA
Pada peramalan segmen koleksi dan anak-anak digunakan metode peramalan 3
SMA dan 5 SMA. Hal ini dikarenakan tipe data kedua segmen tersebut ialah konstan.
Pada metode ini, saat data observasi baru tersedia, maka angka-angka baru dihitung
dan digunakan untuk peramalan periode yang akan datang. Angka-angka baru
dihitung dengan merata-ratakan nilai data. Sehingga, pada metode 3 SMA peramalan
dimulai untuk periode keempat. Hal ini dilakukan dengan cara merata-ratakan data
historis periode pertama sampai ketiga. Sedangkan untuk metode 5 SMA peramalan
dilakukan untuk periode keenam, hal ini dilakukan dengan cara merata-ratakan
periode pertama hingga kelima.
Perhitungan dilakukan dengan dua cara, yaitu perhitungan manual dan
perhitungan software Minitab. Peramalan dilakukan untuk 24 bulan kedepan. Pada
metode 3 SMA menghasilkan 9651.67 dan pada metode 5 SMA menghasilkan
peramalan sebesar 9982.8. Angka peramalan yang dihasilkan oleh perhitungan
manual dan Minitab sama. Namun, terdapat perbedaan kecil pada hasil perhitungan
error manual dan software. Hal ini disebabkan oleh adanya perbedaan pembulatan.
Dibawah ini merupakan tabel hasil perhitungan kedua metode dengan perhitungan
manual dan software Minitab:
Tabel 5.1 Perbandingan Error Manual dan Sofware Metode SMA
3 SMA 5 SMA
Manual Minitab Manual Minitab
ME 6.79 - 114.3534 -
MSE 1707082.035 - 1625526.941 -
SSE 76818691.56 - 69450224.72 -
MPE -1.3638 - -0.2760674 -
MAPE 11.1474 11 10.5978 11

2016 100
Kelompok 8
b. WMA
Metode WMA (Weighted Moving Average) untuk perhitungan di laporan ini
menggunakan T=3 dan T=5. Pada perhitungan WMA ini digunakan pembobotan di
setiap periode waktu yang berbeda, hal ini dikarenakan semakin jauh periode saat
sekarang dengan periode yang akan kita ramal maka bobot peramalan akan semakin
kecil pula, berbeda dengan periode yang berdekatan maka pengaruh yang ditimbulkan
akan semakin besar pula pada peramalan maka dari itu bobotnya semakin besar.
Bobot untuk metode 3WMA ini adalah 0,17; 0,33; 0,50 dan untuk metode 5 WMA
ialah 0,33; 0,27; 0,2; 0,13; 0,07 yang pada akhirnya jika dijumlahkan hasilnya adalah
1. Dari perhitungan manual dan software yang telah dilakukan untuk 3WMA
diperoleh angka 9241,81 dan 5 WMA diperoleh angka 9167,59 yang berlaku untuk
24 bulan kedepan. Dibawah ini merupakan tabel perbandingan error antara
perhitungan manual dan software.
Tabel 5.2 Perbandingan Error Manual dan Sofware Metode WMA

3 WMA 5 WMA
Manual Winqsb Manual Winqsb
ME -3.92311 - 17.07349 -
MSE 1755199.74 1755200 1677277.4 1677278
SSE 78983988.56 - 72122930.87 -
MPE -1.46494 - -1.31 -
MAPE 11.2671 11.2672 10.92 10.91709
c. 3 CMA
Metode Centered Moving Average adalah metode yang paling baik karena metode
ini memperhatikan data permintaan masa lampau dan juga data permintaan yang akan
datang. Metode Centered Moving Average mempunyai tujuan untuk melakukan
peramalan permintaan yang berupa data konstan. Pada modul ini, data yang digunakan
untuk metode Centered Moving Average adalah data konstan, yaitu Koleksi dan
Anak-anak. Perhitungan dilakukan dengan jenis periode 3 CMA. Perhitungan
dilakukan dengan dua cara, yaitu perhitungan manual dan perhitungan software

2016 101
Kelompok 8
Minitab. Pada perhitungan manual, periode yang dimasukan adalah T=3. Perhitungan
dilakukan dengan merata-rata data permintaan sesuai periode yang diminta. Misalnya
untuk T=3, maka data permintaan dari x1 sampai x3 dijumlahkan lalu dibagi dengan
3 dan hasil perhitugan kemudian diletakkan pada periode ke 2 karena periode kedua
merupakan pertengahan antara periode 1 sampai 3. Hasil yang diperoleh dengan
perhitungan manual maupun software memiliki hasil yang sama, dimana peramalan
yang didapat adalah 9651,67. Dibawah ini merupakan perbandingan error antara
perhitungan manual dan software.
Tabel 5.3 Perbandingan Error Manual dan Sofware Metode CMA
3 CMA
Manual Minitab
ME -11.53 -
MSE 757932.83 -
SSE 35622843 -
MPE -1.017562 -
MAPE 7.5888 8
5.1.2 Analisis Metode Terpilih

Dari beberapa metode yang ada seperti, CMA, WMA dan SMA akan didapat hasil
eror terkecil. Metode perhitungan error yang dipilih ialah metode MAPE. Hal ini
dikarenakan hasil yang dinyatakan MAPE berbentuk persentase kesalahan antara
permintaan dan hasil peramalan yang membantu dalam melihat apakah kesalahan terlalu
rendah atau tinggi. Berdasarkan perhitungan dan pengujian yang telah dilakukan diatas,
diperoleh nilai error terkecil pada MAPE yaitu sebanyak 7,587 pada CMA. Selain itu pada
metode 3CMA memiliki kelebihan yaitu melihat demand periode sebelumnya dan
demand periode selanjutnya. Sehingga data yang di hasilkan akan lebih akurat di
bandingkan metode yang lain.
5.1.3 Analisis Validasi
Setelah menentukan metode terbaik maka diadakan validasi data guna mengetahui
apakah terdapat perbedaan rataan dan variansi pada hasil pengolahan data. Dari hasil

2016 102
Kelompok 8
perhitungan pengolahan data diketahui metode terbaik adalah CMA. Untuk melakukan
validasi data digunakan beberapa uji, yaitu menggunakan peta kendali Tracking Signal,
Uji-T.
Tracking signal digunakan untuk memvalidasi peramalan yang telah dilakukan.
Metode peramalan yang akan divalidasi adalah metode 3 CMA. Hal ini dengan melihat
pergerakan nilai tracking signal yang didapatkan dari hasil RSFE dibagi dengan MAD.
Pergerakan nilai tracking signal dalam kasus ini tidak ada yang melewati batas atas dan
batas bawah yang telah ditentukan. Batas atas tracking signal adalah 4 dan batas
bawahnya adalah -4. Dikarenakan tidak ada satupun hasil yang melewati batas atas
maupun batas bawah, maka hasil peramalan dengan metode CMA lolos uji validasi
dengan metode tracking signal. Pada uji T juga menunjukan bahwa hasil forecast metode
CMA valid karena t hitung < t tabel yakni 0.4771 < 2.0117.
5.2 Analisis Pola Data Linier
5.2.1 Analisis Semua Metode Peramalan
a. DES
Peramalan dengan menggunakan metode DES digunakan untuk peramalan data
jangka pendek misalkan pengolahan pada data tanpa trend atau faktor musiman.
Metode DES menggunakan nilai alfa. Nilai alfa didapatkan dari software e-views,
dimana dengan menggunakan nilai data permintaan masa lalu selama 48 periode
diperoleh α=0.544. Rumus untuk menghitung peramalan dengan metode Double
Exponential Smoothing adalah S(t) = α.x(t-1) + (1-α).S(t-1) dan F’(t) = α.S(t) + (1-
α).F’(t-1) dengan input yang digunakan adalah permintaan dari data asli 48 periode .
Perbedaannya dengan metode Single Exponential Smoothing adalah jika metode
Double Exponential Smoothing dilakukan 2 kali peramalan, sedangkan pada metode
Single Exponential Smoothing hanya menggunakan 1 langkah peramalan saja. Yaitu
mencari S’ dengan cara mengalikan 0,544 (alfa) dengan permintaan sebelumnya lalu
dijumlahkan dengan 0,456 (1 minus alfa) dikalikan dengan hasil S’ sebelumnya.
Perhitungan dilakukan dengan dua cara, Selain pengolahan data manual dengan
menggunakan Software Microsoft Excel, pengolahan data juga dilakukan dengan
menggunakan Software Winqsb. Dari kedua perhitungan ini didapatkan hasil yang

2016 103
Kelompok 8
sama untuk peramalan 24 periode kedepan yaitu 5651,29. Dibawah ini ialah
perbandingan error antara perhitungan manual dan software.
Tabel 5.4 Perbandingan Error Manual dan Sofware Metode DES
DES
Manual Winqsb
MSE 40942.96 40942.94
MAPE 4.21 4.2095
MPE 4.21 -
SSE 1924319.08 -
ME 174.50 -
b. SEST
Dari perhitungan peramalan yang telah dilakukan dengan menggunakan metode
eksponensial smoothing, maka diketahui hasil peramalan untuk 24 periode kedepan.
Pada perhitungan dengan metode eksponensial smoothing, digunakan nilai alpha
(parameter yang digunakan sebagai penghalus untuk data) dan beta (merupakan
parameter penghalus trend). Nilai alpha dan beta sudah ditentukan dengan mencari
melalui software EViews dimana alpha =1 dan beta = 0. Pada perhitungan SEST,
parameter yang dihitung terlebih dahulu adalah St = α.X(t) + (1-α).(St-1+Bt-1) dan Bt
= β (St - St-1) + (1-β) Bt-1, setelah itu baru didapatkan hasil peramalan (Ft) dari hasil
penjumlahan St dan Bt , sejajar dengan periodenya masing-masing. Setelah itu,
didapatkan error dari metode tersebut.
Berdasrkan hasil perhitungan manual dan software menghasilkan ouput yang
sama yaitu 5770. Berikut ini merupakan error dari metode SEST secara manual dan
dengan bantuan software
Tabel 5.5 Perbandingan Error Manual dan Sofware Metode SEST
SEST
Metode
Manual Winqsb
MSE 10331.64 10331.64
MPE 1,65 -
MAPE 1,65 1.649
ME 67.25532 -
SSE 485587 -

2016 104
Kelompok 8
Hasil peramalan dari perhitungan manual dan output software dari SEST ini
menunjukkan nilai yang sama, namun jika suatu ada perbedaan hanyalah sebatas di
pembulatan saja.
c. DEST
Metode peramalan Double Exponential Smoothing with Trend merupakan
peramalan dengan konsep penerapan parameter α sebagai dasar pertimbangan agar
setiap hasil peramalan sudah diberikan faktor penyesuaian setiap tingkat kesalahan
dan berfungsi untuk menghaluskan nilai fluktuatif data secara mendatar. Dari
perhitungan peramalan yang telah dilakukan didapat data peramalan sebanyak 24
periode kedepan. Dalam perhitungan ini nilai parameter α =0.544
Perhitungan pada metode ini dilakukan dengan dua cara yaitu perhitungan manual
dan perhitungan software WinQSB. Pada perhitungan manual yang dihitung terlebih
dahulu ialah S(t) dan B(t) setelah itu baru dicari nilai peramalannya. Hasil
perhitungan manual dan software sama jika ada perbedaan itu hanya terletak pada
fungsi pembulatan. Berikut merupakan tabel perbandingan error dari perhitungan
manual dan software.
Tabel 5.6 Perbandingan Error Manual dan Sofware Metode DEST

DEST
Manual Winqsb
MSE 7675,876 7675,88
MPE 0,1957557 -
MAPE 1,3839 1.384
ME 6,044724 -
SSE 360766,2 -
d. Regresi
Peramalan dengan metode Regresi Linier bertujuan untuk mendapatkan model
regresi yang dapat digunakan untuk peramalan. Persamaan yang diperoleh dari
metode ini adalah Y = 2853.758 + 59.208 X. Untuk mencari persamaan ini digunakan
rumus intersep dan slope. Peramalan dilakukan dengan mengganti variabel X dengan
periode yang ingin diramal. Peramalan dilakukan untuk 24 bulan selanjutnya. Selain
2016 105
Kelompok 8
itu untuk perhitungan menggunakan software, digunakan software Winqsb. Hasil

peramalan tidak berbeda jauh dengan hasil perhitungan manual. Hasil error
didapatkan dari demand dikurangi dengan hasil peramalan. Untuk hasil error baik
manual maupun software juga tidak begitu jauh. Perbedaan yang terjadi hanya dari
hasil pembulatan saja.
Tabel 5.7 Perbandingan Error Manual dan Sofware Metode Regresi
Regresi
Manual Winqsb
MSE 20423.57 720423.57
MAPE 3.178 3.18
MPE -0.252% -
SSE 980331.3 -
ME 0.000167 -
e. ARIMA
Metode ARIMA dikerjakan melalui software EViews. Sebelum melakukan
peramalan dibutuhkan beberapa tahap, yaitu uji stasioneritas dan pencarian model
correlogram. Melalui uji signifikansi didapatkan AR1MA1 sebagai model ARIMA.
Setelah itu dilakukan uji residual pada ARIMA yang harus memenuhi dua syarat yaitu
nilai Jaque-Bera < 5,991 dan probability > 0,05. Pada uji ini menghasilkan data
residual bersifat normal karena 4,701568 < 5,991; 0,095294 > 0,05. Sedangkan, untuk
uji correlogram juga menunjukan tidak terjadi pelanggaran garis untuk semua lag,
baik garis autocorrelation maupun partial correlation.
5.2.2 Analisis Metode Terpilih

Dari beberapa metode yaitu DES, SEST, DEST, Regresi Linear, dan ARIMA akan
didapat hasil eror terkecil dengan pola linear. Metode dengan eror terkecil merupakan
metode terbaik. Nilai error yang dijadikan acuan disini adalah nilai DEST karena pada
penghitungan error merupakan nilai yang paling terkecil sebesar 1.3839 dan dipilih
sebagai metode terbaik untuk melakukan forecasting dengan pola data linier.

2016 106
Kelompok 8
5.2.3 Analisis Validasi

Setelah menentukan metode terbaik maka diadakan validasi data guna mengetahui
apakah terdapat perbedaan rataan dan variansi pada hasil pengolahan data. Dari hasil
perhitungan pengolahan data diketahui metode terbaik adalah CMA. Untuk melakukan
validasi data digunakan beberapa uji, yaitu menggunakan peta kendali Moving Range,
Uji-T.
Pada metode Moving Range ditemukan bahwa UCL adalah sebesar 194,8 dan
LCL adalah -194,8. Namun, pada hasilnya ditemukan 1 nilai yang berada diluar garis
UCL dan LCL. Namun, pada uji T menunjukan bahwa hasil forecast metode DEST valid
karena t hitung < dari t tabel yakni 1.082559733< 2.011740514.

2016 107
Kelompok 8
BAB VI
PENUTUP
6.1 Kesimpulan
Berdasarkan pembahasan diatas dapat disimpulkan hal - hal sebagai berikut :
1. Forecasting dalam bidang industri diposisikan sebagai suatu metode pendukung
proses pengambilan keputusan, dimana perusahaan dapat memprediksi permintaan
konsumen terhadap produk dari perusahaan tersebut dengan berbagai metode guna
memudahkan penentuan jumlah produk yang akan diproduksi. Teknik peramalan
ini bertujuan untuk mengoptimalkan kapasitas produksi sehingga dapat
memaksimalkan keuntungan dan meminimalkan biaya inventory.
2. Sifat data yang didapat, dicocokan dengan metode peramalan yang akan dilakukan.
Metode SMA, WMA, dan CMA merupakan metode yang digunakan di dalam
praktikum ini untuk plot data konstan. Metode SEST, DEST, DES, Regresi Linear
dan ARIMA adalah metode yang digunakan untuk plot data linear. Metode 3 CMA
untuk data konstan dan DEST untuk data linier terpilih sebagai metode yang
terbaik. Selanjutnya dilakukan perhitungan error yang mencakup perhitungan
MSE, MPE, MAPE, ME, SSE.
3. Setiap metode peramalan yang digunakan mempunyai kelebihan dan
kekurangannya masing-masing, begitu pula dengan perhitungan error-nya. Pada
pola data konstan, metode terbaik yang dapat digunakan adalah metode CMA,
karena perhitungan metode peramalan tersebut melibatkan data di masa lampau dan
di masa depan. Pada pola data linear, metode terbaik yang dapat digunakan adalah
metode DEST karena metode ini menyesuaikan trend yang ada dalam plot datanya.
Sedangkan metode perhitungan error terbaik adalah metode MAPE, karena metode
ini memutlakan selisih data sebenarnya dengan peramalan, sehingga tidak ada
kesalahan perhitungan dalam penjumlahan total maupun perkalian dengan hasil
yang keluar adalah dalam bentuk persen.
4. Metode yang diimplimentasikan dalam peramalan di bidang industri ialah metode
yang terbaik yaitu metode yang dipilih yang memiliki nilai error MAPE terkecil,
baik itu untuk data konstan ataupun linier. Metode peramalan dengan nilai error

2016 108
Kelompok 8
terkecil ialah metode 3 CMA pada data konstan dan DEST pada data linier karena
keduanya memiliki nilai error terkecil jika dibandingkan dengan metode lainnya.
Metode terbaik digunakan sebagai metode peramalan yang digunakan untuk
meramalkan demand mendatang berdasar data demand historis.
6.2 Saran
Berikut merupakan saran untuk Praktikum Perancangan Teknik Industri Modul 1
Forecasting:
1. Praktikan harus memahami terlebih dahulu proses dan tahap-tahap dalam melakukan
peramalan
2. Praktikan harus teliti dalam melakukan perhitungan manual maupun software
3. Praktikan harus memahami konsep dan proses perhitungan metode-metode
peramalan dan perhitungan error baik yang dilakukan secara manual maupun
menggunakan software seperti Minitab, WinQsb, dan Eviews

2016 109
DAFTAR PUSTAKA
Shochrul, R. 2011. Cara Cerdas Menguasai EViews. Jakarta: Salemba Empat

Widarjono, Agus. 2005. Ekonometrika Teori dan Aplikasinya, Edisi Pertama.
Yogyakarta: Ekonisia
Hartini, Sri. 2011. Teknik Mencapai Produksi Optimal. Bandung: Lubuk Agung
Makridakis, S. 1994. Metode-Metode Peramalan untuk Manajemen, Jakarta: Binarupa
Aksara
Subagyo. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE

Modul 1 Forecasting PDF

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 1 Forecasting PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

PERANCANGAN TEKNIK INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI

KATA PENGANTAR ......................................................................................................ii

1.1 Latar Belakang ................................................................................................... 1

BAB II TINJAUAN PUSTAKA....................................................................................... 4

2.1 Peramalan ........................................................................................................... 4

BAB III METODOLOGI PRAKTIKUM ....................................................................... 16

4.1 Pengumpulan Data ........................................................................................... 18

4.2.1 Plot Data ...................................................................................................... 22

BAB V ANALISIS ....................................................................................................... 100

5.1 Analisis Pola Data Konstan ............................................................................ 100

5.1.1 Analisis Semua Metode Peramalan ........................................................... 100

5.2 Analisis Pola Data Linier ............................................................................... 103

5.2.1 Analisis Semua Metode Peramalan ........................................................... 103

BAB VI PENUTUP ...................................................................................................... 108

6.1 Kesimpulan ..................................................................................................... 108

Program Studi Teknik Industri

Program Studi Teknik Industri

1.5 Sistematika Penulisan

Program Studi Teknik Industri

2.1.2 Macam-Macam Peramalan

Program Studi Teknik Industri

Program Studi Teknik Industri

Program Studi Teknik Industri

4. Penerapan model atau hasil dari peramalan yang telah diperoleh.

2.2 Metode-Metode Deret Waktu (Time Series)

Program Studi Teknik Industri

WMA = ∑�= �� � ………………………….(2.7)

Program Studi Teknik Industri

Program Studi Teknik Industri

 DEST (Double Exponential Smoothing with Trend)

Program Studi Teknik Industri

2.4 Pemilihan Metode Peramalan

2.5 Verifikasi dan Validasi Model Peramalan

Program Studi Teknik Industri

2. Nilai Tengah Galat Kuadrat ( Mean Square Error )

Program Studi Teknik Industri

Program Studi Teknik Industri

Program Studi Teknik Industri

4. Solve and Analysis, untuk memecahkan masalah dan menyelesaikannya dengan

Program Studi Teknik Industri

Membuat Plot Data

Menghitung error tiap

Gambar 3.1 Metodologi Penelitian

Program Studi Teknik Industri

Program Studi Teknik Industri

Tahun Bulan Periode Koleksi Style Lomba Remaja Anak-anak

Program Studi Teknik Industri

Tabel 4.1 Data Historis Permintaan (Lanjutan)

Program Studi Teknik Industri

4.2 Pengolahan Data

Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak

Program Studi Teknik Industri

Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak (Lanjutan)

Perhitungan bobot persentase tiap segmen:

 % Anak-anak = 100% - 50,83% = 49,17%

Program Studi Teknik Industri

4.2.1 Plot Data

Gambar 4.1 Plot Data Segmen Koleksi

Gambar 4.2 Plot Data Segmen Style

Program Studi Teknik Industri

Gambar 4.3 Plot Data Segmen Lomba

Gambar 4.4 Plot Data Segmen Remaja

WMA = ∑�= �� ………………………….(2.7)

 SSE = ∑ �� = 76818691.56

 SSE = ∑ �� = 78983989