160 likes | 468 Views
METODE PERAMALAN Pertemuan 15. Matakuliah : J1186 - Analisis Kuantitatif Bisnis Tahun : 2009/2010. Framework. Konsep Model Peramalan Jenis-Jenis Peramalan Peramalan Metode Seri Waktu Aplikasi Model Peramalan Seri Waktu Kehandalan Peramalan Memilih Hasil Peramalan yang Terbaik.
E N D
METODE PERAMALANPertemuan 15 Matakuliah : J1186 - Analisis Kuantitatif Bisnis Tahun : 2009/2010
Framework • Konsep Model Peramalan • Jenis-Jenis Peramalan • Peramalan Metode Seri Waktu • Aplikasi Model Peramalan Seri Waktu • Kehandalan Peramalan • Memilih Hasil Peramalan yang Terbaik
Konsep Peramalan Peramalan merupakan seni dan ilmu memprediksi peristiwa-peristiwa masa depan (predicting future events) Fokus : Perkiraan tingkat permintaan penjualan atau suatu kejadian lainnya yang akan terjadi pada masa mendatang.
Konsep Peramalan • Process of predicting a future event • Underlying basis of all business decisions • Production • Inventory • Personnel • Facilities
Model – Model Peramalan Quantitative Forecasting Associative Time Series Models Models Linear Moving Exponential Trend Average Smoothing Regression Projection
Jenis Peramalan Berdasarkan Horison Waktu • Short-range forecast • Up to 1 year; usually less than 3 months • Job scheduling, worker assignments • Medium-range forecast • 3 months to 3 years • Sales & production planning, budgeting • Long-range forecast • 3+ years • New product planning, facility location
Peramalan Time Series Empat Komponen dalam Peramalan Time Series: • Trend (T) : gerakan ke atas atau ke bawah secara berangsur-angsur dari data sepanjang waktu • Musim (S) : pola data yang berulang setelah periode tertentu • Siklus (C) : pola dalam data yang terjadi setiap beberapa tahun. Biasanya dikaitkan dengan siklus bisnis Variasi acak (R) : ‘tanda’ dalam data yang disebabkan oleh peluang dan situasi yang tidak biasa; variabel acak mengikuti pola yang tidak dapat dilihat.
$$$ Peramalan Time Series
a). Moving Avarage Rumus Umum Dimana : = ramalan untuk periode berikut n = jumlah periode dalam rata-rata bergerak = data aktual periode sekarang
b). Weighted Moving Avarage • Asumsi : • Data terbaru mempunyai nilai informasi lebih tinggi dari data lama • Bobot ( ) merupakan bilangan non negatif dengan jumlah total = 1 • Untuk menunjukan bahwa data terkini lebih penting dari data lama, maka • Rumus Umum :
c). Exponential Smoothing Rumus Umum : Untuk = konstanta penghalusan (0< <1) Rata-rata perkiraan permintaan yang akan datang dapat dihitung dari data rata-rata permintaan masa lalu dan permintaan saat ini.