LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAWA TIMUR
LAPORAN RESMI MODUL VIII TIME SERIES FORECASTING I.
Pendahuluan
A.
LatarBelakang (Min. 1 halaman)
B.
RumusanMasalah Rumusanmasalah yang adapadamodul8iniadalah : “Bagaimana meramalkan data yang akan datang dengan menggunakan metode Time
Series Forecasting?” C.
TujuanPraktikum Adapuntujuanpraktikumdarimodul8iniadalah :
1.
Untuk meramalkan data hasil penjualan dimasa yang akan datang dengan menggunakan metode time series forecasting (Moving Average, Weight Moving Average, Single Exponential Smoothing).
2.
Untuk mengaplikasikan teknik-teknik peramalan
yang ada
guna membantu
pengambilan suatu keputusan. 3.
Agar praktikan dapat membandingkan hasil data peramalan dari beberapa metode.
D.
ManfaatPraktikum Adapunmanfaat yang didapatdalampraktikummodul8iniadalah :
1.
Diharapkanmahasiswamampumengaplikasikan
teknik-teknik
dalam
time
series
forecasting. 2.
Mampu meramalkan data dimasa yang akan datang dengan menggunakan data dimasa lampau.
3.
Mampumengaplikasikan teknik-teknik peramalan dengan menggunakan software WinQSB.
E.
BatasanMasalah Adapunbatasanmasalahdalampraktikuminiadalah :
1.
Softwarepemrograman yang digunakanadalahWinQSB.
2.
Model peramalan yang digunakan yaitu Time Serie Forecasting.
II.
TinjauanPustaka
1.
Teori Peramalan
2.
Time Series Forecasting
3.
Ukuran Akurasi Peramalan
Min. 5 Halaman
LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII (TIME SERIES FORECASTING) NAMA/NPM SESI/MEJA
III. Pengumpulan Data 1.
IdentifikasiVariabel
A.
VariabelBebas
B.
VariabelTerikat
2.
SoalLaporanResmi
IV. HasildanPembahasan 1.
Pengolahan Data
a.
Input
Gambar ……………..
LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII (TIME SERIES FORECASTING) NAMA/NPM SESI/MEJA
b.
Output
Metode Moving Average
Gambar …………….. c.
AnalisaOutput Dari tabeldiatasdidapatanalisasebagaiberikut : 1.
CFE: merupakan nilai kumulatif dari forecast error yaitu sebesar -112,6666.
2.
MAD: pada output terdapat nilai MAD 98,92063 hal ini berarti bahwa rata-rata kesalahan mutlak selama periode untuk peramalan sebesar 98,92063.
3.
MSE: pada output terdapat nilai MSE sebesar 14123,41 hal ini berarti bahwa ratarata kuadrat kesalahan adalah 14123,41.
4.
MAPE: pada output terdapat nilai MAPE sebesar 26,76338 hal ini berarti bahwa persentase rata-rata kesalahan absolut adalah 26,76%.
5.
Tracking Signal: merupakan alat pemantau kesalahan dari suatu peramalan yang didapat dari CFE dibagi dengan MAD sehingga didapatkan nili sebesar -1,13896.
LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII (TIME SERIES FORECASTING) NAMA/NPM SESI/MEJA
Hasil peramalan yang diperoleh untuk 5 bulan kedepan dimulai dari bulan pertama (dalam output dimulai periode ke-25) hingga bulan ke-5 (periode ke-29) masingmasing adalah sebesar 375,3333.
Metode Weight Moving Average
Gambar …………….. AnalisaOutput : IDEM
LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII (TIME SERIES FORECASTING) NAMA/NPM SESI/MEJA
Metode Single Exponential Smoothing
Gambar............. AnalisaOutput : IDEM
V.
Kesimpulandan Saran
A.
Kesimpulan Dari perbandingan ketiga metode diatas yaitu dengan metode Moving Average, Weight
Moving Average, dan Single Exponential Smoothing maka didapat nilai terbaik yaitu:
MAD Moving Average sebesar 98,92063, Weight Moving Average sebesar 105,9095, dan Single Exponential Smoothing sebesar 100,4501. Maka Moving Average dipilih terbaik karena memiliki nilai terkecil dari metode yang lain.
LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII (TIME SERIES FORECASTING) NAMA/NPM SESI/MEJA
MSE Moving Average sebesar 14123,41, Weight Moving Average sebesar 16212,41, dan Single Exponential Smoothing sebesar 13420,56. Maka Exponential Smoothing dipilih terbaik karena memiliki nilai terkecil dari metode yang lain.
MAPE Moving Average sebesar 26,76338, Weight Moving Average sebesar 28,16164, dan Single Exponential Smoothing sebesar 27,47445. Maka Moving Average dipilih terbaik karena memiliki nilai terkecil dari metode yang lain.
Tracking Signal Moving Average sebesar -1,13896, Weight Moving Average sebesar 0.4479209, dan Single Exponential Smoothing sebesar -6,317568. Maka Exponential Smoothing dipilih terbaik karena memiliki nilai terkecil dari metode yang lain.
B.
Saran (untukmodul, minimal 5) DAFTAR PUSTAKA (Internet 5, Buku 5 min. 2010) LAMPIRAN (TulisTangan)
LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII (TIME SERIES FORECASTING) NAMA/NPM SESI/MEJA
