modul 3- forecasting

8/17/2019 Modul 3- Forecasting

http://slidepdf.com/reader/full/modul-3-forecasting 1/31

DRA. ENDANG ADRIYANI.APT.MARS

FORECASTING (PERAMALAN )



Peramalan (Forecast)

Peramalan → Memprediksi mengenai apayang akan

er!adi di masa depan"

Masa depan idak m#ngkin dapa diramalkan

se$ara epa semp#rna% &anya dapadilak#kan mengg#nakan pendekatan.

'#a ma$am pendekaan n*nmaemais (idak akan di+a&as le+i&

lan!#,)

maemais



MODE!MODE PERAMAAN

-" Me*de .#aliai/

0erdasarkan In#isi1perim+angan

M*del peramalan k#aliai/ yang di#r#kan

m#lai dari yang +ersi/a k#aliai/ sampai

dengan yang +ersi/a k#aniai/ a" Management estimate

+erdasarkan perim+angan mana!emen% #m#mnya *le&mana!emen seni*r

+" Market Research

+erdasarkan &asil&asil dari s#r2ei pasar *le& enaga pemasar

pr*d#k$" Structured Group Methods

mengg#nakan Me*de 'elp&i

d" Historical Analogy

+erdasarkan p*la daa masa lal#



MODE!MODE PERAMAAN

3" Me*de .#aniai/

0erdasarkan Analisis &#+#ngan n#merik dari daa" Me*de inidig*l*ngkan lagi

men!adi me*de k#aniai/ yang +ersi/a

Inrinsik+erdasarkan p*la &is*ris dari daa i# sendiri

Eksrinsik

+erdasarkan pada p*lap*la eksernal

( dipengar#&i /ak*r/ak*r l#ar )



S4ARAT MO'EL PERAMALAN .5ANTITATIF

M*del peramalan k#aniai/ dapa dierapkan

+ila erdapa k*ndisi s++

-" Tersedia in/*rmasi enang masa lal#

3" In/*rmasi erse+# dapa dik#aniai/kan

dalam +en#k daa n#merik

6" 'apa dias#msikan +a&7a +e+erapa aspek

p*la masa lal# akan er#s +erlan!# di masa

yang akan daang



POA DATA DAPAT DI"EDA#AN $ %ENIS &

-" P*la 8*ris*nal (8)

Ter!adi !ika nilai daa +er9#k#asi di sekiar nilai raaraa yang k*nsan

(sai*ner er&adap nilai raaraanya)

3" P*la M#siman (S)

Ter!adi !ika s#a# dere dipengar#&i *le& /ak*r m#siman (misal k#aral a&#neren#% +#lanan) dan +er!angka 7ak# k#rang dari - T8

Misalnya .#n!#ngan pasien RS meningka pada saa panen: 'i +idang kese&aan%insidens penyaki ISPA meningka pada m#sim kemara#

6" P*la Siklis (C)

Ter!adi !ika daanya dipengar#&i sikl#S +isnis (pen!#alan pr*d#k m*+il%+a!a) 9#k#asiek*n*mi !angka pan!ang ( ; - a&#n)"

<" P*la Trend (T)

Ter!adi !ika erdapa kenaikan aa5 pen#r#nan sek#ler !angka pan!ang P*la ini idakdipengar#&i *le& m#sim



POLA HORISONTAL (H)

35

30

25

Y

20

15

10

J F M A M J J A S O N D

WAKTU

POLA MUSIMAN (S)

30

25

20

15

10

5

0

KEMARAU HUJAN

WAKTU

POLA SIKLIS (C)

25

20

15

10

5

0

93 94 95 96 97 98 99 2000 2001

WAKTU

POLA TREND (T)

30

25

20

15

10

5

0

72 74 76 78 80 82 84 86 88 90

WAKTU



'onto penerapan ramalan...

a" mengea&#i pergerakan nilai sa&am padapem+#kaan sesi siang ini

+" mengea&#i keadaan $#a$a +es*k dan l#sa

$" mengea&#i perminaaan s#a# +arang #n#k

pengiriman +#landepan

d" memprediksi m#sim anam di s#a# daera&peranian

e" memprediksi men$airnya es di k##+ selaanaki+a pengar#&

pemanasan gl*+al

dll



Pendekatan...

Pendekaan se$ara n*nmaemais% $*n*&

pengalaman di masa lal#

pengeli&aan para =a&li> (s#prana#ral,")

kedekaan relasi

ds+,

Pendekaan se$ara maemais% $*n*&

Analisis seri 7ak# (ime series analysis)

Regresi (regressi*n me&*d)

Me*de k#aliai/ (?#aliai2e me&*d



"eerapa pen*ert+an Peramalan...

ak# ramalan yang diinginkan% di+agi men!adi

-) Ramalan !angka pendek (s&*rrange /*re$as)3) Ramalan !angka menenga& (medi#mrange /*re$as)

6) Ramalan !angka pan!ang (l*ngrange /*re$as)

%an*ka ,akt- ramalan d+ atas -*a ers+/at relat+/0 &<) dien#kan *le& penerapan (aplikasi) apa yang akan

diramal"

) Pada #m#mnya semakin !a#& masa depan yang ingin diramal maka akan semakin s#li peramalan dilak#kan"

B) Ramalan disini &anya men$erminkan s#a# p*la aa# ke$ender#ngan% se&ingga sanga dim#ngkinkan

memiliki ingka

kesala&an eren# (/*re$as err*r) aa#penyimpangan"



Pendekatan secara matemat+s...

Metode anal+s+s ser+ ,akt- (t+me ser+es anal1s+s)

Me*de ini meng#nakan daa &is*ris yang diak#m#lasikan dalam +e+erapa peri*de 7ak#%

yang ermas#k me*de ini yai#

2.Metode rata!rata er*erak (mo3+n*) a3era*e metod

Raaraa +ergerak (m*2ing a2erage)

Raaraa +ergerak erim+ang (7eig&ed m*2ing a2erage)

4.Metode Pen*al-san eksponens+al (e5ponent+al smoot+n*

metod)

→ mem+erikan +*+* le+i& k#a di daa erak&ir daripada daaa7al

Peng&al#san eksp*nensial seder&ana(simple eDp*nenialsm**&ing)

Peng&al#san eksp*nensial yg dises#aikan(a!#sed eDp*nenialsm**&ing)



M*2ing a2erage- peri*de nai2e m*2ing a2erage3 peri*de 3 peri*ds m*2ing a2erage

dsnya



Simple a2erage



Peramalan nai2e



Metode anal+s+s ser+ ,akt- (t+me ser+esanal1s+s)

Rata!rata er*erak (mo3+n* a3era*e) n

MAn6 7 D+

I 62

n A = RATA-RATA BERGERAK ( OVING AVERAGE)

n =

JU LAH PERIODE DALA RATA-RATA BERGERAK

D

i = DATA SELA A PERIODE

i




Rata!rata er*erak tert+man* (,e+*ted mo3+n*

a3era*e) n

8MAn6 7 8+D+

I 628MAn 6 Rata4 er*erak tert+man*

n = Jumlah !"#$! "a%a-"a%a &!"'!"a

Di = Da%a !lama !"i#$!

*i = B#&#% un%u !"i#$! I (an%a"a +, $ .++,)



MA 3 Peri*de

Bulan Data MA1 periode

MA2 periode

Jan 10 -

Feb 12 10

Maret 9 12 (10+12)/2=11

April 13 9 (12+9)/2=10.

Mei 13 (9+13)/2=11



MA 6 Peri*de

Bulan Data MA2 periode

MA3 periode

Jan 10

Feb 12

Maret 9 (10+12)/2=11

April 13 (12+9)/2=10. (10+12+9)/3=10.3

Mei 12 (9+13)/2=11 (12+9+13)/3=11.3



Bulan Data MA 1

perioe

AE MAD

!an 1" #

$e% 1& 1" &'" &'"

Maret 1& #'" '"April 1 *'" *'"

Mei 1

+ ,1 + ,

Lai&an &i#ng AE dan MA' dari MA 3 peri*de dan 6 peri*de



Bulan Data MA 2 periode A! MAD

Jan 10 -Feb 12 - - -

Maret 9 11 -2 2

April 13 10" 2" 2"

Mei 12 11 1 1

1"/3=0" "/3=1"#




'onto& d+keta-+ data pemesanan aran*

"-lan Pesanan

an#ari -3Fe+r#ari H

Mare -

April

Mei --

#ni

#li

Ag#s#s -6

Sepem+er --

Ok*+er HN*2em+er

8i#ngla& perkiraan pemesanan +arang pada +#lan ke--

(n*2em+er) mengg#nakan me*de raaraa +ergerak% dengan

memperim+angkan daa iga +#lan dan lima +#lan

se+el#mnya"



5k#ran ak#rasi peramalan

AE A2erage err*r raa3 kesala&an1N (ml kesala&an)

MA' mean A+s*l#e de2iai*n raa3kesala&an a+s*l#

1N (ml kesala&an a+s*l#)




Perk+raan pemesanan aran* pada -lanke!22 (no3emer)

men**-nakan metode rata!rata er*erak.9 den*an mempert+man*kan data t+*a

-lan seel-mn1a

9 den*an mempert+man*kan data l+ma

-lan seel-mn1aMA3=( H J-- J-6)16 -- pesanan

MA5=(90 !!0 !30 "5 50#5 = 9! pesanan




Den*an metode rata!rata er*erak dapat d+perole

perand+nm*an secara len*kap antara pemesanan aran*

seenarn1a (akt-al) den*an per+t-n*an ramalan t+*a -lanandan l+ma -lanan

"-lan Pemesanan T+*a -lanan +ma -lanan

(akt-al) (ramalan :)(ramalan ;)

an#ari -3

Fe+r#ari H

Mare - April

Mei --

#ni H HH

#li K%6 K

Ag#s#s -6 K%6 K3

Sepem+er -- K KK

Ok*+er H - H

N*2em+er -- H-




8i#ngla& perkiraan pemesanan +arang pada +#lanke-- (n*2em+er) mengg#nakan me*de raaraa+ergerak erim+ang dari re/erensi daa iga+#lan se+el#mnya% dengan seiap +*+* yang

ela& dien#kan yai# (Ok*+er)% 66(Sepem+er)% dan - (Ag#s#s)"

'atatan&

Pada $*n*& ini adala& pemesanan +arang (&ar#s##&) maka

MA3=(0$5%90 0$33%!!0 0$!"%!30#&3=!03$' pesanan

dilak#kan pem+#laan ke aas men!adi -< pesanan"



Re/erens+...PrinsipPrinsip Saisik 5n#k Teknik dan

Sains% 'r" Ir"8arinaldi% M"Eng"% Pener+iErlangga% akara% 3"

Inr*d#$i*n * Managemen S$ien$e(Sains Mana!emen) Edisi K% 0ernard "

Tayl*r III% Pener+i Salem+a Empa% akara%3"



Pr*sed#r Peramalan

'enisikan #!#an peramalan0#a diagram pen$ar ( pl* daa )

Memili& m*del peramalan yang epa

Lak#kan peramalan8i#ng kesala&an peramalan ( /*re$as

err*r )

Pili& me*de peramalan dengankesala&an yang erke$il

Lak#kan 2erikasi



T#gas indi2id# (5TS)

Cari daa +#lanan r#ma& saki (apa sa!a%aa# sim#lasi sa!a)

Lak#kan MA 6 dan < peri*de% dan raa3+ergerak erim+ang

0andingkan AE dan MA' nya% Q simp#lkan

modul 3- forecasting

Documents