PERAMALAN

(FORECASTING)
 Model Deret Waktu
(Time Series)

1. Kecenderungan atau trend (T)  permintaan suatu produk

menunjukkan pola gerakan naik, turun atau konstan, untuk
peramalan jangka panjang
2. Siklus atau cycle (C)  permintaan suatu produk dapat memiliki
siklus yang berulang secara periodik, biasanya > 1 tahun, untuk
peramalan jangka pendek
3. Musiman atau season (S)  permintaan suatu produk dapat
naik turun disekitar garis trend dan berulang setiap tahun
disebabkan musim liburan dan hari raya keagamaan, untuk
peramalan jangka menengah
4. Variasi acak atau random (R)  permintaan suatu produk
menunjukkan pola bervariasi secara acak atau tidak mempunyai
pola tertentu
 Pendekatan Naif
(Naive Approach)

 Teknik peramalan yang mengasumsikan

permintaan periode berikutnya sama dengan
permintaan pada periode terakhir
 Pendekatan naif merupakan model peramalan
objektif paling efektif dan efisien dari segi biaya
 Contoh: Hasil penjualan produk X dalam bulan ini
mencapai 100 unit, maka peramalan untuk bulan
berikutnya juga sebanyak 100 unit
 Rata-rata Bergerak
(Moving Averages)

 Metode peramalan yang menggunakan rata-rata

dari sejumlah (n) data terkini untuk meramalkan
periode mendatang
 Tujuan metode ini untuk mengurangi atau
menghilangkan variasi acak
At  At 1  ...  At ( n 1)
Ft 
n
Ft = peramalan pada periode t
At = permintaan pada periode n sebelumnya
n = jumlah periode dalam rata-rata bergerak
Contoh:

Penjualan Peramalan Moving

Periode
Aktual Average 3 Bulan
1 10
2 12
3 13
4 16 (10+12+13)/3 = 11,67
5 19 (12+13+16)/3 = 13,67
6 23 (13+16+19)/3 = 16
7 26 (16+19+23)/3 = 19,33
8 30 (19+23+26)/3 = 22,67
9 28 (23+26+30)/3 = 26,33
10 18 (26+30+28)/3 = 28
11 16 (30+28+18)/3 = 25,33
12 14 (28+18+16)/3 = 20,67
 Rata-rata Bergerak Bobot
(Weighted Moving Averages)

 Formula Weighted Moving Average :

Ft  W1 At 1  W2 At  2  ...  Wn At  n

Keterangan:
Ft = peramalan pada periode t
Wt = bobot masing-masing data yang digunakan
At = permintaan aktual pada periode t
n = jumlah periode untuk peramalan
Contoh:

Permintaan Peramalan Weighted

Periode
Aktual Moving Average 3 Bulan
1 0,1 X 106 -
2 0,2 X 110 + -
3 0,3 X 118 -
4 105 68

 ApabilaWMA (n) = 3 dan W1 = 0,3 ; W2 = 0,2 ;

W3 = 0,1. Maka hasil peramalan pada bulan Maret
adalah:
 Penghalusan Eksponensial
(Exponential Smoothing)

 Metode peramalan rata-rata bergerak dengan

pembobotan dimana titik data dibobotkan oleh
fungsi eksponensial
 Formula Exponential Smoothing :
Ft = At + (1 - )Ft-1
Keterangan:
Ft = peramalan pada periode t
Ft-1 = peramalan periode sebelumnya
 = konstanta penghalusan (pembobotan) (0    1)
At = permintaan aktual periode lalu
 Penentuan besarnya nilai  harus
dipertimbangkan dengan baik, metode yang
dapat digunakan untuk menentukan nilai :
N 1 1 a

2 a
2

N 1
 Nilai  biasanya sudah ditentukan. Apabila tidak
ditentukan, maka tergantung pada bergejolak
atau tidaknya data aktual permintaan dengan
memilih nilai  mendekati 1
Contoh:
Gunakan metode exponential smoothing untuk
meramalkan permintaan pada periode 2 dan 3.
Asumsikan  = 0,1

Periode Permintaan
1 106
2 110
3 118
 Penyelesaian:

Periode 2:
= 0,1(106)+(1–0,1)106
= 106
Periode 3:

Periode Permintaan Peramalan

(t) (At) (Ft)
1 106 - - 106
2 110 10,6 95,4 106
3 118 11 95,4 106,4
 Uji Kesalahan Peramalan
(Uji Verifikasi)

At  Ft
Mean Absolute Deviation (MAD)  
n
n

 t t
( A  F ) 2

Mean Squared Error (MSE )  t 1

n
n
At  Ft

t 1 At
x100%
Mean Absolute Percent Error (MAPE) 
n
Contoh:
Suatu data permintaan aktual produk X
dibandingkan hasil peramalannya diketahui seperti
yang tercantum pada tabel dibawah ini. Hitunglah
MAD, MSE, MAPE
Latihan Soal:

Berikut ini adalah data Bulan Penjualan

penjualan bulanan di Januari 200
PT. Makmur Februari 210
Maret 240
April 260
Mei 250
Juni 245
Juli 235
Agustus 230
September 230
Oktober 245
November 260
Desember 300
Dari data penjualan tersebut, maka ramalkan
penjualan bulan Januari tahun berikutnya
menggunakan metode berikut:
1. Rata-rata bergerak 4 bulanan
2. Rata-rata bergerak berbobot 4 bulanan
menggunakan 0,2 - 0,3 - 0,4 - 0,5 dengan
bobot terberat untuk bulan lalu yang paling
dekat
TERIMA KASIH