Metode Pemulusan Rataan Bergerak Sederhana (RBS) dan Rataan Bergerak Ganda (RBG) Pembahasan meliputi lag-time, time-horizon, auto-correlation, cross-correlation, white-noise.

Pola Data Time Series (Review) Konstan Trend Secara umum, pola dasar data time ada empat seperti tersaji pada slide. Pola data riil bisa saja berupa kombinasi antar pola dasar tersebut seperti pola trend sekaligus seasonal. Pengenalan pola data merupakan langkah awal dalam analisis data times series karena banyak analisis yang mensyaratkan pola data tertentu. Moving average dan single exponential smoothing misalnya yang khusus digunakan pada data berpola konstan. Seasonal Cyclic

Sekilas Tentang Smoothing Prinsip dasar: pengenalan pola data dengan menghaluskan variasi lokal. Prinsip penghalusan umumnya berupa rata-rata. Beberapa metode penghalusan hanya cocok untuk pola data tertentu.

Metode Pemulusan (Smoothing) Rata-rata bergerak tunggal (single moving average) Rata-rata bergerak berganda (double moving average) Pemulusan exponensial tunggal (single exponential smoothing) Pemulusan exponensial ganda (double exponential smoothing) Pemulusan Metode Winter (Aditive dan Multiplicative)

Rataan Bergerak (Moving Average) Moving Average adalah metode pemulusan data deret waktu berdasarkan berdasarkan nilai rata-rata dari observasi terdahulu. Setiap muncul nilai observasi baru, nilai rata-rata baru dapat dihitung dengan membuang nilai observasi paling akhir dan menggantikannya dengan nilai observasi terbaru. Kelemahan: - metode ini memerlukan penyimpanan yang lebih banyak, karena semua data (T) terobservasi harus tersimpan. - metode ini tidak dapat menanggulangi dengan baik adanya trend atau musiman Ada dua macam metode pemulusan rataan bergerak, yaitu model tunggal dan ganda

Problem Based Learning Pada file data pertemuan 2, disajikan data demand dari sebuah peruasaan terhadap dua jenis produk barang 1 dan barang 2. Lakukan plot time series dari kedua data! Jelaskan karakteristik dari kedua data tersebut dan jelaskan pola data yang terbentuk ! Adakah hal yang menarik menurut Anda dari kedua pola data tersebut?

Problem Based Learning

Problem Based Learning 9. Hitunglah nilai MAD, MAPE, MSE dari setiap hasil peramalan yang dilakukan. Bandingkan!! Bagaimana hasil yang Anda peroleh ? 10. Kemudian isilah tabel berikut ini berdasarkan hasil diatas : Metode Single Moving Average   m=3 m=4 m=5 MAD MAPE MSE Deman1 Deman2 Metode Double Moving Average   m=3 m=4 m=5 MAD MAPE MSE Deman1 Deman2 Berikan kesimpulan Anda!!

TUGAS INDIVIDU Gunakan data yang disajikan pada pustaka 1 : Table B.2 (halaman 412) Table B.4 (halaman 414) Lakukan plot time series dari kedua data! Jelaskan karakteristik dari kedua data tersebut dan jelaskan pola data yang terbentuk ! Adakah hal yang menarik menurut Anda dari kedua pola data tersebut? Lakukan pemulusan rataan bergerak tunggal dan berganda pada kedua data tersebut pada berbabagai nilai m ! Lakukan evaluasi metode pemulusan manakah dan pada m berapa yang menghasilkan peramalan yang terbaik ! Tugas ini dikumpulkan dalam format hard copy paling lambat 26 Februari 2016 di loker komdik Membaca materi pemulusan Single Exponential Smoothing