Date post: | 05-Jul-2018 |
Category: |
Documents |
Upload: | zuhdi-allamsyah |
View: | 214 times |
Download: | 0 times |
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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 2/16
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-
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 3/16
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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 4/16
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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 5/16
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. $al ini akan menyeabakan bah#a
pada periodeperiode tersebut peramalan yang dilakukan kurang baik bagi
perusahaan.3.3.> Model egresi 0iniar
a. Deskripsi'alah satu bentuk peramalan yang paling sederhana adalah regresi linier.
Dalam aplikasi regresi linier diasumsikan bah#a terdapat hubungan antara
(ariabel yang ingin diramalkan (ariabel dependen dengan (ariabel lain
(ariabel independen. 'elanjutnya, peramalan ini didasarkan pada asumsi
bah#a pola pertumbuhan dari data historis bersiat linier. Pola pertumbuhan
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 6/16
n
t bt Y
a
n
i
n
i
∑ ∑= =
−= 1 1
.
ini didekati dengan suatu model yang menggambarkan hubunganhubungan
yang terkait dalam suatu keadaan.
Persamaan garis yang mendekati bentuk data linear adalah G
H9t + a I bt
&onstanta a dan b dietntukan dari data mentah berdasarkan kriteria kuadrat
terke%il (least square criterion).
Dimana a dan b dapat dihitung dengan rumus berikut G
2
11
2
1 1 1
..
−
−=
∑∑
∑ ∑ ∑
==
= = =
n
i
n
i
n
i
n
i
n
i
t t n
t t Y t tY n
b
b. Perhitungan
7abel 3.> Perhitungan Peramalan Model egresi 0inear
Ta#unP"ri&$" '"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== >=>
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 7/16
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% $(t%
215 3 2>35.-
215 3= 2-=--.>4
215 3- 215>23.13
215 > 22->4.=215 >1 224>.>
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 8/16
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 9/16
b. Perhitungan b.1. Simple Moing Aerage 'M!
7abel 3. Perhitungan Peramalan Model 'M! 5 Periode
P"ri&$"
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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 10/16
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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 11/16
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!
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 12/16
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. $al ini
dipandang sebagai kelemahan model peramalan Mo(ing !(erage. ntuk itu,
digunakanlah metode :Eponential 'moothing agar kelemahan tersebut dapat
diatasi didasarkan pada alasan sebagai berikutG
Metode eEponential smoothing mempertimbangkan bobot datadata
sebelumnya dengan estimasi untuk H9tI1L dengan periode tI1 dihitung
sebagaiG
&eterangan G;tI1 G amalan untuk periode berikutnya
Dt G Demand a%tual pada periode t
;t G Peramalan yang ditentukan sebelumnya untuk periode t
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 13/16
* G ;aktor bobot, * besar, smoothing yang dilakukan ke%il dan sebaliknya
penetapan nilai konstanta memiliki andil yang penting dalam
menghasilkan hadil ramalan yang (alid.
7abel 3.11 Perhitungan Peramalan Model Exponential Smoothing
P"ri&$" 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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 14/16
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
&$"! P"rama!an A' TS
&onstan 5,>2 ,444
egresi 0inear 31>14>-,1 34
Simple Moing Aerage 44,12- ,533
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 15/16
&$"! 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
8/16/2019 Bab III Forecasting
http://slidepdf.com/reader/full/bab-iii-forecasting 16/16
Aerage adalah metode yang paling baik digunakan dalam peralaman kasus
tersebut.