bab iii forecasting

8/16/2019 Bab III Forecasting

http://slidepdf.com/reader/full/bab-iii-forecasting 1/16

BAB III

FORECASTING

3.1 Tujuan Praktikum

1. Mampu memprediksi kebutuhan / permintaan yang akan diperlukan dalam proses

produksi2. Memahami tahapan dalam berbagai metode peramalan

3. Mempu menentukan metode peramalan yang tepat

3.2 Tugas Praktikum

1. Melakukan permalan untuk produk yang akan dikembangkan selam 5 periode

kedepan menggunakan metode peramalan Time Series2. Menentukan plot data berdasarkan data historis

3. Menentukan metode peamalan yang tebaik sebagai imput untuk praktikan

selanjutnya

3.3 Output (asi! p"r#itungan $an ana!isis%

3.3.1 Deskripsi pasar dan Data Permintaan

Berdasarkan studi kasus yang telah diberikan, kami akan melakukan permalan

untuk sebuah produk mobil dari data permintaan mobil untuk 3 tahun terakhir.

Peramalan forecasting) akan dilakukan !ll "e# $onda !%%ord untuk 5

periode ke dapan. Dengan menggunakan metode peramalan Time Series

Analysis, yaitu Model &onstan, 'impel Mo(ing !(erage, )enter Mo(ing

!(erage, Exponential Smoothing * + ,-, dan egresi 0iniear.

a. Desripsi pasar

$onda !%%ord adalah keluarga mobil sedan kompak hingga ukuran menengah

midsie yang dibuat oleh $onda sejak tahun 1-4, dan dipasarkan se%ara

luas pada berbagai pasar otomoti di seluruh dunia.

$onda !%%ord baru ini merupakan generasi kesembilan dan telah

mengalami berbagai pengembangan seperti eisiensi bahan bakar,

pengendalian yang mantap dan dinamis, dan isi kokpit lebih pintar. Perubahan

desain se%ara keseluruhan didukung dengan berbagai teknologi %anggih dan

itur terdepan menjadikan !ll "e# $onda !%%ord sebagai 67he 8isionary

)ar9. Mulai dari desain ront grille dan bumper yang lebih premium, lampu



0:D Daytime unning 0ight, 0:D Proje%tor $ead 0ight, ear )ombination

0amp #ith 0:D 'top 0amp, 7ailgate :le%tri% Button, ;ront < ear Parking

'ensor, dan 8elg 1= in%hi dengan desain memukau yang semakin memperkuat

tampilan !ll "e# $onda !%%ord sebagai sebuah medium sedan premium.

&esemua itur tersebut tersedia pada $onda !ll "e# !%%ord 87i0 bermesin

1.=liter, i87:) yang menghasilkan tenaga maksimum 1> P' dan torsi 1>

"m, lebih besar 5"m dari ?en.8@@@. 'eluruh (arian !ll "e# !%%ord tersedia

dalam 4 pilihan #arnaA Modern 'teel, hite Cr%hid Pearl, rban 7itanium

Metalli%, !labaster 'il(er Metalli%, )hampagne ;rost Pearl, dan )rystal Bla%k

Pearl.'trategi penentuan target pasar dimaksudkan untuk mengarahkan kegiatan

pemasaran pada target yang dipilih atas dasar kebutuhan dan karakteristik

tertentu. Dalam menganalisis target pasar dimaksudkan untuk menentukan

target atau sasaran pasar pada segmen yang dipilih. !lasan mendasar dalam

menentukan target pasar bah#a konsumen mempunyai perbedaan kebutuhan

dalam setiap produk dan oleh karenanya konsumen akan memberi reaksi yang

berbeda untuk setiap produk yang dita#arkan. ntuk memperoleh manaat

maksimum yaitu dengan %ara mengembangkan produk yang dapat memenuhi

kebutuhan segmen pasar tertentu dibanding dengan memperkenalkan satu

jenis produk untuk konsumsi massal. 'eperti halnya dengan luEury %ar yang

kami produksi merupakan bentuk ino(asi dan pengembangan dari produk

produk yang sudah beredar di pasaran sebelumnya.

7arget pasar yang kami tentukan pada produk luEury %ar, yaitu terpusat

pada kalangan menengah keatas. Dengan menyesuaikan kapasitas dari produk

kami.

b. Data permintaan7abel 3.1 Data Permintaan

P"ri&$

" Bu!an '"man$

P"ri&$

" Bu!an '"man$

1 12Fan 5=3 1- 13Ful >2-



2 12;eb 5122 2 13!gu 53-

3 12Mar 4213 21 13'ep >433

> 12!pr >=33 22 1Ckt3 >15>

5 12Mei 5=-- 23 13"o( 513

4 12Fun 54> 2> 13Des >444

12Ful 424 25 1>Fan 5-=

= 12!gu 514> 24 1>;eb 4145

- 12'ep 53> 2 1>Mar 5==

1 12Ckt >>=- 2= 1>!pr >5=3

11 12"o( 5= 2- 1Mei> >1=2

12 12Des 4352 3 1>Fun 41-

13 13Fan 5552 31 1>Ful 54=

1> 13;eb >-51 32 1>!gu 5511

15 13Mar 421 33 1>'ep 553

14 13!pr 43-> 3> 1>Ckt 41--

1 13Mei >2-1 35 1>"o( 433

1= 13Fun 433 34 1>Des 5221

3.3.2 Pola Data

Berdasarkan data permintaan mobil yang ada dari data historis diperoleh pola

data stasioner. Pola data stasioner terjadi saat data obser(asi berluktuasi di

sekitaran nilai konstan atau mean yang memebentuk garis horiontal. Data ini

disebut juga dengan data horiontal. Pola data yang diperoleh dari data

permintaan bisa dilihat sebagai berikut G

0

1000

2000

3000

4000

5000

6000

7000

Demand

Demand

?ambar 3.1 Pola Data 'tasioner 3.3.3 Model &onstan



a. DeskripsiPeramalan model konstan memiliki ke%enderungan data sebelumnya apabila

diplotkan akan %enderung berbentuk garis lurus, tanpa perubahan permintaan

yang men%olok. 'ehingga besarnya permintaan di masa yang akan datangdianggap sama dengan jumlah permintaan di masa sebelumnya.

Persamaan garis yang menggambarkan pola konstan adalah GH9t + a

"ilai a dapat dihitung dengan rumus G

Dimana G

a G "ilai konstan

n G Fumlah periode peramalanHt G Data ket

P"ri&$

"

'"man

$P"rama!an

P"ri&$

"

'"man

$P"rama!an

P"ri&$

"'"man$ P"

1 5=3 1- >2- 3

2 5122 2 53- 38

3 4213 21 >433 3-

> >=33 22 >15> 40

5 5=-- 23 513 >1

4 54> 2> >444

424 25 5-=

= 514> 24 4145

- 53> 2 5==

1 >>=- 2= >5=3

11 5= 2- >1=2

12 4352 3 41-13 5552 31 54=

1> >-51 32 5511

15 421 33 553

14 43-> 3> 41--

1 >2-1 35 433

1= 433 34 5221



b. Perhitungan7abel 3.2 Perhitungan Peramalan Model &onstan

Model &onstan H9t + a

a=

∑i=1

n

Y ( t )

n

a=5837+5122+6213+…+6033+5221

36

a=¿ 55=.=

$asil peramalan dengan model konstan adalah 55=,= sehingga untuk

permalan lima 5 periode kedepan adalah sama dengan periode sebelumnya.

• !nalisis Perhitungan M!D dan 7ra%king 'ignal dengan Model &onstan

Pada hasil perhitungan peramalan untuk metode konstan didapatkan hasil

M!D pada periode terakhir adalah 5,>2 dan nilai dari tra%king signal dari

periode terakhir yang didapat adalah ,444

• !nalisis ?raik 7ra%king 'ignal Model &onstan

Pada gambar graik diatas merupakan plot data graik dari data permintaan

dimana terlihat dari tiap periode terjadi peningkatan dan penurunan atau data

permintaan yang tidak stabil. Dari gragik diatas terlihat dimana periode ke 23

sampai periode 34 berada diluar batas 0)0. $al ini akan menyeabakan bah#a

pada periodeperiode tersebut peramalan yang dilakukan kurang baik bagi

perusahaan.3.3.> Model egresi 0iniar

a. Deskripsi'alah satu bentuk peramalan yang paling sederhana adalah regresi linier.

Dalam aplikasi regresi linier diasumsikan bah#a terdapat hubungan antara

(ariabel yang ingin diramalkan (ariabel dependen dengan (ariabel lain

(ariabel independen. 'elanjutnya, peramalan ini didasarkan pada asumsi

bah#a pola pertumbuhan dari data historis bersiat linier. Pola pertumbuhan



n

t bt Y

a

n

i

n

i

∑ ∑= =

−= 1 1

.

ini didekati dengan suatu model yang menggambarkan hubunganhubungan

yang terkait dalam suatu keadaan.

Persamaan garis yang mendekati bentuk data linear adalah G

H9t + a I bt

&onstanta a dan b dietntukan dari data mentah berdasarkan kriteria kuadrat

terke%il (least square criterion).

Dimana a dan b dapat dihitung dengan rumus berikut G

2

11

2

1 1 1

..

−

−=

∑∑

∑ ∑ ∑

==

= = =

n

i

n

i

n

i

n

i

n

i

t t n

t t Y t tY n

b

b. Perhitungan

7abel 3.> Perhitungan Peramalan Model egresi 0inear

Ta#unP"ri&$" '"man$

T.(t% T)2(t% *(t%

212 1 5=3 5=3 1

212 2 5122 12>> >

212 3 4213 1=43- -

212 > >=33 1-332 14

212 5 5=-- 2->-5 25

212 4 54> 3>5=> 34

212 424 >3=4- >-

212 = 514> >1312 4>

212 - 53> >34 =1

212 1 >>=- >>=- 1

212 11 5= 4>4> 121

212 12 4352 422> 1>>

213 13 5552 214 14-

213 1> >-51 4-31> 1-4

213 15 421 -3255 225

213 14 43-> 123> 254213 1 >2-1 2-> 2=-

213 1= 433 113-> 32>

213 1- >2- =151 341

213 2 53- 1-> >

213 21 >433 -2-3 >>1

213 22 >15> -13== >=>



Ta#unP"ri&$" '"man$

T.(t% T)2(t% *(t%

213 23 513 1313-- 52-

213 2> >444 111-=> 54

21> 25 5-= 1>>-5 425

21> 24 4145 142- 44

21> 2 5== 15=4 2-

21> 2= >5=3 12=32> =>

21> 2- >1=2 1212= =>1

21> 3 41- 1=5 -

21> 31 54= 141= -41

21> 32 5511 14352 12>

21> 33 553 1=15-- 1=-

21> 3> 41-- 2144 1154

21> 35 433 211155 1225

21> 34 5221 1=-54 12-4

T&ta! +++ 1,+-1 3+2/200 1+2/+

'etelah dilakukan perhitungan dengan menggunakan :E%el, maka didapatkan

hasilG

b + 3,4

a + 552,>3Dengan persamaan regresi H + 3,4 I 552,>3t

Dari persamaan regresi yang telah didapat, selanjutnya melakukan peramalan

untuk 5 periode ke depan.

7abel 3.5 $asil Peramalan 5 Periode egresi 0inear

Ta#unP"ri&$" P"rama!an

(t% $(t%

215 3 2>35.-

215 3= 2-=--.>4

215 3- 215>23.13

215 > 22->4.=215 >1 224>.>



b. Perhitungan b.1. Simple Moing Aerage 'M!

7abel 3. Perhitungan Peramalan Model 'M! 5 Periode

P"ri&$"

Bu!an '"man$

SA

1 12Fan 5=3 2 12;eb 5122

3 12Mar 4213

> 12!pr >=33

5 12Mei 5=--

4 12Fun 54> 55=.=

12Ful 424 5544.2

= 12!gu 514> 5-5.2

- 12'ep 53> 55=5.>

1 12Ckt >>=- 54-.4

11 12"o( 5= 53-.4

12 12Des 4352 5>2.2

13 13Fan 5552 5>3.2

1> 13;eb >-51 551>.=

15 13Mar 421 5>>>.2

14 13!pr 43-> 5=-.=

1 13Mei >2-1 5=-3.2

1= 13Fun 433 5>=1

1- 13Ful >2- 5434.4

2 13!gu 53- 55>.>

21 13'ep >433 53>.>

22 1Ckt3 >15> >-==.2

23 13"o( 513 >-4.=

2> 13Des >444 >=3.>

25 1>Fan 5-= >-12.4

24 1>;eb 4145 >--2.=

2 1>Mar 5== 52--.22= 1>!pr >5=3 54>>.>

2- 1Mei> >1=2 5>1=.>

3 1>Fun 41- 5321.4

31 1>Ful 54= 5345.=

32 1>!gu 5511 524=.>

33 1>'ep 553 51->.4



P"ri&$

"Bu!an

'"man

$SA

3> 1>Ckt 41-- 53=.4

35 1>"o( 433 5=2

34 1>Des 5221 5=>.=

3 15Fan 5=>.=

3= 15;eb 5=>.=

3- 15Mar 5=>.=

> 15!pr 5=>.=

>1 15Mei 5=>.=

b.2. !entere" Moing Aerage )M!

7abel 3.= Perhitungan Peramalan )M! 5 Periode

P"ri&$"

Bu!an '"man$

P"rama!an

1 12Fan 5=3

2 12;eb 5122

3 12Mar 4213 55=.=

> 12!pr >=33 5544.2

5 12Mei 5=-- 5-5.2

4 12Fun 54> 55=5.>

12Ful 424 54-.4

= 12!gu 514> 53-.4

- 12'ep 53> 5>2.2

1 12Ckt >>=- 5>3.2

11 12"o( 5= 551>.=

12 12Des 4352 5>>>.2

13 13Fan 5552 5=-.=

1> 13;eb >-51 5=-3.2

15 13Mar 421 5>=1

14 13!pr 43-> 5434.4

1 13Mei >2-1 55>.>

1= 13Fun 433 53>.>

1- 13Ful >2- >-==.2

2 13!gu 53- >-4.=

21 13'ep >433 >=3.>

22 1Ckt3 >15> >-12.4

23 13"o( 513 >--2.=

2> 13Des >444 52--.2



P"ri&$

"Bu!an

'"man

$P"rama!an

25 1>Fan 5-= 54>>.>

24 1>;eb 4145 5>1=.>

2 1>Mar 5== 5321.42= 1>!pr >5=3 5345.=

2- 1Mei> >1=2 524=.>

3 1>Fun 41- 51->.4

31 1>Ful 54= 53=.4

32 1>!gu 5511 5=2

33 1>'ep 553 5=>.=

3> 1>Ckt 41-- 54-3.>

35 1>"o( 433 53-

34 1>Des 5221 5=1.444

3 15Fan 5=1.444

3= 15;eb 5=1.444

3- 15Mar 5=1.444

> 15!pr 5=1.444

>1 15Mei 5=1.444

• !nalisis perhitungan tra%king signal Mo(ing !(erage

Metode 'M!

Pada hasil perhitungan peramalan untuk model Simple Moing Aerage

didapatkan hasil M!D pada periode terakhir adalah 44,12- nilai dari

tra%king signal dari periode terakhir yang didapat adalah .533142.

Metode )M!



Pada hasil perhitungan peramalan untuk !entere" Moing Aerage

didapatkan hasil M!D pada periode terakhir adalah 5>,>>31> nilai dari

tra%king signal dari periode terakhir yang didapat adalah .-215.

•

!nalisis ?raik tra%king signal mo(ing a(erage Metode 'M!

Pada gambar graik diatas merupakan plot data graik dari data

permintaan dimana terlihat dari tiap periode terjadi kenaikan dan

penurunan yang stabil tidak sampai melebihi batas )0 dan 0)0 yang

telah ditentukan sehingga peramalan yang dilakukan sudah sesuai dengan

keinginan dari perusahaan.

Metode )M!

Pada gambar graik diatas merupakan plot data graik dari data

permintaan dimana terlihat dari tiap periode terjadi kenaikan dan

penurunan yang stabil tidak sampai melebihi batas )0 dan 0)0 yang

telah ditentukan sehingga peramalan yang dilakukan sudah %ukup baik

bagi perusahaan.

3.3.4 Model Exponential Smoothing Model Exponential Smoothing digunakan untuk peramalan jangka pendek.

Dalam model ratarata bergerak Mo(ing !(erage dapat dilihat bah#a untuk

semua data obesr(asi memiliki bobot yang sama yang membentuk rata

ratanya. Padahal, data obser(asi terbaru seharusnya memiliki bobot yang

lebih besar dibandingkan dengan data obser(asi di masa yang lalu. $al ini

dipandang sebagai kelemahan model peramalan Mo(ing !(erage. ntuk itu,

digunakanlah metode :Eponential 'moothing agar kelemahan tersebut dapat

diatasi didasarkan pada alasan sebagai berikutG

Metode eEponential smoothing mempertimbangkan bobot datadata

sebelumnya dengan estimasi untuk H9tI1L dengan periode tI1 dihitung

sebagaiG

&eterangan G;tI1 G amalan untuk periode berikutnya

Dt G Demand a%tual pada periode t

;t G Peramalan yang ditentukan sebelumnya untuk periode t



* G ;aktor bobot, * besar, smoothing yang dilakukan ke%il dan sebaliknya

penetapan nilai konstanta memiliki andil yang penting dalam

menghasilkan hadil ramalan yang (alid.

7abel 3.11 Perhitungan Peramalan Model Exponential Smoothing

P"ri&$" Bu!an '"man$ P"rama!an

1 12Fan 5=3

2 12;eb 5122 5=3

3 12Mar 4213 51-3.5

> 12!pr >=33 4111.5

5 12Mei 5=-- >-4.=5

4 12Fun 54> 5=5.1=5

12Ful 424 54=.11=5= 12!gu 514> 421.111=1

- 12'ep 53> 524-.3111=

1 12Ckt >>=- 53.53112

11 12"o( 5= >5.15311

12 12Des 4352 5>4.31531

13 13Fan 5552 42-1.>3153

1> 13;eb >-51 5425.->315

15 13Mar 421 51=.>->32

14 13!pr 43-> 4-.1>->3

1 13Mei >2-1 434>.31>->

1= 13Fun 433 >>-=.331>-

1- 13Ful >2- 41>4.=3315

2 13!gu 53- >>5.4=331

21 13'ep >433 53>.=4=33

22 1Ckt3 >15> >.1=4=3

23 13"o( 513 >2=.41=4=

2> 13Des >444 5542.541=

25 1>Fan 5-= >55.4541-

24 1>;eb 4145 54-3.4542

2 1>Mar 5== 411.=454

2= 1>!pr >5=3 5-3.=44

2- 1Mei> >1=2 >15.=

3 1>Fun 41- >235.3==

31 1>Ful 54= 5=>.43-

32 1>!gu 5511 54->.243=

33 1>'ep 553 552-.32431



P"ri&$" Bu!an '"man$ P"rama!an

3> 1>Ckt 41-- 555.43243

35 1>"o( 433 412-.44324

34 1>Des 5221 4>2.444

3 15Fan

4>2.444

3= 15;eb 4>2.444

3- 15Mar 4>2.444

> 15!pr 4>2.444

>1 15Mei 4>2.444

Pada hasil peramalan yang telah dilakukan dengan model :Eponential

'moothing hasil yang didapat dari tiap periode ber(ariasi. Pada perhitungan

tabel diatas diasumsikan nilai * adalah ,-. Dengan nilai * + ,- maka nilai *

berlaku jika * 1 dan juga apabila data historis dari data a%tual

permintaan sangat bergejolak atau tidak stabil dari #aktu ke #aktu, maka kita

pilih nilai * yang mendekati satu.

•!nalisis Perhitungan M!D dan Trac#ing Signal Exponential Smoothing Pada hasil perhitungan peramalan untuk model Exponential Smoothing

didapatkan hasil M!D pada periode terakhir adalah =2,>3 nilai dari trac#ing

signal dari periode terakhir yang didapat adalah ,3-2.

• !nalisis ?raik Trac#ing Signal Exponential Smoothing

Pada gambar graik diatas merupakan plot data graik dari data permintaan

dimana terlihat dari tiap periode terjadi kenaikan dan penurunan yang stabil

tidak sampai melebihi batas )0 dan 0)0 yang telah ditentukan sehingga

peramalan yang dilakukan sudah baik bagi perusahaan.3.3. Perbandingan Model Perhitungan M!D dan Trac#ing Signal

7abel 3.13 Perbandingan Model Perhitungan

&$"! P"rama!an A' TS

&onstan 5,>2 ,444

egresi 0inear 31>14>-,1 34

Simple Moing Aerage 44,12- ,533



&$"! P"rama!an A' TS

!entere" Moing Aerage 5>,>>3 ,-

Exponential Smoothing =2,>3 ,3-2

Dari perhitungan peramalan untuk permintaan pasar terhadap mobil $onda!00 ne# !%%ord dengan melihat data permintaan historis selama 34 periode

yang lalu maka diperoleh hasil perhitungan M!D dan 7ra%king 'ignal yang

ada pada tabel diatas. Dari hasil perhitungan tersebut maka dapat melakukan

perbandingan pada setap model peramalan tersebut.

3.3.= Model Peramalan yang 7erpilih

Dari hasil perhitungan peramalan yang telah dilakaukan untuk 5 periode

kedepan dengan menggunakan Metode Time Series Analysis. Metode paling

baik untuk peramalan kasus diatas adalah model !entere" Moing AerageDengan nilai M!D 5>,>>3 dan Trac#ing Signal ,- &arena memberikan

nilai M!D dan tra%king signal yang paling mendekati nol dan tra%king

signalanya tidak ada yang mele#ati batas )0 dan 0)0 yang telah

ditentukan dibandingkan metode yang lain.

3.3.- &esimpulanBerdasarkan peramalan yang telah dilakukan dengan menggunakan metode

Time Series Analysis untuk meramalkan 5 periode kedapan. Dengan metode

yang digunakan diantaranya Model &onstan, egresi 0inear, Moing AerageSimpel Moing Aerage $ !entere" Moing Aerage), dan Exponential

Smoothing.Metode yang digunakan pada perhitungan peramalan dari data permintaan

diatas menggunakan model !entere" Moing Aerage, karena hasil tra%king

signal yang diporelah mendekati dengan nilai ,-. ?raik "ari trac#ing

signal yang dihasilkan juga lebih baik, karena nilai dari trac#ing signal tidak

ada yang mele#ati batas )0 dan 0)0 sehingga tidak ada nilai yang berada

diluar batas %ontrol. Model !entere" Moing Aerage juga merupakan model

dengan nilai M!D terke%il dibanding metode yang lain. $al ini menunjukkan

model yang baik adalah model dengan nilai M!D dan Trac#ing Signal yang

terke%il dan mendekati nilai nol. Cleh karena itu model !entere" Moing



Aerage adalah metode yang paling baik digunakan dalam peralaman kasus

tersebut.

bab iii forecasting

Documents