METODA PERAMALAN KUANTITATIF PPC-3 METODA PERAMALAN KUANTITATIF

METODA TIME SERIES Metoda Average 1. Simple Average (rata rata sederhana) 2. Single Moving Average (rata rata bergerak tunggal) 3. Double Moving Average (rata rata bergerak ganda)

Metoda Eksponensial 1. Single Eksponensial 2. Double Eksponensial 1 parameter dari Brown 3. Double Eksponensial 2 parameter dari Holt

Metoda Eksponensial 4. Triple Eksponensial kuadratik dari Brown 5. Triple Eksponensial tiga parameter untuk kecenderungan dan musiman dari Winter

Ketepatan metoda ramalan Untuk mengetahui ketepatan ramalan digunakan metoda statistik Univariat dan statistik Bivariat Statistik Univariat : Melibatkan satu jenis data Statistik Bivariat : Melibatkan dua jenis data

Metoda Time Series menggunakan data Univariat karena melibatkan satu jenis data Metoda Kausal menggunakan data Bivariat karena melibatkan dua jenis data

Data Univariat. Mean Mean Absolute Deviation Sum of Squared Deviation

Data Univariat. Mean Squared Deviation Root Mean Squared

Data Univariat. Variance Standard Deviation

Data Bivariat Covariance

Data Bivariat Koefisien Korelasi

Rumus Error Error = et = Xt – Ft dimana : et = error periode ke-t Xt = data aktual periode ke-t Ft = ramalan periode ke-t

Ukuran Statistik Standard : Mean Error = ME =  ei / n Mean Absolute Error = MAE =  ei / n Sum of Squared Error = SSE =  e2i

Ukuran Statistik Standard : Mean Squared Error = MSE (sering digunakan) =  e2i / n Standard Deviation Error = SDE =  ( e2i / (n-1))

Ukuran Statistik Relatif Percentage Error (PEi) = ((Xt – Ft) / Xt) 100 Mean Percentage Error (MPE) =  PEi / n Mean Absolute Percentage Error = MAPE =  PEi / n (sering digunakan)

Langkah Peramalan Time Series Ambil data time series dan bagi kedalam Initialisasi set (data yang masih relevan dengan pola saat ini). Test Set (Data yang akan diramalkan). Langkah 2. Plot data initial.

Langkah Peramalan Time Series Langkah 3. Pilih metoda time series yang sesuai dengan plot data dan kondisi yang ada. Langkah 4. Hitung hasil ramalan.

Langkah Peramalan Time Series Langkah 5. Hitung error. Langkah 6. Jika ada beberapa model yang sesuai, lakukan langkah 4 dan 5, pilih yang model terbaik atas dasar error terkecil.

Metoda Moving Average (rata rata bergerak ). Dipakai untuk kondisi dimana setiap data pada waktu yang berbeda mempunyai bobot yang sama sehingga fluktuasi random data dapat diredam dengan rata-ratanya.

Metoda Moving Average (rata rata bergerak ). Apabila tidak semua data masa lalu dapat mewakili asumsi pola data berlanjut terus dimasa yang akan datang, maka dapat dipilih sejumlah N data pada periode tertentu saja.

Metoda Moving Average (rata rata bergerak ). Simbol metoda Single Moving Average adalah MA (N)

Metoda Moving Average (rata rata bergerak ). Apabila datanya stationer, Single Moving Average cukup baik untuk meramalkan keadaan. Jika ternyata data tidak stationer, mengandung pola trend, maka dilakukan Moving Average pada hasil Single Moving Average, yang dinamakan Double Moving Average.

M. Simple Moving Average Mengambil rata-rata dari semua data dalam kelompok inisialisasi.

M. Single Moving Average Digunakan untuk peramalan jangka pendek. Tentukan sejak awal berapa jumlah data masa lalu yang akan digunakan menghitung nilai rata-rata, nyatakan sebagai N. Simbol metoda Single Moving Average adalah MA (N) arti : Moving Average N periode

Rumus Waktu Moving Average Ramalan

Contoh: Lakukan peramaln pada bulan ke 12 untuk 11 data masa lalu ini dengan menggunakan MA (3) dan MA (5) mana metoda yang terbaik ?

Periode Demand Rata-Rata MA (3) bergerak 3 bulanan MA(5) 1 200 - 2 135 3 195 4 197.5 176.7 5 310 175.8 6 175 234.2 207.5 7 155 227.5 202.5 8 130 213.3 206.5 9 220 153.3 193.5 10 277 168.3 198.0 11 235 209.2 191.4 12 244.2 203.5

MA(3) MA(5) MAE = 71.46 51.00 MSE = 6395.66 3013.25 MAPE = 34.89 27.88