TIME SERIES FORECASTING

2
Prepared by : Partini

PROGRAM STUDI AGRIBISNIS

UNIVERSITAS ISLAM INDRAGIRI
TEMBILAHAN - 2012
1
 1. Metode Rata-rata Kumulatif

• Menggunakan pendekatan pada seluruh data masa lalu yang

dijadikan dasar dalam penyusunan ramalan masa yang akan
datang.
• Kelemahan :
- Membutuhkan data yang besar  bermasalah terhadap
penyimpanan (storage).
- Memperlihatkan suatu pola kesalahan yang sistematis.

2
Contoh Metode Rata-Rata Kumulatif

Data penjualan PT. ABC Tahun 2018

Periode Aktual Rata2 Kumulatif
Ft Error
Jan 45 -
Feb 56 50.5 5.50
Mar 51 50.7 0.33
Apr 60 53.0 7.00
May 58 54.0 4.00
Jun 54 54.0 0.00
Jul 75 57.0 18.00
Aug 41 55.0 14.00

3
 2. Metode Rata-Rata Bergerak
(Moving Average)
• Digunakan bila data-datanya :
 Tidak memiliki trend
 Tidak dipengaruhi faktor musim
• Digunakan untuk peramalan dengan perioda waktu spesifik.
• Moving Average didefinisikan sebagai :
n

d t
MA n  t 1

Keterangan :
MA = Rata-rata bergerak n periode
n = jumlah perioda
dt = data permintaan pada bulan ke t
4
 2. Metode Rata-Rata Bergerak
(Lanjutan)

• Lebih baik untuk peramalan jangka pendek

dibandingkan jangka panjang.
• Dapat digunakan untuk menghilangkan pola trend
dan pola data musiman (seasonality).
• Pengaruh smoothing lebih terlihat untuk junlah data
yang semakin besar.

5
 Contoh Metode Rata-Rata Bergerak

Bulan Aktual MA 3 Bln MA 5 bln

Jan 45
Feb 56
Mar 51
Apr 60
May 58
Jun 54
Jul 75
Aug 41
Sep 60
Okt 58.7 57.6

6
 Contoh Metode Moving Average
Bulan t dt MA 3 bulan MA 5 bulan
Jan 1 10 - -
Feb 2 12 - -
Mar 3 13 - -
Apr 4 16 (10+12+13)/3=11,66 -
Mei 5 19 (12+13+16)/3=13,66 -
Jun 6 23 (13+16+19)/3=16,00 (10+12+13+16+19)/5 = 14
Jul 7 26 (16+19+23)/3=19,33 (12+13+16+19+23)/5 = 16,6

d t
MA n  t 1
n
7
3. Metode Smoothing (Pemulusan)

• Peramalan jangka pendek : Harian, mingguan,

bulanan, triwulan, semester.
• Merupakan metode yang banyak digunakan untuk
tujuan menghilangkan atau mengurangi
keteracakan (randomness).

8
 3. Metode Exponential Smoothing Tunggal (Single
Exponential Smoothing)

• Kesalahan peramalan masa lalu digunakan untuk

koreksi peramalan berikutnya.
• Dihitung berdasarkan hasil peramalan + kesalahan
peramalan sebelumnya.

9
 3. Metode Single Exponential
Smoothing

ES didefinisikan sebagai:
Ft 1  Dt  (1   ) Ft
Keterangan:
Ft+1 = Ramalan untuk periode berikutnya
Dt = Data aktual pada periode t
Ft = Peramalan yg ditentukan sebelumnya untuk periode t
a = Faktor bobot ( 0 < α 1)

 a besar, smoothing yg dilakukan kecil

 a kecil, smoothing yg dilakukan semakin besar
 a optimum akan meminimumkan MSE, MAPE

10
 Contoh Metode single Exponential
Smoothing
Period Demand Forecast , Ft+1
(Observasi)
a=0.3 a=0.5
Ft 1  Dt  (1   ) Ft
1 37 - -
2 40 37 37
3 41 37.9 38.5
4 37 38.83 39.75
5 45 38.28 38.37
6 50 40.29 41.68
7 43 43.20 45.84
8 47 43.14 44.42
9 56 44.30 45.71
10 52 47.81 50.85
11 55 49.06 51.42
12 54 50.84 53.21
51.79 53.61 11
Period Demand
(Observasi)

1 37
2 40
3 41
4 37
5 45
6 50
7 43
8 47
9 56
10 52
11 55
12 54

12
THANK YOU

13
Periode Penjualan
1 130
2 132
3 135 Tentukan nilai ramalan pada periode ke 11 dengan
metode rata-rata kumulatif, rata-rata bergerak 4
4 134 periode dan exponential smoothing α = 0.25
5 137
6 138
7 138
8 140
9 141
10 142

14