PERAMALAN (FORECASTING)

6. Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing) :

Metode Linear dari Brown.

Kolom 2

st'   yt  (1   ) s't -1
Bulan Pebruari 2020
s2'  (0,2)160  (0,8) 150  152
Bulan Maret 2020

s3'  (0,2)155  (0,8) 152  152,60

Kolom 3

st"   s't  (1   ) s"t -1

Bulan Pebruari 2020

s2"  (0,2)152  (0,8) 150  150,4

Bulan Maret 2020

s3"  (0,2)152,6  (0,8) 150,4  150,84

Kolom 4
at  S't  (S t'  S t" )  2 S't  S t"

Bulan Pebruari 2020

a2  2 (152)  150,4  153,6
Bulan Maret 2020
a3  2 (152,6)  150,84  154,36

Kolom 5

bt  ( S t'  S t" )
1-

Bulan Pebruari 2020

0,2
b2  (152  150,4 )  0,4
1 - 0,2

Bulan Maret 2020

0,2
b3  (152 ,6  150,84 )  0,44
1 - 0,2
 Tabel 6. Peramalan Permintaan Persediaan (Unit)
dengan Metode Pemulusan Eksponensial Ganda : Linear dari Brown
Bulan Permintaan (1) St’ (2) St” (3) at (4) bt (5) Ramalan (6)
Januari 2021 150 150,00 150,00 - - -
Pebruari 160 152,00 150,40 153,60 0,40 -
Maret 155 152,60 150,84 154,36 0,44 154
April 165 155,08 151,69 158,47 0,85 155
Mei 160 156,06 152,56 159,56 0,88 160
Juni 170 158,85 153,82 163,88 1,26 161
Juli 190 165,08 156,07 174,09 2,25 166
Agustus 180 168,06 158,47 177,66 2,40 177
September 190 172,45 161,27 183,63 2,80 181
Oktober 200 177,96 164,61 191,31 3,34 187
Nopember 220 186,37 168,96 203,78 4,35 195
Desember 215 192,10 173,59 210,60 4,63 209
Januari 2022 216 (m=1)
Pebruari 220 (m=2)
Maret 225 (m=3)

ˆ t  m  a t  btm
y
Bulan Januari 2022
𝑦̂13 = 210,6 + 4,63 (1) = 216
Bulan Pebruari 2022
𝑦̂14 = 210,6 + 4,63 (2) = 220
Bulan Maret 2022
𝑦̂15 = 210,6 + 4,63 (3) = 225

7. Metode Regresi Sederhana (Regression Analysis) Trend linear

Rumus :

yˆ i  a  bX

y y = a+ bx

Gambar 5. Model Garis Regresi Trend linear

 Rumus :

N  N  N 
N  x y -  x   y 
i 1
i i
i 1
i
i 1
i

b= 2
N N 
N x
i 1
i
2

  xi 
 i 1 

N N

 i 1
yi - b x i 1
i
a=
N

Tabel 7. Hasil Penjualan (Unit) Terhadap Waktu

dengan Metode Regresi Sederhana Trend Linear
x Bulan Penjualan (yi) yi xi xi2
1 Januari 2021 150 150 1
2 Pebruari 220 440 2
3 Maret 225 675 9
4 April 300 1.200 16
5 Mei 325 1.625 25
6 Juni 350 2.100 36
7 Juli 400 2.800 49
8 Agustus 410 3.280 64
9 September 430 3.870 81
10 Oktober 420 4.200 100
11 Nopember 435 4.785 121
12 Desember 460 5.520 144
78 4.125 30.645 650

N  N  N 
N 
i 1
xi y i -  
xi  yi 
 i 1   i 1 

b = 2
N  N 
N 
i 1
xi  
2
xi 
 i 1 

12(30.645)  78(4.125)
= = 26,80
12(650)  78 2

N N


i 1
yi - b x
i 1
i
a =
N

4.125  26,8(78)
= = 169,55
12
Persamaan regresi berikut :

ŷi = 169,55 + 26,80 xi

 Untuk bulan Januari 2022 : ŷ13 = 169,55 + 26,80 (13) = 518

Untuk bulan Pebruari 2022 : ŷ14 = 169,55 + 26,80 (14) = 545

Untuk bulan Maret 2022 : ŷ15 = 169,55 + 26,80 (15) = 572

8. Metode Regresi (Regression Analysis) Non Linier (Trend Parabola)

Persamaan :

yˆ i  a  bX + cX2

y
y = a+ bx + cx2

x
Gambar 6. Model Garis Regresi Non Linear

Persamaan :

∑y = an + c ∑ x2 ............................................................................... I
∑ xy = b ∑ x2 .......................................................................................... II
∑ x2 y = a ∑ x2 + c ∑ x4 ......................................................................... III

Tabel 8. Data Volume Penjualan Barang (Ribuan Ton)

dengan Metode Regresi Sederhana Non Linear
Tahun Penjualan (y) x yx x2 x2 y X4
2011 23 -5 -115 25 575 625
2012 26 -4 -104 16 416 256
2013 21 -3 - 63 9 189 81
2014 22 -2 - 44 4 88 16
2015 30 -1 - 30 1 30 1
2016 40 0 0 0 0 0
2017 60 1 60 1 60 1
2018 38 2 76 4 152 16
2019 24 3 72 9 216 81
2020 27 4 108 16 432 256
2021 39 5 195 25 975 625
 350 0 155 110 3.133 1.958

Persamaan-persamaan :
I. ∑y = an + c ∑ x2 350 = 11 a + 110 c
II. ∑ xy = b ∑ x2 155 = 110 b
III. ∑ x2 y = a ∑ x2 + c ∑ x4 3.133 = 110 a + 1.958 c
 Dari persamaan II diperoleh :
155 = 110 b
b = 1,41
Dari persamaan I dan II diperoleh :
350 = 11 a + 110 c 10 3.500 = 110 a + 1.100 c
3.133 = 110 a + 1.958 c 1 3.133 = 110 a + 1.958 c

367 = 0 - 858 c
c = - 0,43
dari persamaan I diperoleh :
350 = 11 a + 110 c
350 = 11 a + 110 (-0,43)
350 = 11 a - 47,30
11 a = 397,30
a = 36,12

ŷi = 36,12 + 1,41 x - 0,43 x2

Untuk tahun 2022 : ŷ6 = 36,12 + 1,41 (6) - 0,43 (36) = 30

Untuk tahun 2023 : ŷ7 = 36,12 + 1,41 (7) - 0,43 (49) = 25
Untuk tahun 2024 : ŷ8 = 36,12 + 1,41 (8) - 0,43 (64) = 20

9. Metode Kausal (Metode Sebab Akibat atau Korelasi).

Persamaan :

yˆ i  a  bX

b 
x y - x y
i i i

x - x x2
i i

dan
_ _
a  y - bx
 Tabel 9. Perhitungan antara Penjualan (Unit) dan Jumlah Sales
dengan Metode Regresi Sederhana Trend Linear
Banyak Sales (orang) Penjualan
Xi (Unit) xi2 yi2 xi yi
(yi)
3 4 9 16 12
7 10 49 100 70
12 18 144 324 216
10 16 100 256 160
13 21 169 441 273
15 26 225 676 390
60 95 696 1813 1121

b
x y - x y
i i i

x - x x 2
i i

1121 - 10 (95) 171

   1,781
696 - 10 (60) 96

dimana :
_
60
x   10
6
_
95
y   15,833
6

Jadi
_ _
a  y - bx
= 15,833 – 1,781 (10) = -1,977

Sehingga :

ŷi = - 1,977 + 1,781 xi

ŷ6 = - 1,977 + 1,781 (17) = 29 unit.

Ukuran akurasi hasil peramalan

1. Rata-rata deviasi mutlak (Mean Absolute Deviation = MAD)
Rumus :
n

 Yi  Yˆi
t 1
MAD =
n
2. Rata-rata kuadrat kesalahan (Mean Square Error = MSE)
Rumus :
n

 (Y  Yˆ ) i i
2

MSE = t 1
n
3. Standar deviasi regresi (Standard Deviation of Regression = Sr)
Rumus :
n 2

 y
i 1
i  yˆ i 
2
Sr =
n2
4. Rata-rata kesalahan peramalan (Mean Forecast Error = MFE)
n

 y
i 1
i  yˆ i 
MFE =
n

5. Tracking Signal = TS
n

 y
i 1
i  yˆ i 
TS =
MAD

6. Rata-rata Presentase Kesalahan Absolut (Mean Absolute Precentage Error = MAPE)

n
 y  yˆ i 
100  i 
i 1  yi 
MAPE =
n

Contoh :
Dari data penjualan berikut dengan metode regresi trend linear.

x Bulan Penjualan
1 Januari 2020 150
2 Pebruari 220
3 Maret 225
4 April 300
5 Mei 325
6 Juni 350
7 Juli 400
8 Agustus 410
9 September 430
10 Oktober 420
11 Nopember 435
12 Desember 460

Hitunglah MAD, MSE, Sr, MFE, TS dan MAPE dari kesalahan peramalan.
Jawab :
x Bulan Penjualan (yi) yi xi xi2
1 Januari 2022 150 150 1
2 Pebruari 220 440 2
3 Maret 225 675 9
4 April 300 1.200 16
5 Mei 325 1.625 25
6 Juni 350 2.100 36
7 Juli 400 2.800 49
8 Agustus 410 3.280 64
9 September 430 3.870 81
10 Oktober 420 4.200 100
11 Nopember 435 4.785 121
12 Desember 460 5.520 144
78 4.125 30.645 650

N  N  N 
N 
i 1

xi y i -  x i    yi 
 i 1   i 1 
b = 2
N N 
N  i 1

xi 2   xi 
 i 1 

12(30.645)  78(4.125)
=
12(650)  78 2

= 26,80

N N

y
i 1
i -b x
i 1
i
a =
N

4.125  26,8(78)
=
12
= 169,55
ŷi = 169,55 + 26,80 xi
  yi  yˆi  yi  yˆi
 yi ˆi 2 100 
 y 
 yi



100
yi

2209 -31,333 31,333

16 -1,818 1,818

625 -11,111 11,111

529 7,667 7,667

441 6,462 6,462

361 5,429 5,429

1764 10,500 10,500

676 6,341 6,341

361 4,419 4,419

324 -4,286 4,286

900 -6,897 6,897

1024 -6,957 6,957

9230 ~ 103,218

Kesalahan peramalan :

 Yi  Yˆi
t 1 306
MAD = = = 25,5
n 12
n

 (Y  Yˆ )
i i
2
9230
MSE = t 1 = = 769,17
n 12

n 2

  yi  yˆ i 
i 1 9230
Sr2 = = = 923
n2 10

Sr = 30,38

 y
i 1
i  yˆ i 
6
MFE = = = -0,5
n 12

 y
i 1
i  yˆ i 
6
TS = = = -0,24
MAD 25,5

 y  yˆ i  n
100  i 
i 1  y i  103,23
MAPE = = = 8,6%
n 12
Verifikasi dan Pengendalian Peramalan (Moving Range Chart = MRC)
 Peta Moving Range
MR =  yˆ t  yt    yˆ t 1  yt 1 
n

 MR
MR  t 1

n 1
Batas kontrol :

BKA = + 2,66 MR
BKB = - 2,66 MR

 Uji Kondisi Di Luar Kendali

Out of Control
UCL = 2.66 MR
A
B A = 2/3.UCL
C
B = 1/3.UCl
E
R C = Sentral
R
O B = 1/3.LCl
R C
B
A = 2/3.LCL
A
LCL = -2.66 MR
Out of Control

PERIODE

Gambar 7. Kriteria di Luar Kendali

Penggunaan Moving Range untuk Verifikasi Peramalan

Bulan Ramalan( ŷt ) Permintaan(yt) ŷt - yt Moving Range (MR)

Januari 2021 197 150 47 -

Pebruari 224 220 4 43
Maret 250 225 25 21
April 277 300 -23 48
Mei 304 325 -21 2
Juni 331 350 -19 2
Juli 358 400 -42 23
Agustus 384 410 -26 16
September 411 430 -19 7
Oktober 438 420 18 37
November 465 435 30 12
Desember 492 460 32 2
~ ~ ~ ~ 213
 n

 MR 213
MR  t 1
= = 19,36
n 1 11
BKA = + 2,66 MR = +2,66(19,36) = 51,5
BKB = - 2,66 MR = -2,66(19,36) = -51,5

MR
60 BKA = 51,5
47
40
32
25 30
20
18
4
0
-19
-20 -21 -19
-23 -26
-40
-42 BKA = -51,5

-60
1 2 3 4 5 6 7 8 9 10 11 12
Periode

Dari gambar, verifikasi peramalannya dalam batas kontrol atas dan bawah sehingga
dapat dinyatakan bahwa Metode Regresi Linear dapat digunakan untuk peramalan
permintaan periode yang akan datang.