Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Dr. Jusak. Pemodelan dan Simulasi, STIKOM Surabaya Kebutuhan akan Peramalan  Dalam dunia bisnis kondisi ekonomi berubah-ubah karena itu diperlukan adanya.

Presentasi serupa


Presentasi berjudul: "Dr. Jusak. Pemodelan dan Simulasi, STIKOM Surabaya Kebutuhan akan Peramalan  Dalam dunia bisnis kondisi ekonomi berubah-ubah karena itu diperlukan adanya."— Transcript presentasi:

1 Dr. Jusak

2 Pemodelan dan Simulasi, STIKOM Surabaya Kebutuhan akan Peramalan  Dalam dunia bisnis kondisi ekonomi berubah-ubah karena itu diperlukan adanya peramalan untuk merencanakan masa depan.  Pemerintahan membutuhkan peramalan untuk mengetahui kondisi tenaga kerja, pendapatan pajak, inflasi, pertumbuhan industri dsb untuk menentukan kebijakan- kebijakan masa depan.  De-es-be 2

3 Pemodelan dan Simulasi, STIKOM Surabaya Metode Peramalan Terdapat 2 macam pendekatan:  Qualitative: metode ini dianggap sebagai metode yang subyektif dengan mensertakan pendapat pakar. Misalnya dengan teknik Delphi. Metode ini dipilih apabila data histori tidak tersedia.  Quantitative: metode ini menggunakan data histori. Tujuan dari metode ini adalah mempelajari data histori dan struktur dari data untuk tujuan memprediksi masa depan. 3

4 Pemodelan dan Simulasi, STIKOM Surabaya Metode Peramalan Quantitative Metode peramalan quantitative dapat dibagi lagi menjadi beberapa sub-bagian, yaitu:  Metode peramalan time-series: metode peramalan yang sepenuhnya menggunakan data histori masa lalu dan sekarang.  Metode peramalan kausal/eksplanatoris: menyertakan faktor-faktor yang berkaitan dengan variabel yang akan diprediksi, misalnya dalam peramalan ekonomi perlu mengikutsertakan barometer2 ekonomi di dalamnya. 4

5 Pemodelan dan Simulasi, STIKOM Surabaya Pola Data pada model Time-Series 5 Sumber: Metode dan Aplikasi peramalan, Makridakis, S.

6 Pemodelan dan Simulasi, STIKOM Surabaya Pola Data pada model Time-Series 1.Pola horisontal (H) terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar

7 Pemodelan dan Simulasi, STIKOM Surabaya Pola Data pada model Time-Series 3.Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar

8 Pemodelan dan Simulasi, STIKOM Surabaya Karakteristik Tren 8

9 Pemodelan dan Simulasi, STIKOM Surabaya Smoothing data Time-Series Tahunan Sebuah perusahaan berskala internasional bernama Cabot Corporation memiliki pendapatan tahunan dalam jutaan dollar seperti dalam tabel berikut: 9 YearRevenue , , , , , , , , , , , , , , , , , , ,0

10 Pemodelan dan Simulasi, STIKOM Surabaya Grafik Revenue dari Cabot Corp. 10

11 Pemodelan dan Simulasi, STIKOM Surabaya Grafik Revenue dari Cabot Corp.  Dalam grafik revenue data tahunan dari Cabot Corp. cukup sulit bagi kita menarik kesimpulan apakah revenue jangka panjang memiliki tren naik atau turun. Kesulitan ini disebabkan oleh adanya fluktuasi naik dan turun dari revenue pada tahun2 tertentu.  Untuk itu dibutuhkan metode smoothing untuk memperoleh tren atau pola data.  Metode smoothing yang umum digunakan adalah Moving Averages dan Exponential Smoothing. 11

12 Pemodelan dan Simulasi, STIKOM Surabaya Moving Averages 12

13 Pemodelan dan Simulasi, STIKOM Surabaya Moving Averages (2) 13

14 Pemodelan dan Simulasi, STIKOM Surabaya Moving Averages untuk Cabot Corp. 14 YearRevenueMA 3-YearMA 7-Year ,8#N/A ,71589,5#N/A ,01632,7#N/A ,51572,71523, ,51490,01530, ,91380,51580, ,01470,21598, ,61679,21561, ,91766,11583, ,71703,21627, ,01578,31664, ,21556,21688, ,51622,41678, ,61715,31671, ,91797,61694, ,21780,91714, ,71718,2#N/A ,81662,8#N/A ,0#N/A

15 Pemodelan dan Simulasi, STIKOM Surabaya Moving Averages untuk Cabot Corp. 15

16 Pemodelan dan Simulasi, STIKOM Surabaya Contoh  Lakukan perhitungan Moving Averages dan Gambarkan grafik untuk data perusahaan pemroses makanan berikut (penjualan dalam juta $): 16 YearCoded YearSales , , , , , , , , , , , , , , , , , , , , , , ,1

17 Pemodelan dan Simulasi, STIKOM Surabaya Exponential Smoothing  Exponential smoothing (ES) adalah metode lain yang dapat digunakan untuk melakukan smoothing terhadap data time- series untuk mengetahui tren jangka panjang.  Keuntungan lain dari Exponential smoothing (dibanding dengan moving averages) adalah bahwa metode ini dapat digunakan untuk melakukan peramalan jangka pendek (satu periode ke depan). 17

18 Pemodelan dan Simulasi, STIKOM Surabaya Exponential Smoothing (2) 18

19 Pemodelan dan Simulasi, STIKOM Surabaya Exponential Smoothing (3)  Seperti terlihat pada rumus, ES pada dasarnya merupakan exponentially weighted moving averages.  Nilai dari ES selalu bergantung pada data observasi sebelumnya, sedemikian sehingga bobot (weight) yang diberikan kepada data yang sedang diobservasi saat ini menurun dari waktu kewaktu. Maksudnya adalah: data yang sedang diobservasi sekarang memiliki bobot paling besar, sedang data-data yang telah diobservasi sebelumnya memiliki bobot lebih kecil. 19

20 Pemodelan dan Simulasi, STIKOM Surabaya Exponential Smoothing (4) 20

21 Pemodelan dan Simulasi, STIKOM Surabaya ES untuk Cabot Corp. 21 YearRevenueES(W=.50)ES(W=.25) , ,71605,31614, ,01581,61600, ,51667,11638, ,51537,31580, ,91423,61512, ,01423,81490, ,61550,21537, ,91743,51637, ,71714,11649, ,01601,11608, ,21581,61597, ,51600,11602, ,61643,31623, ,91742,11677, ,21803,71724, ,71720,21702, ,81686,51690, ,01692,71692,4

22 Pemodelan dan Simulasi, STIKOM Surabaya ES untuk Cabot Corp. 22

23 Pemodelan dan Simulasi, STIKOM Surabaya Menggunakan ES untuk Peramalan 23

24 Pemodelan dan Simulasi, STIKOM Surabaya Contoh Lakukan perhitungan Exponensial Smoothing dan Gambarkan grafik untuk data perusahaan pemroses makanan berikut (penjualan dalam juta $) untuk W=0,2 dan W=0,7. 24 YearCoded YearSales , , , , , , , , , , , , , , , , , , , , , , ,1

25 Pemodelan dan Simulasi, STIKOM Surabaya Pencocokan Tren dan Peramalan  Komponen dari time-series yang paling sering dipelajari adalah tren. Karena itu dibutuhkan cara untuk melakukan pencocokan tren (trend fitting).  Salah satu metode pencocokan tren yang paling banyak digunakan adalah metode kuadrat terkecil (least-squares), terdiri atas: metode tren linier, metode tren kuadrat dan metode tren exponensial. 25

26 Pemodelan dan Simulasi, STIKOM Surabaya Model Tren Linier 26

27 Pemodelan dan Simulasi, STIKOM Surabaya Model Tren Linier (2) 27

28 Pemodelan dan Simulasi, STIKOM Surabaya Regresi Linier untuk Cabot Corp. 28 XYearRevenue (Y)X.YX^ ,800SSXY=6013, ,7 1SSX= ,55257,59b1=10, , ,96549,525b0=1537, ,611736, ,915495, ,715162, ,217184, , ,621925, ,925772, , ,726187, ,828097, Jumlah: , ,82109 Rata- rata:9 1632,131579

29 Pemodelan dan Simulasi, STIKOM Surabaya Regresi Linier untuk Cabot Corp. (2) 29 XY (prediksi) , , , , , , , , , , , , , , , , , , ,08

30 Pemodelan dan Simulasi, STIKOM Surabaya Contoh 30 YearReal 19759, , , , , , , , , , , , , , , , , , , , , , , , ,5

31 Pemodelan dan Simulasi, STIKOM Surabaya Model Tren Kuadratik 31

32 Pemodelan dan Simulasi, STIKOM Surabaya Model Tren Kuadratik (2) 32

33 Pemodelan dan Simulasi, STIKOM Surabaya Model Tren Kuadratik (2) 33

34 Pemodelan dan Simulasi, STIKOM Surabaya Model Tren Kuadratik (3) 34

35 Pemodelan dan Simulasi, STIKOM Surabaya Contoh 35 YearReal 19759, , , , , , , , , , , , , , , , , , , , , , , , ,5

36 Pemodelan dan Simulasi, STIKOM Surabaya Metode Tren Exponential 36

37 Pemodelan dan Simulasi, STIKOM Surabaya Contoh 37 YearReal 19759, , , , , , , , , , , , , , , , , , , , , , , , ,5

38 Pemodelan dan Simulasi, STIKOM Surabaya Model Autoregressive 38

39 Pemodelan dan Simulasi, STIKOM Surabaya Model Autoregressive 39

40 Pemodelan dan Simulasi, STIKOM Surabaya Model Autoregressive 40

41 Pemodelan dan Simulasi, STIKOM Surabaya Model Autoregressive 41

42 Pemodelan dan Simulasi, STIKOM Surabaya Beberapa Metode Perhitungan Kesalahan 42


Download ppt "Dr. Jusak. Pemodelan dan Simulasi, STIKOM Surabaya Kebutuhan akan Peramalan  Dalam dunia bisnis kondisi ekonomi berubah-ubah karena itu diperlukan adanya."

Presentasi serupa


Iklan oleh Google