Bab 02 - Peramalan

Peramalan
Solusi Untuk Masalah Dari Bab 2

2.1 Kecenderungan
Musiman
Siklus Keacakan

2.2 Siklus memiliki pola berulang yang panjang dan besarnya bervariasi.

2.3 A) Seri Waktu

b) Regresi atau Model Kausal
c) Metode Delphi

2.4 Pemasaran: Penjualan baru dan perkiraan penjualan yang ada. Model kausal yang
berkaitan dengan periklanan
untuk penjualan

Prakiraan tingkat bunga akuntansi; komponen biaya, piutang tak tertagih.

Keuangan: Perubahan pasar saham, perkiraan laba atas hasil investasi dari
proyek tertentu.

Produksi: Prakiraan permintaan produk (agregat dan individu), ketersediaan

sumber daya, tenaga kerja.

2.5 a) Prakiraan agregat berurusan dengan kelompok item atau keluarga.

b) Prakiraan jangka pendek umumnya hari atau bulan berikutnya; Prakiraan jangka
panjang mungkin untuk beberapa bulan atau tahun ke depan.

c) Model kausal didasarkan pada hubungan antara variabel prediktor dan variabel
lainnya. Model naif didasarkan pada sejarah seri masa lalu saja

2.6 Metode Delphi adalah teknik untuk mencapai konvergensi pendapat kelompok. Metode
ini memiliki beberapa keunggulan potensial dibandingkan metode Jury of Executive
Opinion tergantung pada bagaimana metode tersebut diimplementasikan. Jika eksekutif
diizinkan untuk mencapai konsensus sebagai sebuah kelompok, kepribadian yang kuat
dapat mendominasi. Jika eksekutif diwawancarai, bias pewawancara dapat mempengaruhi
hasil.

2.7 Beberapa masalah yang mungkin ingin dipertimbangkan oleh lulusan senior ketika
memilih perguruan tinggi untuk dihadiri meliputi: a) seberapa baik lulusan bernasib baik
di pasar kerja, b) berapa tingkat putus sekolah siswa, c) berapa biaya perguruan tinggi
pendidikan dan d) kesempatan kerja paruh waktu apa yang mungkin tersedia di wilayah

2-1
Bab 02 - Peramalan

tersebut. Sumber data mungkin katalog perguruan tinggi, survei tentang gaji lulusan
senior, survei tentang jumlah lulusan senior yang melanjutkan ke sekolah pascasarjana
atau profesional, dll.

2.8 Manajer seharusnya siap menghadapi konsekuensi dari kesalahan perkiraan.

2.9 Perkiraan jangka panjang seperti itu tidak mungkin akurat.

2.10 Jenis kriteria ini paling dekat dengan MAPE, karena kesalahan yang diukur relatif tidak
mutlak. Lebih masuk akal untuk menggunakan ukuran kesalahan relatif dalam golf.
Misalnya, kesalahan 10 yard untuk tembakan 200 yard akan baik-baik saja untuk
sebagian besar pegolf, tetapi kesalahan serupa untuk tembakan 20 yard tidak.

2.11 a) (26)(.1) + (21)(.1) + (38)(.2) + (32)(.2) + (41)(.4) = 35,1

b) (23)(.1) + (28)(.1) + (33)(.2) + (26)(.2) + (21)(.4) = 25,3

2.12 a) dan b)

et
Ramalan Periode Sebenarnya

(86 + 75)/2 = 80.5 3 72 +8.5

(75 + 72)/2 = 73.5 4 83 -9.5
dll. 77.5 5 132 -54.5
107.5 6 65 42.5
98.5 7 110 -11.5
87.5 8 90 -2.5
100.0 9 67 +33.0
78.5 10 92 -13.5
79.5 11 98 -18.5
95.0 12 73 +22.0

C) GILA = (216)/10 = 21 .6
MSE = (7175)/10 = 717 .5

e
= 100 (1 — 25.61
MAPE
y
say

(N a )
D

2-2
Bab 02 - Peramalan

2.13 Fst 1 Fst 2 Tuntutan Salah 1 Salah 2 Er1^2 Er2^2 |Err1 |

33
223 210 256 33 46 1089 2116 51
289 320 340 51 20 2601 400 55
430 390 375 -55 -15 3025 225 24
134 112 110 -24 -2 576 4 35
190 150 225 35 75 1225 5625 25
550 490 525 -25 35 625 1225 37.16666
(MAD1)
1523.5 (MSE1 1599.166
(MSE2)

J e2/D 1 * 100
J J e1/D J
*100
Err2 17.96875

J 12.89062
5.88253
4.00000
15.0000
1.81818
46 14.66667
33.33333
20 21.81818
6.66667
15 15.55556
2 4.761905
11.61155
75
(MAPE2)
35 14.11549
(MAPE1)

2.14 Artinya E(ei) + 0. Ini akan muncul dengan

mempertimbangkan
N
2ei
saya = 1
Bias ditunjukkan ketika jumlah ini menyimpang terlalu jauh
dari nol.

2.15 Menggunakan MAD: 1,25 MAD = (1,25)(21,6) = 27,0

(Menggunakan s, standar deviasi sampel, diperoleh 28,23)

2.16 MA (3) ramalan: 258.33

MA (6) ramalan: 249.33
MA (12) ramalan: 205.33

2-3
Bab 02 - Peramalan

2.17, 2.18, dan 2.19.

Selangkah lebih maju Dua langkah di depan

Bulan Ramalan Ramalan Tuntutan e1 e2

Juli 205.50 149.75 223 -17.50 -73.25

Agustus 225.25 205.50 286 -60.75 -80.50
September 241.50 225.25 212 29.50 13.25
Oktober 250.25 241.50 275 -24.75 -33.50
November 249.00 250.25 188 61.00 62.25
Desember 240.25 249.00 312 -71.75 -63.00

MAD = 44.2 54.3

Prakiraan selangkah lebih maju memberikan hasil yang lebih baik (dan seharusnya sesuai
dengan
teori).

2.20 Bulan Tuntutan MA(3) MA(6)

Juli 223 226.00 161.33

Agustus 286 226.67 183.67
September 212 263.00 221.83
Oktober 275 240.33 233.17
November 188 257.67 242.17
Desember 312 225.00 244.00

MA (6) Prakiraan menunjukkan lebih sedikit variasi dari periode ke periode.

2.21 Prakiraan MA(1) berarti bahwa prakiraan untuk periode berikutnya hanyalah permintaan
periode saat ini.

Bulan Permintaan MA(4) MA(1) Kesalahan

Bulan Tuntutan MA(4) MA(1) Kesalahan

Juli 223 205.50 280 57

Agustus 286 225.25 223 -63
September 212 241.50 286 74
Oktober 275 250.25 212 -63
November 188 249.00 275 87
Desember 312 240.25 188 -124

GIL
A = 78 .0

2-4
Bab 02 - Peramalan

(Jauh lebih dari MA(4))

2.22 F t = a D t-1 + buruk
(1- a )F t-1

a) F Feb = (.15)(23.3) + (.85)(25) = 24.745

F Maret = (.15)(72.3) + (.85)(24.745) = 31.88

F Apr = (.15)(30.3) + (.85)(31.88) = 31.64

F Mei = (.15)(15.5) + (.85)(31.63) = 29.22

b) F Feb = (.40)(23.3) + (.60)(25) = 24.32

F Maret = 43,47

F Apr = 38.20

F Mei = 29.12

c) Hitung MSE untuk Februari hingga April:

Bulan
Kesalahan (a) ( a= Kesalahan (b) ( a
.15) = .40)
Februari 47.45 47.88
Merusak 1.56 13.17
April 16.13 22.70

MSE = 838.04 993.74

A 0,15 memberikan yang

= lebih baik ramalan

2.23 Kecil menyiratkan sedikit bobot yang diberikan pada perkiraan saat ini dan hampir
semua bobot diberikan pada riwayat permintaan di masa lalu. Ini berarti ramalan akan
stabil tetapi tidak responsif.

Besar menyiratkan bahwa banyak bobot diterapkan pada pengamatan permintaan saat
ini. Ini berarti ramalan akan menyesuaikan dengan cepat terhadap perubahan pola
permintaan tetapi akan sangat bervariasi dari periode ke periode.

2-5
Bab 02 - Peramalan

2.24 Pekan MA(3) Prakiraan

sebuah)
4 17.67
5 20.33
6 28.67
7 22.67
8 21.67

b) dan c
Berdasarkan
Pekan hasil ES(.15)
ini, ES(.15) memiliki
Tuntutan MADMA(3)
yang lebih
|err|rendah selama|err|
lima minggu

4 17.67 22 17.67 4.33 4.33

5 18.32 34 20.33 15.68 13.67
6 20.67 12 28.67 8.67 16.67
7 19.37 19 22.67 0.37 3.67
8 19.32 23 21.67 3.68 1.33

6.547540 7.934
MAD-ES MAD-MA

Hal ini sama dengan ramalan pemulusan eksponensial yang dilakukan pada minggu
ke-6 untuk permintaan pada minggu ke-7, yaitu 19,37 dari bagian c).

D
) 22
A
= N—1 ^ X =7 = 0,286

2— C 2— .05
2.25 1) .56)............................................................................................................................15
sebuah) )
......................................................................................................................................28
)2) _................................................................................................................................28
B
Dari Lampiran 2-A o
) 2 = =1,1o 2
2—C
2
Oleh karena itu = = 1.1 Pemecahan menghasilkan =
C ----------------.1818
)

2-6
Bab 02 - Peramalan

Ini sama dengan perkiraan satu langkah di depan yang dibuat pada akhir Maret yaitu 31,64.

2-7
Bab 02 - Peramalan

2.27 Permintaan rata-rata dari Januari hingga Juni adalah 161,33. Asumsikan ini adalah
ramalan untuk
Juli.

A) Bulan Ramalan

[.2(223) + (.8)(161.33)]
Agustus 173.7
dll.
Sep Okt 196.2
199.4
Nop 214.5
Des 209.2

B) Bulan Tuntutan ES(.2) (Kesalahan) MA(6) (Kesalahan)

Agustus 286 173.7 112.3 183.7 102.3

September 212 196.2 15.8 221.8 9.8
Okt 275 199.4 75.6 233.2 41.8
November 188 214.5 26.5 242.2 54.2
Desember 312 209.2 102.8 244 68.0

GILA 66.6 55.2

MA(6) memberikan prakiraan yang lebih akurat.

c) Untuk a = .2 nilai konsisten N adalah (2- a )/ a = 9. Oleh karena itu MA(6) akan lebih
responsif. Juga metode ES mungkin menderita karena tidak dapat membuang data
"buruk" di masa lalu.

2-8
Bab 02 - Peramalan

A) Estimasi “bola mata”: kemiringan = 2750/6 = 458,33, intersep = -500.

B) Solusi regresi yang diperoleh adalah

S xy = (6)(28.594) - (21)(5667) = 52.557

Sxx = (6)(91) - (21) = 105 2

b = Sx, = 52.577 = 500.54

S xx 105

a = D - b ( n + 1)/2 = -.807.4

c) persamaan regresi

D, = -807,4 + (500,54)t

Bulan Perkiraan Penggunaan

1) .56)..............................................................................................................................................15
)
.......................................................................................................................................................28
)2) _.................................................................................................................................................28

d) Orang akan berpikir bahwa penggunaan puncak akan terjadi pada bulan-bulan musim
panas dan tren peningkatan tidak akan berlanjut tanpa batas waktu.

2.29 A) Bulan Ramalan Bulan Ramalan

Januari 5700 Juli 8703

Februari 6200 Agustus 9203
Merusak 6700 September 9704
April 7201 Okt 10,204
Mungkin 7702 November 10,705
Juni 8202 Desember 11,206

(perhatikan bahwa ini diperoleh dari persamaan regresi

A
D = 807,4 + 500,54 t dengan t = 13, 14,. . . .)

Penggunaan total diperoleh dengan menjumlahkan perkiraan penggunaan bulanan.

Total perkiraan penggunaan untuk tahun 1994 = 101,431

2-9
Bab 02 - Peramalan

b) Ramalan rata-rata bergerak yang dibuat pada bulan Juni = 944,5/bln.

Karena rata-rata bergerak ini digunakan untuk prakiraan satu langkah ke depan dan
beberapa langkah ke depan, total prakiraan untuk tahun 1994 adalah (944,5)(12) =
11.334.)

Rata-rata bulanan sekitar 1200 berdasarkan grafik penggunaan bentuk ini. Grafik ini
mengasumsikan penggunaan puncak pada bulan-bulan musim panas. Penggunaan
tahunan adalah (1200)(12) = 14.400 yang lebih mendekati (b), karena metode rata-rata
bergerak tidak memproyeksikan tren tanpa batas.

2-
10
Bab 02 - Peramalan

2.30 Dari penyelesaian soal 24,

a) kemiringan = 500,54
nilai regresi bulan Juni = -807.4 + (500.54)(6) = 2196

S 0 = 2196 a = 0,15
G 0 = 500,54 B = 0,10

S 1 = a D 1 + (1- a )(S 0 + G 0 )
= (.15)(2150) + (.85)(2196 + 500.54)
= 2615

G 1 = (.1)[2615 - 2196] + (.9)(500.54) = 492.4

S 2 = (0,15)(2660) + (0,85)(2615 + 492,4) = 3040
G2 = 0,1 [3040 - 2615] + (0,9) (492,4) = 485,7

b) Prakiraan selangkah lebih maju yang dibuat pada Agustus untuk September adalah
S 2 + G 2 = 3525,7

Prakiraan dua langkah ke depan yang dibuat pada Agustus untuk Oktober adalah
S 2 + G 2 = 3040 + 2(485,7) = 4011,4

c) S 1 + 5(G 1 ) = 2615 + 5(492,4) = 5077.

2.31 Pengamatan ini akan menurunkan perkiraan masa depan. Karena ini mungkin merupakan
"outlier" (non pengamatan representatif) seseorang tidak boleh memasukkannya ke dalam
perhitungan perkiraan.

2.32 Baik regresi maupun metode Holt didasarkan pada asumsi tren linier konstan.
Kemungkinan dalam banyak kasus tren tidak akan berlanjut tanpa batas waktu atau tren
yang diamati hanyalah bagian dari sebuah siklus. Jika itu masalahnya, kesalahan perkiraan
yang signifikan dapat terjadi.

2.33
Bulan Tah 1 Tahun Dem1/Mean Dem2/Mean Rata-rata (faktor)"

1 12 16 0.20 0.27 0.24

2 18 14 0.31 0.24 0.27
3 36 46 0.61 0.78 0.70
4 53 48 0.90 0.81 0.86
5 79 88 1.34 1.49 1.42
6 134 160 2.27 2.71 2.49
7 112 130 1.90 2.20 2.05
8 90 83 1.53 1.41 1.47

2-
11
Bab 02 - Peramalan

9 66 52 1.12 0.88 1.00

10 45 49 0.76 0.83 0.80

2-
12
Bab 02 - Peramalan

11 23 14 0.39 0.24 0.31

12 21 26 0.36 0.44 0.40

Total 689 726 12

Kami menggunakan Metode Cepat dan Kotor di sini. Permintaan rata-rata selama dua
tahun adalah (689 + 726)/2 = 707,5.

2.34 A)
(1)
(2) MA terpusat Rasio
Seperempat Tuntutan MA MA terpusat pada periode (1)/(2)

1 12 42.440 0.2828
2 25 41.25 42.440 0.5891
3 76 41.750 1.8204
42.25
4 52 41.25 44.00 43.125 1.2058
5 16 42.25 42.75 43.375 0.3689
6 32 44.00 45.25 44.000 0.7272
7 71 42.75 44.75 45.000 1.5778
8 62 45.25 48.00 46.375 1.3369
9 14 44.75 51.25 49.625 0.2821
10 45 48.00 47.50 49.375 0.9114
11 84 51.25 49.500 1.6970
12 47 47.50 49.500 0.9494

Empat faktor musiman diperoleh dengan rata-rata kuartal yang sesuai (1, 5, 9 untuk yang
pertama; 2, 6, 10 untuk yang kedua, dst.)

Seseorang memperoleh faktor musiman berikut

0.3112
0.7458
1.6984
1.1641

Jumlahnya adalah 3,9163. Norma faktor dengan mengalikan masing-masing dengan

4
3,9163
1.0214

2-
13
Bab 02 - Peramalan

kami akhirnya mendapatkan

faktor:
0.318
0.758
1.735
1.189
B)
Deseasonalized
Seperempat Tuntutan Faktor Seri

1 12 0.318 37.74
2 25 0.758 32.98
3 76 1.735 43.80
4 52 1.189 43.73
5 16 0.318 50.31
6 32 0.758 42.22
7 71 1.735 40.92
8 62 1.189 52.14
9 14 0.318 44.03
10 45 0.758 59.37
11 84 1.735 48.41
12 47 1.189 39.53

C) 47.40

D Harus "mengatur ulang musim" perkiraan dari

) bagian (c) (47,40)(,318) = 15,07

2.35 A V 1 = (16 + 32 + 71 + 62)/4 =

) 45,25
V2 = (14 + 45 + 84 + 47)/4 = 47,5
1. G 0 = (V 2 - V 1 )/N =
0,5625
2. S 0 = V 2 + G 0 (N-1/2) = 47,5 + (0,5625)(3/2) =
48,34
Dt
3. c t -2N+1 = < t < 0
= V i [ N + 1/2 - j G
0
16
c -7 = = 0.36
45,25 - ( 5/2 - 1 N ..56 ) .
32
c -6 = = 0.71
45,25 - ( 5/2 - 2 N ,56 ) .

2-
14
Bab 02 - Peramalan

71 62
c -5 = = 1.56
( 5/2
- (-5/2
45,25
43,25 - - 4 X 0,56 )
3M.56)
c -4 =

= 1.35

14
c -3 = = 0.30
47.5 -(5/2 -
1) .56)
45
c -2 =
47.5 -(5/2 -2 )(.56)
= 0.95

84
c -1 = = 1.76
47,5 - ( 5/2 - 3M.56
)
47
c0= = 0.97
47,5 - ( 5/2 - 4 N .56 ) .

(c 7 + c 3 )/2 = 0,33

(c 6 + c 2 )/2 = 0,83

(c 5 + c 1 )/2 = 1,66

(c 4 + c 0 )/2 = 1,16

Jumlah = 3.98

Faktor norma = 4/3,9 = 1.01

Oleh karena itu faktor musiman awal adalah:

c -3 = 0,33 c -1 = 1,67

c -2 = 0,83 c -0 = 1,17

b) a = 0,2, B = 0,15, Y = 0,1, D 1 = 18

S 1 = a (D 1 /c -3 ) + (1- a )(S 0 + G 0 ) = 0,2(18/0,33)

+ 0.8(48.34 + 0.56) = 50.03

G 1 = y(S 1 - S 0 ) + (1 - y) = G 0 = 0,1(50,03 - 48,34)

2-
15
Bab 02 - Peramalan
+ 0.9(0.56) = 0.70

c 1 = 3(D 1 /S 1 ) + (1-3)c 3 = 0,15(18/50,03) + 0,85(0,33)

2-
16
Bab 02 - Peramalan

= .3345

c) Prakiraan untuk kuartal ke-2, ke-3 dan ke-4 tahun 1993

F 1,2 = [S 1 + G 1 ]c 2 = (50 + .70)0.83 = 42.08

F 1,3 = [S 1 + 2G 1 ]c 3 = (50 + 2(.70))1,67 = 85,84

F 1,4 = [S 1 + 3G 1 ]c 4 = (50 + 3(.70))1,17 = 60,96

2.36 Prakiraan Prakiraa

dari 30(h) 1 n dari
Periode Dt et.1 31(c) 1 et 1
1
51 35.8 15.2 42.08 8.92
2 86 82.4 3.6 85.84 0.16
3 66 56.5 9.5 60.96 5.04
4
GILA = 9.43 MAD = 4.71
UMK = 111.42 UMK = 35.00

Oleh karena itu kami menyimpulkan bahwa metode Winter lebih akurat.

2.37 S 1 = 50,03 a = 0,2 3 = 0.15 Y = 0,1 H 1 = 18

G1 = 0,67 D 2 = 51
H 3 = 85
D 4 = 66
S2 = 0,2(51/0,83) + 0,8(50,03 + 0,70) = 52,87
G2 = 0,1(52,87 - 50,03) + 0,9(0,70) = 0,914

S3 = 0,2(86/1,67) + 0,8(52,87 + 0,914) = 53,33

G3 = 0,1(53,33 - 52,85) + 0,9(0,885) = 0,8445

S 4 = 0,2(66/1,17) + 0,8(53,33 + 0,8445) = 54,62 G 4 = 0,1(54,62 - 53,33) +

0,9(0,8445) = 0,8891 c i = (,15)[18/50] + (0,85) (0,33) = 0,3345 - 0,34
C2 = (0,15)[51/52,85] + 0,85(0,83) = 0,8502 - 0,85
C3 = (0,15)(86/53,29) + 0,85(1,67) = 1,6616 - 1,66
C4 = (0,15)(66/54,59) + 0,85(1,17) = 1,1758 - 1,18

Jumlah faktornya adalah 4,02. Norma setiap faktor dengan mengalikan dengan
4/4,02 = 0,995 memberikan faktor akhir sebagai:

c 1 = 0,34

c 2 = 0,84 c 3 = 1,65 c 4 = 1,17

2-
17
Bab 02 - Peramalan

Prakiraan untuk tahun 1995 yang dibuat pada akhir tahun 1993 adalah:

1) .56)..............................................................................................................................................15
)
........................................................................................................................................................28
)2) _..................................................................................................................................................28

2.42. ARIMA(2,1,1) berarti 2 istilah autoregresif, satu tingkat perbedaan, dan 1 istilah rata-rata
bergerak. Modelnya dapat ditulis u t = a 0 + aiu t - i + a 2 u t - 2 + 8 , - b, £
t-1
di mana u t = D t - D t _ 1. Karena u t = (1 - B ) D t , kita punya

a) (1 - B ) D t = a 0 + ( a B + a 2 B )(1 - B ) D + (1 - b B ) s t
2

b) V D, = a^ + ( a B + a B ) V D + (1 - b B ) £ t
2

c) D t - D t - 1 = a 0 + a 1 ( D t - 1 - D t 2) + a 2( D t - 2 - D t 3) + £ t - b l £ t - 1 atau

D t = a. + (1 + a ) D - aD + a 2( D t -2 - D ) + £ , - b, £
/-1

2.43. ARIMA(0,2,2) berarti tidak ada istilah autoregresif, 2 tingkat perbedaan, dan 2 istilah rata-
rata bergerak. Model dapat ditulis sebagai
wt=bo+£t-b £t-1-b 8t-2 1 2

Dimana w, = u t - u t - 1 dan u t = D t - D t _ 1. Menggunakan notasi backshift, kita juga

dapat menulis
w t = (1 - B)2 D t , sehingga kita memiliki bagian a) a) (1 - B ) D t = b a + (1 - bB - bB ) £ 2 2

b) V D t = b + (1 - bB - b 2 B 2 ) £
2

c) D - 2 D t -1 + D 2 = b + £ t - b£
t-1 - b £ t - 2 atau Dt=2Dt-1-D+b+£t-b£
t-1 - b £ t-2

2.44. Model ARMA(1,1) dapat ditulis D t = a 0 + aD — b£

t-1 + £ . Jika kita mengganti
D , D ,... orang dapat dengan mudah melihat ini direduksi menjadi polinomial di ( £,,£ n ...)dan
jika kita mengganti £,, 8, kita melihat bahwa ini direduksi menjadi polinomial di D t _ 1 , D t _ 2,

2-
18
Bab 02 - Peramalan

2.45 a) 1400 - 1200 = 200

200/5 = 40 Ubah = -40 (Dia harus menurunkan perkiraan sebesar 40.)

b) (0.2)(0.8) = 0.08192
4

200(0,08192) = 16,384 Perubahan = -16,384 (Dia harus menurunkan peramalan

sebesar
16.384)

2.46 Dari Contoh 2.2 kami memiliki yang

berikut:

Ramalan Diamati
Seperempat Kegagalan (ES(.1)) Kesalahan (e
t)

2 250 200 -50

3 175 205 +30
4 186 202 +16
5 225 201 -24
6 285 203 -82
7 305 211 -94
8 190 220 +30
Menggunakan MAD t = a |e t | + (1 - a )MAD t-1 , kita akan mendapatkan nilai
berikut:

MAD 1 = 50 (diberikan)

MAD 2 = (.1)(50) + (.9)(50) = 50,0

MAD 3 = (.1)(30) + (.9)(50) = 48,0
MAD 4 = (.1)(16) + (.9)(48) = 44,8
MAD 5 = (.1)(24) + (.9)(44.8) = 42.7
MAD 6 = (.1)(82) + (.9)(42.7) = 46.6
MAD 7 = (.1)(94) + (.9)(46.6) = 51.3
MAD 8 = (.1)(30) + (.9)(51.3) = 49.2

MAD yang diperoleh dari perhitungan langsung adalah 46,6, sehingga metode ini
memberikan aproksimasi yang cukup baik setelah delapan periode. Ini memiliki
keuntungan penting karena tidak mengharuskan pengguna menyimpan nilai
kesalahan masa lalu dalam menghitung MAD.
2.47 c 1 = 0,7
c2 = 0,8
c3 = 1,0
c 4 = 1,5

2-
19
Bab 02 - Peramalan

2.48
Departemen tahun 1 tahun 2 tahun 3 rasio 1 rasio 2 rasio 3 rata-rata

Pengelolaan 835 956 774 1.20 1.37 1.11 1.23

Pemasaran 620 540 575 0.89 0.78 0.83 0.83
Akuntansi 440 490 525 0.63 0.70 0.75 0.70
Produksi 695 680 624 1.00 0.98 0.90 0.96
Keuangan 380 425 410 0.55 0.61 0.59 0.58
Ekonomi 1220 1040 1312 1.75 1.49 1.88 1.71
6

Berarti halaman di semua bidang dan tahun = 696.72.

Faktor perkalian di kolom terakhir memberikan persentase di atas atau di bawah rata-
rata utama saat dikalikan dengan 100.

2.49 a) dan b)

Bulan Penjualan MA(3 Kesalahan Abs Err Sq Err Per Err

1 238
2 220
3 195
4 245 217.67 -27.33 27.33 747.11 11.16
5 345 220.00 -125.00 125.00 15625.00 36.23
6 380 261.67 -118.33 118.33 14002.78 31.14
7 270 323.33 53.33 53.33 2844.44 19.75
8 220 331.67 111.67 111.67 12469.44 50.76
9 280 290.00 10.00 10.00 100.00 3.57
10 120 256.67 136.67 136.67 18677.78 113.89
11 110 206.67 96.67 96.67 9344.44 87.88
12 85 170.00 85.00 85.00 7225.00 100.00
13 135 105.00 -30.00 30.00 900.00 22.22
14 145 110.00 -35.00 35.00 1225.00 24.14
15 185 121.67 -63.33 63.33 4011.11 34.23
16 219 155.00 -64.00 64.00 4096.00 29.22
17 240 183.00 -57.00 57.00 3249.00 23.75
18 420 214.67 -205.33 205.33 42161.78 48.89
19 520 293.00 -227.00 227.00 51529.00 43.65
20 410 393.33 -16.67 16.67 277.78 4.07
21 380 450.00 70.00 70.00 4900.00 18.42
22 320 436.67 116.67 116.67 13611.11 36.46
23 290 370.00 80.00 80.00 6400.00 27.59
24 240 330.00 90.00 90.00 8100.00 37.50

86.62 10547.47 38.31

GILA MSE MAPE

2-
20
 Bab 02 - Peramalan

2.49 C
Bulan Penjualan ES(.1) Kesalaha Abs Err Sq Err Per Err Alfa
) 1 238 225 -13.00 13.00 169.00 5.46 0.1
2
Bulan 220 s
penjualan 226.30
MA(6 6.30
Kesalaha 6.30
Abs Err 39.69
Sq Err 2.86
Per Err
31 195
238 225.67 n 30.67 30.67 940.65 15.73
24 245
220 222.60 -22.40 22.40 501.63 9.14
53 345
195 224.84 -120.16 120.16 14437.78 34.83
64 380
245 236.86 -143.14 143.14 20489.51 37.67
75 270
345 251.17 -18.83 18.83 354.47 6.97
86 220
380 253.06 33.06 33.06 1092.65 15.03
97 280
270 249.75
270.50 -30.25
0.50 30.25
0.50 915.07
0.25 10.80 0.19
108 120
220 252.77
275.83 132.77
55.83 132.77
55.83 17629.15
3117.36 110.65 25.38
119 110
280 239.50
275.83 129.50
-4.17 129.50
4.17 16769.5617.36 117.72 1.49
12
10 85
120 226.55
290.00 141.55
170.00 141.55
170.00 20035.72
28900.00 166.53 141.67
13
11 135
110 212.39
269.17 77.39
159.17 77.39
159.17 5989.65 57.33 144.70
25334.03
12 85 230.00 145.00 145.00 21025.00 170.59
13 135 180.83 45.83 45.83 2100.69 33.95
14 145 158.33 13.33 13.33 177.78 9.20
15 185 145.83 -39.17 39.17 1534.03 21.17
16 219 130.00 -89.00 89.00 7921.00 40.64
17 240 146.50 -93.50 93.50 8742.25 38.96
18 420 168.17 -251.83 251.83 63420.03 59.96
19 520 224.00 -296.00 296.00 87616.00 56.92
20 410 288.17 -121.83 121.83 14843.36 29.72
21 380 332.33 -47.67 47.67 2272.11 12.54
22 320 364.83 44.83 44.83 2010.03 14.01
23 290 381.67 91.67 91.67 8402.78 31.61
24 240 390.00 150.00 150.00 22500.00 62.50

86.63 14282.57 42.63

GILA MSE MAPE

MA(6) memiliki MAD yang hampir sama dan MSE dan

MAPE yang lebih tinggi.
2.50

2-
21
Bab 02 - Peramalan

14 145 204.65 59.65 59.65 3558.55 41.14

15 185 198.69 13.69 13.69 187.37 7.40
16 219 197.32 -21.68 21.68 470.05 9.90
17 240 199.49 -40.51 40.51 1641.27 16.88
18 420 203.54 -216.46 216.46 46855.50 51.54
19 520 225.18 -294.82 294.82 86915.99 56.70
20 410 254.67 -155.33 155.33 24128.54 37.89
21 380 270.20 -109.80 109.80 12056.10 28.89
22 320 281.18 -38.82 38.82 1507.01 12.13
23 290 285.06 -4.94 4.94 24.39 1.70
24 240 285.56 45.56 45.56 2075.31 18.98

79.18 11616.03 36.41

GILA MSE MAPE

Kesalahan ternyata menjadi fungsi menurun dari untuk data ini. Oleh karena itu, a = 1
memberikan kesalahan terendah.

2.51 A)
(Y saya ) (X i )
Penjualan Kelahiran
Tahun ($100,000) Tahun Sebelumnya
1
2 6.4 2.9
3 8.3 3.4
4 8.8 3.5
5 5.1 3.1
6 9.2 3.8
7 7.3 2.8
8 12.5 4.2

Didapatkan 2 X i - 23,7, 2 Y i = 57,6, 2 X i Y i = 201,29

2 X i = 81,75, 2 Y i = 507,48
2 2

Sxx = 10,56 S xy = 43,91

b= S
XY = 4,158 S
XX

a = y - bx = -5,8

Oleh karena itu Y t = - 5,8 + 4,158X t-1 adalah persamaan regresi yang dihasilkan.

B) Y 10 = -5,8 + (4,158)(3,3) = 7,9214 (yaitu, $792.140)

2-
22
Bab 02 - Peramalan

C)
Kelahiran AS Diramalkan
(dalam 1.000.000) Kelahiran
(X i ) Menggunakan
Tahun
ES(.15)
1 2.9
2 3.4
3 3.5
4 3.1
5 3.8 3.2
6 2.8 3.3
7 4.2 3.2
8 3.7 3.4
9 3.4
10 3.4
Oleh karena itu, perkiraan kelahiran untuk tahun 9 dan 10 adalah 3,4 juta.

D) Y t = -5,8 + 4,158 X t-1

X t-1 = 3,4 juta pada tahun ke-8 dan ke-9.

Mengganti memberikan Y t = -5,8 + (4,158)(3,4) = 8,3372 untuk penjualan di setiap tahun

9 dan 10. Oleh karena itu, perkiraan total penjualan agregat pada tahun-tahun ini adalah
(8,3372)(2) = 16,6744 atau $1.667.440.

2.52 A) Es krim Taman

Bulan Penjualan Peserta
1 325 880
2 335 976
3 172 440
4 645 1823
5 770 1885
6 950 2436

Xi Y saya
Bulan Es krim Penjualan XiYi
1 325 325
2 335 670
3 172 516
4 645 2580
5 770 3850
6 950 5700
Jumla
h = 21 3197. 13641
Rata- = 3.5 532.8
rata
Sxx= 105
S xy = 14709

2-
23
Bab 02 - Peramalan

b = S xy / S xx = 140,1

a = Y - bX = 42,5

Y 30 = 42,5 + (30)(140) = $4245,1

Kami tidak akan terlalu yakin dengan jawaban ini karena mengasumsikan tren
yang diamati selama enam bulan pertama berlanjut hingga bulan 30 yang sangat
tidak mungkin.

B) Xi Y saya
Peserta Es krim
taman Penjualan
XiYi
880 325 286000
976 335 326960
440 172 75680
1823 645 1175835
1885 770 1451450
2436 950 2314200

Jumlah = 8440 3197 5630125

Rata-rata 1406.666 532.8333
=
Sxx= 17.153.756
S xy = 6.798.070

b = S xy / S xx = 0,396302

a = Y -b X = 24,6316

Maka persamaan regresi yang dihasilkan adalah:

Yi = -24,63 + 0,4Xi

2-
24
 Bab 02 - Peramalan

C
)
Peserta

Membaca nilai dari kurva:

X 12 & 5100
X 13 - 5350
X 14 - 5600
X 15 - 5800
X 16 - 5900
X 17 - 5950
X 18 - 5980

Dengan menggunakan persamaan regresi Y i = -24,63 + 0,4X i yang diturunkan

pada bagian (b) diperoleh prediksi penjualan es krim di bawah ini.

Diprediksi
Bulan Peserta Penjualan Es Krim
12 5100 2015.37
13 5350 2115.37
14 5600 2215.37
15 5800 2295.37
16 5900 2335.37
17 5950 2355.37
18 5980 2367.37

2-
25
Bab 02 - Peramalan

2.53 Metode ini mengasumsikan bahwa yang "terbaik" a berdasarkan urutan permintaan
spesifik di masa lalu akan menjadi yang "terbaik " untuk permintaan di masa mendatang,
yang mungkin tidak benar. Selain itu, nilai terbaik dari konstanta pemulusan berdasarkan
kecocokan data retrospektif mungkin lebih besar atau lebih kecil daripada yang diinginkan
berdasarkan stabilitas dan daya tanggap prakiraan.

2.54
Tahun Tuntutan S sub t G sub t Ramalan alfa beta |kesalahan| kesalahan^2
0 8 0.2 0.2
1981 0.2 6.44 7.69 8.00 7.80 60.84
1982 4.3 12.16 7.29 14.13 9.83 96.59
1983 8.8 17.33 6.87 19.46 10.66 113.58
1984 18.6 23.08 6.64 24.19 5.59 31.30
1985 34.5 30.68 6.84 29.72 4.78 22.85
1986 68.2 43.65 8.06 37.51 30.69 941.74
1987 85.0 58.37 9.39 51.71 33.29 1108.00
1988 58.0 65.81 9.00 67.77 9.77 95.37

14.05 308.78
GILA MSE

Kesalahan perkiraan tampaknya menurun dengan menurunnya nilai a dan B . Artinya, a = B = 0

tampaknya memberikan nilai kesalahan peramalan terendah.

2.55 a) Kita diberikan dalam soal 22 bahwa ramalan untuk bulan Januari adalah 25.
Oleh karena itu e 1 = 25-23,3 = 1,7 = E 1 dan M 1 = |e 1 | = 1,7 juga. Oleh karena itu
1 = 1.

F Feb = (1)(23,3) + (0)(25) = 23,3

e 2 = 23,3 - 72,2 = -48,9

E 2 = (.1)(-48.9)(.9)(1.7) = -3.36
M2 = (.1)(48.9) + (.9)(1.7) = 6.42

a2 = 3,36/6,42 = 0,5234

F Maret = (0,5234)(72,2) + (0,4766)(23,3) = 48,73

e 3 = 48,73 - 30,3 = 18,43

E3 = (.1)(18.43) + (.9)(-3.36) = -3.024

M3 = (.1)(18.43) + (.9)(6.42) = 7.621

a 3 = 3,024/7,621 = 0,396 ~ 0,40

F Apr = (.40)(30.3) + (.60)(48.73) = 41.358

2-
26
Bab 02 - Peramalan

Perbandingan Metode
Bulan Tuntutan ES(.15) |Kesalahan| Trigg-Leach |Kesalahan|

Februari 72.2 24.745 47.5 23.3 48.9

Berbaris 30.3 31.87 1.6 48.7 18.4
April 15.5 31.63 16.1 41.4 25.9

Jelas kinerja Trigg-Leach jauh lebih buruk untuk periode 3 bulan ini daripada ES
(0,12). (MAD masing-masing adalah 21,7 untuk ES dan 31,1 untuk Trigg-Leach.)

b) Pertimbangkan hanya periode Juli hingga Desember seperti pada soal 36. Seperti pada
bagian (a) a 7 = 1. Gunakan E 6 = 567,1 - 480 = 87.

F7 = 480
e 7 = 480 - 500 = -20
E 7 = (.2)(-20) + (.8)(87) = 65,6
M 7 = (.2)(20) + (.8)(87) = 73,6

a7 = 65,6/73,6 = 0,89

F 8 = (0,89)(500) + (0,11)(480) = 498

e 8 = 498 - 950 = -452
E 8 = (.2)(-452) + (.8)(65.6) = -37.9
M8 = (.2)(452) + (.8)(73.6) = 149.3

a 8 = 37,9/149,3 = 0,25

P 9 = (0,25)(950) + (0,75)(498) = 611

e 9 = 611 - 350 = 261
E 9 = (.2)(261) + (.8)(-37.9) = 21.9
M 9 = (.2)(261) + (.8)(149.3) = 171.6

a 9 = 21,9/171,6 = 0,13

F10 = (0,13)(350) + (0,87)(620) = 584,9

e 10 = 584,9 - 600 = -15,1
E 10 = (.2)(-15.1) + (.8)(21.9) = 14.5
M10 = (.2)(17.8) + (.8)(171.6) = 140.8

a 10 = 14,5/140,8 = 0,10

F11 = (0,10)(600) + (0,90)(584,9) = 586,4

e 11 = 586,4 - 870 = -283,6

E 11 = (.2)(-283.6) + (.8)(14.5) = -45.1
M11 =(.2)(283.6) + (.8)(140.8) = 169.4

a 11 = 45,1/169,4 = 0,27

2-
27
Bab 02 - Peramalan

F12 = (0,27)(870) + (0,73)(586,4) = 663,0

Pertunjukan Perbandingan

Trigg-Leach |
Bulan Tuntutan Ramalan Kesalahan|

7 500 480 20
8 950 498 452
9 350 611 261
10 600 585 15
11 870 586 284
12 740 663 77
MAD = 185

MAD untuk ES(.2) dari soal 36 adalah 194,5.

Karenanya Trigg-Leach sedikit lebih baik untuk masalah ini.

c) Trigg-Leach akan mengungguli pemulusan eksponensial sederhana saat ada tren

dalam data atau pergeseran tiba-tiba dalam rangkaian ke level baru, karena a akan
disesuaikan ke atas dalam kasus ini dan prakiraan akan lebih responsif. Namun, jika
perubahan disebabkan oleh fluktuasi acak, seperti pada bagian (a), Trigg-Leach akan
memberikan kinerja yang buruk karena perkiraan mencoba untuk "mengejar" seri
tersebut.

2.56 Informasi yang diberikan:

a = .2, B = 0.2, dan Y = 0.2

S 10 = 120, G 10 = 14

c 10 = 1,2
1) .56).............................................................................................................................................15
)
.......................................................................................................................................................28
)2) _.................................................................................................................................................28

a) F 11 = (S 10 + G 10 )c 7 = (120 + 14)(0,9) = 120,6

b) D 11 = 128

S 11 = a (D 11 /c 7 ) + (1 - a )(S 10 + G 10 ) = 135,6
G 11 = y(S 11 - S 10 ) + (1 - y)G 10 = 14,3

c 11 = 3(D 11 /S 11 ) + (1-3)c 7 = 0,909

2-
28
Bab 02 - Peramalan

2C , = 4,009

Faktor-faktor tersebut dinormakan dengan mengalikan masing-masing dengan 1/4,009 =

0,9978 Faktor tersebut tidak akan banyak berubah.

F 11,13 = (S 11 + 2G 11 )C 9 = (135,6 + (2)(14,3))1,1 = 180,6

2,57 sebuah) Xi Y saya XiYi

1 649.8 649.8
2 705.1 1410.2
3 772.0 2316.0
4 816.4 3265.6
5 892.7 4463.5
6 963.9 5783.4
7 1015.5 7108.5
8 1102.7 8821.6
9 1212.8 10915.2
10 1359.3 13593.0
11 1472.8 16200.8
Jumlah
= 66 10,963.0 74,527.6
Rata- 6 996.64
rata =

S xy =
n
X i
)
XD
saya — D _( n X n +1 i 2 i
1

(11X74,527.6 ) =d
)
22 (10,963.0 ) = 96,245.6

S XX n 2
( n + IX 2 n +1 n ( n +1 2
2
( 11 ) 12x23
2

) (112( 12
2
))
_
— — — = 1210
6 46 4

b = s, —
96.245,6
= 79,54
S xx 1210

a = Y — bX 10,963.0 — (79.54)66 = 519.4

—
Inisialisasi untuk Metode Holt
11

2-
29
Bab 02 - Peramalan

S 0 = garis regresi pada tahun 11 (1974)

= 519,4 + (11)(79,54) = 1394,34

2-
30
Bab 02 - Peramalan

Memperbarui Persamaan

G 0 = kemiringan garis regresi = 79,54

S i = a D i + (1 - a )(S i-1 + G i+1 )
G i = 3 (S i - S i-1 ) + (1 -3)G i-1
,2
D saya Si G |Kesalahan| |Kesalahan|
Ob Tahun
I

1 1975 1598.4 1498.78 82.03 F 0,1 = S 0 +G 0 = 1473.88 124.52 15505.23

2 1976 1782.8 1621.21 86.07 F 1,2 = S 1 + G 1 1580.81 201.99 40798.18
=
3 1977 1990.9 1764.01 91.74 F 2,3 = S 2 + G 2 1707.28 283.62 80439.38
=
4 1978 2249.7 1934.54 99.62 F 3,4 = S 3 + G 3 1855.75 393.95 155198.35
=
5 1979 2508.2 2128.97 109.10 F 4 , 5 = S 4 + G 4 2034.16 474.04 224714.16
=
6 1980 2732.0 2336.86 118.98 F 5,6 = S 5 + G 5 2238.07 493.93 243966.72
=
7 1981 3052.6 2575.20 130.92 F 6,7 = S 6 + G 6 2455.84 596.76 356126.04
=
8 1982 3166.0 2798.08 140.11 F 7,8 = S7 + G 7 = 2706.11 459.89 211502.67
9 1983 3401.6 3030.88 149.38 F 8,9 = S8 + G 8 = 2938.20 463.40 214740.75
10 1984 3774.7 3299.15 161.27 3180.26 594.44 353357.64
F 9,10 = S 9 + G 9

Total 4086.54 1896349.11

MAD = 408.6, UMK = 189,634.9

B)
Ramalan Ramalan
Tahun GNP % MA(6) GNP |Kesalahan| ES(.2) GNP |Kesalahan|

1964 649.8
1965 705.1 8.51%
1966 772.0 9.49%
1967 816.4 5.75%
1968 892.7 9.35%
1969 963.9 7.98%
1970 1015.5 5.35%
1971 1102.7 8.59%
1972 1212.8 9.98%
1973 1359.3 12.08%
1974 1472.8 8.35%
1975 1598.4 8.53% 8.72% 1601.3 2.9 8.54% 1598.6 0.2
1976 1782.8 11.54% 8.81% 1739.3 43.5 8.54% 1734.9 47.9
1977 1990.9 11.67% 9.84% 1958.3 32.6 9.14% 1945.7 45.2

2-
31
Bab 02 - Peramalan

1978 2249.7 13.00% 10.36% 2197.1 52.6 9.65% 2182.9 66.8

1979 2508.2 11.49% 10.86% 2494.0 14.2 10.32% 2481.8 26.4
1980 2732.0 8.92% 10.76% 2778.2 46.2 10.55% 2772.8 40.8
1981 3052.6 11.73% 10.86% 3028.6 24.0 10.23% 3011.4 41.2
1982 3166.0 3.71% 10.98% 3387.9 221.9 10.53% 3374.0 208.0
1983 3401.6 7.44% 10.30% 3492.0 90.4 9.16% 3456.2 54.6
1984 3774.7 10.97% 9.71% 3731.9 42.8 8.82% 3701.6 73.1

*GILA = 57.1 *GILA = 60.4

Ramalan moving average dan exponential smoothing berdasarkan kenaikan persentase

lebih akurat daripada metode Holt.

c) Orang akan berharap bahwa model kausal mungkin lebih akurat. Model ekonometrik
skala besar untuk memprediksi GNP dan deret waktu ekonomi fundamental lainnya
adalah umum.

2-
32