REGRESI
MOVING
SMOOTHING
AVERAGE
MODEL
KUALITATIF
EXPONENTIAL
SMOOTHING
KAUSAL
Horison dan Periode Peramalan
• Horison peramalan: menunjukkan seberapa jauh ke depan
peramalan dilakukan dan terkait dengan jangkauan
perencanaan yang akan dilakukan (misal: setahun ke depan)
• Periode peramalan: menunjukkan basis waktu data
peramalan (misal: bulanan)
DATA FORECAST
Horison Peramalan
Periode
peramalan
Prosedur Peramalan
Plot
Plot the
the data
data versus
versus time
time using
using graph
graph
and
and examine
examine the
the demand
demand pattern
pattern
Select
Select several
several forecating
forecating methods
methods which
which
suitable
suitable for
for the
the demand
demand pattern
pattern
Performs
Performs the
the forecasting
forecasting and
and evaluate
evaluate
the
the forecasting
forecasting error
error
Select
Select forecast
forecast result
result with
with the
the smallest
smallest
error,
error, validate
validate and
and interpret
interpret the
the result
result
Pola Data
Teknik Peramalan untuk Pola
Data Konstan
• Data relatif stable untuk periode waktu tertentu
• Terjadi variasi sepanjang waktu tetapi tidak signifikan
• Fungsi yang menunjukkan pola data konstan
d(t) = a
d(t) = permintaan selama periode t
a = konstanta
• Teknik peramalan yang bisa dipakai antara lain:
– Metode rata-rata sederhana
– Metode rata-rata bergerak
– Pemulusan eksponensial sederhana
– Metode Box-Jenkins
Teknik Peramalan untuk Pola
Data Trend
• Demand menunjukkan kecenderungan meningkat (menurun)
dari waktu ke waktu
• Fungsi pola data trend adalah:
d(t) = a + bt
d(t) = permintaan pada periode t
a, b = parameter model
• Teknik peramalan yang dipakai antara lain:
– Double moving average
– Pemulusan eksponensial dari Brown
– Pemulusan eksponensial dari Holt
Teknik Peramalan untuk Pola
Data Siklis
• Pola data siklis dapat didefiniskan sebagai fluktuasi seperti
gelombang disekitar garis trend.
• Pola siklis cenderung untuk berulang setiap dua, tiga tahun,
atau lebih
• Pola siklis sulit untuk dibuat modelnya karena polanya tidak
stabil,turun naiknya fluktuasi di sekitar trend jarang sekali
berulang pada interval waktu yang tetap
• Teknik peramalan yang dapat dipakai antara lain:
– Model-model ekonometrik
– Regresi berganda runtut waktu
– Metode Box-Jenkins
Teknik Peramalan untuk Pola
Data Musiman
• Suatu data runtut waktu yang bersifat musiman
didefinisikan sebagai suatu data runtut waktu
yang mempunyai pola perubahan yang berulang
secara tahunan.
• Teknik peramalan yang dapat dipakai antara lain:
– Pemulusan eksponensial dari winter
– Regresi berganda runtut waktu
– Metode Box-Jenkins
Kriteria Performansi Peramalan
• Performansi diukur dari kesalahan peramalan
(forecasting error)
• Cerminan dari akurasi peramalan: semakin kecil kesalahan
semakin akurat hasil ramalan
• Kesalahan peramalan (et): deviasi antara observasi aktual
(dt) dengan nilai ramalannya (d’t) atau et = dt – d’t
• Karena observasi aktual pada saat peramalan belum ada
maka kesalahan dihitung pada data historis (observasi
aktual historis vs nilai ramalan periode historis)
Ukuran Kesalahan Peramalan
• Mean Square Error (MSE)
Error percentage
2
n
• Standard Error of Estimate (SEE)
(d t d 't) d d'
PE ( t
) x100% t
MSE t 1
t
d t
f = degree of freedom
(d t d 't)
2
n - 1 untuk pola data konstan
SEE (n f )
- 2 untuk pola data trend
t 1 - 3 untuk pola data siklis
Verifikasi Peramalan
• Dilakukan untuk memeriksa apakah hasil
peramalan sudah betul
• Menggunakan teknik moving range chart
Plot nilai (dt-d’t) pada grafik
UCL
region A
region B
region C
Kondisi di luar kendali jika:
1.Ada titik di luar UCL atau
LCL
2.Dari 3 titik plot berturutan 2
titik berada pada region A (
c e n te r lin e 1.77 MR)
3.Dari 5 titik plot berturutan
terdapat 4 titik berada pada
region B ( 0.89 MR)
4.Ada 8 titik plot berturutan
berada pada bagian atas atau
region A
region B
region C
LCL
bawah garis tengah (region C)
OUT OF
CONTROL !!!