Upload
imammukhri
View
25
Download
0
Embed Size (px)
DESCRIPTION
xx
Citation preview
LAPORAN PRAKTIKUM
PSIT 1
MODUL 3
FORECASTING
Kelompok : C-11 Tgl. Praktikum : 20 April 2015
Nama : 1.Mirza Assidiqi Hari Praktikum : Senin
2.Naormandhi Farizal K Dikumpulkan Tgl : 27 April 2015
Kelas : C
Yogyakarta, ......................
Asisten
(Intan Helmi Shintya)
:
Asisten : Intan Helmi Shintya
Kriteria Penilaian
Format Laporan : (maks 20)
Isi : (maks 40)
Analisa : (maks 40)
TOTAL :
LABORATORIUM PSIT
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
2015
BAB III
FORECASTING
3.1 Tujuan Praktikum
1. Mampu memprediksi kebutuhan / permintaan yang akan diperlukan dalam proses
produksi.
2. Memahami tahapan dalam berbagai metode peramalan.
3. Mampu menentukan metode peramalan yang tepat.
3.2 Tugas Praktikum
1. Melakukan peramalan untuk produk yang akan dikembangkan selama 5periode
kedepan menggunakan metode peramalan Time Series.
2. Menentukan plot data berdasarkan data historis.
3. Menentukan metode peramalan yang terbaik sebagai input untuk praktikum
selanjutnya.
3.3 Output
3.3.1 Deskripsi Pasar dan Data Permintaan yang didapatkan
Pasar adalah sekumpulan organisasi yang membeli barang dan jasa untuk digunakan
kembali dalam rangka memproduksi atau mengolah barang dan jasa yang dibeli menjadi
produk jadi yang akan dijual ke pasar.
Banyak sekali perusahaan yang bergerak dalam dunia teknologi transportasi. Salah
satuynya adalah P.T Honda Indonesia yang mampu memproduksi Honda United.
Untuk memprediksi keinginan dari konsumen tentunya P.T Honda United
menggunakan beberapa metode dalam meramalkan kebutuhan konsumen di pasar. Metode
yang digunakan adalah metode konstan, simple moving average 5 periode, center moving
average 5 periode, eksponential smoothing, dan regresi linear.
3.3.2 Pola Data
Tabel 3.1 Data Historis
Periode Bulan Demand Periode Bulan Demand
1 Jan-12 8480 19 Jul-13 7276
2 Feb-12 8100 20 Agust-13 7855
3 Mar-12 7693 21 Sep-13 7503
4 Apr-12 8747 22 Okt-13 7961
5 Mei-12 8333 23 Nop-13 8766
6 Jun-12 8024 24 Des-13 7556
7 Jul-12 7484 25 Jan-14 7743
8 Agust-12 8458 26 Feb-14 7523
9 Sep-12 8295 27 Mar-14 8357
10 Okt-12 8030 28 Apr-14 8893
11 Nop-12 8688 29 Mei-14 8390
12 Des-12 8189 30 Jun-14 7506
13 Jan-13 8651 31 Jul-14 7551
14 Feb-13 7708 32 Agust-14 8386
15 Mar-13 8221 33 Sep-14 7698
16 Apr-13 8610 34 Okt-14 7809
17 Mei-13 8670 35 Nop-14 7558
18 Jun-13 8130 36 Des-14 7821
Data historis di atas merupakan data yang di sajikan sebagai studi kasus, untuk di
jadikan data permintaan mobil 3 tahun terakhir, untuk menyelesaikan studi kasus di atas
dapat di gunakan metode konstan, simple moving average 5 periode, center moving average 5
periode, dan eksponential smoothing.
3.3.3 Model Konstan
Dalam Metode Constant, peramalan dilakukan dengan mengambil rata-rata data masa
lalu (historis). Persamaan garis yang menggambarkan pola konstan adalah :
Y’(t) = a ; Dimana a = konstanta
Untuk mendapatkan nilai (a) maka dapat didekati melaui turunan kuadrat terkecilnya
(least square) terhadap (a) sebagai berikut:
E = ∑i=1
n
[Y ( t )−a]2
dEda
=0 diperoleh
−2∑i=1
n
[ Y ( t )−a ]=0
∑i=1
n
Y ( t )−∑i=1
n
a=0 ; maka
∑i=1
n
Y ( t )−na=0
Sehingga ∑i=1
n
Y (t )
n=a
Dimana n = jumlah periode peramalan
Tabel 3.2 Hasil Peramalan Data Historis Dengan Metode Konstan
Periode Bulan Demand Peramalan Periode Bulan Demand Peramalan
1 Jan-12 8480 8073,972222 19 Jul-13 7276 8073,972222
2 Feb-12 8100 8073,972222 20Agust-
137855 8073,972222
3 Mar-12 7693 8073,972222 21 Sep-13 7503 8073,972222
4 Apr-12 8747 8073,972222 22 Okt-13 7961 8073,972222
5 Mei-12 8333 8073,972222 23 Nop-13 8766 8073,972222
6 Jun-12 8024 8073,972222 24 Des-13 7556 8073,972222
7 Jul-12 7484 8073,972222 25 Jan-14 7743 8073,972222
8Agust-
128458 8073,972222 26 Feb-14 7523 8073,972222
9 Sep-12 8295 8073,972222 27 Mar-14 8357 8073,972222
10 Okt-12 8030 8073,972222 28 Apr-14 8893 8073,972222
11 Nop-12 8688 8073,972222 29 Mei-14 8390 8073,972222
12 Des-12 8189 8073,972222 30 Jun-14 7506 8073,972222
13 Jan-13 8651 8073,972222 31 Jul-14 7551 8073,972222
14 Feb-13 7708 8073,972222 32Agust-
148386 8073,972222
15 Mar-13 8221 8073,972222 33 Sep-14 7698 8073,972222
16 Apr-13 8610 8073,972222 34 Okt-14 7809 8073,972222
17 Mei-13 8670 8073,972222 35 Nop-14 7558 8073,972222
18 Jun-13 8130 8073,972222 36 Des-14 7821 8073,972222
Data historis di atas merupakan data yang peroleh dari studi kasus yang ada, di
gunakan untuk melakukan peramalan dengan menggunakan metode konstan yaitu,
peramalannya dapat didekati dengan harga rata-rata dari data tersebut.
Menghitung Mean Absolute Deviation (MAD)
Mean Absolute Deviation (MAD)
Tabel 3.3 Perhitungan MAD Dengan Metode Konstan
Bulan
Period
e
1
Demand
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8UCL LCL
Jan-12 1 8480 8073,97222 406 406 406,03 406,03 406,028 1,0 4 -4
Feb-12 2 8100 8073,97222 26 432 26,03 432,056 216,028 2,0 4 -4
Mar-12 3 7693 8073,97222 -381 51 380,97 813,028 271,009 0,2 4 -4
Apr-12 4 8747 8073,97222 673 724 673,03 1486,056 371,514 1,9 4 -4
Mei-12 5 8333 8073,97222 259 983 259,03 1745,083 349,017 2,8 4 -4
Jun-12 6 8024 8073,97222 -50 933 49,97 1795,056 299,176 3,1 4 -4
Jul-12 7 7484 8073,97222 -590 343 589,97 2385,028 340,718 1,0 4 -4
Agust-12 8 8458 8073,97222 384 727 384,03 2769,056 346,132 2,1 4 -4
Sep-12 9 8295 8073,97222 221 948 221,03 2990,083 332,231 2,9 4 -4
Okt-12 10 8030 8073,97222 -44 904 43,97 3034,056 303,406 3,0 4 -4
n
tYtYMAD
n
t
1
)(')(
Bulan
Period
e
1
Demand
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8UCL LCL
Nop-12 11 8688 8073,97222 614 1518 614,03 3648,083 331,644 4,6 4 -4
Des-12 12 8189 8073,97222 115 1633 115,03 3763,111 313,593 5,2 4 -4
Jan-13 13 8651 8073,97222 577 2210 577,03 4340,139 333,857 6,6 4 -4
Feb-13 14 7708 8073,97222 -366 1844 365,97 4706,111 336,151 5,5 4 -4
Mar-13 15 8221 8073,97222 147 1991 147,03 4853,139 323,543 6,2 4 -4
Apr-13 16 8610 8073,97222 536 2527 536,03 5389,167 336,823 7,5 4 -4
Mei-13 17 8670 8073,97222 596 3123 596,03 5985,194 352,070 8,9 4 -4
Jun-13 18 8130 8073,97222 56 3179 56,03 6041,222 335,623 9,5 4 -4
Jul-13 19 7276 8073,97222 -798 2382 797,97 6839,194 359,958 6,6 4 -4
Agust-13 20 7855 8073,97222 -219 2163 218,97 7058,167 352,908 6,1 4 -4
Sep-13 21 7503 8073,97222 -571 1592 570,97 7629,139 363,292 4,4 4 -4
Okt-13 22 7961 8073,97222 -113 1479 112,97 7742,111 351,914 4,2 4 -4
Nop-13 23 8766 8073,97222 692 2171 692,03 8434,139 366,702 5,9 4 -4
Des-13 24 7556 8073,97222 -518 1653 517,97 8952,111 373,005 4,4 4 -4
Jan-14 25 7743 8073,97222 -331 1322 330,97 9283,083 371,323 3,6 4 -4
Feb-14 26 7523 8073,97222 -551 771 550,97 9834,056 378,233 2,0 4 -4
Mar-14 27 8357 8073,97222 283 1054 283,03 10117,083 374,707 2,8 4 -4
Apr-14 28 8893 8073,97222 819 1873 819,03 10936,111 390,575 4,8 4 -4
Bulan
Period
e
1
Demand
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8UCL LCL
Mei-14 29 8390 8073,97222 316 2189 316,03 11252,139 388,005 5,6 4 -4
Jun-14 30 7506 8073,97222 -568 1621 567,97 11820,111 394,004 4,1 4 -4
Jul-14 31 7551 8073,97222 -523 1098 522,97 12343,083 398,164 2,8 4 -4
Agust-14 32 8386 8073,97222 312 1410 312,03 12655,111 395,472 3,6 4 -4
Sep-14 33 7698 8073,97222 -376 1034 375,97 13031,083 394,881 2,6 4 -4
Okt-14 34 7809 8073,97222 -265 769 264,97 13296,056 391,060 2,0 4 -4
Nop-14 35 7558 8073,97222 -516 253 515,97 13812,028 394,629 0,6 4 -4
Des-14 36 7821 8073,97222 -253 0 252,97 14065,000 390,694 0,0 4 -4
Tabel di atas merupakan perhitungan model konstan dengan diawali menghitung
Forecast Error (FE), Cumulative Forecast Error (CFE), dan Mean Absolute Deviation
(MAD), yang didasarkan pada data historis yang ada. Nilai MAD yang di ambil berdasarkan
tabel di atas adalah 390, 694 yang berada pada bulan Desember 2014, periode 36, demand
7821, FE -253, CFE 0, AD 252,97, CAD 14065, dan TS 0.
123456789101112131415161718192021222324252627282930313233343536
-6.0
-4.0
-2.0
0.0
2.0
4.0
6.0
8.0
10.0
12.0
Series1Series2Series3
Gambar 3.1 Tracking Signal Metode Model Konstan
Berdasarkan gambar di atas terdapat data historis yang keluar dari UCL, maka metode
tersebut tidak dapat di pakai untuk melakukan peramalan.
3.3.4 Model Moving Average
Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret
waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli
diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk data
yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau seasonal.
Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data
permintaan aktual dari n periode terakhir. Terdapat bebrapa macam model rata - rata
bergerak, 2 diantaranya adalah simple moving avarege dan centered moving average.
Simple Moving Average menggunakan data yang sedang diobservasi tambah data
sebelum observasi. Misalnya, menggunakan 5 periode moving average, maka forecasting
menggunakan data periode ke-1 sampai ke-5 dan diletakkan pada periode ke-6, data diambil
dari 5 periode sebelumnya, begitu juga seterusnya.
Simple Moving Average (SMAt)=
Y t+Y t−1+Y t−2+. .. .+Y t−n+1
n
Perbedaan utama antara Simple Moving Average dan Centered Moving Average
terletak pada pemilihan observasi yang digunakan. “Center” berarti rataan antara data
sekarang dengan menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk 3
periode moving average, maka SMA menggunakan data periode 3 ditambah data sebelumnya
dan data sesudahnya.
Centered Moving Average (SMAt)= Y t−( ( L−0.5 ))+……….+Y t +……….+Y
t+( L−12
)
L
Pemilihan yang terbaik antara kedua metode tersebut tergantung kepada pola data
histori yang memiliki pola seperti perumusan tersebut. Berikut analisa penentuan metode
moving average terbaik antara simpel moving avarage dan centered moving average.
Tabel 3.4 Hasil Peramalan Data Historis Dengan Metode SMA
SMA SMA
Period
e
Deman
d
Peramala
n
Period
e
Deman
d
Peramala
n
1 8480 20 7855 8181
2 8100 21 7503 8108
3 7693 22 7961 7887
4 8747 23 8766 7745
5 8333 24 7556 7872
6 8024 8271 25 7743 7928
7 7484 8179 26 7523 7906
8 8458 8056 27 8357 7910
9 8295 8209 28 8893 7989
10 8030 8119 29 8390 8014
11 8688 8058 30 7506 8181
12 8189 8191 31 7551 8134
13 8651 8332 32 8386 8139
14 7708 8371 33 7698 8145
15 8221 8253 34 7809 7906
16 8610 8291 35 7558 7790
17 8670 8276 36 7821 7800
18 8130 8372
19 7276 8268
Tabel di atas merupakan peramalan dengan menggunakan metode simple moving
average yaitu dengan memilih periode untuk menghitung rata-rata, rata-rata dari setiap
periode di letakkan di periode terakhir, rata-rata untuk melakukan peramalan 5 bulan ke
depan.
Tabel 3.5 Hasil Peramalan Data Metode Simple Moving Average
Bulan
Period
e
1
Deman
d
2
Peramala
n
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
Jun-12 1 8024 8271 -247 -247 246,6 246,6 246,6 -1 4 -4
Jul-12 2 7484 8179 -695 -942 695,4 942 471 -2 4 -4
Agust-12 3 8458 8056 402 -540 401,8 1343,8447,933333
3-1,205983 4 -4
Sep-12 4 8295 8209 86 -454 85,8 1429,6 357,4 -1,2714046 4 -4
Okt-12 5 8030 8119 -89 -543 88,8 1518,4 303,68 -1,788725 4 -4
Nop-12 6 8688 8058 630 87 629,8 2148,2358,033333
3
0,2418769
24 -4
Des-12 7 8189 8191 -2 85 2 2150,2307,171428
6
0,2754162
44 -4
Jan-13 8 8651 8332 319 404 319 2469,2 308,65 1,30763 4 -4
Feb-13 9 7708 8371 -663 -259 662,6 3131,8347,977777
8-0,7443004 4 -4
Mar-13 10 8221 8253 -32 -291 32,2 3164 316,4 -0,920354 4 -4
Apr-13 11 8610 8291 319 27 318,6 3482,6 316,60,0865445
44 -4
Mei-13 12 8670 8276 394 422 394,2 3876,8 323,066666 1,3049938 4 -4
Bulan
Period
e
1
Deman
d
2
Peramala
n
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
7 1
Jun-13 13 8130 8372 -242 180 242 4118,8316,830769
2
0,5668641
44 -4
Jul-13 14 7276 8268 -992 -812 991,8 5110,6365,042857
1-2,2249442 4 -4
Agust-13 15 7855 8181 -326 -1139 326,4 5437362,466666
7-3,1412544 4 -4
Sep-13 16 7503 8108 -605 -1744 605,2 6042,2 377,6375 -4,6176558 4 -4
Okt-13 17 7961 7887 74 -1670 74,2 6116,4359,788235
3-4,6405075 4 -4
Nop-13 18 8766 7745 1021 -649 1021 7137,4396,522222
2-1,6357217 4 -4
Des-13 19 7556 7872 -316 -965 316,2 7453,6392,294736
8-2,4593753 4 -4
Jan-14 20 7743 7928 -185 -1150 185,2 7638,8 381,94 -3,0109441 4 -4
Feb-14 21 7523 7906 -383 -1533 382,8 8021,6381,980952
4-4,0127655 4 -4
Mar-14 22 8357 7910 447 -1086 447,2 8468,8 384,945454 -2,8201398 4 -4
Bulan
Period
e
1
Deman
d
2
Peramala
n
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
5
Apr-14 23 8893 7989 904 -182 904 9372,8407,513043
5-0,4456299 4 -4
Mei-14 24 8390 8014 376 194 375,6 9748,4406,183333
3
0,4776168
44 -4
Jun-14 25 7506 8181 -675 -481 675,2 10423,6 416,944 -1,1541118 4 -4
Jul-14 26 7551 8134 -583 -1064 582,8 11006,4423,323076
9-2,5134467 4 -4
Agust-14 27 8386 8139 247 -817 246,6 11253416,777777
8-1,961237 4 -4
Sep-14 28 7698 8145 -447 -1265 447,2 11700,2417,864285
7-3,0263414 4 -4
Okt-14 29 7809 7906 -97 -1362 97,2 11797,4406,806896
6-3,3475342 4 -4
Nop-14 30 7558 7790 -232 -1594 232 12029,4 400,98 -3,9747618 4 -4
Des-14 31 7821 7800 21 -1573 20,6 12050388,709677
4-4,0472365 4 -4
Tabel di atas merupakan perhitungan model simple moving average dengan diawali menghitung Forecast Error (FE), Cumulative
Forecast Error (CFE), dan Mean Absolute Deviation (MAD), yang didasarkan pada data historis yang ada. Nilai MAD yang di ambil
berdasarkan tabel di atas adalah 388,70 yang berada pada bulan Desember 2014, periode 31, demand 7821, FE 21, CFE -1573, AD 20,6 CAD
12050, dan TS -4,047.
1 4 7 10 13 16 19 22 25 28 31
-6
-4
-2
0
2
4
6
TSUCLLCL
Gambar 3.2 Tracking Signal Metode Simple Moving Average
Berdasarkan gambar di atas terdapat data historis yang keluar dari LCL, maka metode
tersebut tidak dapat di pakai untuk melakukan peramalan.
Tabel 3.6 Hasil Peramalan Data Historis Dengan Metode CMA
BulanPeriod
e
Deman
dCMA
Jan-12 1 8480
Feb-12 2 8100
Mar-12 3 7693 8270,6
Apr-12 4 8747 8179,4
Mei-12 5 8333 8056,2
Jun-12 6 8024 8209,2
Jul-12 7 7484 8118,8
Agust-12 8 8458 8058,2
Sep-12 9 8295 8191
Okt-12 10 8030 8332
Nop-12 11 8688 8370,6
Des-12 12 8189 8253,2
Jan-13 13 8651 8291,4
Feb-13 14 7708 8275,8
Mar-13 15 8221 8372
Apr-13 16 8610 8267,8
Mei-13 17 8670 8181,4
Jun-13 18 8130 8108,2
BulanPeriod
e
Deman
dCMA
Jul-13 19 7276 7886,8
Agust-13 20 7855 7745
Sep-13 21 7503 7872,2
Okt-13 22 7961 7928,2
Nop-13 23 8766 7905,8
Des-13 24 7556 7909,8
Jan-14 25 7743 7989
Feb-14 26 7523 8014,4
Mar-14 27 8357 8181,2
Apr-14 28 8893 8133,8
Mei-14 29 8390 8139,4
Jun-14 30 7506 8145,2
Jul-14 31 7551 7906,2
Agust-14 32 8386 7790
Sep-14 33 7698 7800,4
Okt-14 34 7809 7854,4
Nop-14 35 7558 7854,4
Des-14 36 7821 7854,4
7854,4
7854,4
7854,4
7854,4
7854,4
Tabel di atas merupakan peramalan dengan menggunakan metode center moving
average yaitu dengan memilih periode untuk menghitung rata-rata, rata-rata dari setiap
periode di letakkan di periode terakhir, rata-rata untuk melakukan peramalan 5 bulan ke
depan.
Tabel 3.7 Hasil Peramalan Data Metode Center Moving Average
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute
dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
Mar-12 1 7693 8270,6 -577,6 -577,6 577,6 577,6 577,6 -1 4 -4
Apr-12 2 8747 8179,4 567,6 -10 567,6 1145,2 572,6 -0,0174642 4 -4
Mei-12 3 8333 8056,2 276,8 266,8 276,8 1422 474 0,5628692 4 -4
Jun-12 4 8024 8209,2 -185,2 81,6 185,2 1607,2 401,80,2030861
14 -4
Jul-12 5 7484 8118,8 -634,8 -553,2 634,8 2242 448,4 -1,2337199 4 -4
Agust-12 6 8458 8058,2 399,8 -153,4 399,8 2641,8 440,3 -0,3483988 4 -4
Sep-12 7 8295 8191 104 -49,4 104 2745,8392,257142
9-0,1259378 4 -4
Okt-12 8 8030 8332 -302 -351,4 302 3047,8 380,975 -0,9223702 4 -4
Nop-12 9 8688 8370,6 317,4 -34 317,4 3365,2373,911111
1-0,0909307 4 -4
Des-12 10 8189 8253,2 -64,2 -98,2 64,2 3429,4 342,94 -0,2863475 4 -4
Jan-13 11 8651 8291,4 359,6 261,4 359,6 3789344,454545
5
0,7588809
74 -4
Feb-13 12 7708 8275,8 -567,8 -306,4 567,8 4356,8363,066666
7-0,8439221 4 -4
Mar-13 13 8221 8372 -151 -457,4 151 4507,8 346,753846 -1,3190914 4 -4
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute
dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
2
Apr-13 14 8610 8267,8 342,2 -115,2 342,2 4850346,428571
4-0,3325361 4 -4
Mei-13 15 8670 8181,4 488,6 373,4 488,6 5338,6355,906666
7
1,0491514
64 -4
Jun-13 16 8130 8108,2 21,8 395,2 21,8 5360,4 335,0251,1796134
64 -4
Jul-13 17 7276 7886,8 -610,8 -215,6 610,8 5971,2351,247058
8-0,613813 4 -4
Agust-13 18 7855 7745 110 -105,6 110 6081,2337,844444
4-0,3125699 4 -4
Sep-13 19 7503 7872,2 -369,2 -474,8 369,2 6450,4339,494736
8-1,3985489 4 -4
Okt-13 20 7961 7928,2 32,8 -442 32,8 6483,2 324,16 -1,3635242 4 -4
Nop-13 21 8766 7905,8 860,2 418,2 860,2 7343,4349,685714
3
1,1959310
44 -4
Des-13 22 7556 7909,8 -353,8 64,4 353,8 7697,2349,872727
3
0,1840669
34 -4
Jan-14 23 7743 7989 -246 -181,6 246 7943,2 345,356521 -0,5258334 4 -4
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute
dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
7
Feb-14 24 7523 8014,4 -491,4 -673 491,4 8434,6351,441666
7-1,9149693 4 -4
Mar-14 25 8357 8181,2 175,8 -497,2 175,8 8610,4 344,416 -1,4436031 4 -4
Apr-14 26 8893 8133,8 759,2 262 759,2 9369,6360,369230
80,7270321 4 -4
Mei-14 27 8390 8139,4 250,6 512,6 250,6 9620,2356,303703
7
1,4386603
24 -4
Jun-14 28 7506 8145,2 -639,2 -126,6 639,2 10259,4366,407142
9-0,3455173 4 -4
Jul-14 29 7551 7906,2 -355,2 -481,8 355,2 10614,6366,020689
7-1,316319 4 -4
Agust-14 30 8386 7790 596 114,2 596 11210,6373,686666
7
0,3056036
34 -4
Sep-14 31 7698 7800,4 -102,4 11,8 102,4 11313364,935483
9
0,0323344
84 -4
Okt-14 32 7809 7854,4 -45,4 -33,6 45,4 11358,4 354,95 -0,0946612 4 -4
Nop-14 33 7558 7854,4 -296,4 -330 296,4 11654,8 353,175757 -0,934379 4 -4
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4=2-3
CFE
5= kum dr 4
AD
6=absolute
dr 4
CAD
7=kum dr 6
MAD
8= 7 / 1
TS
9= 5 / 8
UC
L
LC
L
6
Des-14 34 7821 7854,4 -33,4 -363,4 33,4 11688,2343,770588
2-1,0571003 4 -4
Tabel di atas merupakan perhitungan model center moving average dengan diawali menghitung Forecast Error (FE), Cumulative
Forecast Error (CFE), dan Mean Absolute Deviation (MAD), yang didasarkan pada data historis yang ada. Nilai MAD yang di ambil
berdasarkan tabel di atas adalah 343,77 yang berada pada bulan Desember 2014, periode 34, demand 7821, FE -33,4, CFE -363,4, AD 33,4,
CAD 11688,2, dan TS -1,057.
)(1)1(')1('
ttFDY
-5-4-3-2-1012345
TSUCLLCL
Gambar 3.3 Tracking Signal Metode Center Moving Average
Berdasarkan gambar di atas tidak ada data historis yang keluar dari LCL dan UCL,
maka metode ini dapat di gunakan untuk melakukan peramalan.
3.3.5 Model Pelicinan Eksponensial (Exponential Smoothing)
Metode Exponential Smoothing adalah metode peramalan dengan mengadakan
penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari
nilai beberapa tahun agar dapat memprediksikan nilai pada tahun yang akan datang.
Metode Exponential Smoothing merupakan prosedur perbaikan terus-menerus pada
peramalan terhadap objek pengamatan terbaru. Ia menitik-beratkan pada penurunan prioritas
secara eksponensial pada objek pengamatan yang lebih tua. Dengan kata lain, observasi
terbaru akan diberikan prioritas lebih tinggi bagi peramalan dari pada observasi yang lebih
lama. Secara matematis dapat diperoleh rumusan:
Dengan menggunakan aplikasi pembantu berupa software excel maka rumusan diatas
dapat dilakukan dengan lebih mudah dan cepat. Berikut diperoleh hasil data peramalan dan
data historis.
Tabel 3.8 Hasil Peramalan Data Historis Dengan Metode Exponential Smoothing
Periode BulanDeman
d
Peramala
n
1 Jan-12 8480 0
2 Feb-12 8100 7632
3 Mar-12 7693 8053,2
4 Apr-12 8747 7729,02
5 Mei-12 8333 8645,202
6 Jun-12 80248364,220
2
7 Jul-12 74848058,022
02
8Agust-
128458
7541,402
2
9 Sep-12 82958366,340
22
10 Okt-12 80308302,134
02
11 Nop-12 86888057,213
4
12 Des-12 81898624,921
34
13 Jan-13 86518232,592
13
14 Feb-13 77088609,159
21
15 Mar-13 82217798,115
92
16 Apr-13 86108178,711
59
17 Mei-13 86708566,871
16
18 Jun-13 8130 8659,687
Periode BulanDeman
d
Peramala
n
12
19 Jul-13 72768182,968
71
20Agust-
137855
7366,696
87
21 Sep-13 75037806,169
69
22 Okt-13 79617533,316
97
23 Nop-13 87667918,231
7
24 Des-13 75568681,223
17
25 Jan-14 77437668,522
32
26 Feb-14 75237735,552
23
27 Mar-14 83577544,255
22
28 Apr-14 88938275,725
52
29 Mei-14 83908831,272
55
30 Jun-14 75068434,127
26
31 Jul-14 75517598,812
73
32Agust-
148386
7555,781
27
33 Sep-14 76988302,978
13
34 Okt-14 7809 7758,497
Periode BulanDeman
d
Peramala
n
81
35 Nop-14 75587803,949
78
36 Des-14 78217582,594
98
377797,159
5
387797,159
5
397797,159
5
407797,159
5
417797,159
5
Tabel di atas merupakan perhitungan peramalan dengan menggunakan metode
exponential smoothing dengan nilai α=0,9.
Tabel 3.9 Hasil Peramalan Data Historis Dengan Metode Exponential Smoothing
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4 = 2-3
CFE
5 = Kumulatif dr
4
AD
6 = Absolut dr
4
CAD
7 = Kumulatif dr
6
MAD
8 = 7/ 1
TS
9=5/8
UC
L
LC
L
Feb-12 1 8100 7632 468 468 468 468 468 1,000 4 -4
Mar-12 2 7693 8053,2 -360,2 107,8 360,2 828,2 414,1 0,260 4 -4
Apr-12 3 8747 7729,02 1017,98 1125,78 1017,98 1846,18615,39333
31,829 4 -4
Mei-12 4 8333 8645,202 -312,202 813,578 312,202 2158,382 539,5955 1,508 4 -4
Jun-12 5 8024 8364,2202 -340,2202 473,3578 340,2202 2498,6022 499,72044 0,947 4 -4
Jul-12 6 74848058,0220
2-574,02202 -100,66422 574,02202 3072,62422
512,10403
7-0,197 4 -4
Agust-12 7 8458 7541,4022 916,597798 815,933578 916,597798 3989,222018 569,88886 1,432 4 -4
Sep-12 8 82958366,3402
2-71,3402202 744,5933578 71,3402202 4060,562238 507,57028 1,467 4 -4
Okt-12 9 80308302,1340
2-272,134022 472,4593358 272,134022 4332,69626
481,41069
60,981 4 -4
Nop-12 10 8688 8057,2134630,786597
81103,245934 630,7865978 4963,482858
496,34828
62,223 4 -4
Des-12 11 81898624,9213
4-435,92134 667,3245934 435,9213402 5399,404198
490,85492
71,360 4 -4
Jan-13 12 8651 8232,5921 418,407866 1085,732459 418,407866 5817,812064 484,81767 2,239 4 -4
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4 = 2-3
CFE
5 = Kumulatif dr
4
AD
6 = Absolut dr
4
CAD
7 = Kumulatif dr
6
MAD
8 = 7/ 1
TS
9=5/8
UC
L
LC
L
3 2
Feb-13 13 77088609,1592
1-901,159213 184,5732459 901,1592134 6718,971278
516,84394
40,357 4 -4
Mar-13 14 82217798,1159
2
422,884078
7607,4573246 422,8840787 7141,855356
510,13252
51,191 4 -4
Apr-13 15 86108178,7115
9
431,288407
91038,745732 431,2884079 7573,143764
504,87625
12,057 4 -4
Mei-13 16 86708566,8711
6
103,128840
81141,874573 103,1288408 7676,272605
479,76703
82,380 4 -4
Jun-13 17 81308659,6871
2-529,687116 612,1874573 529,6871159 8205,959721
482,70351
31,268 4 -4
Jul-13 18 72768182,9687
1-906,968712 -294,7812543 906,9687116 9112,928432
506,27380
2-0,582 4 -4
Agust-13 19 78557366,6968
7
488,303128
8193,5218746 488,3031288 9601,231561
505,32797
70,383 4 -4
Sep-13 20 75037806,1696
9-303,169687 -109,6478125 303,1696871 9904,401248
495,22006
2-0,221 4 -4
Okt-13 21 7961 7533,3169 427,683031 318,0352187 427,6830313 10332,08428 492,00401 0,646 4 -4
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4 = 2-3
CFE
5 = Kumulatif dr
4
AD
6 = Absolut dr
4
CAD
7 = Kumulatif dr
6
MAD
8 = 7/ 1
TS
9=5/8
UC
L
LC
L
7 3 3
Nop-13 22 8766 7918,2317847,768303
11165,803522 847,7683031 11179,85258
508,17511
72,294 4 -4
Des-13 23 75568681,2231
7-1125,22317 40,58035219 1125,22317 12305,07575
535,00329
40,076 4 -4
Jan-14 24 77437668,5223
2
74,4776830
3115,0580352 74,47768303 12379,55344
515,81472
60,223 4 -4
Feb-14 25 75237735,5522
3-212,552232 -97,49419648 212,5522317 12592,10567
503,68422
7-0,194 4 -4
Mar-14 26 83577544,2552
2
812,744776
8715,2505804 812,7447768 13404,85044
515,57117
11,387 4 -4
Apr-14 27 88938275,7255
2
617,274477
71332,525058 617,2744777 14022,12492 519,33796 2,566 4 -4
Mei-14 28 83908831,2725
5-441,272552 891,2525058 441,2725522 14463,39747 516,54991 1,725 4 -4
Jun-14 29 75068434,1272
6-928,127255 -36,87474942 928,1272552 15391,52473
530,74223
2-0,069 4 -4
Jul-14 30 7551 7598,8127 -47,8127255 -84,68747494 47,81272552 15439,33745 514,64458 -0,165 4 -4
Bulan
Period
e
1
Deman
d
2
Peramalan
3
FE
4 = 2-3
CFE
5 = Kumulatif dr
4
AD
6 = Absolut dr
4
CAD
7 = Kumulatif dr
6
MAD
8 = 7/ 1
TS
9=5/8
UC
L
LC
L
3 2
Agust-14 31 83867555,7812
7
830,218727
4745,5312525 830,2187274 16269,55618
524,82439
31,421 4 -4
Sep-14 32 76988302,9781
3-604,978127 140,5531253 604,9781273 16874,53431
527,32919
70,267 4 -4
Okt-14 33 78097758,4978
1
50,5021872
7191,0553125 50,50218727 16925,0365
512,87989
40,373 4 -4
Nop-14 34 75587803,9497
8-245,949781 -54,89446875 245,9497813 17170,98628
505,02900
8-0,109 4 -4
Des-14 35 78217582,5949
8
238,405021
9183,5105531 238,4050219 17409,3913 497,41118 0,369 4 -4
Tabel di atas merupakan perhitungan model exponential smoothing dengan diawali menghitung Forecast Error (FE), Cumulative
Forecast Error (CFE), dan Mean Absolute Deviation (MAD), yang didasarkan pada data historis yang ada. Nilai MAD yang di ambil
berdasarkan tabel di atas adalah 497,41 yang berada pada bulan Desember 2014, periode 35, demand 7821, FE 238,4, CFE 183,51, AD 238,4,
CAD 17409,39, dan TS 0,369.
123456789101112131415161718192021222324252627282930313233343536
-5
-4
-3
-2
-1
0
1
2
3
4
5
TSUCLLCL
Gambar 3.4 Tracking Signal Metode Exponential Smoothing
Berdasarkan gambar di atas tidak ada data historis yang keluar dari LCL dan
UCL, maka metode ini dapat di gunakan untuk melakukan peramalan.
3.3.6 Perbandingan Model Perhitungan (MAD dan Tracking Signal)
Perhitungan dengan 4 model yang telah dilakukan diatas menggunakan Model
time series yang terdiri dari Model Konstan, Model Moving Average, Model Analisis
Regresi, dan Model Exponential Smoothing. Tiap model perhitungan dengan data
permintaan (demand) yang ada didapatkan data permintaan konsumen terhadap mobil
Honda United untuk periode selanjutnya. Dalam meramalkan suatu permintaan kita
juga perlu menghitung besar kesalahan (error) dari perbedaan atau selisih antara nilai
aktual dan nilai ramalan. Keakuratan suatu model peramalan bergantung pada
seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Dimana
kesalahan (error) nantinya dijumlahkan guna untuk membandingkan tiap hasil dari
perhitungan 4 model tersebut. Jumlah kesalahan (error) disebut dengan CFE
(Cumulatif Forecast Error). Selain menjumlahkan kesalahan-kesalahan absolute kita
perlu menghitung Rerata Simpangan Absolut (Mean Absolute Deviation/MAD
mengukur keakuratan peramalan dengan mererata besaran dari kesalahan meramal
atau nilai absolut dari masing-masing kesalahan. Pembagian dari CFE dan MAD yang
didapat disebut dengan Tracking Signal. Berikut tabel rekapitulasi perbandingan
setiap metode terhadap ketiga indikator tersebut (MAD, TS, dan CFE).
Tabel 3.10 Perbandingan Model Perhitungan MAD dan TS
No Model MAD TS Control Chart
1 Konstan 390,69 0,0 Di Dalam Batas Kontrol
2 Moving Average (SMA) 388,71 -4,1 Di Luar Batas Kontrol
3 Moving Average (CMA) 343,77 -1,1 Di Dalam Batas Kontrol
4Eksponensial
Smoothing497,41 0,369 Di Dalam Batas Kontrol
3.3.7 Model Peramalan yang Terpilih
Berdasarkan kedua indikator diatas, yaitu MAD, dan TS, model Moving
Average (CMA) adalah model yang paling ideal digunakan untuk melakukan forecast
terhadap permintaan mobil Honda United dimasa akan datang. Dimana nilai MAD
terkecil adalah model Moving Average (CMA). MAD yang kecil memilki makna
bahwa tingkat kesalahan model ini melakukan peramalan adalah rendah. Hasil
peramalan 5 periode pertama dengan model Moving Average (CMA) yaitu ; 8270,6 ,
8179,4 , 8056,2 , 8209,2 , dan 8118,8.
3.3.9 Kesimpulan
Berdasarkan perhitungan dan analisa yang telah dilakukan, dapat diketahui
bahwa model Moving Average (CMA) merupkan model yang paling ideal untuk
melakukan forecasting terhadap permintaan mobil Honda United.