exponential smoothing with trend - kelompok 10.pdf
TRANSCRIPT
-
Manajemen Produksi dan Mutu: Forecasting
Exponential Smoothing dengan Trend Adjustment
KELOMPOK 10
Stephanie Rawi 1306413580
Shavira Marsya Arianti 1206260715
Farizqi Wishnu Adrianto 1206237290
Fakultas Teknik
Universitas Indonesia
2015
-
I. RESUME
Forecasting adalah proses memprediksi kejadian yang di masa depan. Digunakan untuk
menjadi dasar dalam membuat keputusan bisnis (produksi, persediaan, fasilitas).
Forecasting memiliki tiga jangka waktu yaitu jangka pendek, jangka menengah dan jangka
panjang. Secara garis besar forecasting dibagi menjadi dua macam yakni
a. Qualitative Method:
Jury of executive opinion, Delphi method, Sales force composite, Consumer market
survey
b. Quantitative Method:
Time series: Naive Approach, Moving Averages, Exponential Smoothing
Associative Model: Trend Projection, Linear Regression
Pada metode kuantitatif terdapat metode exponential smoothing merupakan prosedur
perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia menitik-
beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih
tua. Dengan kata lain, observasi terbaru akan diberikan prioritas lebih tinggi bagi
peramalan daripada observasi yang lebih lama. Menurut Trihendradi (2005) analisis
exponential smoothing merupakan salah satu analisis deret waktu, dan merupakan metode
peramalan dengan memberi nilai pembobot pada serangkaian pengamatan sebelumnya untuk
memprediksi nilai masa depan.
Exponential Smoothing dengan Trend Adjustment digunakan ketika data menunjukkan
adanya trend. Exponential smoothing dengan adanya trend seperti pemulusan sederhana
kecuali bahwa dua komponen harus di-update setiap periode level dan trend-nya. Level
adalah estimasi yang dimuluskan dari nilai data pada akhir masing-masing periode. Trend
dapat dianggap sebagai estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir
masing-masing periode.
Formula untuk model pemulusan eksponensial dengan mempertimbangkan trend dengan
persamaan koreksi kecenderungan (trend correction) menggunakan suatu konstanta
pemulusan , dihitung dengan tahapan-tahapan berikut:
Step 1: Hitunglah Ft
Step 2: Hitunglah Tt
Step 3: Hitunglah nilai ramalan
-
Keterangan
= Nilai ramalan berdasarkan periode t
= Nilai ramalan berdasarkan periode t-1
= Actual demand periode yang lalu
= Trend correction
, = Konstanta dari trend smoothing yang besarnya 0 < , < 1
= Nilai ramalan yang dipengaruhi trend
Formula untuk menghitung kesalahan peramalan dapat menggunakan rumus:
Mean Absolute Deviation (MAD)
MAD = | |
Mean Square Error (MSE)
MSE =
Mean Absolute Percent Error (MAPE)
MAPE = | |
II. RUMUSAN MASALAH
Berdasarkan data historis perusahaaan produk (At)
diketahui permintaan pasar dari periode 1 hingga 10
(t). Dengan adanya konstanta = 0,3 dan = 0,2
perusahaan tersebut ingin mengetahui nilai ramalan
permintaan (FITt) daripada periode 11 dengan trend
adjusted exponential smoothing
t At
1 500
2 524
3 520
4 528
5 540
6 542
7 558
8 550
9 570
10 575
11
-
III. PERHITUNGAN MANUAL
Menghitung 4 periode pertama untuk menemukan trend
528-500 / 3 = 9.33
Sehingga pada periode ke 5 menjadi 528 + 9.33 = 537.33 sebagai Ft 5 dengan rumus:
Dengan perhitungan manual selanjutnya dapat diperoleh FITt periode 11 sebesar
583,2183
t At Ft Tt FITt
1 500 N/A N/A N/A 2 524 N/A N/A N/A
3 520 N/A N/A N/A 4 528 N/A N/A N/A
5 540 537.3333333 9.333333 546.6667
6 542 544.6666667 8.933333 553.6
7 558 550.12 8.237333 558.3573
8 550 558.2501333 8.215893 566.466
9 570 561.5262187 7.227932 568.7542
10 575 569.1279053 7.302683 576.4306
11 576.0014116 7.216847 583.2183
-
Lalu didapatkan nilai error dari forecast:
MAD 5.879133
MSE 75.64339
MAPE 1.077147
IV. PERHITUNGAN DENGAN FORMULA MS. EXCEL
Jika mengunakan formula (=DESMTH) pada excel maka akan langsung didapatkan nilai FITt
sehinga didapatkan:
t At FITt
1 500 #N/A
2 524 500
3 520 548
4 528 534.0656
5 540 541.0096
6 542 551.7222
7 558 555.1726
8 550 567.0383
9 570 566.5701
10 575 577.3481
11 577.3481
460
480
500
520
540
560
580
600
1 2 3 4 5 6 7 8 9 10
De
man
d
Periode
Grafik At vs FITt
Actual Demand (A)
Trend AdjustedExponential Smoothing(FIT)
460
480
500
520
540
560
580
600
1 2 3 4 5 6 7 8 9 10 11
De
man
d
Periode
Grafik At vs FITt
At
FITt
-
Kemudian nilai ketiganya yakni nilai At, FI dengan formula =DESMTH dan
perhitungan manual dapat dibandinglan dan digambarkan dengan grafik berikut:
V. KESIMPULAN
Pada hasil perhitungan kami menemukan bahwa jika dihitung manual dan dengan
formula mendekati dan nilai error cukup rendah yakni dibawah 10%. Namun kami
merasa jika menghitung dengan formula akan lebih cepat, mudah dan akurat sesuai
data yang ada. Implementasi exponential smoothing with trend adjustment akan
sangat berguna pada industry untuk meramal permintaan produk sehingga dapat
meminimalisasi cost namun hal ini akan tercakap jika estimasi konstanta dan
tepat.
440
460
480
500
520
540
560
580
600
1 2 3 4 5 6 7 8 9 10 11
At
FIT dengan =desmth
FIT hitung manual