Si
Pendahuluan
• Forecasting
= Peramalan(perkiraan) mengenai sesuatu yg
belum terjadi.
• Syarat datanya: data yg akan diramal tdk boleh
random(acak).Artinya harus memiliki Pola.
• Mengapa perlu meramal:
- Unsur ketidak pastian
- Untuk perencanaan kedepan
- Sbg salah satu alat DSS
Metode
• Forecast dgn Smooting
• Metode Dekomposisi
• Forecast dengan Metode Input Output
• Auto Regresi dan Autoregresi
• ARIMA
• Regresi
Metode Forecast Dgn Smooting
• Metode Single Moving Average
X t X t 1 .... X t n 1
St
n
Contoh Soal
No Bulan Permintaan Konsumen Forecast
3 Bulan Moving 5 Bulan Moving Average
Average
1 Januari 20 - -
2 Feb 21 - -
3 Maret 19 - -
4 Apr 17 20 -
5 Mei 22 19 -
6 Jun 24 19.33 19.8
7 Jul 18 21 20.6
8 Agu 21 21.33 20
9 Sep 20 21 20.4
10 Okt 23 19.67 21
11 Nop 22 21.33 21.20
30
25
20
Series1
15
Series2
10
0
1 3 5 7 9 11 13 15
Sifat-Sifat Single Moving Average
• Memerlukan data historis selama jangka
waktu tertentu.
• Semakin panjang jangka waktu moving
average akan menghasilkan moving
average yg semakin halus.
Menghitung Forecast Error
• Absolut Error
X t St
• Squared error
X t St ) 2
n
No Bulan Permintaan Forecast Forecast Error
Konsumen Untuk 3 bulan MA
3 Bulan 5 Bulan Moving Error Error Error
Moving Average Mutla kwadrat
Average k
1 Januari 20 - -
2 Feb 21 - -
3 Maret 19 - -
4 Apr 17 20 - -3 3 9
5 Mei 22 19 - 3 3 9
6 Jun 24 19.33 19.8 4.67 4.67 21.8
7 Jul 18 21 20.6 -3 3 9
8 Agu 21 21.33 20 -0.33 0.33 0.11
9 Sep 20 21 20.4 -1.00 1 1
10 Okt 23 19.67 21 3.33 3.33 11.01
11 Nop 22 21.33 21.20 0.67 0.67 0.45
Jumlah 4.34 19.00 61.38
1 120 - - - - -
2 125 - - - - -
3 129 - - - - -
4 124 14.5 - - - -
5 130 127.00 - - - -
6 140 130.75 - - - -
7 128 130.50 128.19 132.81 1.54 -
8 136 133.50 130.44 136.56 2.04 =132.81+1.54
=134.35