Kelompok 3

Muhammad Chaerul Raden ananda Fikri

Sofyan Yosef Pritatna
H
4122.4.22.11.0078 4122.4.22.11.007
4122.4.22.11.
2
Mengenal Lebih Jauh
tentang Forecasting
Presentasi ini akan membahas tentang
apa itu forecasting, manfaatnya,
metode-metode yang digunakan, dan
tantangan yang dihadapi dalam
melakukan forecasting.
Apa Itu Forecasting?
1 Pengertian

Forecasting adalah proses perkiraan atau prediksi

tentang apa yang mungkin terjadi di masa depan
berdasarkan data dan informasi saat ini.

2 Penerapan

Melalui penggunaan teknik yang tepat, forecasting

dapat digunakan untuk meramalkan penjualan,
produksi, permintaan, dan berbagai kebutuhan bisnis
lainnya.
 Manfaat Forecasting

Pengambilan Keputusan Perencanaan Pengendalian Risiko

Forecasting membantu Dengan menggunakan Dengan memahami tren dan

dalam pengambilan data peramalan, bisnis pola dalam data, bisnis dapat
keputusan yang lebih baik dapat melakukan mengurangi risiko dan
dengan memberikan perencanaan yang lebih mengambil tindakan
informasi tentang efektif untuk mengatur pencegahan yang tepat.
kemungkinan masa depan. sumber daya dan
mengoptimalkan
operasi.
 Metode Forecasting

Metode Kualitatif Metode Kuantitatif

Metode ini didasarkan pada

penilaian subjektif dan pemikiran Metode ini menggunakan teknik
ahli untuk membuat prediksi statistik dan matematika untuk
berdasarkan pengalaman dan menganalisis data historis dan
pengetahuan. memprediksi masa depan.
 PEMODELAN DATA FORECASTING
Pemodelan data adalah salah satu metode dalam forecasting yang
menggunakan data historis untuk memprediksi masa depan. Pemodelan
data dapat dilakukan dengan menggunakan berbagai teknik, seperti regresi
linier, time series, dan analisis spectral.

Time Series
Data yang dianalisis dalam forecasting adalah data time series,
yaitu data yang diambil dalam interval waktu tertentu.

Data Cleaning
Sebelum dilakukan pemodelan, data perlu dibersihkan dari noise
dan outlier yang dapat mempengaruhi hasil forecasting.
Metode Regresi
Metode regresi adalah salah satu metode quantitative yang digunakan untuk
memprediksi hubungan antara dua variabel numerik. Metode ini dapat digunakan untuk
memprediksi nilai masa depan berdasarkan nilai historis dari variabel terkait.

Metode Time Series

Metode time series adalah salah satu metode quantitative yang digunakan untuk
memprediksi nilai masa depan berdasarkan data historis. Metode ini melibatkan analisis
pola dan tren dalam data historis untuk memprediksi nilai masa depan.

Metode ARIMA
Metode ARIMA (Autoregressive Integrated Moving Average) adalah salah satu metode
quantitative yang digunakan untuk memprediksi nilai masa depan berdasarkan data
historis. Metode ini melibatkan analisis pola dan tren dalam data historis serta faktor
musiman untuk memprediksi nilai masa depan.
Regresi linier
adalah teknik yang digunakan untuk memprediksi
hubungan antara dua atau lebih variabel. Teknik ini
sering digunakan untuk memprediksi penjualan
berdasarkan variabel seperti harga, promosi, dan
cuaca.

Analisis spectral
adalah teknik yang digunakan untuk memprediksi nilai
masa depan berdasarkan data historis dengan
menggunakan transformasi Fourier. Teknik ini sering
digunakan untuk memprediksi permintaan daya listrik
atau suhu berdasarkan data historis.
Pentingnya Data Historis dalam
Forecasting
Informasi Berharga
Data historis memberikan wawasan tentang pola,
tren, dan fluktuasi yang dapat menjadi pedoman
dalam membuat peramalan yang akurat.
Pemahaman Aktivitas
Dengan menganalisis data historis, bisnis dapat
memahami faktor-faktor yang mempengaruhi
aktivitas mereka dan membuat perencanaan yang
sesuai.
 Tantangan dalam Melakukan Forecasting
Data Tersedia Terbatas
Terkadang data yang tersedia
sangat terbatas, menyebabkan
ketidakmungkinan untuk
membuat peramalan yang akurat
dengan tingkat detail yang tinggi.
1 Ketidakpastian
Masa depan selalu tidak pasti, dan
ada banyak faktor eksternal yang
2 dapat mempengaruhi prediksi dan
membuatnya tidak akurat.
3 Perubahan Lingkungan
Lingkungan bisnis yang dinamis
dapat mengubah banyak variabel
yang diperlukan dalam peramalan,
menghasilkan kemungkinan galat
yang lebih tinggi.
Tips Sukses dalam Melakukan
Forecasting
1 Analisis Trend
Analisis tren dapat membantu
dalam memahami dengan lebih
baik perilaku data dan
memprediksi masa depan
berdasarkan tren tersebut.
2 Memperhatikan Faktor
Eksternal
Mempertimbangkan kondisi
pasar, perubahan sosial, dan
perkembangan industri lainnya
dapat memberikan wawasan
yang lebih akurat dalam
peramalan.

3 Melakukan Evaluasi Rutin

Melakukan evaluasi rutin terhadap hasil peramalan dan memperbaiki metode

yang digunakan dapat meningkatkan keakuratan prediksi dalam jangka
panjang.
Evaluasi Hasil Forecasting
Setelah melakukan forecasting, hasil yang didapat harus dievaluasi untuk
mengetahui seberapa akurat prediksi yang dilakukan. Beberapa metode
evaluasi yang umum digunakan antara lain

Mean Absolute Error (MAE)

MAE merupakan rata-rata dari selisih absolut antara nilai aktual dan nilai
forecast. Semakin rendah nilai MAE, semakin akurat metode forecasting
yang digunakan.

Mean Squared Error (MSE)

MSE merupakan rata-rata dari kuadrat selisih antara nilai aktual dan nilai
forecast. Semakin rendah nilai MSE, semakin akurat metode forecasting
yang digunakan.

Mean Absolute Percentage Error (MAPE)

MAPE merupakan rata-rata dari persentase selisih absolut antara nilai aktual
dan nilai forecast. Semakin rendah nilai MAPE, semakin akurat metode
forecasting yang digunakan.
 Kesimpulan
Pentingnya Tantangan adalah
Peramalan Pemahaman Data Bagian dari Proses
Forecasting dapat Data historis dan metode Meskipun forecasting bisa
membantu bisnis yang sesuai merupakan jadi rumit, tantangan yang
menghadapi kunci dalam melakukan dihadapi dapat diajak
perubahan, peramalan yang akurat. berdiskusi dan diselesaikan.
mengoptimalkan
operasi, dan membuat
keputusan yang lebih
baik.
TERIMAKASIH