Einfacher gleitender Durchschnitt (Metode Rata-rata Bergerak Tunggal) Einzelner gleitender Durchschnitt (Metode Rata-rata Bergerak Tunggal) Einzelner gleitender Durchschnitt (Metode Rata-rata Bergerak Tunggal) Metode Einzelner gleitender Durchschnitt merupakan metode yang mudah penghitungannya. Tujuan utama dari penggunaan metode ini adalah untuk menghilangkan atau mengurangi acakan (zufälligkeit) dalam deret waktu. Metode einzeln gleitender Durchschnitt mula-mula memisahkan unsur tren siklus dari daten dengan menghitung rata-rata bergerak yang jumlah unsurnya sama dengan panjang musiman. Nilai rata-rata baru dapat dihitung dengan Membran Nilai Observasi Yang Paling Lama Dan Memasukkan Nilai Observasi Baru. Rata-rata berggerak inilah yang kemudian dijadikan ramalan untuk periode yang akan datang. Adapun pendekatan Yang dapat digunakan adalah: Dimana: Ft1 peramalan Pada periode t1 X1 nilai aktual t Anzahl der Beiträge observasi rata-rata bergerak Contoh: Selaku manajer Garmen, Anda ingin melakukan peramalan Tingkat permintaan jaket Anda Pada tahun 2013 Adapun Daten masa lampau untuk Tingkat permintaan jaket Tahun (3) 2003 390 Stk Tahun (4) 2004 368 Stk Tahun (5) 2005 425 Stk Tahun (6) 2006 440 Stk Tahun (7) 2007 410 Stück Tahun (8) 2008 466 Stück Tahun (9) 2009 330 Stück Tahun (10) 2010 350 Stück Tahun (11) 2011 375 Stück Tahun (12) 2012 380 Stück Jika menggunakan Rata-Rata Bergerak Tiga bulanischen Maka cara penghitungan untuk periode 13 (tahun 2013) adalah Jika ingin melakukan peramalan pada periode 14 (tahun 2014 maka Daten yang digunakan untuk melakukan rata rata bergerak Dari periode Kedua sampai keempat, yaitu. dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya Apabila menggunakan rata rata bergerak lima bulanan maka cara penghitungan untuk periode 13 dan 14 (tahun 2013 2014) adalah dengan cara Merata-rata lima Daten, yaitu: dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya. C. Einzelne Exponentielle Glättung (Pemulusan Eksponensial Tunggal) Metode ini menunjukkan adanya karakteristik dari pemulusan Daten dengan menambahkan suatu faktor yang sering disebut dengan konstanta pemulusan (Glättung konstant) dengan simbol alpha (). Pemulusan eksponensial salam bentuk sederhana tidak memperhitungkan pengaruh tren sehingga nilai sangat kecil und dapat dihilangkan. Nilai rendah cocok pada permintaan Erzeugnis yang stabil (tanpa tren atau variasi siklikal). Sedangkan nilai tinggi untuk perubahan-perubahan yang sesungguhnya cenderung terjadi karena lebih tanggap terhadap permintaan yang fluktuatif. Nilai tinggi ini digunakan pada analisis Daten Pada pengenalan produk baru, kampanye promosi, antisipasi terhadap resesi, dan juga sesuai bagi industri pakaian jadi yang memerlukan tanggapan yang cepat. Metode einzelne exponentielle Glättung ini dapat didekati dengan rumus: diman: Xt nilai aktual terbaru Ft peramalan terakhir Ft1 peramalan untuk periode yang akan datang konstanta pemulusan Contoh. Selaku manajer Garmen, Anda ingin melakukan peramalan Tingkat permintaan jaket Anda Pada bulan Januari dan Februari 2013 Adapun Daten masa lampau untuk Tingkat permintaan jaket adalah (dalam ribuan Stück): Bulan (1) 386 Stück Bulan (7) 410 Stück Bulan (2) 345 Stück Bulan (8) 466 Stück Bulan (3) 390 Stück Bulan (9) 330 Stück Bulan (4) 368 Stück Bulan (10) 350 Stück Bulan (5) 425 Stück Bulan (11) Bulan (12) 380 Stück Tabel 8. Rekapitulasi permintaan jaket dan perhitungan dengan metode einzelne exponentielle Glättung Periode (bulan) Daten permintaan Nilai ramalan dengan konstanta pemulusan 0,2 Januari 2012 386 Februari 340 F13 0,2 (386) (1-0, 2) (386) 386 Maret 390 F14 0,2 (340) (1-0,2) (386) 376,8 April 368 F15 0,2 (390) (1-0,2) (376,8) 379 , 44 Mei 425 F16 0,2 (368) (1-0,2) (379,44) 377,152 Juni 440 F17 386,722 Juli 410 F18 397,377 Agustus 466 F19 399,901 September 330 F20 413,121 Oktober 350 F21 396,497 November 375 F22 387,197 Desguent 380 F23 384.758 Jadi Dari peramalan dengan menggunakan metode einzelne exponentielle Glättung dapat diketahui bahwa Tingkat permintaan jaket pada Januari 2013 adalah sebanyak 386.000 Stück dan pada Februari 2013 sebesar 376,800 pcs. Peramalan Sederhana (Single Moving Average vs Einzel exponentielle Glättung) Mungkin sebagian besar diantara kita pernah mendengar Tentang teknik peramalan. Tentunya bukan dukun peramal, melainkan tekni untuk meramalkan prognose suatu daten deret waktu zeitreihen. Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah dalam mengambil kebijakan. Dalam meramal suatu nilai pada masa yang kan datang bukan berarti hasil yang didapatk ialah sama persis, melainkan merupakan suatu pendekatan abwechselnd yang lumrah dalam ilmu statistik. Pada tulisan ini akan dibahas contoh kasus peramalan menggunakan teknik Beweglicher Durchschnitt Dan Exponentielle Glättung. Kedua teknik ini merupakan tekni prognose yang sangat sederhana karena tidak melibatkan asumsi yang kompleks seperti pada tekni prognose ARIMA, ARCHGARCH, ECM, VECM, VAR, dsb. Meskipun demikian, asumsi Daten stasioner haruslah terpenuhi untuk meramal. Beweglicher Durchschnitt merupakan teknik peramalan berdasarkan rata-rata bergerak dari nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. Akan tetapi teknik ini tidak disarankan untuk Daten Zeitreihe yang menunjukkan adanya pengaruh Trend dan musiman. Moving durchschnittlich terbagi menjadi einzigen gleitenden Durchschnitt als doppelten gleitenden Durchschnitt. Exponentielle Glättung . hampir sama dengan gleitenden Durchschnitt yaitu merupakan Teknik prognostiziert Yang Sederhana, tetapi Telah menggunakan Suatu penimbang dengan besaran antara 0 hingga 1. Jika nilai w mendekati nilai 1 maka hasil Prognose cenderung mendekati nilai obseervasi, sedangkan jika nilai w mendekati nilai 0, maka hasil Prognose mengarah Ke nilai ramalan sebelumnya. Exponentielle Glättung terboi menjadi einzigen exponentiellen Glättung als doppelte exponentielle Glättung. Kali ini, akan dibahas perbandingan metode einzeln gleitenden Durchschnitt dengan einzigen exponentiellen Glättung. Pemimpin Safira Strand Resto ingin mengetahui omzet restoran Pada Januari 2013 Ia meminta sang manajer untuk mengestimasi nilai tersebut dengan Daten omzet bulanan Dari bulan Juni 2011 sampai Desember 2012 Berbekal pengetahuan di bidang statistik, sang manajer melakukan forcast dengan metode Einzel Durchschnitt 3 bulanan dan bewegen Einzelne exponentielle Glättung (w0,4). Einzelne Moving Durchschnittliche Pada tabel di atas prognose ramalan bulan September 2011 yaitu 128,667 juta rupiah diperoleh dari penjumlahan omzet bulan Juni, August, Agustus 2011 dibagi dengan angka gleitender Durchschnitt (m3). Angka vorausschau pada bulan Oktober 2011 yaitu 127 juta rupiah diperoleh dari penjumlah omzet bulan Juli, Agustus, September 2011 dibagi dengan angka gleitender durchschnitt tiga bulanan (m3). Perhitungan serupa dilakukan hingga ditemukan hasil vorausschau bulan Januar 2013 sebesar 150,667 juta rupiah. Dapat diinterpretasikan bahwa omzet bulan Januari 2013 diperkirakan senilai 150, 667 juta Rupiah atau mengalami penurunan sebesar 1333 juta Rupiah dibanding dengan omzet Desember 2012 sebesar 152 juta Rupiah. Perhatikan baris pada bulan Juni-Agustus 2011 kolom Vorhersage hingga Fehler tidak memiliki nilai, karena peramalan pada bulan-bulan tersebut tidak tersedia Daten gleitenden Durchschnitt 3 bulanischen, bulan sebelumnya. Selanjutnya untuk Melihat kebaikan hasil ramalan digunaka RMSE (root mean square error) Untuk RMSE perhitungan, Mula-Mula dicari nilai Fehler atau Selisih antara nilai aktual dan ramalan (omzet Prognose), kemudian kuadrat nilai-nilai tersebut untuk Masing-Masing Daten bulanan. Lalu, jumlahkan seluruh nilai Fehler yang telah dikuadratkan. Terakhir geschlagen nilai RMSE dengan rumus di atas atab lebih gambangnya, bagi nilai penjumlahan Fehler yang telah dikuadratkan dengan banyaknya beobachtungen dan hasilnya lalu di akarkan. Pada tabel di atas, banyaknya observasi yaitu 16 (mulai dari September 2011-Desember 2012). Einzelne Exponentialglättung. Selanjutnya kita akan melakukan peramalan dengan metode Einzelne Exponentialglättung. Metode ini menggunak nilai penimbang yang dapat diperoleh dari operationen statistik tertentu (bisa proporsi tertentu), namun dapat juga ditentukan oleh peneliti. Kali ini Akan digunakan nilai w 4. Prognose W0,4 YCAP (t1) (juta rp). Nilai ramalan Pada bulan Juni 2011 yaitu 137.368 juta Rupiah diperoleh Dari rata rata omzet Dari bulan Juni 2011 hingga bulan Desember 2012 Nilai ramalan Pada bulan Juli 2011 yaitu 134.821 juta Rupiah diperoleh Dari perhitungan dengan rumus di atas, dengan kata gelegen nilai ramalan bulan Juli 2011 diperoleh Dari hasil kali w0,4 dan nilai aktual omzet bulan Juli 2011 dijumlahkan dengan hasil kali (1-0,4) serta Nila ramalan Bulan Juni 2011 von sebesar als Favorit markiert 134,821 juta rupiah. Lakukan perhitungan tersebut hingga mendapatkan angka ramalan untuk bulan Januari 2013 Hasil ramalan omzet untuk bulan Januari 2013 yaitu 149.224 juta Rupiah atau turun sebesar 2776 juta Rupiah. Kemudian hitung nilai RMSE dengan rumus seperti pada perhitungan RMSE gleitenden Durchschnitt. Hanya saja jumlah observasi berbeda. Pada Tabel di atas Anzahl der Beiträge obervasi (m) yaitu 19 Lebih banyak dibanding dengan metode einfachen gleitenden Durchschnitt 3 bulanan (16) karena Pada metode eksponensial perhitungan ramalan dapat dimulai Dari Daten Pada periode awal. RMSE metode einzelne exponentielle Glättung sebesar 1,073. Selanjutnya dari kedua metode di atas akan dibandingkan mana hasil yang terbaik. Untuk hal tersebut maka, bandingkan nilai RMSE dari kedua metode. Metode daneben RMSE terkecil dapat dinyatakan sebagai metode terbaik untuk meramal. RMSE mov. average 0,946, RMSE exp. smoothing 1,073. RMSE mov. average lt RMSE exp. smoothing. Kesimpulanya bahwa metode gleitenden Durchschnitt Lebih baik dalam melakukan peramalan, sehingga omzet Pada bulan Januari 2013 diperkirakan sebesar 150.667 juta Rupiah (meskipun memiliki nilai Yang Lebih rendah daripada bulan sebelumnya). (Untuk Materi Yang Lebih jelas, silakan dicari di buku-buku referensi Analisis Time Series, misalnya Enders, Walter 2004. Angewandte Ökonometrie Time Series Second Edition New Jersey:.... Willey Kalo contoh soal dalam tulisan ini, Saya kutip Dari buku modul Kuliah
No comments:
Post a Comment