Materi TPB 4 - Metode Rata-Rata Bergerak Dan Pemulusan
September 20, 2022 | Author: Anonymous | Category: N/A
Short Description
Download Materi TPB 4 - Metode Rata-Rata Bergerak Dan Pemulusan...
Description
2,461
1,842 1,671
14-Feb-07
599 489 304 0
0
0
0
4 30 24 32
404
1,025
514 396
493 518
78 104 132
* 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
TEKNIK PROYEKSI BISNIS
4. ME METO TOD DE RA RAT TA-RATA BERGERAK DAN PEMULUSAN 1
OUTLINES a. b. c. d.
Pengantar Metode Rata-rata Bergerak Metode Sederhana (Naïve) Metode Rata-rata (Average) Metode Pemulusan
2
C. Choosing a Forecasting…2
3
A. METODE SEDERHANA
Metode sederhana mengasumsikan bahwa observasi periode terkini, misalnya tahun lalu atau bulan lalu, merupakan prediktor terbaik untuk ramalan periode berikutnya. ini hanya dapat digunakan untukpada meramalkan nilai pada Metode satu periode berikutnya setelah data historis terakhir. Model Sederhana tersebut diformulasikan sebagai berikut:
Ŷt+1 = Yt
4
METODE RATA-RATA BERGERAK DAN PEMULUSAN Model Sederhana (berbasis tahun dasar) Metode Sederhana
• • • • •
Model Trend Sederhana Tingkat Perubahan Relatif Sederhana Kuartal Sederhana Kuartal dan Trend Model Sederhana
Metode Rata-rata
• • •
Rata-rata sederhana Rata-rata bergerak tunggal Rata-rata bergerak ganda
• •
Pemulusan Eksponensial Tunggal Pemulusan Eksponensial Ganda: Metode Brown
Metode Pemulusan
5
GARIS WAKTU PERAMALAN
Periode : Data Aktual: Nilai Estimasi:
Masa Lalu (t-k) Sudah Terjadi (Yt-1) Proyeksi (Yt-1)
Saat ini Sedang (Yt) (Ŷt)
Masa Depan(t+k) Belum (Yt+k) Ramalan(Ŷt+k)
Keterangan: Yt = Observasi variabel terbaru (saat ini) Ŷt -k = Proyeksi k periode sebelum t Ŷt+k = Ramalan k periode setelah t 6
LANGKAH-LANGKAH UNTUK
MENGEVALUASI METODE PERAMALAN
Pertama, melakukan seleksi metode peramalan berdasarkan analisis dan intuisi peramal terhadap sifat data. Kedua, memberi perlakuan terhadap kumpulan data melalui dua proses, yaitu proses inisialisasi atau kelayakan dan proses pengujian atau peramalan.
Ketiga, menggunakan teknik peramalan yang telah dipilih untuk menghasilkan nilai fit (Ŷt) pada bagian inisialisasi data.
Keempat, menggunakan teknik tersebut untuk meramalkan pada pengujian data, kemudian menentukan dan mengevaluasi kesalahan peramalan yang timbul.
Kelima, mengambil keputusan. Keputusan tersebut dapat da pat menggunakan teknik dalam bentuknya yang asli, memodifikasi teknik tersebut, atau menciptakan ramalan menggunakan teknik lain dan membandingkan hasilnya. 7
Jumlah Mobil yang diperbaiki pada Bengkel Mubarok Minggu
Mobil
Ramalan
Error
(t)
(Yt)
(Ŷt)
(et)
45 6 7 8 9 10 11 12
5652 62 65 63 70 80 90 110
6505 62 62 65 63 65 70 80
-75 0 3 -2 7 15 20 30
1 2 3
58 54 60
58 54
-4 6
70 Unit 8
Berdasarkan data tersebut, berapa jumlah mobll yang diperbaiki pada minggu ke 10?
DATA PENJUALAN SEPATU (Y) KUARTALAN PT. TAPAK Tahun K Penjualan T Tahun K Penjualan t BIMA 1
1
500
17
1
550
2 3
2 3
350 250
18 19
2 3
400 350
4
4
400
20
4
600
1
450
21
1
550
6 7
2 3
350 200
22 23
2 3
400 350
8
4
300
24
4
600
1
350
25
1
850
10 11
2 3
200 150
26 27
2 3
600 450
12
4
400
28
4
700
1
550
14
2
350
15
3
250
16
4
550
5
9
13
2006
2007
2008
2009
2010
2010
2012
9
PROYEKSI PADA KUARTAL PERTAMA TAHUN 2012 atau Ŷ25Ŷ
24+1 = Y24
Ŷ25 = 600
e
Kesalahan peramalan untuk periode ke – 25 ( 25)
adalah
e25 = Y25 – Ŷ25 = 850 – 600 = 250
10
Naïve Trend Model
Ŷt+1 = Yt + (Yt-Yt-i)
11
Naïve Quartely Model Jika pola musimannya kuat, maka model yang sesuai untuk data kuartalan (naïve quarterly model) adalah sebagai berikut:
Ŷt+1 = Yt-3
12
NAÏVE QUARTERLY AND TREND MODEL
Terdapat beberapa cara untuk memasukkan informasi terbaru. Sebagai contoh, seorang analis dapat mengkombinasikan varians musiman (kuartalan) dan kuartal trend. dan Salah model yang memungkinkan adalah model trendsatu sederhana.
Ŷt+1 = Yt-3 + (Yt – Yt-i)
13
METODE RATA-RATA BERGERAK
14
METODE RATA-RATA BERGERAK TUNGGAL t+1
Ŷ
t
t 1
t
k 1
= Y + Y –k + Y – +
Keterangan: MA(k) bergerak padaberikutnya periode t dengan basis k Ŷt+1 == rata-rata Nilai ramalan periode Yt = nilai actual pada periode t K = jumlah data dalam rata-rata bergerak 15
Berikut ini merupakan ramalan permintaan air bersih menggunakan metode rata-rata bergerak tunggal dengan periode bergerak (basis) 3 bulan. Tabel 4-4 menyajikan data permintaan terhadap air bersih (dalam kubik) bulanan dan hasil ramalannya. BULAN Januari Februari
Yt 20 21
MA(3) -
Maret April Mei Juni
19 17 22 24
20 19 19
Juli Agustus September Oktober
18 21 20 23
21 21 21 20
Nopember Desember
22
21 22
16
HASIL PERHITUNGAN Ŷt+1 = Yjan+ Yfeb + Ymar
k
Ŷt+1 = Ysep+ Ynop + Ydes
k
=
Ŷt+1 = 20+ 21 + 19 = 20
=
Ŷt+1 = 20+ 23 + 22 = 22
3
3
17
METODE RATA-RATA BERGERAK GANDA
Salah satu cara untuk meramalkan data time series yang mempunyai pola trend linear adalah menggunakan teknik (double moving average).rata-rata Metode inibergerak dilakukan ganda dengan menghitung ratarata bergerak pada rangkaian data asli. Hasilnya disebut rangkaian data kedua. Kemudian menghitung rata-rata bergerak dari rangkaian data kedua tersebut.
18
CONTOH 4-7
Pada metode rata-rata bergerak tunggal berlaku asumsi bahwa datanya berpola stasioner. Oleh karena itu, akan ditunjukkan akibat yang terjadi jika teknik rata-rata bergerak tunggal digunakan pada data berpola trend. t
Yt
Yt+1 MA(3)
et
654
9
701
686
15
2
658
10
703
696
7
3
665
11
702
699
3
4
672
659
13
12
710
702
8
5
673
665
8
13
712
705
7
6
671
670
1
14
711
708
3
7
693
672
21
15
728
711
17
8
694
679
15
t
Yt
1
Yt+1 MA(3)
et
717
19
RINGKASAN PERSAMAAN METODE RATA-RATA BERGERAK GANDA Pertama, persamaan yang digunakan untuk menghitung rata-rata bergerak tunggal (MA order k) atau dikonotasikan dengan M1
Mt = Yt+ Yt-1+…+ Yt-k+1
k
Kedua, persamaan yang digunakan untuk menghitung rata-rata bergerak kedua
Mt* = Mt+ Mt-1+…+ Mt-k+1
k
20
RINGKASAN PERSAMAAN METODE RATA-RATA BERGERAK GANDA Ketiga, persamaan yang digunakan untuk menghitung nilai rata-rata bergerak tunggal ditambah dengan selisih antara kedua rata-rata bergerak tersebut
at = M1 + (Mt – Mt*) berisi faktor penyesuai tambahan yang mirip dengan slope Keempat, persamaan yang yang selalu berubah sepanjang suatu serial data.
bt = 2 (M1 - Mt*)/(k-1) Kelima, persamaan yang digunakan untuk membuat peramalan pada periode p periode mendatang.
Ŷt+p = a1 +btp
21
View more...
Comments
