PERAMALAN (FORECASTING)

1. PERAMALAN (FORECASTING)

2. PERAMALAN • Pendekatan kuantitatif untuk peramalan • Komponen Siri Masa • Ukuran ketepatan peramalan • Monggunakan kaedah peramalan pelicinan (Smoothing Methods in Forecasting) • Menggunakan Unjuran arah aliran dalam peramalan (Trend Projection in Forecasting) • Menggunakan kaedah penghuraian klasik (Clasical decomposition)

3. Pendekatan kuantitatif untuk peramalan • Kaedah kuantitatif adalah berdasarkan analisis data sejarah berkaitan satu atau lebih siri masa. • Siri masa adalah set pemerhatian pengukuran pada sesuatu titik masa datau disepanjang sesuatu tempoh masa. • Jika data sejarah digunakan adalah dihadkan kepada nilai masa lepas sesuatu siri yang cuba untuk diramalkan, kaedah ini dipanggil kaedah siri masa. • Jika data sejarah yang digunakan melibatkan siri masa lain yang dipercayai berhubungan dengan siri masa yang hendak diramalkan, kaedah ini dipanggil maedah penyebab (causal method).

4. Komponen Siri Masa • Komponen arah aliran (trend) • Komponen Kitaran (cycle component) • Komponen musiman (seasonal component) • Komponen tak malar (irregular component)

5. Komponen arah aliran (Trend Component) • Komponen arah aliran (trend) mengambilkira anjakan siri masa disepanjang tempoh masa yang panjang.

6. Komponen Kitaran (Cyclical Component) • Sebarang corak nilai turutan biasa diatas dan dibawah garisan arah aliran merupakan ciri-ciri komponen kitaran bagi siri tersebut.

7. Komponen Musiman (seasonal component) • Komponen musiman (seasonal component) bagi sesuatu siri mengambilkira curak variabiliti diantara tempoh masa tertentu, semerti disepanjang satu tahun.

8. Komponen tak malar (irregular component) • Komponen tak malar (irregular component) bagi sesuatu siri disebabkan oleh faktor jangka-pendek dan tidak disangkakan yang memberi kesan terhadap nilai siri masa. Tidak ada sesiapa yang dapat meramalkan kesannya keatas siri masa akan datang.

9. Irregular Kitaran Arah Aliran Musiman Komponen Data Siri Masa 1 2 3 4 5 6 7 8 9 10 11 12 13 Tahun

10. Kaedah-Kaedah Peramalan Kaedah Peramalan Kualitatif Kuantitatif Penyebab Siri Masa Pelicinan Unjuan Arah Alian Penghuraian Klasikal

11. Peramalan Menggunakan Kaedah Pelicinan • Purata Bergerak • Kaedah purata bergerak mengandungi pengiraan nilai purata data n yang terbaru di dalam siri masa. • Purata ini kemudiannya akan digunakan sebagai peramalan bagi tempoh masa berikutnya.

12. Perkataan purata "bergerak" adalah berdasarkan kepada kenyataan pemerhatian baru menjadi ada bagi siri masa, ia menggantikan pemerhatian lama di dalam persamaan di atas, dan purata baru dikira. Sebagai hasilnya purata akan berubah atau "bergerak" sebagai pemerhatian baru menjadi ada.

13. Siri Masa Jualan Minyak

15. Graf Siri Masa Jualan Minyak dan Ramalan 3-minggu Purata Bergerak

16. Ukuran Ralat Ramalan • Purata Ralat Kuasadua (PRK) Purata ralat kuasadua ini biasanya digunakan untuk mengukur ketepatan kaedah peramalan.

18. Sisihan Purata Mutlak (SPM)

19. Purata Bergerak Berwajaran • melibatkan pemilihan wajaran yang berbeza bagi setiap nilai data dan mengira purata wajaran sebagai ramalan • pemerhatian yang terbaru menerima wajaran yang tertinggi, dan wajaran yang berkurangan bagi nilai data yang tertua

21. Pelicinan Exponen • teknik peramalan yang menggunakan nilai pelicinan bagi siri masa di dalam satu tempoh siri masa untuk peramalan nilai siri masa di dalam tempoh masa berikutnya Ft+1 = Yt + (1-) Ft Ft+1 = ramalan siri masa untuk tempoh masa t+1 Yt = nilai sebenar siri masa untuk tempoh masa t Ft = ramalan siri masa untuk tempoh masa t  = pemalar pelicinan (0  1)

22. Data untuk 3 tempoh masa, Y1, Y2 dan Y3 F4 = F3 + (1 - ) F3 F3 = Y2 + (1 - ) F2 F2 = Y1 + (1 - ) F1 Oleh kerana tiada nilai data siri masa yang terdahulu, nilai ramalan yang pertama diambil sama dengan Y1, iaitu F1 = Y1. Menggunakan nili ini bagi F1, F2 boleh ditulis sebagai F1 = Y1 + (1 - ) Y1 = Y1

23. Peramalan di dalam tempoh masa t Ralat Peramalan di dalam tempoh masa t

24. Ringkasan Ramalan Pelicinan Eksponen dan Ralat Ramalan bagi Jualan Minyak dengan Pemalar Pelicinan  = .2

25. Geraf Siri Masa Jualan Minyak Sebenar dan Ramalan dengan Pemalar Pelicinan  = .2

26. Ramalan Jualan Minyak dengan  = .3

27. Peramalan Siri Masa Menggunakan Unjuran Arah Aliran

28. Bagi arah aliran linear anggaran jumlah jualan dinyatakan sebagai fungsi masa boleh ditulis sebagai Tt = b0 + b1t Tt = nilai arah aliran jualan basikal didalam tempoh masa t b0 = pintasan garisan arah aliran b1 = kecerunan bagi garisan arah aliran t = masa didalam tahun

29. Tt = 20.4 + 1.1t

30. Peramalan Siri Masa Menggunakan Penghuraian Klasik Empat komponen siri masa - arah aliran (T), berkitar (C), musiman (S) dan tak malar (I) - adalah disatukan kedalam model yang menerangkan gelagat siri masa. Yt = Tt x Ct x St x It Komponen Ct, St dan It semuanya diukur di dalam sebutan relatif: Nilai > 1.00 menunjukkan kesan berkitar melebehi arah aliran, kesan bermusim melebehi paras normal atau purata, atau kesan tak malar melebehi kombinasi komponen arah aliran , berkitar dan bermusim. Nilai < 1.00 bagi Ct, St dan It akan menunjukkan masing-masingnya dibawah paras purata bagi setiap komponen.

31. Contoh Katakan unjuran untuk: Arah aliran (Tt) = 500 unit Kitaran (Ct) = 1.10 Musiman (St) = 0.85 Tak malar (It) = 1.05 . Nilai bagi siri masa (Yt) = 540(1.10)(0.85)(1.02) = 515.

33. Pengiraan Faktor Bermusim

35. Geraf Siri Masa dan Purata Bergerak

36. Yt = Tt X Ct X St X It kombinasi bermusim-tak malar sebagai berikut:

38. Pengiraan Komponen Bermusim

39. Nilai Bermusim yang Dihapuskan

40. Tt = 5.101 + 0.148t

41. Peramalan Suku Tahun ke 5