PERAMALAN (Forecast) 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) Peramalan → Memprediksi mengenai apa yang akan terjadi di masa depan. Ingat! Masa depan tidak mungkin dapat diramalkan secara tepat sempurna, hanya dapat dilakukan menggunakan pendekatan. Jika pendekatan tersebut tepat maka dilihat sebagai suatu kebetulan. Dua macam pendekatan → - non-matematis (tidak akan dibahas lebih lanjut…) - matematis
Pendekatan... Pendekatan secara non-matematis, contoh: - pengalaman di masa lalu - pengelihatan para ‘ahli’ (supranatural….) - kedekatan relasi - dsb… Pendekatan secara matematis, contoh: - Analisis seri waktu (time series analysis) - Regresi (regression method) - Metode kualitatif (qualitative method)
Pendekatan... Pendekatan secara matematis membutuhkan data lampau (masa lalu) yang bersifat relatif, antara lain dalam hal: kebutuhan banyaknya cacah data berapa jumlahnya? sepuluh, seratus, seribu, ....
selang waktu pengambilan data setiap berapa lama? setiap detik, jam, hari, minggu, bulan, ...
Beberapa pengertian Peramalan... Waktu ramalan yang diinginkan, dibagi menjadi: Ramalan jangka pendek (short-range forecast) Ramalan jangka menengah (medium-range forecast) Ramalan jangka panjang (long-range forecast) Jangka waktu ramalan di atas juga bersifat relatif, ditentukan oleh penerapan (aplikasi) apa yang akan diramal. Pada umumnya semakin jauh masa depan yang ingin di ramal maka akan semakin sulit peramalan dilakukan. Ramalan disini hanya mencerminkan suatu pola atau kecenderungan, sehingga sangat dimungkinkan memiliki tingkat kesalahan tertentu (forecast error) atau penyimpangan.
Contoh penerapan ramalan... a. mengetahui pergerakan nilai saham pada pembukaan sesi siang ini b. mengetahui keadaan cuaca besok dan lusa c. mengetahui perminataan suatu barang untuk pengiriman bulan depan d. memprediksi musim tanam di suatu daerah pertanian e. memprediksi mencairnya es di kutub selatan akibat pengaruh pemanasan global dan sebagainya....
Pendekatan secara matematis... Metode analisis seri waktu (time series analysis) Metode ini mengunakan data historis yang diakumulasikan dalam beberapa periode waktu, yang termasuk metode ini yaitu: Metode rata-rata bergerak (moving average method) Rata-rata bergerak (moving average) Rata-rata bergerak tertimbang (weighted moving average) Metode Penghalusan eksponensial (exponential smoothing method) → memberikan bobot lebih kuat di data terakhir daripada data awal Penghalusan eksponensial sederhana (simple exponential smoothing) Penghalusan eksponensial yang disesuaikan (ajusted exponential smoothing)
Metode analisis seri waktu (time series analysis) Rumus.... Rata-rata bergerak (moving average)
Metode analisis seri waktu (time series analysis) Rumus....
Rata-rata bergerak tertimbang (weighted moving average)
Metode analisis seri waktu (time series analysis) Contoh: diketahui data pemesanan barang (Tabel 1) Bulan
Pesanan
Januari Februari Maret April Mei Juni Juli Agustus September Oktober November
120 90 100 75 110 50 75 130 110 90 -
Hitunglah perkiraan pemesanan barang pada bulan ke-11 (november) menggunakan metode rata-rata bergerak, dengan mempertimbangkan data tiga bulan dan lima bulan sebelumnya.
Metode analisis seri waktu (time series analysis) Perkiraan pemesanan barang pada bulan ke-11 (november) menggunakan metode rata-rata bergerak. → dengan mempertimbangkan data tiga bulan sebelumnya
MA3=
90110130 =110 pesanan 3
→ dengan mempertimbangkan data lima bulan sebelumnya
901101307550 MA3= =91 pesanan 5
Metode analisis seri waktu (time series analysis) Dengan metode rata-rata bergerak dapat diperoleh perbandinmgan secara lengkap antara pemesanan barang sebenarnya (aktual) dengan perhitungan ramalan tiga bulanan dan lima bulanan (Tabel 2) Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November
Pemesanan
Tiga bulanan
Lima bulanan
(aktual)
(ramalan)
(ramalan)
120 90 100 75 110 50 75 130 110 90 -
103,3 88,3 95 78,3 78,3 85 105 110
99 85 82 88 95 91
Metode analisis seri waktu (time series analysis) Grafik Tabel 2
Metode analisis seri waktu (time series analysis) Hitunglah perkiraan pemesanan barang pada bulan ke-11 (november) menggunakan metode rata-rata bergerak tertimbang dari referensi data tiga bulan sebelumnya, dengan setiap bobot yang telah ditentukan yaitu: 50% (Oktober), 33% (September), dan 17% (Agustus). MA3=0,5.900,33.1100,17.130=103,4 pesanan Catatan:
Pada contoh ini adalah pemesanan barang (harus utuh) maka dilakukan pembulatan ke atas menjadi 104 pesanan.
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.
