PERAMALAN (Forecast) (ii) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org
Teknik Informatika [Gasal 2009 – 2010] FTI - Universitas Stikubank Semarang
Peramalan (Forecast) Menggunakan pendekatan secara matematis a. Analisis seri waktu (time series analysis) a.1. metode rata-rata bergerak (moving average method) a.1.1. rata-rata bergerak (moving average method) a.1.2. rata-rata bergerak tertimbang (weighted moving average method) a.2. metode penghalusan eksponensial secara umum memberikan bobot lebih kuat pada data terakhir. a.2.1. Penghalusan eksponensial sederhana (simple exponential smoothing) a.2.2. Penghalusan eksponensial yang disesuaikan (adjusted exponential smoothing) b. Metode Regresi (regression method)
a.2.1. Penghalusan eksponensial sederhana (simple exponential smoothing)
Rumus ramalan penghalusan eksponensial sederhana:
Ft+1 = α Dt + (1- α) Ft Ft+1 = ramalan untuk periode berikutnya α = bobot atau konstanta penghalus Dt = permintaan aktual (periode sekarang) Ft
= ramalan yang telah ditentukan sebelumnya (periode sekarang)
Contoh kasus → lihat Tabel 1.
a.2.1. Penghalusan eksponensial sederhana (simple exponential smoothing)
a.2.1. Penghalusan eksponensial sederhana (simple exponential smoothing)
Keterangan... Konstanta penghalus (α) bernilai antara 0 sampai dengan 1. Disini arti konstanta (α) yaitu menggambarkan data permintaan. Contoh: Ft+1 = 0,30 Dt + 0,70 Ft Dengan α=0,30 berarti ramalan untuk periode berikutnya didasarkan pada 30% permintaan sekarang (Dt) dan 70% permintaan yang berasal dari ramalan sebelumnya (Ft). Penentuan nilai α berdasarkan pertimbangan tertentu, bersifat subyektif, atau coba-coba (trial and error). Penentuan α yang tidak pas akan menyebabkan hasil peramalan menjadi kurang akurat.
a.2.2. Penghalusan eksponensial yang disesuaikan (adjusted exponential smoothing)
Penghalusan eksponensial yang disesuaikan adalah ramalan penghalusan eksponensial sederhana dengan penambahan suatu faktor penyesuaian tren. Rumus ramalan penghalusan eksponensial yang disesuaikan AFt+1 = Ft+1 + Tt+1
T = suatu faktor tren penghalusan eksponensial
Contoh kasus → lihat Tabel 2.
a.2.2. Penghalusan eksponensial yang disesuaikan (adjusted exponential smoothing)
b. Metode Regresi (regression method) Sebelum suatu keputusan diambil, kadang perlu dilakukan suatu peramalan (forecasting) mengenai kemungkinan atau harapan yang akan terjadi di masa depan. Analisis regresi digunakan untuk mempelajari dan mengukur hubungan yang terjadi di antara dua atau lebih variabel. Regresi sederhana dikaji untuk dua variabel. Regresi majemuk dikaji lebih dari dua variabel. Analisis regresi, menyusun persamaan regresi yang digunakan untuk menggambarkan pola atau fungsi hubungan antar variabel.
b. Metode Regresi (regression method) Estimasi (estimate) Hasil estimasi adalah sebuah nilai spesifik dari suatu perhitungan statistik, seperti: nilai mean (rata-rata) suatu sampel, nilai persentase suatu sampel, atau nilai varians (kuadrat dari daviasi standard ukuran penyebaran) suatu sampel. Variabel terikat (dependent variable atau response variable) adalah variabel yang akan diestimasi nilainya, biasanya di plot pada sumbu tegak (sumbu y). Variabel bebas (independent variable atau explanatory variable) adalah variabel yang diasumsikan berpengaruh terhadap variabel terikat, biasanya di plot pada sumbu datar (sumbu x).
Contoh kasus → lihat Tabel 3, Tabel 4, dan Tabel 5.
b. Metode Regresi (regression method)
b. Metode Regresi (regression method)
b. Metode Regresi (regression method)
Referensi... “Prinsip-Prinsip Statistik Untuk Teknik dan Sains”, Dr. Ir. Harinaldi, M.Eng., Penerbit Erlangga, Jakarta, 2005. “Introduction to Management Science (Sains Manajemen)” Edisi 8, Bernard W. Taylor III, Penerbit Salemba Empat, Jakarta, 2005.
