Metode Peramalan
1
Metode peramalan
Kuantitatif
Metode serial waktu
Rata-rata bergerak
Sederhana
Tertimbang
Pemulusan Eksponensial
Tunggal
Linear
MusimanDekomposisi
Metode Eksplanatori
Regresi Sederhana
Regresi berganda
Kualitatif
Pendapat Eksekutif
Metode Delphi
Gab. Estimasi Salesman
Riset Pasar
2
Metode Kuantitatif
3
Metode Serial Waktu
• Adalah metode yg digunakan untuk menganalisis serangkaian data yg merupakan fungsi dari waktu.
4
Komponen Deret Waktu
• → Y = T * C * S * I• Y = variabel tak bebas• T = trend sekuler• C = pergerakan siklus• S = fluktuasi musiman• I = variasi acak
5
Moving Average
• Metode yang banyak digunakan untuk menentukan trend dari suatu deret waktu:
• MA sederhana:
MAn= n
At-n + … At-2 + At-1
6
Contoh Simple MA
7
Weighted Moving Averages
• Metode rata-rata bergerak tertimbang memprediksi dengan cara memberikan bobot kepada data n periode sebelumnya, kemudian membaginya dengan jumlah bobot.
• Bobot terbesar diberikan ke data 1 (satu) periode sebelumnya
8
Weighted Moving Averages
Misal: Untuk mendapatkan angka perkiraan dengan menggunakan metode rata-rata bergerak tertimbang n bulan, maka perkiraan data berikutnya adalah:
9
WMA =∑ (bobot untuk periode n) * (permintaan dalam periode n)
∑ bobot
Cara memberikan bobot:
Misal terdapat data permintaan seperti dalam tabel, untuk prediksi permintaan pada bulan Mei, maka pembobotannya adalah sebagai berikut :
Sehingga:
Bulan Permintaan
Bobot Periode
Januari 20
Pebruari 24 1 3 bln lalu
Maret 21 2 2 bln lalu
April 19 3 bln lalu
Mei ?
Perkiraan Mei =(3 x 19) + (2 x 21) + (1 x 24)
= 20,53 + 2 + 1
Metode Exponential Smoothing
• metode ini lebih efisien dibandingkan dengan metode moving average,
• Metode penghalusan eksponensial ini memerlukan data yang lebih sedikit dibandingkan dengan metode rata-rata bergerak, dan karena itu merupakan metode peramalan jangka pendek yang banyak dipergunakan dalam praktek.
11
Metode Single Exponential Smoothing
v
Bln PermtForecast
α = 0.10 α = 0,50 α = 0.901234…12
20211917…19
-20.0020.1019.99
…20.61
-20.0020.5019.75
…21.82
-20.0020.9019.19
…22.07 12
Metode Single Exponential Smoothing
Bulan Permintaan Forecast
α = 0.10 α = 0,50 α = 0.90JanuariFebruariMaretAprilMeiJuniJuliAgustusSeptOkt.Nov.Des.
202119172224182120232219
-20,0020,1019,9919,6919,9220,3320,1020,1920,1720,4520,61
- -
13
Bulan Permintaan a = 0.10
Forecast Error Absolute error (Error)2
JanuariFebruariMaretApril…Des.
20211917…19
-20.0020.1019.99
…20.61
-1.00-1.10-2.99
…-1.61
-1.001.102.99…
1.61
-1.001.218.94…
2.59
Bulan Permintaan a = 0.50
Forecast Error Absolute error (Error)2
JanuariFebruariMaretApril…Des.
20211917…19
-20.0020.5019.75
…21.82
-1.00-1.50-2.75
…-2.82
-1.001.502.75…
2.82
-1.002.257.56…
7.95 14
• Mean absolute error ?• Nilai error yang kecil mempunyai tingkat kesalahan yang
paling kecil sehingga forecastnya lebih tepat.
15
Metode Pemulusan Eksponensial Linear
3
342312 XXXXXX
16
Contoh
17
• Metode penghalusan eksponensial dengan konstan alfa dan beta cocok dipakai jika data permintaan memiliki fluktuasi yang cukup tinggi.
• Apabila variasi permintaan tinggi, maka sebaiknya menggunakan nilai alfa () yang cukup besar dan jika variasi itu kecil, atau permintaan relatif konstan, maka nilai alfa () relatif kecil.
• Kontanta ( ) berguna untuk melakukan penghalusan variasi akibat pengaruh trend, sedang konstanta ( β ) untuk menghaluskan pengaruh deviasi antara permintaan aktual dengan ramalannya.
18
Top Related