Forecasting (Part 2)

http://www.free-powerpoint-templates-design.com
 QOTD
"Butuh sebuah keberanian untuk memulai sesuatu, dan
butuh jiwa yang kuat untuk menyelesaikannya." –
Jessica N.S. Yourko
Moving Averages
kapan menggunakan Simple Moving Averages?
untuk series tanpa patterns, tanpa trend atau seasonality
Ft+1 = (At + At-1 + At-2)/3
Jumlah data yang digunakan?
Yang meminimalkan MSE (mean squared error)

et = (At - Ft)
MSE = Sum(et2 )/ n

A = permintaan aktual
F = peramalan permintaan
n= jumlah sampel

Contents Title Contents Title Contents Title

Contoh Soal
Berikut adalah demand dari suatu produk (dalam ribuan unit) sejak Maret 2010 hingga Februari 2011
1.Berapa forecast untuk Maret 2011 berdasarkan metode Moving Averages (3?)
2. Berapa MSE?
3. Berapa MSE bila menggunakan metode Moving Averages (2)? Mana yang lebih baik?
4.Berapa forecast untuk Maret 2011 berdasarkan metode Exp Smoothing (alpha = 0.1)?

Jawab 1 dan 2:
Actual Sales Moving Averages (3) Error SE
Mar 2010 10
Apr 2010 12
Mei 2010 13
Juni 2010 16 (10+12+13)/3 = 11.67 4.33 18.78
Juli 2010 19 (12+13+16)/3 = 13.67 5.33 28.44
Ag 2010 23 (13+16+19)/3 = 16.00 7.00 49.00
Sep 2010 26 (16+19+23)/3 = 19.33 6.67 44.44
Okt 2010 30 (19+23+26)/3 = 22.67 7.33 53.78
Nov 2010 28 (23+26+30)/3 = 26.33 1.67 2.78
Des 2010 18 (26+30+28)/3 = 28.00 -10.00 100.00
Jan 2011 16 (30+28+18)/3 = 25.33 -9.33 87.11
Feb 2011 14 (28+18+16)/3 = 20.67 -6.67 44.44
Forecast untuk Maret 2011 = (18+16+14)/3 = 16 SSE = 428.78
MSE = 428.78/9 = 47.64
Contoh Soal
Jawab 3:
Actual Sales Moving Averages (3) Error SE
Mar 2010 10
Apr 2010 12
Mei 2010 13 (10+12)/2 = 11 2.00 4.00
Juni 2010 16 (12+13)/2 = 12.5 3.50 12.25
Juli 2010 19 (13+16)/2 = 14.5 4.50 20.25
Ag 2010 23 (16+19)/2 = 17.5 5.50 30.25
Sep 2010 26 (19+23)/32= 21 5.00 25.00
Okt 2010 30 (23+26)/2 = 24.5 5.50 30.25
Nov 2010 28 (26+30)/2 = 28 0.00 0.00
Des 2010 18 (30+28)/2 = 29 -11.00 121.00
Jan 2011 16 (28+18)/2 = 23 -7.00 49.00
Feb 2011 14 (18+16)/2 = 17 -3.00 9.00
Forecast untuk Maret 2011 = (16+14)/2= 15 SSE = 301.00
MSE = 301.00/10= 30.10

Jawab 4:
Forecast untuk Maret 2011 = alpha * (Actual Demand Feb 2011) + (1-alpha)*Forecast utk Feb 2011
a.Asumsikan Forecast untuK Februari 2011 = Moving average (2) = 17
Forecast untuk Maret 2011 = 0.1 * (14) + (1-0.1)*17 = 16.7
a.Asumsikan Forecast untuK Februari 2011 = Moving average (3) = 20.67
Forecast untuk Maret 2011 = 0.1 * (14) + (1-0.1)*20.67 = 20
Simple Exponential Smoothing
Tidak mencakup Trends ataupun Seasonality
Jangan gunakan metode ini bila data mengandung satu atau
dua komponent tersebut!
Ft = α *At-1 + (1-α)*Ft-1

Ft =Exponential smoothed Forecast untuk periode t

At-1 = Actual demand di periode t-1
Ft-1 = Exponential smoothed Forecast untuk periode t
α= konstanta untuk Smoothing

Contents Title Contents Title Contents Title

Simple Exponential Smoothing
Penentuan nilai awal berperan penting dalam penghitungan
ramalan untuk periode-periode selanjutnya.
Salah satu metode initialisasi adalah menset nilai Ft-1 = At-1
Cara lain adalah dengan mengesetnya sesuai dengan
target.
Cara lain adalah dengan menggunakan nilai rata-rata dari
empat atau lima observasi sebelumnya.
Semakin rendah nilai α, semakin penting pengasumsian
nilai awal.
Nilai α yang dipilih adalah yang menghasilkan nilai MSE
terkecil
Metode Smoothing Lainnya
Single smoothing tidak menghasilkan
ramalan yang baik bila data mengandung
trend.
Situasi tersebut diperbaiki dengan
memperkenalkan persamaan kedua
dengan konstanta kedua yang disebut γ ,
yang nilainya harus ditentukan in
conjunction dengan α. Metode ini (Double
Exponential Smoothing) dan metode-
metode smoothing yang lain (Holt’s
Method, Winter’s Method yang ‘pas’ untuk
data seasonal) tidak termasuk cakupan
mata kuliah ini.
 Nature of Data

Irregular:
Adakah
Cycle:
observasi-
Trend: apakah Seasonal: apakah
observasi
series Apakah series diidentifikasi
yang tidak
menunjukkan menunjukkan adanya cycle
dapat
suatu slope regular peaks yang
dikaitkan
saat diplot dan troughs berlangsung
dengan trend
(graphed)? setiap tahun? lebih dari 1
atau
tahun?
komponen
seasonal ?

Pengamatan irregularities adalah fokus utama analisis data untuk peramalan

Selecting an Appropriate Forecasting
Technique
Persyaratan
• List semua teknik peramalan yang potential dan informasi
tentang batasan dan kemampuannya.
• Tentukan kriteria yang akan digunakan: akurasi, biaya, dsb.
 Diagnostic Checking
• Pertimbangkan variabel baru dalam
modelmu, pertimbangkan metode
peramalan yang berbeda, juga
pertimbangkan data transformasi yang
lain.

• Reject suatu metode bila tidak

memberikan hasil yang berbeda nyata
atau tidak memberikan tingkat akurasi • Sangat Penting: Catat setiap langkah
yang diinginkan. dalam proses peramalan dan asumsi-
asumsi yang digunakan.

• Berikan perkiraan akurasi dari peramalan

yang disampaikan.
Presentasi Hasil Peramalan

Isi yang disajikan:

• Ramalan
• Analisa ramalan dibandingkan dengan history
• Asumsi-asumsi yang digunakan dalam peramalan tersebut

12
 Presentasi Hasil Peramalan
Isi yang disajikan:
• Ramalan
• Analisa ramalan dibandingkan dengan history
• Asumsi-asumsi yang digunakan dalam peramalan
tersebut
• Metode yang digunakan untuk menghasilkan ramalan
tersebut.
• Bagaimana penggunaan hasil ramalan dan kaitannya
dengan asumsi-asumsi yang diambil.
 Presentasi Hasil Peramalan

Dokumen penunjang
• Detail dari metode peramalan yang digunakan.
• Inputs yang digunakan dalam peramalan
• Alternative-alternative yang diabaikan
 Terima Kasih
Tetap sehat dan bahagia

Mohon Maaf Lahir Batin.

Semoga ilmunya
bermanfaat

Sampai berjumpa di
semester berikutnya