LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

(1)

LAPORAN RESMI MODUL VII

TIME SERIES FORECASTING

I. Pendahuluan

A. Latar Belakang (Min. 4 Paragraf) B. Rumusan Masalah

C. Tujuan Praktikum (Min. 3) D. Manfaat Praktikum (Min. 3) E. Batasan Masalah

II. Tinjauan Pustaka A. Time series Forecasting B. Mean Square Error (MSE) C. Mean Absolute Deviation (MAD)

D. Mean Absolute Percentage Error (MAPE) E. Tracking signal

F. Teori Peramalan

III. Pengumpulan Data A. Identifikasi Variabel 1. Variabel Bebas 2. Variabel Terikat B. Soal Laporan Resmi

Min. 10 Halaman

(2)

IV. Hasil dan Pembahasan A. Pengolahan Data 1. Input

2. Output

• Metode Moving Average

3. Analisa Output Moving Average

Dari tabel diatas didapat analisa sebagai berikut :

a. CFE : merupakan nilai kumulatif dari forecast error yaitu sebesar -21.

b. MAD : pada output terdapat nilai MAD 7,181818 hal ini berarti bahwa rata- rata kesalahan mutlak selama periode untuk peramalan sebesar 7.181818.

(3)

c. MSE : pada output terdapat nilai MSE sebesar 86,2323 hal ini berarti bahwa rata-rata kuadrat kesalahan adalah 86,2323.

d. MAPE : pada output terdapat nilai MAPE sebesar 2,239151 hal ini berarti bahwa persentase rata-rata kesalahan absolute adalah 2,23%.

e. Tracking signal : merupakan alat pemantau kesalahan dari suatu peramalan yang didapat dari CFE dibagi dengan MAD sehingga didapatkan nilai sebesar -2,924051.

f. Hasil peramalan yang diperoleh untuk 4 bulan kedepan dimulai dari bulan pertama (dalam output dimulai periode ke-15) hingga bulan ke-4 (periode ke-18) masing-masing adalah sebesar 318,6667.

• Metode Weight Moving Average

4. Analisa Output Weight Moving Average

Dari tabel diatas didapat analisa sebagai berikut :

a. CFE : merupakan nilai kumulatif dari forecast error yaitu sebesar -15,50003

(4)

b. MAD : pada output terdapat nilai MAD 6,881816 hal ini berarti bahwa rata- rata kesalahan mutlak selama periode untuk peramalan sebesar 6,881816.

c. MSE : pada output terdapat nilai MSE sebesar 76,01363 hal ini berarti bahwa rata-rata kuadrat kesalahan adalah 76,01363.

f. Hasil peramalan yang diperoleh untuk 4 bulan kedepan dimulai dari bulan pertama (dalam output dimulai periode ke-15) hingga bulan ke-4 (periode ke-18) masing-masing adalah sebesar 321.

• Metode Single Exponential Smoothing

(5)

5. Analisa Output Single Exponential Smoothing Dari tabel diatas didapat analisa sebagai berikut :

a. CFE : merupakan nilai kumulatif dari forecast error yaitu sebesar -104,1499 b. MAD : pada output terdapat nilai MAD 9,088827 hal ini berarti bahwa rata-

rata kesalahan mutlak selama periode untuk peramalan sebesar 9,088827.

c. MSE : pada output terdapat nilai MSE sebesar 133,5009 hal ini berarti bahwa rata-rata kuadrat kesalahan adalah 133,5009.

f. Hasil peramalan yang diperoleh untuk 4 bulan kedepan dimulai dari bulan pertama (dalam output dimulai periode ke-15) hingga bulan ke-4 (periode ke-18) masing-masing adalah sebesar 324,17.

V. Kesimpulan dan Saran A. Kesimpulan

Dari perbandingan ketiga metode diatas yaitu dengan metode Moving Average, Weight Moving Average, dan Single Exponential Smoothing maka didapat nilai terbaik yaitu :

(6)

1. MAD

Moving Average sebesar 7,181818, Weight Moving Average sebesar

6,881816, dan Single Exponential Smoothing sebesar 9,088827. Maka Weight Moving Average dipilih terbaik karena memiliki nilai terkecil dari metode yang

lain.

2. MSE 3. MAPE

4. Tracking signal B. Saran (Min. 5)

DAFTAR PUSTAKA 5 buku 5 internet (min 2013)

(7)

LAMPIRAN

Berikut adalah data hasil penjualan produk TV pada PT. TIVIKU untuk 14 bulan terakhir adalah sebagai berikut :

Bulan ke- Penjualan

1 345

2 325

3 332

4 317

5 321

6 330

7 325

8 335

9 329

10 330

11 319

12 310

13 320

14 326

Lakukan peramalan permintaan 4 bulan yang akan datang dengan rata-rata periode 3 bulanan menggunakan metode Moving Average (MA), Weight Moving Average (WMA), dan Single Exponential Smoothing (SES). Serta tentukan

metode yang terbaik apabila W1 = 0,2 ; W2 = 0,3 ; W3 = 0,5 ; dan α = 0,2.

Jawab:

a. Metode Moving Average

Bulan ke- Yi Ῡi

1 345

2 325

3 332

4 317 334

5 321 324,67

6 330 323,33

7 325 322,67

8 335 325,33

9 329 330

10 330 329,67

11 319 331,33

(8)

12 310 326

13 320 319,67

14 326 316,33

15 - 318,67

• Untuk peramalan pada periode ke-4 = 345+325+332

3 = 334

3 = 324

3 = 323,3

• Dst Bulan

ke-

A F A-F |A-F| (A-F)² 100|^𝐴−𝐹

𝐴 |

1 345

2 325

3 332

4 317 334 -17 17 289 5,362776

5 321 324,66 -3,666656 3,666656 13,44366 1,142231 6 330 323,33 6,666656 6,666656 44,44430 2,020199 7 325 322,667 2,333344 2,333344 5,444494 0,717952 8 335 325,33 9,666656 9,666656 93,4442 2,885569

9 329 330 -1 1 1 0,303951

10 330 329,67 0,3333435 0,3333435 0,1111178 0,101013 11 319 331,33 -12,33334 12,33334 152,11127 3,866251

12 310 326 -16 16 256 5,16129

13 320 319,67 0,3333435 0,3333435 0,1111178 0,10417 14 326 316,33 9,666656 9,666656 93,44423 2,965232

Jumlah -20,99997 78,9998 948,5544 24,63063

• MAD = ∑^{|𝐴−𝐹|}_𝑛 = ^78,9998₁₁ = 7,1818

• MSE = ∑^{(𝐴−𝐹)}_𝑛 ²= ^948,5544

11 = 86,2323

• MAPE = ^100∑|

𝐴−𝐹 𝐴 |

𝑛 = ^24,63063₁₁ = 2,23914

• Tracking Signal = ∑^{(𝐴−𝐹)}_𝑀𝐴𝐷 = ^−20,99997_7,1818 = -2,924 b. Metode Weight Moving Average

Bulan ke- Yi Ῡi

1 345

2 325

3 332

4 317 332,5

(9)

5 321 323,1

6 330 322

7 325 324,7

8 335 325,7

9 329 331

10 330 330

11 319 330,7

12 310 324,3

13 320 316,7

14 326 316,8

15 - 321

• Untuk peramalan pada periode ke-4 = (W1.Y1) + (W2.Y2) + (W3.Y3)

= (0,2.345) + (0,3.325) + (0,5.332)

= 332,5

• Untuk peramalan pada periode ke-5 = (0,2.325) + (0,3.332) + (0,5.317)

= 323,1

• Untuk peramalan pada periode ke-6 = (0,2.332) + (0,3.317) + (0,5.321)

= 322

• Dst.

Bulan ke-

A F A-F |A-F| (A-F)² 100|^𝐴−𝐹_𝐴 |

1 345

2 325

3 332

4 317 332,5 -15,5 15,5 240,25 4,88959

5 321 323,1 -2,100006 2,100006 4,4100252 0,654207

6 330 322 8 8 64 2,424242

7 325 324,7 0,2999878 0,2999878 0,08999268 0,092304 8 335 325,7 9,299988 9,299988 86,4897768 2,776116

9 329 331 -2 2 4 0,607903

10 330 330 0 0 0 0

11 319 330,7 -11,70001 11,70001 136,890234 3,667715 12 310 324,3 14,2999 14,2999 204,48714 4,612871 13 320 316,7 3,299988 3,299988 10,889868 1,031246 14 326 316,8 9,200012 9,200012 84,64022 2,82209

Jumlah -15,5 75,69989 836,15 23,57828

• MAD = ∑^{|𝐴−𝐹|}_𝑛 = ^75,69989₁₁ = 6,881808

(10)

• MSE = ∑^{(𝐴−𝐹)}_𝑛 ²= ^836,15₁₁ = 76,013636

• MAPE = ^100∑|

𝐴−𝐹 𝐴 |

𝑛 = ^23,57828₁₁ = 2,14348

• Tracking Signal = ∑^{(𝐴−𝐹)}_𝑀𝐴𝐷 = _6,881808^−15,5 = -2,2523 c. Metode Single Exponential Smoothing

Bulan ke- Yi Ῡi

1 345

2 325 345

3 332 341

4 317 339,2

5 321 334,76

6 330 332,008

7 325 331,6064

8 335 330,2851

9 329 331,2281

10 330 330,7825

11 319 330,626

12 310 328,3008

13 320 324,6406

14 326 323,712

15 - 324,17

• Untuk peramalan pada periode ke-3 = (α.Y2) + (1-α(Ῡ1))

= (0,2.325) + (1-0,2(345))

= 341

• Untuk peramalan pada periode ke-4 = (0,2.332) + (1-0,2(325))

= 339,2

• Untuk peramalan pada periode ke-5 = (0,2.317) + (1-0,2(332))

= 334,76

• Dst.

Bulan ke-

A F A-F |A-F| (A-F)² 100|^𝐴−𝐹_𝐴 |

1 345

2 325 345 -20 20 400 6,153846

3 332 341 -9 9 81 2,710843

4 317 339,2 -22,20001 22,20001 492,8404 7,0031577

(11)

5 321 334,76 -13,76001 13,76001 189,337875 4,286607 6 330 332,008 -2,007996 2,007996 4.032047 0,608483 7 325 331,6064 -6,606384 6,606384 44,40676 2,032733 8 335 330,2851 4,714905 4,714905 22,23032 1,4074343 9 329 331,2281 -2,228088 2,228088 4,96437 0,6772304 10 330 330,7825 -0,78247 0,78247 0,61225 0,23711212 11 319 330,626 -11,62598 11,62598 135,163411 3,6445078 12 310 328,3008 -18,30078 18,30078 334,91854 5,903477 13 320 324,6406 -4,640625 4,640625 21,5354004 1,45019531 14 326 323,712 2,287506 2,287506 5,2326837 0,70168896 Jumlah -104,1499 118,154754 1736,2740 65,138346

• MAD = ∑^{|𝐴−𝐹|}_𝑛 = ^118,154754

13 = 9,088827

• MSE = ∑^{(𝐴−𝐹)}_𝑛 ²= ^1736,2740

13 = 133,559

• MAPE = ^100∑|

𝐴−𝐹 𝐴 |

𝑛 = ^65,138346₁₃ = 2,832102

• Tracking Signal = ∑^{(𝐴−𝐹)}_𝑀𝐴𝐷 = ^−104,1499_9,088827 = -11,459113