Professional Documents
Culture Documents
Modul 5: Peramalan
Kelompok 3
BAB I
PENDAHULUAN
Page 1
1.2 Tujuan
Praktikum ini bertujuan agar mahasiswa mengetahui metode peramalan terbaik dengan
meminimasi tingkat kesalahan eror terkecil.
PENDAHULUAN
Berisi tentang latar belakang peramalan dengan tujuan dari praktikum
Modul 5 peramalan, dan sistematika penulisan.
BAB II
TINJAUAN PUSTAKA
Berisi tentang Peramalan, macam-macam Peramalan, analisis deret waktu,
verifikasi dan validasi, model kausal, time series, analisis regresi, dan lainlainnya.
BAB III
METODOLOGI PRAKTIKUM
Page 2
BAB V
ANALISA
Berisi tentang analisa hasil peramalan data konversi grade A dan grade B
dari tahun 2006 sampai 2010 yang dilakukan dengan metode SA, MA,
DMA, WMA, CMA, ES, Linear Regression, ARIMA dengan menggunakan
software Qs, Minitab, E-Views, dan Hohs Linear.
BAB VI
PENUTUP
Berisi tentang kesimpulan dan saran dari hasil praktikum yang telah
dilakukan.
Page 3
BAB II
TINJAUAN PUSTAKA
2.1 Ekonometrika
Ekonometrika adalah ilmu yang membahas masalah pengukuran hubungan
ekonomi. Dengan demikian, Ekonometrika adalah ilmu yang mencakup teori ekonomi,
matematika, dan statistika dalam satu kesatuan sistem yang bulat, menjadi suatu ilmu yang
berdiri sendiri dan berlainan dengan ilmu ekonomi; matematika; maupun statistika.
Ekonometrika digunakan sebagai alat analisis ekonomi yang bertujuan untuk menguji
kebenaran teorama-teorama teori ekonomi yang berupa hubungan antarvariabel ekonomi
dengan data empirik.
Dalam ekonometri, permasalahan dipetakan berdasarkan teori (ekonomi) yang ada,
dinyatakan dengan persamaan matematik dan digunakan kriteria statistik untuk
menganalisis permasalahan yang ada. Sebagai contoh adalah harga minyak mentah dan
permintaan minyak mentah. Berdasarkan teori ekonomi, dengan asumsi barang normal,
harga berbanding terbalik dengan permintaan dan berbanding lurus dengan penawaran.
Artinya, berdasarkan hukum permintaan, jika harga minyak mentah naik, maka permintaan
minyak mentah akan mengalami penurunan. Sebaliknya, jika harga minyak mentah turun,
maka permintaan akan minyak mentah mengalami kenaikan. Sedangkan berdasarkan
hukum penawaran, jika harga minyak mentah naik maka penawaran minyak mentah akan
mengalami kenaikan, dan sebaliknya jika terjadi penurunan harga. Akan tetapi, teori
ekonomi tidak menjelaskan lebih lanjut berapa besar dampak kenaikan harga terhadap
perubahan permintaan. Di sini, ekonometri berperan dalam memberikan ukuran atas
besarnya perubahan permintaan sebagai akibat dari perubahan harga.
Berkaitan dengan ekonometri, peran matematika ekonomi adalah menyatakan teori
ekonomi dalam bentuk matematika atau persamaan matematika. Tujuannya adalah untuk
penyederhaan
Page 4
verifikasi empiris atas teori ekonomi yang berlaku. Dan hal ini akan lebih mudah apabila
permasalahan ekonomi dinyatakan dalam bentuk matematik.
2.2 Peramalan
Peramalan merupakan aktivitas pertama dalam penentuan jadwal produksi di masa
depan. Peramalan didasarkan pada penentuan (prediksi) jumlah permintaan sebuah produk
yang kemudian akan dijadikan sebagai target produksi.
Peramalan adalah proses digunakan untuk memperkirakan berapa kebutuhan dimasa
datang yang meliputi kebutuhan dalam ukuran, kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Aktivitas peramalan
merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan
produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat.
Peramalan adalah suatu bagian dari kegiatan manajemen sebagai dasar pembuatan
keputusan. Suatu perusahaan membangun tujuan dan mencari faktor lingkungan
lalu
menyeleksi tindakan yang diharapkan akan memberikan hasil pada pencapaian tujuannya.
Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil,
karena perubahan permintaannya relatif kecil, tetapi peramalan akan sangat dibutuhkan bila
kondisi permintaan pasar bersifat komplek dan dinamis.
Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat komplek dan
dinamis, karena permintaan tersebut akan tergantung dari keadaan sosial, ekonomi, politik,
aspek teknologi, produk pesaing dan produk substitusi. Oleh karena itu, peramalan yang
akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan yang
manajemen.
Peramalan dan perencanaan merupakan hal-hal yang berkaitan dengan masa yang
akan datang. Mata rantai proses manajemen adalah peramalan, perencanaan, dan
pembuatan keputusan, dan umumnya peramalan mendahului perencanaan (yang
terpenting). Syarat mutlak untuk manajemen yang efektif akan memberikan penghargaan
peran forecasting itu sendiri.
Page 5
Page 6
2. Kuantitatif
Dalam teknik ini, pola historis data digunakan untuk mengekstrapolasi
(meramalkan) masa datang. Terdapat dua teknik kuantitatif yang utama : analisis deret
waktu (time series analysis) dan model struktural (structural model) atau model kausal.
Page 7
Page 8
Trend(Linier)
Adalah gerakan ke atas atau ke bawah secara berangsur-angsur dari data
.
Seasonal (Musiman)
Adalah fluktuasi permintaan suatu produk dapat naik turun di sekitar
garis trend dan biasanya berulang tiap tahun.
Cyclical (Siklus)
Adalah pola permintaan suatu produkyang mempunyai siklus berulang
secara periodik biasanya lebih dari satu tahun, sehingga pola ini untuk
peramalan jangka menengah dan panjang.
Page 9
Random (acak)
Adalah tanda dalam data yang disebabkan peluang dan situasi yang tidak
biasa, variabel acak mengikuti pola yang tidak dapat dilihat.
3. Memilih alternatif metode yang sesuai dengan tipe data masa lalu.
4. Melakukan uji verifikasi atau error dari metode-metode yang digunakan.
5. Memilih metode yang terbaik, yang dipilih adalah yang memiliki error terkecil.
Dan melakukan uji validasi metode dengan menggunakan peta Moving range.
6. Implementasi hasil peramalan.
7. Memantau keandalan hasil peramalan
(Diktat kuliah Production planning and control, 2004)
2.Variasi siklis
3.Variasi Musiman
Page 10
4.Variasi tak beraturan : merupakan residual yang tertinggal setelah semua tipe trend
berhasil diidentifikasikan. Jika semua tipe trend telah secara
penuh diperhitungkan dalam model, variasi tidak beraturan ini
akan bersifat random.
: tanpa trend
2.Dengan sebuah trend : terdapat sebuah pergerakan konsisten naik atau turun (tidak
stabil pada posisi nilai rataan)
3.Trend musiman
4.Trend musiman siklus :terdapat pola reguler yang memerlukan waktu lebih dari
setahun untuk berulang (tidak stationer dalam rataan dan
variansi)
MA =
At At 1 ...... At ( N 1)
N
Page 11
Dimana :
At = Permintaan actual pada periode-t
At At N
N
Page 12
Fi 1 X
i 1
Fi 1 X
Xi
i 1
X 1 X t 1 X t 2 ... X t N 1
N
S ''t
bt
2
( S 't S ' 't )
N 1
Ft m at bt .m
WMAt Wi . X i
i 1
Ft 1 WMAt
2. Exponential Smoothing
Metode ini menutupi kekurarangan moving average dalam hal perbedaan informasi
yang dihasilkan oleh pengamatan terdahulu dan pengamatan yang lebih baru. Hal ini
menyebabkan timbulnya dorongan untuk memberikan bobot yang tidak sama untuk
masing-masing
pengamatan.
Metode
exponential
smoothing
secara
umum
dirumuskan sebagai :
Ramalan baru = ramalan lama + x (pengamatan terakhir ramalan lama)
Ft+1 = Ft + (xt + Ft)
Program Studi Teknik Industri
Fakultas Teknik
Universitas Diponegoro
Page 13
nilai dipilih, maka nilai ini terus dipertahankan konstan dan sebuah peramalan baru
dapat dihitung pada saat pengamatan terakhir diperoleh . Nilai ini mempengaruhi
stabilitas dan sensitivitas peramalan. Pada nilai nol, sekali sebuah peramalan awal
dibuat, nilai peramalan ini tidak akan pernah berubah. Pada nilai satu, peramalan
tidak tidal lain adalah nilai pengamatan terbaru itu sendiri.
Jadi, nilai merupakan trade-off antara stabilitas dan sensitivitas. Nilainya secara
umum dipilih dengan jalan menerapkannya pada data historis dan kemudian memilih
nilai yang meminimasi mean squared error (MSE).
Kekurangan metode ini adalah sulitnya untuk memilih nilai optimum tanpa membuat
asumsi yang ketat mengenai perilaku deret dan waktu yang diperlukan dalam mencari
nilai konstanta smoothing relatif lama. Jenis-jenisnya antara lain: single exponential
smoothing, double exponential smoothing, triple exponential smoothing: Browns one
parameter quadratic.
a. Metode Browns Single Exponential Smoothing
Ft 1 X i (1 ) Ft 1
bt
( S ' t S '' t )
1
Ft m at bt .m
(1 ) T
T(t ) F(t ) F( t 1)
( t 1)
f ( t h ) F(t ) h. T(t )
Page 14
2
bt
[(6 5 ) S 't (10 8 ) S ''t (4 3 ) S '''t ]
2
(1 )
ct
2
( S 't 2S ''t S '''t )
2
(1 )
1
Ft m at bt .m ct .m 2
2
Xi
(1 )( St 1 bt 1 )
I t 1
bt ( St St 1 ) (1 )bt 1
It
Xt
(1 ) I t 1
St
Ft m ( St bt .m) I t 1 m
f. Metode Dekomposisi
(Diktat Kuliah Production Planning and Control. Hal 28-29)
peramalannya
kurang
baik.
Biasanya
akan
cenderung
flat
Page 15
Model Autoregresif Integrated Moving Average (ARIMA) adalah model yang secara
penuh mengabaikan independen variable dalam membuat peramalan. ARIMA
menggunakan nilai masa lalu dan sekarang dari variable dependen untuk
menghasilkan peramalan jangka pendek yang akurat. ARIMA cocok jika observasi
dari deret waktu (time series) secara statistik berhubungan satu sama lain (dependent).
Yt K 1 Yt 1 2 Yt 2 3Yt 3 ... i Yt i c
Page 16
Jika suatu deret memiliki sifat musiman, maka mula-mula data harus diturunkan untuk
menghilangkan sifat musiman tersebut. Model-model tersebut adalah sebagai berikut :
Page 17
White Noise
Tidak terdapat autokorelasi antar pasangan pengamatan dan semata-mata
merupakan deret random.
Moving Average
Nilai deret pada waktu t tersusun atas elemen random dan proporsi dari elemen
random pada waktu t j.
Autoregressive Models (AR)
Nilai deret pada waktu t tersusun atas elemen random dan proporsi pengamatan
aktual pada waktu t j.
ARMA Models
Model-model ARMA ini meupakan gabungan dari MA dan AR. Model-model ini
terlihat rumit dan sifat-sifat statistiknya sulit untuk diturunkan. Namun demikian,
terdapat alasan-alasan teoritis yang menunjukkan bahwa model-model ARMA ini
merupakan model yang paling menggambarkan kondisi di dunia nyata, terutama di
lingkungan bisnis-ekonomi.
Ketika menggabungkan deret, jika mesing-masing komponen adalah AR, maka
penjumlahan deret akan ARMA. Jika beberapa deret adalah AR dan beberapa deret
yang lain adalah MA, maka penjumlahan deret adalah MA
Page 18
Page 19
Page 20
Analisis Regresi
Analisis regresi didasarkan pada asumsi bahwa terdapat hubungan antara dua atau
lebih variabel. Secara umum, analisis regresi dapat dilakukan dalam langkah-langkah
berikut:
Page 21
a.Regresi Konstan
Y ( t )a
Y ( t )ab t
Y ( t )ab t c t 2
^ ^
^ ^
Page 22
Y ( t )a bt
d.Regresi Eksponensial
^ ^
Y ( t )au cos
^
2
2
t v sin
t
N
N
Goodness of Fit
Kebaikan suai dari persamaan regresi terhadap hasil pengamatan sebenarnya dapat
diukur dengan menggunakan koefisien determinasi. Total variasi dari pengamatan
aktual Y ditetapkan sebagai jumlah kuadrat perbedaan antara nilai-nilai aktual (xi) yang
ada dengan nilai rataannya ( x ).
Rumusan kebaikan suai sebagai berikut :
r2
S 2 xy
S xx S xy
n
S xy
( x
x )( yi y )
i 1
n
S xx
( x
x )2
i 1
n
S yy
( y
y )2
i 1
Koefisien determinasi mengukur proporsi dari deviasi total yang dapat dijelaskan oleh
regresi.
Page 23
Mula-mula terdapat pilihan apakah akan digunakan metode kuantitatif atau metode
kualitatif. Dalam peramalan bisnis, metode-metode kualitatif lebih sesuai untuk peramalan
jangka panjang yang berkaitan dengan identifikasi perubahan yang mungkin terjadi dalam
pola-pola dan hubungan-hubungan yang sudah mapan serta juga pada keadaan dimana
Program Studi Teknik Industri
Fakultas Teknik
Universitas Diponegoro
Page 24
terdapat ketidakpastian yang tinggi atau kurangnya data. Peramalan kuantitatif biasanya
lebih baik dalam jangka waktu pendek atau menengah, yang kebutuhan peramalannya
adalah untuk perencanaan produksi dan penjadwalan personel dalam jangka pendek serta
untuk penentuan anggaran dalam jangka menengah.
Jika metode kuantitatif yang dipilih, selanjutnya terdapat pilihan antara model kausal
atau deret waktu. Metode kausal lebih sesuai di mana terdapat hubungan antar variabel
yang dapat diidentifikasikan dengan mudah dan terdapat sedikit variabel eksternal. Ketika
variabel tersebut dipengaruhi oleh lebih banyak faktor, metode deret waktu lebih sesuai.
Deret waktu lebih efektif ketika banyak peramalan dibutuhkan dalam horison jangka
pendek sebagaimana yang sering dijumpai dalam dunia bisnis.
Setelah ditentukan metode-metode mana yang diperkirakan sesuai dan parameterparameter model telah pula ditetapkan, maka untuk menentukan metode terbaik yang
nantinya akan dipakai diperlukan suatu evaluasi.
Terdapat tiga atribut penilaian :
1. Kesesuaian terhadap data historis.
2. Landasan statistik dan teoritis yang dapat dipertanggungjawabkan.
3. Kesesuaian dengan situasi yang sedang dihadapi.
Xi Fi
ei
Xi
Fi
Dimana:
Ada beberapa rumus untuk mengukur error. Rumus-rumus tersebut antara lain :
Mean Error
Program Studi Teknik Industri
Fakultas Teknik
Universitas Diponegoro
ME
ei / n
Page 25
MAE =
ei / n
SSE
ei
MSE =
ei
SDE
ei
Percentage Error
PEi
(ei/Xi)*100%
MPE =
MAPE =
/n
/( n 1 )1 / 2
PEi / n
|PEi| / n
e
MSE
2
i
i 1
e
SDE
2
i
i 1
n - 1
Page 26
Kelebihan yang dimiliki SDE adalah sederhana dan kekurangannya adalah akurasi
hasil peramalan sangat kecil karena hanya menggunakan standar deviasi kesalahan
peramalan.kesalahan peramalan.
X i Fi x100%
MAPE
Xi
PE
F X i 1
Pembilang i 1
Xi
X Xi
Penyebut i 1
Xi
U Theil
Pembilang
Penyebut
Page 27
MFE
X i Fi
i 1
n
ei
Kelebihan yang terdapat pada MFE adalah sangat efektif untuk mengetahui apakah
suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. Dan
kekurangannya adalah bila hasil peramalan tidak bias, maka nilainya akan mendekati
nol.
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
kenyataannya. Secara sistematik, MAD dirumuskan sebagai berikut :
n
Xi Fi
MAD
i 1
Kelebihan dalam MAD adalah ukuran kesalahan peramalan yang digunakan lebih
sederhana dengan hanya menggunakan rata-rata kesalahan mutlak selama periode
tertentu. Kekurangan yang didapat dari MAD adalah akurasi hasil peramalan sangat
kecil karena tidak memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataannya.
i 1
Page 28
2.3.3 Validasi
Merupakan sebuah tahapan untuk menguji apakah metode atau model peramalan
yang digunakan apakah sesuai dengan kondisi yang nyata atu tidak.dalam peramalan,
dalam validasi dapt dilakukan dengan di sesuaikan dengan metode peramalan yang
digunakan. Untuk beberapa metode yang umum yang selama ini telah banyak
digunakan, uji validasi peramalan dapat dikerjakan dengan pembuatan peta moving
range.akan tetapi untuk beberapa metode peramalan yang lain seperti ARIMA, uji
validasi dilakukan dengan melakuakan pengujian kelayakan model melalui pengujian
nilai parameter yang dihasilkan, nilai chi square, dan pengujian nilai p value.
n
MR
MR
i 1
n 1
n-1 = jumlah MR
UCL
= + 2.66 MR
CL = 0
LCL
= - 2.66 MR
Region A = + 1.77 MR
Region A = - 1.77 MR
Region B = + 0.89 MR
Region B = - 0.89 MR
Region C = CL = 0
Page 29
Validasi Eror
Dilakukan untuk menjamin bahwa metode peramalan yang terpilih memiliki eror yang
terkontrol. Metode yang digunakan pada dasarnya dengan menggunakan peta kendali
individu MR.
Ada delapan titik berturut-turut titik yang berda di salah satu sisi (di atas atau di
bawah garis tengah). (Arman Hakim Nasution. hal 51)
4. Ada satu titik yang berada di luar UCL atau LCL. (Amitava Mitra.hal 176).
MOVING RANGE
600
ERROR
400
200
0
-200 0
10
11
12
13
14
-400
-600
PERIODE
CL
UCL
LCL
REG A-
REG B+
REG B-
REG A+
Page 30
Akan tetapi, untuk beberapa metode peramalan yang lain seperti ARMA maupun
ARIMA, uji validasi dilakukan dengan melakukan pengujian kelayakan model melalui
pengujian parameter yang dihasilkan, nilai chi square, dan pengujian nilai p-value.
2.4 Manfaat Peramalan
Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam
kuantitas yang tepat. Dengan demikian peramalan merupakan suatu dugaan terhadap
permintaan yang akan datang berdasarkan pada beberapa variabel peramal, misalnya
berdasarkan data deret waktu historis. Peramalan dapat menggunakan teknik-teknik
peramalan yang bersifat formal maupun informal. Aktivitas peramalan ini biasa dilakukan
oleh Departemen Pemasaran dan hasil-hasil dari peramalan ini sering disebut sebagai
ramalan penjualan (sales forecast).
Berdasarkan penjelasan di atas, kita dapat mengenal dua sumber utama yang
berkaitan dengan informasi permintaan produk, yaitu:
(1) ramalan terhadap produk independent demand yang bersifat tidak pasti (uncertain),
dan
(2) pesanan-pesanan (orders) yang bersifat pasti (certain).
Pesanan-pesanan yang bersifat pasti ini antara lain: pesanan pelanggan (customer
orders), alokasi tertentu untuk area geografis (geographic area allocations), service or
spare parts and samples, distribution center demands (or branch warehouse demands), dan
lain-lain.
Page 31
Page 32
Semua organisasi atau perusahaan harus menentukan sumber apa yang mereka ingin
untuk dimiliki pada jangka panjang. Keputusan seperti ini bergantung pada pasar,
faktor lingkungan dan pembangunan finansial internal, manusia, produk, dan
sumber-sumber teknologi. Penentuan ini semua membutuhkan peramalan yang baik
dan manajer yang dapat menginterpretasikan prediksi dan membuat keputusan yang
tepat.
Perencanaan dan Pengendalian Produksi dapat diartikan sebagai proses untuk
merencanakan dan mengendalikan aliran material yang masuk, mengalir dan keluar dari
sistem produksi/operasi sehingga permintaan pasar dapat dipenuhi dengan jumlah yang
tepat, waktu penyerahan yang tepat, dan biaya produksi yang minimum.
Page 33
Page 34
Wishes and
aspirations of
management
Available
resource
Forecasting
Planning
Goals, objective,
stretegies and
decisions
Constrain
Resource allocations
and commitment
Implementation and
Control policies
Syarat mutlak untuk manajemen yang efektif pada sistem peramalan dan sumbersumber peramalan adalah penghargaan terhadap peran forecasting dalam manajemen itu
sendiri, yaitu :
a. mengurangi besarnya ketidakpastian di masa datang yang dihadapi oleh
manajemen.
b. secara efektif dapat memperluas jangkauan pilihan bagi para manajer. Sistem
forecasting dapat digunakan sebagai alat untuk evaluasi pilihan. Sebagai contoh,
efek dari perubahan harga, program pemasaran, pergantian geografis dalam pola
Page 35
hubungan
permintaan
dengan
satu
atau
lebih
variabel
yang
Page 36
BAB III
METODOLOGI PRAKTIKUM
3.1
Flowchart
Page 37
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1
Pengumpulan Data
YEAR 2006
KESELURUHAN GRADE
Tabel 4.1 Data Historis Permintaan Tahun 2006
YEAR 2006
DESCRIPTION YEAR 2005 JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
DEC
GRADE A
3.542
GRADE B
8.317
TOTAL
11.859
38
TOTAL
YEAR 2007
KESELURUHAN GRADE
Tabel 4.2 Data Historis Permintaan Tahun 2007
YEAR 2007
DESCRIPTION YEAR 2006 JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
DEC
TOTAL
GRADE A
4517
3721
4870
4927
4930
3965
4415
5128
5111
5235
5237
5491
57547
GRADE B
7952
8062
8079
8261
7792
7336
7736
7845
7761
9017
9068
9074
97983
12469 11783 12949 13188 12722 11301 12151 12973 12872 14252 14305 14565
155.53
TOTAL
YEAR 2008
KESELURUHAN GRADE
Tabel 4.3 Data Historis Permintaan Tahun 2008
YEAR 2008
DESCRIPTION
YEAR 2007
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
DEC
TOTAL
GRADE A
5541
5295
5631
5440
5477
5503
5526
6140
6193
6035
6002
6323
69106
GRADE B
9151
8827
8916
8675
8353
8361
8473
8947
9160
8617
8478
8527
104485
14692
14122
14547
14115
13830
13864
13999
15087
15353
14652
14480
14850
173.59
TOTAL
39
YEAR 2009
KESELURUHAN GRADE
Tabel 4.4 Data Historis Permintaan Tahun 2009
YEAR 2009
YEAR
DESCRIPTION
2008
JAN
FEB
MAR
APR
MAY
JUN
TOTAL
JUL
AUG
SEP
OCT
NOV
DEC
GRADE A
69106
6392
5991
5742
5687
6105
6004
6009
5931
5991
6525
6539
6598
73514
GRADE B
104485
9301
8966
9344
9181
9375
9676
9699
9610
9617
9668
9265
9391
113093
TOTAL
173,591 15693 14957 15086 14868 15480 15680 15708 15541 15608 16193 15804 15989 186,607
YEAR 2010
KESELURUHAN GRADE
Tabel 4.5 Data Historis Permintaan Tahun 2010
DESCRIPTION
YEAR 2010
YEAR
2009
JAN
FEB
MAR
APR
MAY
6924
SEP
6445
7105
GRADE B
113093
9387
9545
9924
TOTAL
186,607 15850 15263 16369 16577 16832 17570 16675 17178 16857 17971 19384
40
7817
NOV
5718
9854 10254
7057
OCT
6463
2010
6821
AUG
73154
Universitas Diponegoro
7422
JUL
GRADE A
6715
JUN
TOTAL
9054
DEC
4.2
Pengolahan Data
4.2.1 Plot Data
Tabel 4.6 Tabel Data Historis Grade A dan Grade B
GRADE A
PERIODE
GRADE B
DATA
HISTORIS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
Program Studi Teknik Industri
Universitas Diponegoro
2010
3542
4517
3721
4870
4927
4930
3965
4415
5128
5111
5235
5237
5491
5541
5295
5631
5440
5477
5503
5526
6140
6193
6035
6002
6323
6392
5991
5742
5687
6105
6004
6009
5931
5991
6525
6539
6598
6463
5718
PERIODE
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
DATA
HISTORIS
8317
7952
8062
8079
8261
7792
7336
7736
7845
7761
9017
9068
9074
9151
8827
8916
8675
8353
8361
8473
8947
9160
8617
8478
8527
9301
8966
9344
9181
9375
9676
9699
9610
9617
9668
9265
9391
9387
9545
41
40
41
42
43
44
45
46
47
48
6445
7105
6715
7422
6821
6924
7057
7817
9054
40
41
42
43
44
45
46
47
48
9924
9472
10117
10148
9854
10254
9800
10154
10330
42
Jumlah
Data
Konversi
486930.5
511977.1
483810.0
531685.9
541499.3
522365.3
464019.1
498920.1
532671.4
528524.3
585187.1
587363.3
598038.9
603253.5
579849.3
597299.8
579561.9
567859.8
569255.8
574798.9
619472.2
630394.2
601611.1
594548.8
609741.0
644354.6
614134.4
619431.2
610480.1
635608.8
643820.8
644970.5
638113.5
640864.5
664884.6
648912.2
656508.3
650801.0
626698.8
672111.1
680651.6
43
42
43
44
45
46
47
48
691121.9
721424.2
684675.5
705328.7
692148.4
737889.3
795907.0
4.2.3 Peramalan
A. Metode SA
Perhitungan QS
Tabel 4.8 Output QS Metode SA
44
45
Perhitungan Manual
Tabel 4.10 Perhitungan Manual Metode SA
periode
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
demand
486930.5
511977.1
483810
531685.9
541499.3
522365.3
464019.1
498920.1
532671.4
528524.3
585187.1
587363.3
598038.9
603253.5
579849.3
597299.8
579561.9
567859.8
569255.8
574798.9
619472.2
630394.2
601611.1
594548.8
609741
644354.6
614134.4
619431.2
610480.1
635608.8
643820.8
644970.5
638113.5
peramalan
error
CFE
MAD
MSE
MAPE
486930.5
499453.8
494239.2
503600.9
511180.6
513044.7
506041
505150.9
508208.7
510240.3
517053.6
522912.8
528691.7
534017.6
537073
540837.2
543115.1
544489.8
545793.3
547243.6
550683
554306.3
556363
557954.1
560025.6
563269
565152.9
567091.4
568587.6
570821.6
573176.4
575420
25046.6
-15643.9
37446.72
37898.38
11184.74
-49025.6
-7120.98
27520.47
20315.58
74946.82
70309.65
75126.11
74561.8
45831.76
60226.81
38724.71
24744.69
24766.02
29005.65
72228.65
79711.15
47304.85
38185.8
51786.92
106501.4
50012.66
53457.08
42596.82
66256.68
72260.13
71078.83
62000.6
25046.60
9402.74
46849.46
84747.84
95932.58
46906.94
39785.97
67306.43
87622.01
162568.83
232878.48
308004.59
382566.39
428398.15
488624.96
527349.67
552094.36
576860.38
605866.03
678094.68
757805.82
805110.68
843296.48
895083.40
979412.43
1030277.87
1084556.15
1127944.84
1194966.09
1267965.29
1339759.36
1402452.85
25046.6
20345.23
26045.73
29008.89
25444.06
29374.32
26195.27
26360.92
25689.22
30614.98
34223.58
37632.13
40472.87
40855.65
42147.06
41933.16
40922.08
40024.52
39444.58
41083.78
42923.18
43122.35
42907.71
43277.68
44919.74
45148.42
45486.56
45411.64
46156.79
47051.54
47849.69
48313.56
627332171.6
436031263.6
758106455.3
927651643.2
767141014.2
1039869741
898560966.3
880912844.7
828891707.5
1307705090
1638227082
1972035901
2247991774
2237460225
2330114104
2278207182
2180212618
2093165023
2027278845
2186763768
2385197251
2378495062
2338480290
2352788845
2543132690
2544831178
2559694153
2535511444
2602971309
2693835065
2773207767
2809372317
4.892132
4.062802
5.056206
5.541852
4.861716
5.812336
5.185899
5.183474
5.034625
5.811895
6.371758
6.887618
7.308566
7.351103
7.533241
7.480021
7.296345
7.132693
7.022879
7.25472
7.511383
7.527367
7.479336
7.521583
7.744214
7.764916
7.801868
7.777062
7.872488
7.988019
8.089418
8.143649
46
640864.5
664884.6
648912.2
656508.3
650801
626698.8
672111.1
680651.6
691121.9
721424.2
684675.5
705328.7
692148.4
737889.3
795907
577319.8
579188.7
581637.2
583505.9
585479
587198
588210.8
590308.3
592511.8
594859.7
597803
599777.4
602123
604080.1
606927.1
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
62872.81
85043.71
66641.55
72386.5
64722.77
38917.32
83331.8
89788.98
98069.31
126036.6
86356.82
105047.3
89532.7
133327.2
188508.2
1465997.56
1551693.40
1618968.45
1691970.85
1757292.87
1796793.67
1880693.99
1971037.28
2069647.38
2196211.89
2283084.35
2388635.61
2478661.03
2612470.22
2801450.18
48775.11
49861.01
50358.55
50987.55
51374.97
51062.49
51904.49
52865.46
53981.18
55709.35
56434.08
57550.38
58272.04
59914.16
62660.24
2846601323
2978871210
3023072958
3087136216
3119023520
3078004828
3179575566
3304133935
3460714843
3759711561
3847783935
4013540413
4104452315
4404462000
5070610158
8.197341
8.335326
8.393384
8.469117
8.511497
8.453379
8.556705
8.674614
8.811041
9.018961
9.104291
9.237485
9.321244
9.512827
9.815617
47
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.16
610864.2
2801450.18
Tabel 4.11 Perhitungan Manual Nilai Error Metode SA
CFE
MAD
MSE
MAPE
2801450.18
62660.24
5070610158
9.815617
Contoh perhitungan :
Peramalan ke 49 =
n 1
error
MAPE = n 1
error
MAD =
n 1
47
2801450.18
PE
461.3
9.815617
47
2945031.1
62660.24
47
48
MSE =
CFE =
48
B. Metode MA
3-MA
Perhitungan QS
Tabel 4.12 Output QS Metode 3-MA
49
50
51
Perhitungan Minitab
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
22890
892143349
Time
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
data
historis
486931
511977
483810
531686
541499
522365
464019
498920
532671
528524
585187
587363
598039
603254
579849
597300
579562
567860
569256
574799
619472
630394
601611
594549
609741
644355
614134
619431
610480
635609
643821
644971
638114
640865
664885
648912
656508
650801
MA
*
*
494239
509158
518998
531850
509295
495102
498537
520039
548794
567025
590196
596219
593714
593468
585570
581574
572226
570638
587842
608222
617159
608851
601967
616215
622743
625973
614682
621840
629970
641467
642302
641316
647954
651554
656768
652074
Predict
*
*
*
494239
509158
518998
531850
509295
495102
498537
520039
548794
567025
590196
596219
593714
593468
585570
581574
572226
570638
587842
608222
617159
608851
601967
616215
622743
625973
614682
621840
629970
641467
642302
641316
647954
651554
656768
Error
*
*
*
37446.7
32341.6
3366.9
-67831.1
-10374.5
37569.9
29987.4
65148.5
38569.0
31014.0
13057.1
-16369.3
3585.9
-13905.6
-17710.5
-12318.0
2573.1
48834.0
42551.9
-6610.7
-22610.4
889.6
42387.6
-2080.4
-3312.1
-15493.3
20926.9
21980.8
15000.6
-3353.2
-1437.1
23568.4
958.0
4954.5
-5967.4
52
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
626699
672111
680652
691122
721424
684676
705329
692148
737889
795907
644669
649870
659821
681295
697733
699074
703809
694051
711789
741982
652074
644669
649870
659821
681295
697733
699074
703809
694051
711789
-25375.0
27441.7
30781.3
31301.4
40129.3
-13057.1
6254.8
-11661.1
43838.4
84118.2
Forecasts
Period
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Forecast
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
Lower
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
Upper
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
53
Oct
Nov
741982
741982
683440
683440
800523
800523
800000
data historis
750000
700000
650000
Accuracy Measures
MAPE
4
MAD
22890
MSD
892143349
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
Perhitungan Manual
Tabel 4.13 Perhitungan Manual Metode 3-MA
periode
1
2
3
4
5
6
7
8
9
10
11
12
13
14
demand
486930.5
511977.1
483810
531685.9
541499.3
522365.3
464019.1
498920.1
532671.4
528524.3
585187.1
587363.3
598038.9
603253.5
Peramalan
error
CFE
MSE
MAD
MAPE
494239.22
509157.69
518998.4
531850.18
509294.55
495101.48
498536.83
520038.59
548794.27
567024.91
590196.44
37446.72
32341.59
3366.92
-67831.1
-10374.5
37569.9
29987.49
65148.53
38569.03
31013.99
13057.08
37446.72
69788.31
73155.23
5324.113
-5050.38
32519.52
62507.01
127655.5
166224.6
197238.6
210295.6
1402256838.8
1224117749.0
819857216.1
1765158122.2
1433652520.2
1429959997.8
1354144191.9
1715417592.4
1690101173.0
1617277792.6
1485751387.6
37446.72
34894.16
24385.08
35246.59
30272.17
31488.46
31274.03
35508.35
35848.42
35364.98
33336.99
7.043015
6.507808
4.553390
7.069586
6.071547
6.235141
6.154951
6.777200
6.753785
6.597002
6.194042
54
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
579849.3
597299.8
579561.9
567859.8
569255.8
574798.9
619472.2
630394.2
601611.1
594548.8
609741
644354.6
614134.4
619431.2
610480.1
635608.8
643820.8
644970.5
638113.5
640864.5
664884.6
648912.2
656508.3
650801
626698.8
672111.1
680651.6
691121.9
721424.2
684675.5
705328.7
692148.4
737889.3
795907
596218.57
593713.91
593467.55
585570.35
581573.84
572225.85
570638.19
587842.33
608221.78
617159.17
608851.37
601966.97
616214.79
622743.33
625973.39
614681.89
621840.01
629969.89
641466.69
642301.58
641316.14
647954.17
651553.77
656768.39
652073.86
644669.37
649870.31
659820.51
681294.89
697732.58
699073.87
703809.46
694050.87
711788.79
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
-16369.3
3585.907
-13905.7
-17710.5
-12318
2573.093
48834.03
42551.85
-6610.66
-22610.4
889.6333
42387.61
-2080.37
-3312.17
-15493.3
20926.91
21980.79
15000.59
-3353.23
-1437.1
23568.44
958.0667
4954.573
-5967.39
-25375.1
27441.77
30781.31
31301.41
40129.31
-13057.1
6254.807
-11661
43838.39
84118.25
193926.4
197512.3
183606.6
165896.1
153578.1
156151.2
204985.2
247537.1
240926.4
218316
219205.7
261593.3
259512.9
256200.7
240707.4
261634.3
283615.1
298615.7
295262.5
293825.4
317393.8
318351.9
323306.4
317339.1
291964
319405.7
350187.1
381488.5
421617.8
408560.7
414815.5
403154.5
446992.8
531111.1
1384268143.2
1278775111.2
1201245974.3
1142073806.9
1080177514.2
1017027119.8
1093012399.8
1130783308.0
1076429183.9
1049514888.5
1001845641.2
1036404926.3
993401719.1
954104470.1
926640550.1
908540370.5
893348035.2
870302158.2
841666892.0
814582968.3
806485730.7
782074584.0
759794384.4
739103393.5
736458707.2
736907135.6
742448770.2
748534136.6
770079814.5
755455607.8
738400060.1
724390287.9
751604252.5
892143725.6
31923.01
29743.23
28611.98
27885.21
26912.26
25480.55
26777.96
27608.17
26558.29
26370.30
25212.08
25958.85
24963.91
24097.84
23766.90
23661.71
23601.68
23305.09
22640.03
21956.06
22006.45
21368.62
20885.85
20459.61
20596.15
20781.17
21044.33
21307.33
21777.88
21565.18
21200.65
20978.80
21498.33
22889.89
5.913123
5.504448
5.282655
5.138400
4.952492
4.687501
4.865038
4.964249
4.770978
4.724881
4.516746
4.606379
4.428561
4.272807
4.206079
4.172240
4.145164
4.082427
3.963862
3.843229
3.833902
3.722197
3.634917
3.557260
3.570920
3.584758
3.609431
3.633011
3.681249
3.637975
3.572471
3.528571
3.583400
3.738632
55
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
741981.57
Tabel 4.14 Perhitungan Manual Nilai Error Metode 3-MA
CFE
531111.1
MSE
892143725.6
MAD
22889.89
MAPE
3.738632
Contoh perhitungan :
Peramalan ke 49 =
X 46 X 47 X 48 2225944.71
741981.57
3
3
Perhitungan ke 48 :
Program Studi Teknik Industri
Universitas Diponegoro
2010
56
MSE =
CFE =
n3
error
531111.1
PE
MAPE = n 3
error
MAD =
n3
45
168.2
3.738632
45
1030044.8
22889.89
45
57
5-MA
Perhitungan QS
Tabel 4.15 Output QS Metode 5-MA
58
59
Perhitungan Minitab
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
23050
979934642
Time
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
data
historis
486931
511977
483810
531686
541499
522365
464019
498920
532671
528524
585187
587363
598039
603254
579849
597300
579562
567860
569256
574799
619472
630394
MA
*
*
*
*
511181
518268
508676
511698
511895
509300
521864
546533
566357
580473
590738
593161
591601
585565
578765
577755
582190
592356
Predict
*
*
*
*
*
511181
518268
508676
511698
511895
509300
521864
546533
566357
580473
590738
593161
591601
585565
578765
577755
582190
Error
*
*
*
*
*
11184.7
-54248.4
-9755.8
20973.5
16629.3
75887.1
65498.9
51505.7
36896.5
-624.1
6561.4
-13599.1
-23740.9
-16309.1
-3966.4
41717.0
48204.5
60
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
601611
594549
609741
644355
614134
619431
610480
635609
643821
644971
638114
640865
664885
648912
656508
650801
626699
672111
680652
691122
721424
684676
705329
692148
737889
795907
599106
604165
611153
616130
612878
616442
619628
624802
624695
630862
634599
640676
646531
647549
649857
652394
649561
651006
657354
664277
678402
689997
696640
698940
708293
723190
592356
599106
604165
611153
616130
612878
616442
619628
624802
624695
630862
634599
640676
646531
647549
649857
652394
649561
651006
657354
664277
678402
689997
696640
698940
708293
9254.9
-4557.6
5576.0
33201.1
-1995.5
6553.2
-5961.9
15980.5
19019.0
20275.4
7251.2
6265.8
24209.0
2381.4
8959.2
944.4
-25695.3
22550.1
29645.3
33767.7
57147.3
6274.0
15331.8
-4492.0
38949.6
87613.8
Forecasts
Period
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Forecast
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
Lower
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
Upper
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
61
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
800000
data historis
750000
700000
Moving Average
Length 5
650000
Accuracy Measures
MAPE
4
MAD
23050
MSD
979934642
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
Perhitungan Manual
Tabel 4.17 Perhitungan Manual Metode 5-MA
periode
1
2
3
4
5
6
demand
486930.5
511977.1
483810
531685.9
541499.3
522365.3
peramalan
error
CFE
MSE
MAD
MAPE
511180.6
11184.744
11184.74
125098498.3
11184.7
2.141173
62
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
464019.1
498920.1
532671.4
528524.3
585187.1
587363.3
598038.9
603253.5
579849.3
597299.8
579561.9
567859.8
569255.8
574798.9
619472.2
630394.2
601611.1
594548.8
609741
666527
614134.4
619431.2
610480.1
635608.8
643820.8
644970.5
638113.5
640864.5
664884.6
648912.2
656508.3
650801
626698.8
672111.1
680651.6
691121.9
721424.2
684675.5
705328.7
692148.4
737889.3
795907
518267.5
508675.9
511697.9
511895
509300
521864.4
546533.2
566357
580473.4
590738.4
593161
591600.7
585564.9
578765.3
577755.3
582189.7
592356.2
599106.5
604165.1
611153.5
620564.4
617312.5
620876.5
624062.7
629236.3
624695.1
630862.3
634598.7
640675.6
646530.8
647549
649856.6
652394.1
649561
651006.3
657354.2
664276.9
678401.5
689996.9
696640.4
698939.7
708293.2
723189.78
723189.78
723189.78
723189.78
723189.78
-54248.472
-9755.856
20973.448
16629.3
75887.092
65498.912
51505.664
36896.516
-624.112
6561.388
-13599.072
-23740.892
-16309.032
-3966.396
41716.96
48204.44
9254.924
-4557.66
5575.948
55373.516
-6429.996
2118.696
-10396.392
11546.072
14584.512
20275.428
7251.196
6265.756
24208.976
2381.48
8959.292
944.38
-25695.348
22550.152
29645.32
33767.744
57147.308
6273.968
15331.804
-4491.964
38949.516
87613.828
-43063.73
-52819.58
-31846.14
-15216.84
60670.26
126169.2
177674.8
214571.3
213947.2
220508.6
206909.6
183168.7
166859.6
162893.2
204610.2
252814.6
262069.6
257511.9
263087.8
318461.4
312031.4
314150.1
303753.7
315299.7
329884.3
350159.7
357410.9
363676.6
387885.6
390267.1
399226.4
400170.8
374475.4
397025.6
426670.9
460438.6
517585.9
523859.9
539191.7
534699.7
573649.3
661263.1
1533997606
1054390646
900764365
775918215.7
1606406968
1989792755
2072672838
1993637289
1794312512
1635106994
1514259307
1441133972
1357194726
1267763898
1297297701
1357672427
1287004715
1220360902
1160897416
1158107735
1105647478
1059442984
1016780543
986324442.8
962301274.1
941886152.1
910125212.5
880095367.2
870294672.3
842403600.5
818586891.5
793808254
789880096.8
781840932.7
784535490.1
794149680.5
859193499.7
838172196.5
823094497
803511161.4
820500533.7
979935006.3
32716.61
25063.02
24040.63
22558.36
31446.49
36311.12
38210.44
38064.44
34320.41
31796.86
30280.38
29777.34
28815.32
27158.73
28068.62
29253.08
28142.07
26900.78
25834.54
26185.33
25085.79
24280.03
23516.77
23215.32
23053.93
22951.02
22390.31
21834.29
21913.45
21283.38
20898.26
20293.59
20452.47
20512.40
20766.10
21117.49
22065.64
21660.73
21502.51
21087.61
21512.90
23050.13
6.916087
5.262523
4.931244
4.574268
5.973224
6.712956
6.950390
6.857708
6.182701
5.720501
5.439329
5.342517
5.165550
4.867183
4.983876
5.140514
4.940394
4.720719
4.530407
4.560036
4.367531
4.223636
4.088342
4.025377
3.984173
3.953042
3.852446
3.753317
3.749575
3.640460
3.569342
3.465578
3.484240
3.480551
3.504853
3.542180
3.657424
3.587140
3.551804
3.481004
3.523801
3.697854
63
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
723189.78
MSE
979935006.3
MAD
23050.13
MAPE
3.697854
64
Contoh perhitungan :
X 44 X 45 X 46 X 47 X 48 3615948.9
723189.78
5
5
Peramalan ke 49 =
Perhitungan ke 48 :
MSE =
CFE =
n 5
error
661263.1
PE
MAPE = n 5
error
MAD =
n 5
43
159.0
3.697854
43
991155.6
23050.13
43
65
7-MA
Perhitungan QS
Tabel 4.19 Output QS Metode 7-MA
66
67
Perhitungan Minitab
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
26285
1154221861
Time
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
data
historis
486931
511977
483810
531686
541499
522365
464019
498920
532671
528524
585187
587363
598039
603254
579849
597300
579562
567860
569256
574799
619472
MA
*
*
*
*
*
*
506041
507754
510710
517098
524741
531293
542103
561994
573555
582788
590079
587604
585017
581697
584014
Predict
*
*
*
*
*
*
*
506041
507754
510710
517098
524741
531293
542103
561994
573555
582788
590079
587604
585017
581697
Error
*
*
*
*
*
*
*
-7120.9
24917.6
17814.1
68089.2
62622.4
66746.0
61150.0
17855.2
23744.4
-3226.1
-22219.3
-18348.0
-10218.1
37775.2
68
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
630394
601611
594549
609741
644355
614134
619431
610480
635609
643821
644971
638114
640865
664885
648912
656508
650801
626699
672111
680652
691122
721424
684676
705329
692148
737889
795907
591235
591851
593992
599975
610703
616322
616316
613472
618328
625367
630400
629508
633327
639820
645311
648296
649294
646683
651540
657224
660972
671331
675355
683145
692494
701891
718356
584014
591235
591851
593992
599975
610703
616322
616316
613472
618328
625367
630400
629508
633327
639820
645311
648296
649294
646683
651540
657224
660972
671331
675355
683145
692494
701891
46380.2
10376.4
2698.2
15749.5
44380.0
3431.4
3108.9
-5836.4
22137.2
25492.4
19603.2
7713.4
11356.0
31557.5
9091.8
11197.6
2504.7
-22594.7
25427.8
29111.5
33898.0
60452.1
13344.5
29973.8
9003.9
45394.8
94015.6
Forecasts
Period
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
Forecast
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
Lower
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
Upper
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
69
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
800000
data historis
750000
700000
Moving Av erage
Length 7
650000
Accuracy Measures
MAPE
4
MAD
26285
MSD
1154221861
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
Perhitungan Manual
Tabel 4.21 Perhitungan Manual Metode 7-MA
periode
1
2
3
4
5
demand
486930.5
511977.1
483810
531685.9
541499.3
peramalan
error
CFE
MSE
MAD
MAPE
70
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
522365.3
464019.1
498920.1
532671.4
528524.3
585187.1
587363.3
598038.9
603253.5
579849.3
597299.8
579561.9
567859.8
569255.8
574798.9
619472.2
630394.2
601611.1
594548.8
609741
666527
614134.4
619431.2
610480.1
635608.8
643820.8
644970.5
638113.5
640864.5
664884.6
648912.2
656508.3
650801
626698.8
672111.1
680651.6
691121.9
721424.2
684675.5
705328.7
692148.4
737889.3
795907
506041
507753.8
510710.1
517097.9
524740.9
531292.9
542103.4
561994.1
573555.4
582788
590079.1
587603.8
585017
581697
584014
591234.7
591850.6
593991.6
599974.6
613870.5
619489.8
619484
616639.1
621495.9
628534.7
633567.5
629508.5
633327
639820.4
645310.7
648296.3
649293.5
646683.3
651540.1
657224
660972.1
671331
675354.9
683144.5
692494.5
701891.4
718356.43
718356.43
718356.43
718356.43
-7120.9771
24917.5543
17814.1743
68089.2114
62622.3657
66745.9629
61150.0714
17855.2343
23744.4114
-3226.1429
-22219.326
-18347.954
-10218.074
37775.2
46380.2029
10376.4486
2698.22857
15749.4429
66552.3943
263.957143
-58.657143
-9003.8714
18969.72
22324.9086
16435.7314
4545.92857
11356.0229
31557.5429
9091.85714
11197.6486
2504.66
-22594.731
25427.8714
29111.54
33897.9629
60452.0514
13344.5
29973.8
9003.87143
45394.7629
94015.6686
-7120.977
17796.58
35610.75
103699.96
166322.33
233068.29
294218.36
312073.60
335818.01
332591.87
310372.54
292024.59
281806.51
319581.71
365961.91
376338.36
379036.59
394786.03
461338.43
461602.39
461543.73
452539.86
471509.58
493834.49
510270.22
514816.15
526172.17
557729.71
566821.57
578019.22
580523.88
557929.15
583357.02
612468.56
646366.52
706818.57
720163.07
750136.87
759140.74
804535.51
898551.17
50708315.47
335796413.5
329645877.5
1406269586
1909327807
2333610432
2534427690
2257475402
2069288921
1863400829
1738882430
1622029513
1505289476
1499694923
1543123476
1453407677
1368341369
1306102679
1341022743
1274560346
1214327225
1160678869
1131521348
1111452215
1082365572
1043024463
1009170196
1008695493
976763299.4
948384100.5
917993430.3
905259944.6
897421056.7
895952253.9
903184243.4
979608306.7
957945262.7
956379037
933935207.9
962103940.1
1154222038
7120.98
16019.27
16617.57
29485.48
36112.86
41218.37
44065.76
40789.44
38895.55
35328.61
34136.86
32821.12
31082.42
31560.48
32548.46
31162.71
29488.33
28725.05
29549.00
28243.12
27046.25
26082.17
25910.65
25893.22
25641.62
24952.07
24448.51
24702.41
24164.11
23731.90
23047.15
23033.01
23105.58
23282.23
23585.53
24609.60
24305.14
24454.32
24058.15
24591.57
26284.84
1.427278
3.052563
3.158558
5.277784
6.354548
7.155591
7.581466
7.018694
6.680538
6.068149
5.872210
5.651455
5.353472
5.406650
5.536696
5.298451
5.013473
4.878445
4.984185
4.762913
4.560007
4.396190
4.356479
4.339940
4.287919
4.169490
4.080694
4.104466
4.011246
3.934393
3.819892
3.813187
3.812281
3.825950
3.856773
3.982406
3.927450
3.935928
3.868362
3.925452
4.117817
71
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
718356.43
72
MSE
MAD
MAPE
898551.17
1154222038
26284.84
4.117817
Contoh perhitungan :
Peramalan ke 49 =
X 42 X 43 X 44 X 45 X 46 X 47 X 48 5028495.01
718356.43
7
7
Perhitungan ke 48 :
MSE =
CFE =
n7
error
898551.17
PE
MAPE = n 7
error
MAD =
n 7
41
168.8
4.117817
41
1077678.4
26284.84
41
73
C. Metode DMA
3x3-DMA
Perhitungan Manual
Tabel 4.23 Perhitungan Manual Metode 3x3-DMA
Periode
Actual
Data
Peramalan
Forcast
Error
CFE
MAD
MAPE
(%)
MSE
486930,5
511977,1
483810
531685,9
541499,3
522365,3
507465,1
14900,218
14900,22
14900,22
222016489,83
2,85
464019,1
520002,09
-55983,03
-41082,8
35441,62
1678058006,70
7,46
498920,1
520047,71
-21127,65
-62210,5
30670,30
1267497884,96
6,38
532671,4
512082,07
20589,309
-41621,2
28150,05
1056603323,85
5,75
10
528524,3
500977,62
27546,698
-14074,5
28029,38
997046770,77
5,65
11
585187,1
504558,97
80628,153
66553,7
36795,84
1914355493,97
7,00
12
587363,3
522456,56
64906,736
131460,4
40811,68
2242716754,90
7,58
13
598038,9
545285,92
52752,976
184213,4
42304,35
2310236714,28
7,73
14
603253,5
568671,88
34581,644
218795,1
41446,27
2186420427,41
7,51
15
579849,3
584479,98
-4630,656
214164,4
37764,71
1969922681,76
6,84
16
597299,8
593376,31
3923,5111
218087,9
34688,23
1792238250,64
6,28
17
579561,9
594466,68
-14904,78
203183,1
33039,61
1661397768,66
5,97
18
567859,8
590917,27
-23057,47
180125,7
32271,76
1574493861,38
5,82
19
569255,8
586870,58
-17614,74
162510,9
31224,83
1484192804,51
5,63
20
574798,9
579790,01
-4991,071
157519,8
29475,91
1386907336,94
5,31
21
619472,2
574812,63
44659,593
202179,4
30424,89
1424880583,17
5,43
22
630394,2
576902,12
53492,056
255671,5
31781,78
1509381725,78
5,61
23
601611,1
588900,77
12710,351
268381,8
30722,26
1434502353,54
5,41
24
594548,8
604407,76
-9858,962
258522,9
29624,19
1364117973,67
5,22
25
609741
611410,77
-1669,773
256853,1
28226,47
1296051482,14
4,97
26
644354,6
609325,84
35028,762
291881,9
28550,39
1292763991,69
4,99
27
614134,4
609011,05
5123,3733
297005,2
27485,52
1235195126,36
4,80
28
619431,2
613641,7
5789,4556
302794,7
26542,22
1182948285,89
4,64
29
610480,1
621643,84
-11163,76
291630,9
25901,45
1138851675,50
4,52
30
635608,8
621132,87
14475,927
306106,9
25444,43
1101679706,60
4,43
31
643820,8
620831,76
22989,036
329095,9
25349,99
1079634170,03
4,40
32
644970,5
622163,93
22806,549
351902,4
25255,79
1058912114,55
4,36
74
33
638113,5
631092,2
7021,26
358923,7
24604,55
1022854470,89
4,25
34
640864,5
637912,72
2951,7578
361875,5
23857,91
987884071,00
4,12
35
664884,6
641694,8
23189,776
385065,2
23835,63
972880124,97
4,10
36
648912,2
643857,3
5054,9422
390120,2
23229,81
942321167,42
3,99
37
656508,3
646941,36
9566,98
399687,2
22802,84
915733853,01
3,91
38
650801
652092,11
-1291,109
398396,1
22150,97
888034856,32
3,80
39
626698,8
653465,34
-26766,56
371629,5
22286,72
882988202,17
3,81
40
672111,1
651170,54
20940,6
392570,1
22248,26
870288788,63
3,79
41
680651,6
648871,18
31780,44
424350,5
22513,05
874169554,69
3,82
42
691121,9
651453,4
39668,522
464019,1
22976,71
893072854,70
3,87
43
721424,2
663661,9
57762,296
521781,4
23892,12
957373116,10
3,98
44
684675,5
679616
5059,5044
526840,9
23409,23
933481461,47
3,89
45
705328,7
692700,45
12628,231
539469,1
23139,71
914131230,45
3,84
46
692148,4
700205,3
-8056,884
531412,2
22771,83
893418600,12
3,78
47
737889,3
698978,07
38911,193
570323,4
23156,10
908196275,52
3,81
48
795907
703216,37
92690,669
663014,1
24773,19
1086879155,13
3,99
49
715940,41
50
715940,41
51
715940,41
52
715940,41
53
715940,41
54
715940,41
55
715940,41
56
715940,41
57
715940,41
58
715940,41
59
715940,41
60
715940,41
61
715940,41
62
715940,41
63
715940,41
64
715940,41
65
715940,41
66
715940,41
67
715940,41
68
715940,41
69
715940,41
70
715940,41
75
71
715940,41
72
715940,41
73
715940,41
74
715940,41
75
715940,41
76
715940,41
77
715940,41
78
715940,41
79
715940,41
80
715940,41
81
715940,41
82
715940,41
83
715940,41
84
715940,41
85
715940,41
86
715940,41
87
715940,41
88
715940,41
89
715940,41
90
715940,41
91
715940,41
92
715940,41
93
715940,41
94
715940,41
95
715940,41
96
715940,41
Tabel 4.24 Perhitungan Manual Nilai Error Metode 3x3-DMA
CFE
MAD
MSE
MAPE
663014 24773,19 1086879155,13 3,99
76
600000.0
400000.0
Actual Data
200000.0
Peramalan
0.0
0 6 07 07 08 0 8 09 0 9 10 10 11 1 1 12 1 2 13 13 14
c - n - c - n - c - n- c - n - c - n - c - n- c - n - c - n De Ju De Ju De Ju De Ju De Ju De Ju De Ju De Ju
Periode
5x5-DMA
Perhitungan Manual:
Tabel 4.25 Perhitungan Manual Metode 5x5-DMA
Periode
Actual
Data
Peramalan
Forcast
Error
CFE
MAD
MSE
MAPE
(%)
486931
511977
483810
531686
541499
522365
464019
498920
532671
10
528524
512343,4
16180,9
16180,9
16180,92
261822327,38
3,06
11
585187
511967,29
73219,8
89400,8
44700,38
2811483238,47
7,79
12
587363
512686,66
74676,6
164077
54692,47
3733189172,19
9,43
13
598039
520258,12
77780,8
241858
60464,55
4312354282,38
10,32
14
603254
531189,94
72063,6
313922
62784,35
4488515476,75
10,65
15
579849
544905,62
34943,7
348865
58144,24
3943939953,53
9,88
16
597300
561193,3
36106,5
384972
54996,00
3566760089,03
9,33
77
17
579562
575452,62
4109,28
389081
48635,16
3123025855,60
8,25
18
567860
584466,11
-16606
372475
45076,40
2806664028,56
7,66
19
569256
588307,68
-19052
353423
42473,94
2562294886,44
7,23
20
574799
587966,06
-13167
340256
39809,69
2345120175,87
6,78
21
619472
585369,43
34102,8
374359
39334,11
2246610205,49
6,67
22
630394
583175,18
47219
421578
39940,64
2245304340,53
6,74
23
601611
583326,28
18284,8
439863
38393,80
2108806555,11
6,47
24
594549
586034,6
8514,2
448377
36401,83
1973052226,69
6,14
25
609741
591114,54
18626,5
467003
35290,86
1871420522,06
5,94
26
644355
597794,18
46560,4
513564
35953,78
1888858872,94
6,02
27
614134
604582,22
9552,2
523116
34487,03
1788991406,61
5,77
28
619431
608686,58
10744,6
533860
33237,42
1700910068,48
5,56
29
610480
612153,69
-1673,6
532187
31659,23
1616004613,24
5,29
30
635609
615246,33
20362,5
552549
31121,29
1558796310,99
5,20
31
643821
617976
25844,8
578394
30881,45
1518303470,09
5,14
32
644970
619689,02
25281,5
603676
30637,97
1480079502,68
5,09
33
638113
623285,88
14827,6
618503
29979,21
1427570243,03
4,97
34
640864
626917,22
13947,3
632450
29337,93
1378248474,87
4,86
35
664885
631126,69
33757,9
666208
29507,93
1369069497,23
4,87
36
648912
635472,48
13439,8
679648
28912,81
1325053113,16
4,77
37
656508
640043,28
16465,1
696113
28468,25
1287411866,29
4,69
38
650801
643842,15
6958,85
703072
27726,54
1244688201,13
4,56
39
626699
647401,23
-20702
682370
27492,41
1217484978,39
4,52
40
672111
649178,31
22932,8
705302
27345,32
1195176261,24
4,48
41
680652
650073,42
30578,2
735881
27446,35
1187046581,55
4,48
42
691122
652034,44
39087,5
774968
27799,11
1197373379,23
4,52
43
721424
654918,5
66505,7
841474
28937,54
1292245002,14
4,66
44
684676
660119,98
24555,5
866029
28812,34
1272551535,80
4,63
45
705329
668207,16
37121,5
903151
29043,15
1275480871,02
4,64
46
692148
677333,97
14814,4
917965
28658,59
1246939979,08
4,58
47
737889
685651,09
52238,2
970203
29279,11
1285937002,39
4,64
48
795907
694454,35
101453
1071656
31129,71
1516878320,00
4,85
49
703412
50
703412
51
703412
52
703412
53
703412
78
54
703412
55
703412
56
703412
57
703412
58
703412
59
703412
60
703412
61
703412
62
703412
63
703412
64
703412
65
703412
66
703412
67
703412
68
703412
69
703412
70
703412
71
703412
72
703412
73
703412
74
703412
75
703412
76
703412
77
703412
78
703412
79
703412
80
703412
81
703412
82
703412
83
703412
84
703412
85
703412
86
703412
87
703412
88
703412
89
703412
90
703412
91
703412
79
92
703412
93
703412
94
703412
95
703412
96
703412
Tabel 4.26 Perhitungan Manual Nilai Error Metode 5x5-DMA
CFE
MAD
MSE
MAPE
1071656 31129,71 1516878320,00 4,85
Nilai
Actual Data
Peramalan
0 6 7 07 08 08 09 09 09 10 10 1 1 11 1 1 2 12 13 13 1 4 14 14
c - ay-0 ct - ar - ug- an- un- ov- pr - ep- eb- Jul- ec - ay-1 ct - ar - ug- an- un- ove
D M O M A J J N A S F
D M O M A J J N
Periode
7x7-DMA
Perhitungan Manual:
Tabel 4.27 Perhitungan Manual Metode 7x7-DMA
Periode
Actual
Data
486930,5
511977,1
483810
531685,9
541499,3
522365,3
Peramalan
Forcast
Error
CFE
MAD
MSE
MAPE (%)
80
464019,1
498920,1
532671,4
10
528524,3
11
585187,1
12
587363,3
13
598038,9
14
603253,5
519962,89
83290,629
83290,63
83290,63
6937328875,82
13,81
15
579849,3
527956,18
51893,136
135183,8
67591,88
4815113236,81
11,38
16
597299,8
537356,41
59943,41
195127,2
65042,39
4407812966,84
10,93
17
579561,9
547653,25
31908,648
227035,8
56758,96
3560400175,52
9,57
18
567859,8
558079,14
9780,6596
236816,5
47363,30
2867452400,83
8,00
19
569255,8
567059,55
2196,291
239012,8
39835,46
2390347616,40
6,73
20
574798,9
574734,42
64,522857
239077,3
34153,90
2048869980,22
5,77
21
619472,2
580390,64
39081,578
278158,9
34769,86
1983682453,66
5,84
22
630394,2
583536,34
46857,84
325016,7
36112,97
2007235195,61
6,02
23
601611,1
586061,95
15549,171
340565,9
34056,59
1830689346,72
5,67
24
594548,8
587356,6
7192,2037
347758,1
31614,37
1668965569,17
5,27
25
609741
587915,52
21825,485
369583,6
30798,63
1569581087,66
5,13
26
644354,6
589682,77
54671,829
424255,4
32635,03
1678767841,22
5,39
27
614134,4
593352,19
20782,225
445037,6
31788,40
1589705916,04
5,24
28
619431,2
598298,67
21132,492
466170,1
31078,01
1513497669,05
5,12
29
610480,1
602913,31
7566,7702
473736,9
29608,56
1422482565,44
4,88
30
635608,8
606090,01
29518,787
503255,7
29603,28
1390063517,96
4,86
31
643820,8
609872,56
33948,238
537203,9
29844,66
1376864594,09
4,89
32
644970,5
614354,81
30615,674
567819,6
29885,24
1353730642,40
4,88
33
638113,5
618701,3
19412,16
587231,7
29361,59
1304885707,28
4,79
34
640864,5
621387,8
19476,683
606708,4
28890,88
1260812158,13
4,70
35
664884,6
623817,04
41067,54
647776
29444,36
1280163551,31
4,77
36
648912,2
627174,74
21737,498
669513,5
29109,28
1245048562,11
4,71
37
656508,3
631723,18
24785,156
694298,6
28929,11
1218767535,93
4,67
38
650801
636004,32
14796,682
709095,3
28363,81
1178774506,95
4,57
39
626698,8
639422,35
-12723,57
696371,7
27762,26
1139663537,49
4,48
40
672111,1
641748,53
30362,613
726734,3
27858,57
1131597786,92
4,48
41
680651,6
644895,9
35755,718
762490,1
28140,61
1136843272,95
4,51
42
691121,9
648309,75
42812,173
805302,2
28646,53
1160844612,76
4,56
43
721424,2
651331,43
70092,772
875395
30028,07
1285916347,79
4,74
81
44
684675,5
655048,62
29626,885
905021,9
30015,13
1272749765,89
4,72
45
705328,7
658914,12
46414,559
951436,5
30527,61
1300298563,96
4,78
46
692148,4
663749,98
28398,437
979834,9
30463,09
1285334098,66
4,76
47
737889,3
670294,44
67594,816
1047430
31555,20
1381914245,28
4,89
48
795907
677487,49
118419,55
1165849
34037,04
1743093573,72
5,18
49
686220,7
50
686220,7
51
686220,7
52
686220,7
53
686220,7
54
686220,7
55
686220,7
56
686220,7
57
686220,7
58
686220,7
59
686220,7
60
686220,7
61
686220,7
62
686220,7
63
686220,7
64
686220,7
65
686220,7
66
686220,7
67
686220,7
68
686220,7
69
686220,7
70
686220,7
71
686220,7
72
686220,7
73
686220,7
74
686220,7
75
686220,7
76
686220,7
77
686220,7
78
686220,7
79
686220,7
80
686220,7
81
686220,7
82
82
686220,7
83
686220,7
84
686220,7
85
686220,7
86
686220,7
87
686220,7
88
686220,7
89
686220,7
90
686220,7
91
686220,7
92
686220,7
93
686220,7
94
686220,7
95
686220,7
96
686220,7
Tabel 4.28 Perhitungan Manual Nilai Error Metode 7x7-DMA
CFE
MAD
MSE
MAPE
1165849 34037,04 1743093573,72 5,18
83
C. Metode WMA
3-WMA
Perhitungan QS
Tabel 4.29 Output QS Metode 3-WMA
84
85
Perhitungan Manual
Tabel 4.31 Perhitungan Manual Metode 3-WMA
Periode
Actual
Data
Peramalan
CFE
MAD
MSE
MAPE (%)
486930,5
511977,1
483810
531685,9
492884,2
38801,7
38801,7
38801,70
1505571922,89
7,30
541499,3
513381,4
28117,888
66919,59
33459,79
1148093774,24
6,25
Forcast
Error
86
522365,3
527017,4
-4652,098
62267,49
23857,23
772609854,76
4,46
464019,1
529969,6
-65950,57
-3683,08
34380,56
1666826877,85
6,90
498920,1
497019
1901,078
-1782
27884,67
1334184321,79
5,59
532671,4
493138,8
39532,568
37750,56
29825,98
1372290923,61
5,90
10
528524,3
508815,5
19708,8
57459,36
28380,67
1231740334,15
5,59
11
585187,1
523847,6
61339,534
118798,9
32500,53
1548090096,30
6,20
12
587363,3
557685,1
29678,168
148477,1
32186,93
1473946047,36
6,07
13
598038,9
574942,7
23096,25
171573,3
31277,87
1379895119,03
5,85
14
603253,5
592265,9
10987,656
182561
29433,30
1265425434,06
5,49
15
579849,3
598511,1
-18661,77
163899,2
28535,67
1188995119,52
5,30
16
597299,8
590508,5
6791,324
170690,5
26863,03
1101081808,91
4,98
17
579561,9
593255,4
-13693,51
156997
25922,35
1035826838,00
4,79
18
567859,8
584940,8
-17080,96
139916,1
25332,93
986222328,44
4,67
19
569255,8
577258,4
-8002,594
131913,5
24249,78
928586027,33
4,47
20
574798,9
570898,2
3900,7
135814,2
23052,77
874858346,93
4,24
21
619472,2
571748,2
47724,038
183538,2
24423,40
952787538,93
4,44
22
630394,2
596027
34367,22
217905,4
24946,76
964804290,07
4,49
23
601611,1
615998,5
-14387,42
203518
24418,79
926913974,03
4,39
24
594548,8
613818,3
-19269,46
184248,5
24173,59
900456737,73
4,33
25
609741
603836,6
5904,428
190153
23343,17
861111534,65
4,18
26
644354,6
603557,4
40797,236
230950,2
24102,04
896037749,02
4,27
27
614134,4
624009,4
-9874,94
221075,3
23509,25
862765944,48
4,16
28
619431,2
622321,8
-2890,63
218184,6
22684,50
828589536,37
4,01
29
610480,1
622826,8
-12346,75
205837,9
22286,90
802583867,16
3,94
30
635608,8
613896,3
21712,528
227550,4
22265,62
790319052,53
3,92
31
643820,8
624834,7
18986,144
246536,6
22148,50
774967431,51
3,88
32
644970,5
634689,1
10281,424
256818
21739,29
751889509,02
3,80
33
638113,5
642753,2
-4639,78
252178,2
21169,31
727544110,67
3,70
34
640864,5
641312
-447,554
251730,6
20500,86
704081407,25
3,58
35
664884,6
640860,4
24024,206
275754,9
20610,97
700115190,58
3,58
36
648912,2
652324,3
-3412,086
272342,8
20089,79
679252376,65
3,49
37
656508,3
652094,4
4413,95
276756,7
19628,73
659847393,65
3,41
38
650801
655904,8
-5103,758
271653
19213,73
641738849,43
3,33
39
626698,8
652135,5
-25436,67
246216,3
19386,59
641885664,18
3,35
40
672111,1
639891,4
32219,782
278436,1
19733,44
652594547,64
3,39
41
680651,6
654225,4
26426,216
304862,3
19909,56
653798504,07
3,41
42
691121,9
667298,9
23823,012
328685,3
20009,91
651586642,45
3,41
43
721424,2
684178,7
37245,526
365930,8
20440,80
669977706,56
3,45
87
44
684675,5
704179
-19503,5
346427,3
20417,94
662914506,70
3,44
45
705328,7
696989,4
8339,286
354766,6
20130,35
648786630,14
3,38
46
692148,4
702351,8
-10203,41
344563,2
19899,49
636119721,89
3,34
47
737889,3
694607,9
43281,346
387844,5
20430,90
664236885,30
3,40
48
795907
717654,9
78252,148
466096,7
21715,81
785551591,55
3,54
49
757750
50
757750
51
757750
52
757750
53
757750
54
757750
55
757750
56
757750
57
757750
58
757750
59
757750
60
757750
61
757750
62
757750
63
757750
64
757750
65
757750
66
757750
67
757750
68
757750
69
757750
70
757750
71
757750
72
757750
73
757750
74
757750
75
757750
76
757750
77
757750
78
757750
79
757750
80
757750
81
757750
88
82
757750
83
757750
84
757750
85
757750
86
757750
87
757750
88
757750
89
757750
90
757750
91
757750
92
757750
93
757750
94
757750
95
757750
96
757750
Tabel 4.32 Perhitungan Manual Nilai Error Metode 3-WMA
CFE
466097
MAD
MSE
21715,81 785551591,55
MAPE
3,54
Contoh perhitungan :
Peramalan ke 49 = (692148.4 x 0,2) + (737889.3 x 0,3) + (795907 x 0,5)
= 757750
Perhitungan ke 48 :
MSE =
CFE =
n3
error
466096,7
PE
MAPE = n 3
error
MAD =
n3
45
159,24
3,54
45
977211,62
21715,81
45
89
5-WMA
Perhitungan QS
Tabel 4.33 Output QS Metode 5-WMA
90
91
92
Perhitungan Manual
Tabel 4.35 Perhitungan Manual Metode 5-WMA
Periode
Actual
Data
486930,5
511977,1
Peramalan
Forcast
Error
CFE
MAD
MSE
MAPE (%)
483810
531685,9
541499,3
522365,3
517622,89
4742,43
4742,43
4742,43
22490642,30
0,91
464019,1
522190,82
-58171,75
-53429,3
31457,09
1703221861,04
6,72
498920,1
506230,79
-7310,733
-60740,1
23408,31
1153296846,36
4,97
532671,4
504547,33
28124,047
-32616
24587,24
1062713139,69
5,05
10
528524,3
509839,97
18684,353
-13931,7
23406,66
919991521,15
4,74
11
585187,1
513348,54
71838,576
57906,92
31478,65
1626789767,91
6,00
12
587363,3
535461,41
51901,893
109808,8
34396,26
1779220729,21
6,41
13
598038,9
558003,35
40035,553
149844,4
35101,17
1757173826,06
6,44
14
603253,5
575835,71
27417,815
177262,2
34247,46
1645458576,43
6,23
15
579849,3
588588,94
-8739,621
168522,6
31696,68
1488550816,31
5,76
16
597299,8
590999,16
6300,657
174823,2
29387,95
1356836949,25
5,33
17
579561,9
593245,15
-13683,25
161140
28079,22
1259369802,95
5,08
18
567859,8
589455,31
-21595,51
139544,5
27580,48
1198369504,46
4,98
19
569255,8
582011,13
-12755,29
126789,2
26521,53
1124392925,39
4,79
20
574798,9
576233,99
-1435,047
125354,1
24849,10
1049570687,69
4,49
21
619472,2
574989,87
44482,351
169836,5
26076,18
1107639991,62
4,65
22
630394,2
586527,73
43866,451
213702,9
27122,67
1155676787,60
4,79
23
601611,1
601120,45
490,667
214193,6
25643,11
1091485896,85
4,53
24
594548,8
605121,75
-10572,95
203620,6
24849,94
1039922811,32
4,38
25
609741
605246,98
4494,017
208114,7
23832,15
988936480,19
4,20
93
26
644354,6
608388,07
35966,527
244081,2
24409,98
1003443841,35
4,27
27
614134,4
617932,48
-3798,056
240283,1
23473,07
958488449,89
4,10
28
619431,2
616620,61
2810,552
243093,7
22574,70
917158482,62
3,94
29
610480,1
619149,9
-8669,823
234423,9
21995,33
882075455,46
3,84
30
635608,8
618455,99
17152,812
251576,7
21801,63
858561195,62
3,79
31
643820,8
623744,52
20076,285
271653
21735,27
841041811,92
3,77
32
644970,5
628472,57
16497,908
288150,9
21541,29
819972891,79
3,72
33
638113,5
635083,23
3030,228
291181,1
20880,18
791016084,29
3,61
34
640864,5
637830,15
3034,334
294215,4
20264,81
764057156,65
3,50
35
664884,6
640915,81
23968,775
318184,2
20388,28
757738657,26
3,50
36
648912,2
648431,84
480,402
318664,6
19746,09
733302919,48
3,39
37
656508,3
649281,78
7226,56
325891,2
19354,85
712019177,29
3,32
38
650801
652098,5
-1297,496
324593,7
18807,66
690493853,61
3,22
39
626698,8
652968,97
-26270,19
298323,5
19027,14
690482939,61
3,25
40
672111,1
645836,85
26274,294
324597,8
19234,21
690478813,49
3,27
41
680651,6
651835,71
28815,908
353413,7
19500,36
694364306,27
3,30
42
691121,9
660834,01
30287,909
383701,6
19791,92
700391147,50
3,33
43
721424,2
671006,63
50417,574
434119,2
20597,86
748852742,78
3,42
44
684675,5
688824,61
-4149,113
429970,1
20176,09
730092804,21
3,35
45
705328,7
693291,94
12036,739
442006,8
19972,61
715462561,25
3,31
46
692148,4
698785,77
-6637,349
435369,4
19647,36
699086752,48
3,25
47
737889,3
698237,62
39651,642
475021,1
20123,65
719876418,21
3,30
48
795907
710313,36
85593,676
560614,8
21646,21
873513649,68
3,48
49
735940,96
50
735940,96
51
735940,96
52
735940,96
53
735940,96
54
735940,96
55
735940,96
56
735940,96
57
735940,96
58
735940,96
59
735940,96
60
735940,96
61
735940,96
62
735940,96
63
735940,96
94
64
735940,96
65
735940,96
66
735940,96
67
735940,96
68
735940,96
69
735940,96
70
735940,96
71
735940,96
72
735940,96
73
735940,96
74
735940,96
75
735940,96
76
735940,96
77
735940,96
78
735940,96
79
735940,96
80
735940,96
81
735940,96
82
735940,96
83
735940,96
84
735940,96
85
735940,96
86
735940,96
87
735940,96
88
735940,96
89
735940,96
90
735940,96
91
735940,96
92
735940,96
93
735940,96
94
735940,96
95
735940,96
96
735940,96
Tabel 4.36 Perhitungan Manual Nilai Error Metode 5-WMA
CFE
560615
MAD
MSE
21646,21 873513649,68
MAPE
3,48
95
Contoh perhitungan :
Peramalan ke 49 = (684675,5 x 0,1) + (705328,7 x 0,15) + (692148,4 x 0,2)
+ (737889,3 x 0,25) + ( 795907 x 0,3)
= 735940,96
Perhitungan ke 48 :
MSE =
CFE =
n 5
error
560615
PE
MAPE = n 5
error
MAD =
n 5
43
149,51
3,48
43
930787,11
21646,21
43
96
7-WMA
Tabel 4.37 Output QS Metode 7-WMA
97
98
Perhitungan Manual
Tabel 4.39 Perhitungan Manual Metode 7-WMA
Periode
1
2
3
4
Actual
Data
486930,5
511977,1
483810
531685,9
Peramalan
Forcast
Error
CFE
MAD
MAPE
(%)
MSE
99
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
541499,3
522365,3
464019,1
498920,1
532671,4
528524,3
585187,1
587363,3
598038,9
603253,5
579849,3
597299,8
579561,9
567859,8
569255,8
574798,9
619472,2
630394,2
601611,1
594548,8
609741
644354,6
614134,4
619431,2
610480,1
635608,8
643820,8
644970,5
638113,5
640864,5
664884,6
648912,2
656508,3
650801
626698,8
672111,1
680651,6
691121,9
506390,93
502315,72
507862,93
517380,64
534449,28
551320,83
567654,5
580746,48
585698,32
589163,78
588942,06
583895,78
577970,83
576426,97
586018,59
599981,04
603672,33
601401,71
603584,05
615347,75
618679,77
619291,56
615522,25
621471,84
628014,75
635235,16
635822,31
638177,1
645243,53
648901,98
651669,42
651338,89
646005,19
650692,19
659951,22
-7470,867
30355,658
20661,392
67806,484
52914,022
46718,068
35599,02
-897,161
11601,503
-9601,881
-21082,26
-14639,94
-3171,885
43045,251
44375,595
1630,082
-9123,532
8339,286
40770,547
-1213,328
751,393
-8811,48
20086,55
22348,956
16955,726
2878,305
5042,168
26707,477
3668,711
7606,365
-868,419
-24640,11
26105,948
29959,429
31170,699
-7470,87
22884,79
43546,18
111352,7
164266,7
210984,8
246583,8
245686,6
257288,1
247686,2
226604
211964
208792,2
251837,4
296213
297843,1
288719,5
297058,8
337829,4
336616,1
337367,4
328556
348642,5
370991,5
387947,2
390825,5
395867,7
422575,1
426243,9
433850,2
432981,8
408341,7
434447,6
464407,1
495577,8
7470,87
18913,26
19495,97
31573,60
35841,68
37654,42
37360,79
32802,83
30447,13
28362,61
27700,76
26612,35
24809,24
26111,81
27329,40
25723,19
24746,74
23835,22
24726,55
23550,89
22465,20
21844,57
21768,14
21792,34
21598,87
20878,85
20292,31
20521,42
19940,29
19529,16
18927,20
19105,73
19317,86
19630,85
19960,56
55813853,73
488639913,17
468057648,57
1500473054,54
1760357188,48
1830727303,34
1750236292,14
1531557367,86
1376339312,75
1247924993,35
1174882863,06
1094836618,73
1011392329,17
1071499565,20
1131345822,96
1060802781,98
1003299020,46
951423724,38
988834975,87
939466835,32
894757204,66
857615612,62
837870129,07
823770366,78
802319417,88
771779618,72
744136797,96
743035102,59
717877321,14
695876636,71
673453330,74
671380877,40
671688139,32
678331646,58
686711098,85
100
1,50
3,60
3,70
5,67
6,34
6,59
6,49
5,70
5,28
4,92
4,81
4,62
4,31
4,50
4,67
4,39
4,22
4,06
4,18
3,98
3,80
3,69
3,67
3,66
3,62
3,50
3,40
3,42
3,32
3,25
3,15
3,17
3,20
3,23
3,27
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
721424,2
684675,5
705328,7
692148,4
737889,3
795907
670386,62
684513,31
688900,57
693903,74
695197,13
707773,8
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
51037,58
162,187
16428,106
-1755,315
42692,135
88133,237
546615,4
546777,5
563205,6
561450,3
604142,5
692275,7
20823,81
20265,39
20164,40
19692,38
20267,37
21922,64
739992306,45
719993225,32
708148210,62
690069567,54
718383288,13
890312170,47
101
3,37
3,28
3,26
3,18
3,25
3,44
81
82
83
84
85
86
87
88
89
90
91
92
93
94
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
731506,48
95
731506,48
96
731506,48
Tabel 4.40 Perhitungan Manual Nilai Error Metode 7-WMA
CFE
692276
MAD
MSE
21922,64 890312170,47
MAPE
3,44
Contoh perhitungan :
Peramalan ke 49 = (691121,9 x 0,05) + (721424,2 x 0,05) + (684675 x 0,1)
+ (705328,7 x 0,1) + (692148,4 x 0,2) + (737889,3 x 0,25)
+ (795907 x 0,25)
= 731506,48
Perhitungan ke 48 :
MSE =
CFE =
error
692276
PE
MAPE = n 7
41
105,62
3,44
41
102
error
n7
MAD =
898828,05
21922,64
41
D. Metode CMA
3-CMA
Perhitungan Minitab
Moving Average for data historis
Data
Length
NMissing
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
22890
892143349
103
Time
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
data
historis
486931
511977
483810
531686
541499
522365
464019
498920
532671
528524
585187
587363
598039
603254
579849
597300
579562
567860
569256
574799
619472
630394
601611
594549
609741
644355
614134
619431
610480
635609
643821
644971
638114
640865
664885
648912
656508
650801
626699
672111
680652
691122
721424
684676
705329
692148
737889
795907
MA
*
494239
509158
518998
531850
509295
495102
498537
520039
548794
567025
590196
596219
593714
593468
585570
581574
572226
570638
587842
608222
617159
608851
601967
616215
622743
625973
614682
621840
629970
641467
642302
641316
647954
651554
656768
652074
644669
649870
659821
681295
697733
699074
703809
694051
711789
741982
*
Predict
*
*
*
494239
509158
518998
531850
509295
495102
498537
520039
548794
567025
590196
596219
593714
593468
585570
581574
572226
570638
587842
608222
617159
608851
601967
616215
622743
625973
614682
621840
629970
641467
642302
641316
647954
651554
656768
652074
644669
649870
659821
681295
697733
699074
703809
694051
711789
Error
*
*
*
37446.7
32341.6
3366.9
-67831.1
-10374.5
37569.9
29987.4
65148.5
38569.0
31014.0
13057.1
-16369.3
3585.9
-13905.6
-17710.5
-12318.0
2573.1
48834.0
42551.9
-6610.7
-22610.4
889.6
42387.6
-2080.4
-3312.1
-15493.3
20926.9
21980.8
15000.6
-3353.2
-1437.1
23568.4
958.0
4954.5
-5967.4
-25375.0
27441.7
30781.3
31301.4
40129.3
-13057.1
6254.8
-11661.1
43838.4
84118.2
Forecasts
Period
Dec
Jan
Feb
Mar
Apr
Forecast
741982
741982
741982
741982
741982
Lower
683440
683440
683440
683440
683440
Upper
800523
800523
800523
800523
800523
104
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
741982
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
683440
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
800523
105
800000
data historis
750000
700000
Moving A v erage
Length 3
650000
A ccuracy Measures
MAPE
4
MAD
22890
MSD
892143349
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
Perhitungan Manual
Tabel 4.41 Perhitungan Manual Metode 3-CMA
Periode
Actual
Data
Peramalan
Forcast
Error
CFE
MAD
MSE
MAPE (%)
486930,5
511977,1
483810
531685,9
494239,22
37446,72
37446,72
37446,72
1402256838,76
7,04
541499,3
509157,69
32341,593
69788,31
34894,16
1224117749,05
6,51
522365,3
518998,4
3366,92
73155,23
24385,08
819857216,13
4,55
464019,1
531850,18
-67831,12
5324,113
35246,59
1765158122,21
7,07
498920,1
509294,55
-10374,49
-5050,38
30272,17
1433652520,15
6,07
532671,4
495101,48
37569,9
32519,52
31488,46
1429959997,80
6,24
10
528524,3
498536,83
29987,487
62507,01
31274,03
1354144191,91
6,15
11
585187,1
520038,59
65148,533
127655,5
35508,35
1715417592,35
6,78
12
587363,3
548794,27
38569,027
166224,6
35848,42
1690101172,98
6,75
13
598038,9
567024,91
31013,987
197238,6
35364,98
1617277792,58
6,60
14
603253,5
590196,44
13057,08
210295,6
33336,99
1485751387,63
6,19
106
15
579849,3
596218,57
-16369,25
193926,4
31923,01
1384268143,22
5,91
16
597299,8
593713,91
3585,9067
197512,3
29743,23
1278775111,17
5,50
17
579561,9
593467,55
-13905,65
183606,6
28611,98
1201245974,28
5,28
18
567859,8
585570,35
-17710,55
165896,1
27885,21
1142073806,87
5,14
19
569255,8
581573,84
-12318
153578,1
26912,26
1080177514,19
4,95
20
574798,9
572225,85
2573,0933
156151,2
25480,55
1017027119,79
4,69
21
619472,2
570638,19
48834,027
204985,2
26777,96
1093012399,83
4,87
22
630394,2
587842,33
42551,847
247537,1
27608,17
1130783307,98
4,96
23
601611,1
608221,78
-6610,66
240926,4
26558,29
1076429183,86
4,77
24
594548,8
617159,17
-22610,37
218316
26370,30
1049514888,55
4,72
25
609741
608851,37
889,63333
219205,7
25212,08
1001845641,23
4,52
26
644354,6
601966,97
42387,627
261593,3
25958,85
1036405000,06
4,61
27
614134,4
616214,8
-2080,38
259512,9
24963,91
993401790,93
4,43
28
619431,2
622743,34
-3312,18
256200,7
24097,84
954104540,75
4,27
29
610480,1
625973,39
-15493,31
240707,4
23766,90
926640626,03
4,21
30
635608,8
614681,89
20926,913
261634,3
23661,71
908540443,65
4,17
31
643820,8
621840,01
21980,787
283615,1
23601,68
893348105,75
4,15
32
644970,5
629969,89
15000,587
298615,7
23305,09
870302226,25
4,08
33
638113,5
641466,69
-3353,233
295262,5
22640,03
841666957,84
3,96
34
640864,5
642301,58
-1437,1
293825,4
21956,06
814583031,98
3,84
35
664884,6
641316,14
23568,44
317393,8
22006,45
806485792,36
3,83
36
648912,2
647954,17
958,06667
318351,9
21368,62
782074643,86
3,72
37
656508,3
651553,77
4954,5733
323306,4
20885,85
759794442,48
3,63
38
650801
656768,39
-5967,387
317339,1
20459,61
739103449,94
3,56
39
626698,8
652073,86
-25375,08
291964
20596,15
736458762,02
3,57
40
672111,1
644669,37
27441,767
319405,7
20781,17
736907188,93
3,58
41
680651,6
649870,31
30781,313
350187,1
21044,33
742448822,13
3,61
42
691121,9
659820,51
31301,407
381488,5
21307,33
748534187,19
3,63
43
721424,2
681294,89
40129,307
421617,8
21777,88
770079863,85
3,68
44
684675,5
697732,58
-13057,08
408560,7
21565,18
755455655,90
3,64
45
705328,7
699073,87
6254,8067
414815,5
21200,65
738400107,11
3,57
46
692148,4
703809,46
-11661,04
403154,5
20978,80
724390333,78
3,53
47
737889,3
694050,87
43838,393
446992,8
21498,33
751604297,33
3,58
48
795907
711788,79
84118,253
531111,1
22889,89
892143769,47
3,74
49
741981,57
50
741981,57
51
741981,57
52
741981,57
107
53
741981,57
54
741981,57
55
741981,57
56
741981,57
57
741981,57
58
741981,57
59
741981,57
60
741981,57
61
741981,57
62
741981,57
63
741981,57
64
741981,57
65
741981,57
66
741981,57
67
741981,57
68
741981,57
69
741981,57
70
741981,57
71
741981,57
72
741981,57
73
741981,57
74
741981,57
75
741981,57
76
741981,57
77
741981,57
78
741981,57
79
741981,57
80
741981,57
81
741981,57
82
741981,57
83
741981,57
84
741981,57
85
741981,57
86
741981,57
87
741981,57
88
741981,57
89
741981,57
90
741981,57
108
91
741981,57
92
741981,57
93
741981,57
94
741981,57
95
741981,57
96
741981,57
Tabel 4.42 Perhitungan Manual Nilai Error Metode 3-CMA
CFE
531111
MAD
MSE
22889,89 892143769,47
MAPE
3,74
Contoh perhitungan :
Peramalan ke 49 =
= 741981,57
Perhitungan ke 48 :
MSE =
CFE =
n3
error
531111
PE
MAPE = n 3
error
MAD =
n3
45
168,24
3,74
45
1030044,89
22889,89
45
109
5-CMA
Perhitungan Minitab
Moving Average for data historis
Data
Length
NMissing
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
23050
979934642
Time
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
data
historis
486931
511977
483810
531686
541499
522365
464019
498920
532671
528524
585187
MA
*
*
511181
518268
508676
511698
511895
509300
521864
546533
566357
Predict
*
*
*
*
*
511181
518268
508676
511698
511895
509300
Error
*
*
*
*
*
11184.7
-54248.4
-9755.8
20973.5
16629.3
75887.1
110
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
587363
598039
603254
579849
597300
579562
567860
569256
574799
619472
630394
601611
594549
609741
644355
614134
619431
610480
635609
643821
644971
638114
640865
664885
648912
656508
650801
626699
672111
680652
691122
721424
684676
705329
692148
737889
795907
580473
590738
593161
591601
585565
578765
577755
582190
592356
599106
604165
611153
616130
612878
616442
619628
624802
624695
630862
634599
640676
646531
647549
649857
652394
649561
651006
657354
664277
678402
689997
696640
698940
708293
723190
*
*
521864
546533
566357
580473
590738
593161
591601
585565
578765
577755
582190
592356
599106
604165
611153
616130
612878
616442
619628
624802
624695
630862
634599
640676
646531
647549
649857
652394
649561
651006
657354
664277
678402
689997
696640
698940
708293
65498.9
51505.7
36896.5
-624.1
6561.4
-13599.1
-23740.9
-16309.1
-3966.4
41717.0
48204.5
9254.9
-4557.6
5576.0
33201.1
-1995.5
6553.2
-5961.9
15980.5
19019.0
20275.4
7251.2
6265.8
24209.0
2381.4
8959.2
944.4
-25695.3
22550.1
29645.3
33767.7
57147.3
6274.0
15331.8
-4492.0
38949.6
87613.8
Forecasts
Period
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Forecast
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
Lower
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
Upper
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
111
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
723190
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
661835
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
800000
data historis
750000
700000
Moving A v erage
Length 5
650000
A ccuracy Measures
MAPE
4
MAD
23050
MSD
979934642
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
112
Perhitungan Manual:
Tabel 4.43 Perhitungan Manual Metode 5-CMA
Periode
Actual
Data
486930,5
511977,1
Peramalan
Forcast
Error
CFE
MAD
MSE
MAPE (%)
483810
531685,9
541499,3
522365,3
511180,58
11184,744
11184,74
11184,74
125098498,35
2,14
464019,1
518267,53
-54248,47
-43063,7
32716,61
1533997606,34
6,92
498920,1
508675,92
-9755,856
-52819,6
25063,02
1054390646,32
5,26
532671,4
511697,93
20973,448
-31846,1
24040,63
900764365,00
4,93
10
528524,3
511895,02
16629,3
-15216,8
22558,36
775918215,69
4,57
11
585187,1
509300,03
75887,092
60670,26
31446,49
1606406968,45
5,97
12
587363,3
521864,39
65498,912
126169,2
36311,12
1989792754,84
6,71
13
598038,9
546533,24
51505,664
177674,8
38210,44
2072672838,49
6,95
14
603253,5
566357
36896,516
214571,3
38064,44
1993637288,99
6,86
15
579849,3
580473,43
-624,112
213947,2
34320,41
1794312511,67
6,18
16
597299,8
590738,43
6561,388
220508,6
31796,86
1635106993,56
5,72
17
579561,9
593160,97
-13599,07
206909,6
30280,38
1514259307,37
5,44
18
567859,8
591600,69
-23740,89
183168,7
29777,34
1441133972,41
5,34
19
569255,8
585564,87
-16309,03
166859,6
28815,32
1357194726,15
5,17
20
574798,9
578765,34
-3966,396
162893,2
27158,73
1267763897,56
4,87
21
619472,2
577755,26
41716,96
204610,2
28068,62
1297297700,94
4,98
22
630394,2
582189,74
48204,44
252814,6
29253,08
1357672426,51
5,14
23
601611,1
592356,2
9254,924
262069,6
28142,07
1287004714,94
4,94
24
594548,8
599106,46
-4557,66
257511,9
26900,78
1220360901,77
4,72
25
609741
604165,05
5575,948
263087,8
25834,54
1160897416,49
4,53
26
644354,6
611153,46
33201,136
296289
26185,33
1158107798,16
4,56
27
614134,4
616129,94
-1995,52
294293,5
25085,79
1105647539,16
4,37
28
619431,2
612877,99
6553,172
300846,6
24280,03
1059443040,21
4,22
29
610480,1
616442
-5961,916
294884,7
23516,77
1016780598,63
4,09
30
635608,8
619628,25
15980,548
310865,3
23215,32
986324491,26
4,03
31
643820,8
624801,81
19018,988
329884,3
23053,93
962301314,85
3,98
32
644970,5
624695,05
20275,428
350159,7
22951,02
941886191,36
3,95
33
638113,5
630862,26
7251,196
357410,9
22390,31
910125250,36
3,85
34
640864,5
634598,72
6265,756
363676,6
21834,29
880095403,74
3,75
35
664884,6
640675,6
24208,976
387885,6
21913,45
870294707,58
3,75
113
36
648912,2
646530,76
2381,48
390267,1
21283,39
842403634,66
3,64
37
656508,3
647549,05
8959,292
399226,4
20898,26
818586924,61
3,57
38
650801
649856,62
944,38
400170,8
20293,59
793808286,09
3,47
39
626698,8
652394,13
-25695,35
374475,4
20452,47
789880127,94
3,48
40
672111,1
649560,99
22550,152
397025,6
20512,40
781840963,00
3,48
41
680651,6
651006,3
29645,32
426670,9
20766,10
784535519,53
3,50
42
691121,9
657354,18
33767,744
460438,6
21117,49
794149709,13
3,54
43
721424,2
664276,89
57147,308
517585,9
22065,64
859193527,62
3,66
44
684675,5
678401,53
6273,968
523859,9
21660,73
838172223,69
3,59
45
705328,7
689996,88
15331,804
539191,7
21502,51
823094523,45
3,55
46
692148,4
696640,38
-4491,964
534699,7
21087,62
803511187,28
3,48
47
737889,3
698939,74
38949,516
573649,3
21512,90
820500558,93
3,52
48
795907
708293,21
87613,828
661263,1
23050,13
979935030,97
3,70
49
723189,78
50
723189,78
51
723189,78
52
723189,78
53
723189,78
54
723189,78
55
723189,78
56
723189,78
57
723189,78
58
723189,78
59
723189,78
60
723189,78
61
723189,78
62
723189,78
63
723189,78
64
723189,78
65
723189,78
66
723189,78
67
723189,78
68
723189,78
69
723189,78
70
723189,78
71
723189,78
72
723189,78
73
723189,78
114
74
723189,78
75
723189,78
76
723189,78
77
723189,78
78
723189,78
79
723189,78
80
723189,78
81
723189,78
82
723189,78
83
723189,78
84
723189,78
85
723189,78
86
723189,78
87
723189,78
88
723189,78
89
723189,78
90
723189,78
91
723189,78
92
723189,78
93
723189,78
94
723189,78
95
723189,78
96
723189,78
Tabel 4.44 Perhitungan Manual Nilai Error Metode 5-CMA
CFE
MAD
661263 23050,13
MSE
979935030,97
MAPE
3,70
Contoh perhitungan :
Peramalan ke 49 =
=723189,78
Perhitungan ke 48 :
MSE =
43
115
error
CFE =
661263
PE
MAPE = n 5
error
n 5
MAD =
159,01
3,70
43
991155,57
23050,13
43
7-CMA
Perhitungan Minitab
Moving Average for data historis
Data
Length
NMissing
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
26285
1154221861
116
Time
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
data
historis
486931
511977
483810
531686
541499
522365
464019
498920
532671
528524
585187
587363
598039
603254
579849
597300
579562
567860
569256
574799
619472
630394
601611
594549
609741
644355
614134
619431
610480
635609
643821
644971
638114
640865
664885
648912
656508
650801
626699
672111
680652
691122
721424
684676
705329
692148
737889
795907
MA
*
*
*
506041
507754
510710
517098
524741
531293
542103
561994
573555
582788
590079
587604
585017
581697
584014
591235
591851
593992
599975
610703
616322
616316
613472
618328
625367
630400
629508
633327
639820
645311
648296
649294
646683
651540
657224
660972
671331
675355
683145
692494
701891
718356
*
*
*
Predict
*
*
*
*
*
*
*
506041
507754
510710
517098
524741
531293
542103
561994
573555
582788
590079
587604
585017
581697
584014
591235
591851
593992
599975
610703
616322
616316
613472
618328
625367
630400
629508
633327
639820
645311
648296
649294
646683
651540
657224
660972
671331
675355
683145
692494
701891
Error
*
*
*
*
*
*
*
-7120.9
24917.6
17814.1
68089.2
62622.4
66746.0
61150.0
17855.2
23744.4
-3226.1
-22219.3
-18348.0
-10218.1
37775.2
46380.2
10376.4
2698.2
15749.5
44380.0
3431.4
3108.9
-5836.4
22137.2
25492.4
19603.2
7713.4
11356.0
31557.5
9091.8
11197.6
2504.7
-22594.7
25427.8
29111.5
33898.0
60452.1
13344.5
29973.8
9003.9
45394.8
94015.6
Forecasts
Period
Dec
Jan
Feb
Mar
Apr
Forecast
718356
718356
718356
718356
718356
Lower
651769
651769
651769
651769
651769
Upper
784944
784944
784944
784944
784944
117
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
718356
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
651769
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
784944
118
800000
data historis
750000
700000
650000
A ccuracy Measures
MA PE
4
MA D
26285
MSD
1154221861
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
Perhitungan Manual:
Tabel 4.45 Perhitungan Manual Metode 7-CMA
Periode
Actual
Data
Peramalan
Forcast
Error
CFE
MAD
MSE
MAPE (%)
486930,5
511977,1
483810
531685,9
541499,3
522365,3
464019,1
498920,1
506041,04
-7120,977
-7120,98
7120,98
50708315,47
1,43
532671,4
507753,83
24917,554
17796,58
16019,27
335796413,53
3,05
10
528524,3
510710,15
17814,174
35610,75
16617,57
329645877,51
3,16
11
585187,1
517097,91
68089,211
103700
29485,48
1406269586,37
5,28
12
587363,3
524740,93
62622,366
166322,3
36112,86
1909327806,63
6,35
13
598038,9
531292,94
66745,963
233068,3
41218,37
2333610431,81
7,16
14
603253,5
542103,45
61150,071
294218,4
44065,76
2534427689,51
7,58
119
15
579849,3
561994,09
17855,234
312073,6
40789,44
2257475402,25
7,02
16
597299,8
573555,41
23744,411
335818
38895,55
2069288921,34
6,68
17
579561,9
582788,04
-3226,143
332591,9
35328,61
1863400828,98
6,07
18
567859,8
590079,13
-22219,33
310372,5
34136,86
1738882429,55
5,87
19
569255,8
587603,79
-18347,95
292024,6
32821,12
1622029512,62
5,65
20
574798,9
585017,01
-10218,07
281806,5
31082,42
1505289476,43
5,35
21
619472,2
581697,02
37775,2
319581,7
31560,48
1499694923,47
5,41
22
630394,2
584013,98
46380,203
365961,9
32548,46
1543123476,38
5,54
23
601611,1
591234,67
10376,449
376338,4
31162,71
1453407676,92
5,30
24
594548,8
591850,57
2698,2286
379036,6
29488,33
1368341368,71
5,01
25
609741
593991,56
15749,443
394786
28725,05
1306102678,80
4,88
26
644354,6
599974,59
44380,014
439166
29549,00
1341022836,13
4,98
27
614134,4
610702,98
3431,44
442597,5
28243,12
1274560433,34
4,76
28
619431,2
616322,33
3108,8257
445706,3
27046,25
1214327307,82
4,56
29
610480,1
616316,47
-5836,389
439869,9
26082,17
1160678949,81
4,40
30
635608,8
613471,6
22137,203
462007,1
25910,65
1131521419,40
4,36
31
643820,8
618328,41
25492,391
487499,5
25893,22
1111452277,78
4,34
32
644970,5
625367,27
19603,214
507102,7
25641,62
1082365627,09
4,29
33
638113,5
630400,05
7713,4114
514816,1
24952,07
1043024515,12
4,17
34
640864,5
629508,46
11356,023
526172,2
24448,51
1009170246,23
4,08
35
664884,6
633327,04
31557,543
557729,7
24702,41
1008695541,41
4,10
36
648912,2
639820,38
9091,8571
566821,6
24164,11
976763345,71
4,01
37
656508,3
645310,69
11197,649
578019,2
23731,90
948384145,31
3,93
38
650801
648296,34
2504,66
580523,9
23047,15
917993473,58
3,82
39
626698,8
649293,51
-22594,73
557929,1
23033,01
905259986,54
3,81
40
672111,1
646683,27
25427,871
583357
23105,58
897421097,41
3,81
41
680651,6
651540,08
29111,54
612468,6
23282,23
895952293,41
3,83
42
691121,9
657223,96
33897,963
646366,5
23585,53
903184281,76
3,86
43
721424,2
660972,15
60452,051
706818,6
24609,60
979608343,99
3,98
44
684675,5
671331
13344,5
720163,1
24305,14
957945299,02
3,93
45
705328,7
675354,88
29973,8
750136,9
24454,32
956379072,38
3,94
46
692148,4
683144,55
9003,8714
759140,7
24058,15
933935242,33
3,87
47
737889,3
692494,5
45394,763
804535,5
24591,57
962103973,65
3,93
48
795907
701891,37
94015,669
898551,2
26284,84
1154222070,31
4,12
49
718356,43
50
718356,43
51
718356,43
52
718356,43
120
53
718356,43
54
718356,43
55
718356,43
56
718356,43
57
718356,43
58
718356,43
59
718356,43
60
718356,43
61
718356,43
62
718356,43
63
718356,43
64
718356,43
65
718356,43
66
718356,43
67
718356,43
68
718356,43
69
718356,43
70
718356,43
71
718356,43
72
718356,43
73
718356,43
74
718356,43
75
718356,43
76
718356,43
77
718356,43
78
718356,43
79
718356,43
80
718356,43
81
718356,43
82
718356,43
83
718356,43
84
718356,43
85
718356,43
86
718356,43
87
718356,43
88
718356,43
89
718356,43
90
718356,43
121
91
718356,43
92
718356,43
93
718356,43
94
718356,43
95
718356,43
96
718356,43
Tabel 4.46 Perhitungan Manual Nilai Error Metode 7-CMA
CFE
MAD
MSE
MAPE
898551 26284,84 1154222070,31 4,12
Contoh perhitungan :
Peramalan ke 49 =
(691121,9 + 721424,2 + 684675,5 + 705328,7 + 692148.4 + 737889.3 + 795907)
7
= 718356,43
Perhitungan ke 48 :
MSE =
CFE =
n7
error
898551
PE
MAPE = n 7
error
MAD =
n7
41
168,83
4,12
41
1077678,36
26284,84
41
122
E. Metode ES
a. Single Exponential Smoothing ( alpha = 0,832)
123
Perhitungan Manual
Tabel 4.47 Perhitungan Manual Metode SES
periode
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
demand
486930,5
511977,1
483810
531685,9
541499,3
522365,3
464019,1
498920,1
532671,4
528524,3
585187,1
587363,3
598038,9
603253,5
579849,3
597299,8
579561,9
567859,8
569255,8
574798,9
619472,2
630394,2
601611,1
594548,8
609741
644354,6
614134,4
619431,2
610480,1
635608,8
643820,8
644970,5
638113,5
640864,5
664884,6
forecasting
error
CFE
25046,6
-23959,3
43850,79
17180,27
-16247,7
-61075,9
24640,25
37890,88
2218,608
57035,53
11758,15
12650,97
7339,983
-22171,1
13725,76
-15432
-14294,7
-1005,47
5374,182
45576,14
18578,75
-25661,8
-11373,5
13281,45
36844,88
-24030,2
1259,66
-8739,46
23660,49
12186,96
3197,09
-6319,91
1689,275
24303,9
25046,6
1087,269
44938,06
62118,33
45870,66
-15205,2
9435,045
47325,93
49544,54
106580,1
118338,2
130989,2
138329,2
116158,1
129883,8
114451,8
100157,2
99151,7
104525,9
150102
168680,8
143019
131645,4
144926,9
181771,8
157741,5
159001,2
150261,7
173922,2
186109,2
189306,3
182986,4
184675,7
208979,5
IerrorI
MAD
MSE
MAPE
25046,6
23959,33
43850,79
17180,27
16247,67
61075,87
24640,25
37890,88
2218,608
57035,53
11758,15
12650,97
7339,983
22171,08
13725,76
15431,99
14294,67
1005,465
5374,182
45576,14
18578,75
25661,83
11373,51
13281,45
36844,88
24030,24
1259,66
8739,457
23660,49
12186,96
3197,09
6319,909
1689,275
24303,9
25046,6
24502,97
30952,24
27509,25
25256,93
31226,76
30285,83
31236,46
28012,25
30914,58
29173,09
27796,24
26222,69
25933,29
25119,45
24513,98
23912,85
22640,22
21731,48
22923,71
22716,81
22850,67
22351,67
21973,74
22568,59
22624,8
21833,5
21365,86
21444,98
21136,38
20557,69
20112,76
19554,48
19694,17
627332172
600690862
1041424571
854858874
736684482
1235614036
1145832333
1182068165
1051274172
1271451879
1168433895
1084401655
1005130401
968446580
916443237
874049685
834654864
788341314
748369762
814810512
792446679
786359535
757794193
733569307
758528353
751563894
723786962
700665218
695808446
677565567
656038335
636785301
617575251
616784198
4,892132
4,922176
6,030617
5,316143
4,874996
6,256223
6,068008
6,198678
5,556578
5,975575
5,614327
5,322751
5,006903
4,922381
4,74742
4,617125
4,493605
4,253773
4,079099
4,243007
4,1813
4,185128
4,086339
4,006833
4,075284
4,069037
3,925864
3,836782
3,832841
3,768177
3,662613
3,579106
3,478636
3,483834
124
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
648912,2
656508,3
650801
626698,8
672111,1
680651,6
691121,9
721424,2
684675,5
705328,7
692148,4
737889,3
795907
-11889,3
5598,7
-4766,76
-24903
41228,65
15466,89
13068,74
32497,83
-31289,1
15396,62
-10593,6
43961,11
65403,25
197090,3
202689
197922,2
173019,2
214247,8
229714,7
242783,5
275281,3
243992,2
259388,8
248795,2
292756,3
358159,6
11889,29
5598,7
4766,758
24903,04
41228,65
15466,89
13068,74
32497,83
31289,06
15396,62
10593,63
43961,11
65403,25
19471,17
19085,82
18698,82
18862,09
19435,59
19336,37
19183,5
19500,51
19774,66
19675,16
19473,35
20005,69
20971,6
603200510
587315647
572056359
573322275
602206360
593131821
582830847
594099370
603050678
594732613
584010220
613326938
691289868
125
3,436644
3,364871
3,293724
3,311618
3,383992
3,356201
3,320463
3,348659
3,37706
3,34992
3,309489
3,367059
3,470258
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
Tabel 4.48 Perhitungan Manual Nilai Error Metode SES
CFE
MAD
MSE
MAPE
358159,6
20971,6
6,91E+08
3,470258
Contoh Perhitungan
CFE ei
i 1
126
[e ]
i
MAD
MAD
i 1
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
e
MSE
2
i
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
n
MAPE
le l / d
t
x100
n
25046,6 / 511977,1 23959,33483810 ...65403,25/795907
x100 3,470258
47
127
128
129
130
Perhitungan Manual
Tabel 4.51 Perhitungan Manual Metode SEST
Period
e
1
2
3
4
5
6
7
8
9
Demand
486930,5
4
511977,1
4
483809,9
8
531685,9
4
541499,2
8
522365,3
2
464019,0
6
498920,0
6
532671,3
8
Ramalan
CFE
520743,45
-8766,31
-8766,31
540091,95
-56281,97
-65048,28
528555,27
3130,67
-61917,61
555636,81
-14137,53
-76055,13
571494,01
-125183,83
564606,96
-49128,69
100587,9
0
524271,43
-25351,37
-251123,10
532839,64
-168,26
-251291,35
Error
-225771,73
MAD
MSE
8766,31
32524,1
4
22726,3
2
20579,1
2
26289,0
3
76848191,02
1622254084,
63
1084769756,
77
863544721,8
6
1173561488,
38
38672,1
8
36769,2
1
32194,0
9
2664288939,
60
2375489342,
16
2078556713,
24
MAPE(100
%)
1,71225
6,67266
4,64471
4,13624
5,19000
7,93792
7,52983
6,59255
131
11
528524,3
2
585187,1
2
12
587363,3
602751,49
-15388,19
-274554,28
13
617795,77
-19756,87
-294311,15
630000,40
-26746,88
-321058,03
637661,53
-57812,21
-378870,24
16
598038,9
603253,5
2
579849,3
2
597299,8
2
625130,19
-27830,37
-406700,61
17
579561,9
632087,05
-52525,15
-459225,77
18
622992,30
-55132,50
-514358,27
612202,78
-42946,94
-557305,20
609333,87
-34534,93
-591840,13
611932,76
7539,46
-584300,68
641880,01
-11485,83
-595786,51
23
567859,8
569255,8
4
574798,9
4
619472,2
2
630394,1
8
601611,1
2
659460,82
-57849,70
-653636,21
24
594548,8
646905,12
-52356,32
-705992,52
25
609741
637920,11
-28179,11
-734171,63
26
644650,29
-295,69
-734467,32
669504,69
-55370,27
-789837,59
658560,61
-39129,45
-828967,05
29
644354,6
614134,4
2
619431,1
6
610480,0
8
658173,07
-47692,99
-876660,04
30
635608,8
652219,23
-16610,43
-893270,46
31
643820,8
644970,4
8
638113,4
6
666469,05
-22648,25
-915918,71
676794,29
-31823,81
-947742,52
681155,41
-43041,95
678224,74
-37360,26
678987,17
-14102,59
-990784,47
1028144,7
4
1042247,3
10
14
15
19
20
21
22
27
28
32
33
34
35
640864,4
8
664884,5
8
557776,87
-29252,55
-280543,90
563809,31
21377,81
-259166,10
31867,2
5
30818,3
1
29415,5
7
28610,6
8
28467,3
1
30563,3
7
30381,1
7
31765,1
7
33139,7
2
33684,5
6
33729,3
2
32419,8
3
31422,9
7
32624,1
9
33482,1
0
33261,1
5
31942,5
3
32843,5
9
33076,4
0
33598,4
3
33012,6
3
32667,1
5
32639,9
5
32965,0
1
1942685045,
22
1794117605,
55
1652542942,
49
1547358842,
13
1483361681,
05
1616139526,
22
1560032202,
50
1634960905,
24
1717586314,
07
1724633702,
59
1696635151,
03
1614645562,
83
1544039788,
66
1625973792,
51
1674461181,
83
1637777893,
39
1572270274,
93
1629716299,
45
1626064371,
22
1649227115,
78
1601871224,
17
1565573623,
06
1547740754,
75
1557267908,
57
33098,2
0
32539,5
1
1552374616,
80
1512566042,
96
6,47501
6,19283
5,86801
5,65431
5,56043
5,87541
5,79434
5,99863
6,21687
6,29062
6,27576
6,02282
5,82279
5,99520
6,11741
6,05508
5,81471
5,93784
5,95188
6,01832
5,90091
5,82147
5,79285
5,82261
5,82282
5,71395
132
36
648912,2
4
694867,09
-45954,85
37
656508,3
4
690043,04
-33534,70
38
650801
693292,08
-42491,08
39
626698,7
8
690719,48
-64020,70
40
672111,1
4
674152,62
-2041,48
41
680651,6
2
697872,26
-17220,64
42
691121,9
2
711725,44
-20603,52
43
721424,2
723379,75
-1955,55
44
684675,5
747155,24
-62479,74
45
705328,6
8
731590,01
-26261,33
46
692148,4
2
739566,75
-47418,33
47
737889,2
6
733791,43
4097,83
48
795907,0
4
761501,62
34405,42
49
808911,74
50
833958,34
51
859004,94
52
884051,54
53
909098,14
54
934144,74
55
959191,34
56
984237,94
1009284,5
4
57
1088202,1
7
1121736,8
7
1164227,9
5
1228248,6
5
1230290,1
4
1247510,7
8
1268114,3
0
1270069,8
6
1332549,6
0
1358810,9
3
1406229,2
6
1402131,4
3
1367726,0
1
32922,8
0
1529688384,
22
5,75303
32939,8
0
1518435258,
89
5,73511
33197,9
4
1526193554,
64
5,75657
34009,0
7
1593889775,
36
5,87391
33189,3
8
1553127669,
84
5,73109
32790,1
7
1521713238,
86
5,65106
32492,9
3
1494952067,
09
5,58594
31765,8
5
1459449022,
38
5,45940
32480,1
3
1516292495,
57
5,54466
32338,7
9
1497505335,
86
5,50326
32673,8
9
1514194052,
91
5,53321
32052,6
7
1481641838,
24
5,42499
32102,7
3
1475303349,
43
5,40154
133
83
1034331,1
4
1059377,7
4
1084424,3
4
1109470,9
4
1134517,5
4
1159564,1
4
1184610,7
4
1209657,3
4
1234703,9
4
1259750,5
4
1284797,1
4
1309843,7
4
1334890,3
4
1359936,9
4
1384983,5
4
1410030,1
4
1435076,7
4
1460123,3
4
1485169,9
4
1510216,5
4
1535263,1
4
1560309,7
4
1585356,3
4
1610402,9
4
1635449,5
4
1660496,1
4
84
1685542,7
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
134
4
85
86
87
88
89
90
91
92
93
94
95
96
1710589,3
4
1735635,9
4
1760682,5
4
1785729,1
4
1810775,7
4
1835822,3
4
1860868,9
4
1885915,5
4
1910962,1
4
1936008,7
4
1961055,3
4
1986101,9
4
Tabel 4.52 Perhitungan Manual Nilai Error Metode SEST
CFE
-1367726,01
MAD
32102,73
MSE
1,47E+09
MAPE
5,40154
Contoh Perhitungan
B48
135
= 25046,6
F49
= 783865,14+ 25046,6
= 808911,74
n
CFE ei
i 1
= -1367726,01
n
[e ]
i
i 1
MAD
MAD
MSE
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
n
MSE
MAPE
[e ] / d
t
x100
n
30836,06 / 445870,54 107775,52/543470,16 ...42161,62/723805,68
x100 5,40154
47
136
137
138
139
140
Perhitungan Manual
Tabel 4.55 Perhitungan Manual Metode DES
periode
1
2
demand
486930,
5
511977,
1
3
4
5
6
7
483810
531685,
9
541499,
3
522365,
3
464019,
1
S'
486930,
5
507769,
3
487835,
1
524319
538613
525094,
9
ramalan
486930,
5
504268,
4
490595,
9
518653,
5
535259,
8
526802,
6
forecasting
error
25046,6
CFE
-12894,5
25046,6
4588,18
2
45678,1
9
68523,9
4
55629,4
5
-62783,6
-7154,11
-20458,4
41090,01
22845,75
MAD
25046,6
22752,5
1
28865,0
1
27360,1
9
24467,0
5
30853,1
4
MSE
6,27E+0
8
5,23E+0
8
9,11E+0
8
8,14E+0
8
6,84E+0
8
1,23E+0
9
MAPE
4,89213
2
4,56036
9
5,61632
9
5,26699
2
4,70728
9
6,17780
5
141
483103,
6
492818,
8
520679,
9
526896,
4
567422,
1
582369,
7
593638,
2
600612,
2
586436,
5
593556,
2
33
609741
644354,
6
614134,
4
619431,
2
610480,
1
635608,
8
643820,
8
644970,
5
638113,
5
474279,
8
494780,
5
526305,
7
528151,
6
575605,
2
585387,
9
595913,
5
602020,
4
583574,
1
594993,
9
582154,
5
570261,
3
569424,
8
573896,
1
611815,
4
627272,
9
605922,
3
596459,
5
607509,
7
638164,
7
618171,
5
619219,
5
611948,
3
631633,
8
641773,
4
644433,
4
643613
-5499,49
167465
205815,
5
187188,
2
185996,
7
177021,
5
199420,
9
214703,
1
220123,
7
214624,
2
34
640864,
639175,
639920,
943,7337
215567,
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
498920,
1
532671,
4
528524,
3
585187,
1
587363,
3
598038,
9
603253,
5
579849,
3
597299,
8
579561,
9
567859,
8
569255,
8
574798,
9
619472,
2
630394,
2
601611,
1
594548,
8
2010
39852,59
7844,412
58290,77
19941,23
15669,23
9615,353
-20762,9
10863,35
-13994,3
584070
572581,
2
-16210,2
569955
4843,906
573234
605333,
7
623587,
2
46238,24
608890
598547,
9
606004,
1
632761,
7
620622,
7
619455,
3
613209,
5
628538,
5
639549,
9
-14341,2
15816,42
-3325,32
25060,43
-21976
11193,13
38350,47
-18627,3
-1191,49
-8975,18
22399,32
15282,26
5420,544
8662,30
5
48514,9
56359,3
1
114650,
1
134591,
3
150260,
5
159875,
9
139113
149976,
4
135982
119771,
9
116446,
5
121290,
4
167528,
7
192589,
1
170613,
1
156271,
9
28705,0
4
30098,4
8
27625,8
1
30692,3
29714,9
3
28544,4
6
27088,3
7
26636,5
5
25585
24860,5
9
24351,7
4
23183,6
1
22218,3
6
23419,3
5
23497,5
23428,3
4
23033,2
5
22539,9
1
23172,3
3
22997,5
2
22189,8
9
21717,9
4
21741,4
3
21526,1
3
21006,5
9
1,09E+0
9
1,15E+0
9
1,03E+0
9
1,27E+0
9
1,19E+0
9
1,11E+0
9
1,03E+0
9
9,88E+0
8
9,3E+08
8,84E+0
8
8,47E+0
8
8,01E+0
8
7,6E+08
8,29E+0
8
8,19E+0
8
8,04E+0
8
7,78E+0
8
7,51E+0
8
20522
7,8E+08
7,63E+0
8
7,35E+0
8
7,11E+0
8
7,04E+0
8
6,88E+0
8
6,67E+0
8
6,47E+0
8
19928,7
6,28E+0
5,74813
8
5,96482
6
5,46698
5,91638
7
5,68717
4
5,43158
4
5,13637
9
5,02526
2
4,81149
4
4,66169
1
4,55539
2
4,33476
7
4,15097
5
4,31663
3
4,30038
2
4,27094
9
4,19013
4,09203
4,16641
9
4,12283
3,97725
7
3,88771
8
3,87517
9
3,82512
9
3,72884
8
3,63925
4
3,53343
142
35
36
37
38
664884,
6
648912,
2
656508,
3
640580,
7
660801,
5
650909,
6
655567,
8
651601,
8
630882,
5
665184,
7
678053,
2
688926,
4
715964,
6
689932,
1
640469,
8
657385,
8
651997,
6
47
650801
626698,
8
672111,
1
680651,
6
691121,
9
721424,
2
684675,
5
705328,
7
692148,
4
737889,
3
48
795907
39
40
41
42
43
44
45
46
49
50
51
52
53
54
55
56
57
58
59
60
702742
693928,
1
730503,
8
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
654968
652167,
3
634458,
3
660022,
7
675024,
1
686590,
8
711029,
8
693476,
5
701185,
4
695147,
4
724563,
9
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
24414,77
-8473,56
4510,706
-4166,98
-25468,6
37652,8
20628,93
16097,86
34833,42
-26354,3
11852,2
-9037,01
42741,89
71343,13
239982,
7
231509,
1
236019,
8
231852,
8
206384,
3
244037,
1
20060,6
6
3,53751
3
264666
280763,
9
315597,
3
19574,1
19489,3
1
19854,6
5
6,27E+0
8
6,11E+0
8
5,95E+0
8
5,79E+0
8
5,81E+0
8
6,02E+0
8
5,98E+0
8
289243
301095,
2
292058,
2
334800,
1
406143,
2
20005,8
19820,4
9
19580,8
6
20084,3
6
21174,9
7
19729,6
19306,8
5
18897,6
7
19070,5
8
19547,0
5
5,9E+08
6,04E+0
8
6,07E+0
8
5,96E+0
8
5,84E+0
8
6,11E+0
8
7,07E+0
8
3,47375
3,39634
2
3,32185
4
3,34138
2
3,39935
1
3,39013
6
3,36426
1
3,39912
2
3,40958
8
3,37028
7
3,32440
7
3,37806
3,49690
4
143
86
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
87
784919,
774779,
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
144
88
89
90
91
92
93
94
95
96
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
784919,
3
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
774779,
6
CFE
MAD
MSE
MAPE
406143,3
21174,97
7,07E+08
3,496903
Contoh Perhitungan
S(t) = x(t) + (1-) S(t-1)
F(t) = S(t) + (1-) F(t-1)
Forecasting periode ke 49 ( t=48 )
S(49) = 0,832 (795907) + (1- 0,832) (73050,8)
= 784919,3
F(49) = 0,832(784919,3) + (1-0,832)(724563,9)
= 774779,6
n
[e ]
i
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
n
25046,6 20458,42 ... 71343,13
MAD
47
= 21174,97
i 1
MAD
MSE
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
n
145
MAPE
PE
[e ] / d
t
n
t
x100
n
34,892132 4,228606 ...8,963751
x100 3,496904
47
146
Perhitungan QS
Tabel 4.57 Output QS Metode DES
147
148
Perhitungan Manual
Tabel 4.59 Perhitungan Manual Metode DEST
deman
T d
S'
S"
a
b
f
error
48693 48693 48693 48693
1
0,5
0,5
0,5
0,5
0
51197 48873 48706 49040 129,84 48693 25046,
2
7,1
3,9
0,4
7,4
16
0,5
6
48381 48837 48715 48960 94,967 49053 6727,2
3
0
9,4
5,3
3,4
4
7,3
7
53168 49149 48746 49552 312,63 48969 41987,
4
5,9
7,4
8
6,9
1
8,4
57
54149 49509 48801 50217 549,33 49583 45659,
5
9,3
7,6
7,3
7,8
11
9,5
74
52236 49706 48866 50545 651,13 50272 19638,
6
5,3
0,9
8,4
3,3
52
7,2
14
46401 49468 48910 50026 432,96 50610
7
9,1
1,8
1,4
2,3
48
4,4 42085,
Program Studi Teknik Industri
Universitas Diponegoro
2010
CFE
MAD
MSE
MAPE
25046, 25046,
6
6
6,27E 4,8921
+08
32
18319,
33
60306,
9
10596
6,6
12560
4,8
83519,
44
3,36E
+08
8,12E
+08
1,13E
+09
9,81E
+08
1,11E
+09
15886,
94
24587,
15
29855,
3
27811,
87
30190,
78
149
3,1413
05
4,7265
58
5,6529
42
5,2742
47
5,9068
3
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
49892
0,1
53267
1,4
52852
4,3
58518
7,1
58736
3,3
59803
8,9
60325
3,5
57984
9,3
59729
9,8
57956
1,9
49498
7
49770
0,3
49991
9,6
50605
8,9
51191
2,8
51811
3,9
52424
3,9
52824
7,5
53321
9,3
53655
5,9
48952
5,2
49011
3,8
49081
9,8
49191
7
49335
6,7
49513
9,2
49723
4,8
49946
7,7
50189
7,8
50439
3,2
50044
8,8
50528
6,8
50901
9,4
52020
0,7
53046
8,9
54108
8,5
55125
3,1
55702
7,3
56454
0,8
56871
8,7
423,76
22
588,60
72
706,01
93
1097,2
13
1439,6
96
1782,5
15
2095,5
38
2232,9
18
2430,1
15
2495,3
87
50069
5,2
50087
2,6
50587
5,4
50972
5,4
52129
7,9
53190
8,6
54287
1
55334
8,6
55926
0,3
56697
0,9
1
8
56785
9,8
53880
9,8
50687
1,2
57074 2477,9
8,5
98
57121
4,1
1
9
56925
5,8
54100
1,9
50932
8,6
57267 2457,4
5,3
14
57322
6,5
2
0
2
1
2
2
2
3
57479
8,9
61947
2,2
63039
4,2
60161
1,1
54343
5,3
54891
0
55477
6,8
55814
8,9
51178
4,3
51445
7,3
51736
0,3
52029
7,1
57508
6,4
58336
2,6
59219
3,3
59600
0,7
2455,6
84
2673,0
5
2903,0
05
2936,7
77
57513
2,7
57754
2
58603
5,7
59509
6,4
2
4
2
5
2
6
59454
8,8
60974
1
64435
4,6
56076
9,7
56429
5,6
57005
9,9
52321
1,1
52616
9,2
52932
9,3
59832 2914,0
8,3
26
60242 2958,0
2
84
61079 3160,1
0,4
27
59893
7,5
60124
2,3
60538
0,1
3
1775,1 81744, 26131,
9
26
41
31798, 11354 26839,
8
3,1
83
22648, 13619 26374,
95
2
18
75461, 21165 31282,
69
3,7
93
66065, 27771 34444,
37
9,1
97
66130, 34384 37085,
34
9,4
42
60382, 40423 38877,
5
1,9
5
26500, 43073 37993,
7
2,6
44
38039, 46877 37996,
56
2,2
52
12591, 48136 36408,
03
3,2
67
3354,2 47800 34464,
9
8,9
3
3970,6 47403 32770,
2
8,3
21
333,75 47370 31063,
1
4,5
02
41930, 51563 31606,
17
4,7
38
44358, 55999 32213,
5
3,2
63
6514,7 56650 31045,
7
8
5
4388,6 56211 29886,
8
9,3
5
8498,7 57061 28995,
11
8
35
38974, 60959 29394,
47
2,5
51
9,54E
+08
9,61E
+08
9,12E
+08
1,39E
+09
1,66E
+09
1,89E
+09
2,02E
+09
1,93E
+09
1,9E+
09
1,79E
+09
5,1138
26
5,2208
08
5,1168
65
5,8947
1
6,3813
53
6,7710
62
7,0201
71
6,8451
78
6,8134
06
6,5233
49
1,68E 6,1743
+09
69
1,59E
+09 5,8701
1,51E
+09
1,52E
+09
1,54E
+09
1,47E
+09
5,5642
03
5,6244
27
5,6916
75
5,4821
85
1,41E 5,2759
+09
23
1,35E 5,1141
+09
68
1,36E 5,1515
+09
46
150
2
7
2
8
61413
4,4
61943
1,2
57323
3,2
57655
9,5
53249
0,4
53566
3,4
61397 3161,0
6,1
81
61745 3172,9
5,6
73
2
9
3
0
3
1
3
2
3
3
61048
0,1
63560
8,8
64382
0,8
64497
0,5
63811
3,5
57900
1,8
58307
7,5
58745
1
59159
2,4
59494
1,9
53878
3,8
54197
2,9
54524
7,3
54858
4,2
55192
1,9
61921
9,8
62418
2,1
62965
4,7
63460
0,6
63796
1,9
3
4
3
5
64086
4,5
66488
4,6
59824
8,3
60304
6,2
55525
7,4
55869
8,2
64123 3335,5
9,3
01
64739 3440,7
4,1
87
3
6
3
7
64891
2,2
65650
8,3
60634
8,5
60996
0
56212
9
56557
2,9
65056 3430,8
8
21
65434 3443,8
7,2
3
3
8
65080
1
61290
0,6
56898
0,5
65682 3407,5
0,7
94
3
9
4
0
4
1
4
2
4
3
4
4
4
5
4
62669
8,8
67211
1,1
68065
1,6
69112
1,9
72142
4,2
68467
5,5
70532
8,7
69214
61389
4
61808
5,7
62259
0,4
62752
4,7
63428
5,5
63791
3,5
64276
7,4
64632
57221
4,2
57551
7
57890
6,3
58240
6,8
58614
2,1
58986
9,6
59367
8,3
59746
65557
3,8
66065
4,4
66627
4,6
67264
2,6
68242
8,8
68595
7,5
69185
6,6
69517
3120,3
63
3189,1
48
3274,4
22
3336,8
45
3337,7
57
3233,7
77
3302,7
43
3389,2
87
3500,5
26
3735,2
63
3727,5
46
3808,6
43
3790,4
61395 183,88
0,5
28
61713 2294,0
7,1
16
62062 10148,
8,6
5
62234 13268,
0,2
65
62737 16449,
1,2
6
63292 12041,
9,1
39
63793 175,98
7,5
57
64129 435,18
9,7
1
64457 20309,
4,8
83
65083 1922,6
4,9
3
65399 2509,5
8,8
42
65779 6989,9
1
9
66022 33529,
8,3
5
65880 13303,
7,6
53
66395 16694,
7,1
52
66966 21458,
3,9
07
67614 45281,
3,1
1
68616
4,1 1488,6
68968 15643,
5
67
69566
-
60977 28271,
6,4
03
61207 27308,
0,4
91
1,31E 4,9545
+09
61
1,26E 4,7847
+09
75
60192
1,9
61519
0,5
63164
0,1
64368
1,5
64385
7,5
1,22E
+09
1,18E
+09
1,15E
+09
1,12E
+09
1,08E
+09
26696,
04
26233,
03
25906,
91
25459,
64
24669,
52
4,6732
61
4,5840
99
4,5164
62
4,4309
94
4,2933
88
64342 23935,
2,3
15
66373 23828,
2,2
52
1,05E 4,1653
+09
43
1,03E 4,1326
+09
75
66180 23202,
9,5
64
66431 22627,
9,1
83
4,0230
1E+09
64
9,76E 3,9219
+08
3
65732 22205,
9,1
19
9,5E+ 3,8449
08
61
62379
9,6
63710
3,1
65379
7,6
67525
5,7
72053
6,8
71904
8,2
73469
1,9
73117
9,55E
+08
9,35E
+08
9,19E
+08
9,08E
+08
9,35E
+08
9,13E
+08
8,98E
+08
8,78E
22503,
2
22267,
31
22127,
99
22111,
65
22663,
3
22170,
87
22022,
52
21611,
151
3,8845
72
3,8357
2
3,8011
45
3,7841
62
3,8435
06
3,7591
78
3,7241
5
3,6526
8,4
2,9
8,7
4
7
4
8
4
9
5
0
5
1
5
2
5
3
5
4
5
5
5
6
5
7
5
8
5
9
6
0
6
1
6
2
6
3
6
4
6
5
6
6
6
7
73788
9,3
79590
7
65291
5,6
66321
1
60146
0,8
60590
6,9
7,1
70437 3992,1
0,4
82
72051 4446,0
5,2
12
12
5,2 3516,8
2
69896 38921,
7,5
8
70836 87544,
2,6
43
72496
1,2
72940
7,2
73385
3,2
73829
9,2
74274
5,2
74719
1,3
75163
7,3
75608
3,3
76052
9,3
76497
5,3
76942
1,3
77386
7,3
77831
3,3
78275
9,4
78720
5,4
79165
1,4
79609
7,4
80054
3,4
80498
9,4
5,1
28
77009 21987,
6,9
6
85764 23382,
1,3
42
+08
82
8,92E 3,6879
+08
45
1,04E 3,8435
+09
06
152
6
8
6
9
7
0
7
1
7
2
7
3
7
4
7
5
7
6
7
7
7
8
7
9
8
0
8
1
8
2
8
3
8
4
8
5
8
6
8
7
8
8
8
9
80943
5,4
81388
1,4
81832
7,5
82277
3,5
82721
9,5
83166
5,5
83611
1,5
84055
7,5
84500
3,5
84944
9,5
85389
5,6
85834
1,6
86278
7,6
86723
3,6
87167
9,6
87612
5,6
88057
1,6
88501
7,6
88946
3,7
89390
9,7
89835
5,7
90280
1,7
Program Studi Teknik Industri
Universitas Diponegoro
2010
153
9
0
9
1
9
2
9
3
9
4
9
5
9
6
90724
7,7
91169
3,7
91613
9,7
92058
5,7
92503
1,8
92947
7,8
93392
3,8
CFE
MAD
MSE
MAPE
857641,3
23382,42
1,04E+09
3,843506
Contoh Perhitungan
Contoh Perhitungan Manual:
Forecasting periode ke 49
B
( S ' S " )
1
Ft 1 At Bt .m
Jika 0,67
S48 = 0,072(795907,04) + (1-0,072)(652915,6)
= 663211
S48 = 0,072(663211) + (1-0,072)(601460,8)
= 605906,9
A
= 2(663211) (605906,9)
= 720515,2
0,072
B
(663211 605906,9)
1 0,072
= 4446,102
Program Studi Teknik Industri
Universitas Diponegoro
2010
154
F49
= 720515,2 + (4446,102)(1)
= 724961,2
n
CFE ei
i 1
= 857641,3
n
[e ]
i
MAD
MAD
i 1
MSE
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
n
[e ] / d
t
x100
n
4,892132 1,390478 ... 10,99933
x100 3,843506
47
155
Perhitungan QS
Tabel 4.61 Output QS Metode DEST
156
157
158
e. Linier Regression
Tabel 4.63 Perhitungan Manual Metode LR
periode
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
demand
486930,5
511977,1
483810
531685,9
541499,3
522365,3
464019,1
498920,1
532671,4
528524,3
585187,1
587363,3
598038,9
603253,5
579849,3
597299,8
579561,9
567859,8
569255,8
574798,9
619472,2
630394,2
601611,1
594548,8
609741
644354,6
614134,4
619431,2
610480,1
635608,8
643820,8
644970,5
638113,5
640864,5
664884,6
648912,2
ramalan
501515,4
506168,5
510821,6
515474,8
520127,9
524781,1
529434,2
534087,3
538740,5
543393,6
548046,8
552699,9
557353
562006,2
566659,3
571312,5
575965,6
580618,7
585271,9
589925
594578,2
599231,3
603884,5
608537,6
613190,7
617843,9
622497
627150,2
631803,3
636456,4
641109,6
645762,7
650415,9
655069
659722,1
664375,3
CFE
-14584,8
-8776,18
-35787,8
-19576,7
1794,677
-621,066
-66036,2
-101203
-107273
-122142
-85001,5
-50338,2
-9652,3
31595,04
44785,03
70772,38
74368,67
61609,72
45593,67
30467,58
55361,63
86524,5
84251,17
70262,38
66812,65
93323,37
84960,78
77241,78
55918,57
55070,93
57782,16
56989,92
44687,52
30483,01
35645,45
20182,41
IerrorI
14584,82
5808,64
27011,66
16211,16
21371,36
2415,742
65415,14
35167,28
6069,104
14869,3
37140,35
34663,39
40685,85
41247,33
13189,99
25987,35
3596,292
12758,95
16016,05
15126,09
24894,05
31162,87
2273,332
13988,79
3449,733
26510,73
8362,594
7718,994
21323,21
847,6355
2711,224
792,2366
12302,4
14204,52
5162,442
15463,04
MAD
14584,81959
10196,72973
15801,70671
15904,06973
16997,52742
14567,22991
21831,21748
23498,22572
21561,65664
20892,42143
22369,50629
23393,99696
24724,1398
25904,3679
25056,74289
25114,90597
23849,10513
23232,98534
22853,14661
22466,79378
22582,37738
22972,39972
22072,44024
21735,62158
21004,18602
21215,97605
20739,92486
20274,89163
20311,04071
19662,26053
19115,4529
18542,85239
18353,74769
18231,71151
17858,30381
17791,76867
MSE
2,13E+08
1,23E+08
3,25E+08
3,1E+08
3,39E+08
2,84E+08
8,54E+08
9,02E+08
8,06E+08
7,48E+08
8,05E+08
8,38E+08
9,01E+08
9,58E+08
9,06E+08
8,91E+08
8,4E+08
8,02E+08
7,73E+08
7,46E+08
7,4E+08
7,51E+08
7,18E+08
6,96E+08
6,69E+08
6,7E+08
6,48E+08
6,27E+08
6,21E+08
6E+08
5,81E+08
5,63E+08
5,51E+08
5,4E+08
5,26E+08
5,18E+08
159
MAPE
2,995257
2,064904
3,23764
3,190483
3,341726
2,861849
4,466944
4,789661
4,384073
4,227002
4,419706
4,543191
4,717039
4,868499
4,695581
4,674032
4,43559
4,313994
4,235021
4,154847
4,148358
4,184496
4,018991
3,949568
3,814216
3,825758
3,734496
3,645627
3,640359
3,523459
3,423383
3,320241
3,27805
3,246827
3,176244
3,154207
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
656508,3
650801
626698,8
672111,1
680651,6
691121,9
721424,2
684675,5
705328,7
692148,4
737889,3
795907
160
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
855154
859807,2
864460,3
869113,5
873766,6
878419,7
883072,9
887726
892379,2
897032,3
901685,4
906338,6
910991,7
915644,9
920298
924951,1
929604,3
934257,4
938910,6
943563,7
Tabel 4.64 Perhitungan Manual Nilai Error Metode LR
CFE
MAD
MSE
MAPE
-7,5E-09
18868,48
6,17E+08
3,15148
Contoh Perhitungan
= 610864,2
= (1)(486930,54)+(2)(511977,14)+...+(48)(795907,04)
161
= 761240985,8
= 1+4+9+16+....+2304
= 44325
= 4653,14055
= 610864,2 4653,14055x49/2
= 496862,219
n
CFE ei
i 1
[e ]
i
i 1
MAD
MAD
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
MSE
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
[e ] / d
t
x100
n
2,995257 1,134551 ... 9,510417
x100 3,15148
47
162
163
164
Prosedur pengujian :
165
Perhitungan :
Null Hypothesis: AGUNG has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic
Prob.*
-3.438209
-4.165756
-3.508508
-3.184230
0.0585
Coefficient
Std. Error
t-Statistic
Prob.
AGUNG(-1)
C
@TREND(2006M12)
-0.526708
266012.1
2509.792
0.153192
76955.21
725.7759
-3.438209
3.456713
3.458081
0.0013
0.0012
0.0012
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.218117
0.182577
23428.87
2.42E+10
-538.0411
1.718709
6573.968
25913.61
23.02303
23.14112
6.137203
0.004458
166
Prosedur
uji
stasioneritas
pada
lag
t-Statistic
Prob.*
-7.562217
-4.170583
-3.510740
-3.185512
0.0000
Coefficient
Std. Error
t-Statistic
Prob.
D(AGUNG(-1))
C
@TREND(2006M12)
-1.174681
1245.555
239.9930
0.155336
8102.186
289.6288
-7.562217
0.153731
0.828623
0.0000
0.8785
0.4119
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.572891
0.553025
26074.86
2.92E+10
-531.4815
1.887387
716.7648
39001.44
23.23832
23.35758
28.83843
0.000000
167
model ARIMA.
Date: 12/20/10 Time: 09:41
Sample: 2006M12 2010M11
Included observations: 47
Autocorrelation
.*| .
.*| .
.*| .
.*| .
. |*.
.*| .
.|.
.|.
.|.
. |*.
.*| .
. |*.
.*| .
.*| .
.|.
.|.
. |**
.*| .
.|.
.|.
. |*.
. |*.
.*| .
.|.
**| .
. |*.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Partial Correlation
.*| .
.*| .
.*| .
**| .
. |*.
.*| .
.|.
.|.
.|.
. |*.
.|.
. |*.
.|.
.|.
.*| .
.|.
. |*.
.*| .
.*| .
.*| .
. |*.
.|.
.*| .
.|.
**| .
. |*.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
AC
PAC
Q-Stat
Prob
-0.157
-0.102
-0.086
-0.162
0.185
-0.148
0.054
0.018
-0.023
0.138
-0.063
0.071
-0.058
-0.072
-0.036
-0.032
0.197
-0.144
-0.037
-0.023
0.099
0.121
-0.176
0.037
-0.213
0.152
-0.157
-0.130
-0.130
-0.228
0.088
-0.180
-0.011
-0.027
-0.005
0.078
0.027
0.086
-0.001
-0.022
-0.092
-0.030
0.128
-0.132
-0.073
-0.080
0.100
0.043
-0.074
0.019
-0.218
0.104
1.2296
1.7641
2.1507
3.5638
5.4313
6.6597
6.8245
6.8441
6.8759
8.0542
8.3086
8.6407
8.8663
9.2283
9.3233
9.4015
12.394
14.039
14.149
14.194
15.064
16.405
19.376
19.511
24.266
26.799
0.267
0.414
0.542
0.468
0.366
0.353
0.447
0.554
0.650
0.624
0.685
0.733
0.783
0.816
0.860
0.896
0.776
0.727
0.775
0.821
0.820
0.795
0.679
0.724
0.504
0.420
168
. |*.
.*| .
. |*.
.*| .
.|.
. |*.
.*| .
.|.
.*| .
.|.
. |*.
.|.
. |*.
.*| .
.*| .
.*| .
. |*.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.|.
.*| .
.|.
.|.
.*| .
. |*.
.*| .
.*| .
.|.
.|.
.|.
.|.
. |*.
.|.
.|.
.*| .
.|.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
0.072
-0.150
0.115
-0.101
0.037
0.086
-0.150
-0.003
-0.084
0.062
0.078
0.034
0.135
-0.100
-0.061
-0.107
0.088
0.013
-0.034
0.031
-0.017
-0.097
-0.014
-0.023
-0.061
0.076
-0.111
-0.172
-0.018
0.002
0.001
0.034
0.128
0.039
-0.025
-0.070
-0.006
-0.041
0.032
-0.022
27.392
30.103
31.804
33.178
33.371
34.512
38.202
38.203
39.569
40.371
41.760
42.050
47.293
50.551
51.981
57.241
61.740
61.868
63.234
65.414
0.443
0.358
0.329
0.315
0.353
0.349
0.245
0.284
0.273
0.283
0.272
0.300
0.170
0.123
0.117
0.059
0.032
0.039
0.038
0.031
169
H0 : c tidak signifikan
H1 : c signifikan
: 0,05
Daerah kritis : P -value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0000 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Konstanta C signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0190 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Program Studi Teknik Industri
Universitas Diponegoro
2010
170
H0 : c tidak signifikan
H1 : c signifikan
: 0,05
Daerah kritis : P -value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,000 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Konstanta C signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Program Studi Teknik Industri
Universitas Diponegoro
2010
171
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0012 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai MA(1) signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0003 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai MA(2) signifikan
ARIMA (1,1,4)
172
: 0,05
Daerah kritis : P -value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0000 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Konstanta C signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0006 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai AR(1) signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0003 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai MA(1) signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0188 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai MA(2) signifikan
173
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0041 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai MA(3) signifikan
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
Perhitungan : Dari gambar dapat didapat nilai P value = 0,0000 < 0,05
Keputusan : H0 ditolak karena P value < 0,05
Kesimpulan : Nilai MA(4) signifikan
3. Penentuan Model Terbaik
Penentuan model ARIMA terbaik didasarkan pada nilai Akaike info
criterion (AIC) dan Schwarz criterion (SIC) yang paling kecil. Dari
perbandingan ketiga model didapat ARIMA model (1,1,4) yang memiliki nilai
AIC dan SIC terkecil. Dari model yang terpilih dilakukan peramalan hingga
periode ke-96.
Hasil Peramalan
Tabel 4.66 Hasil Peramalan Arima
periode
Peramalan
2006M12
NA
2007M01
NA
2007M02
505665,2
2007M03
516368,3
2007M04
517839,1
2007M05
524319,3
2007M06
528081,4
174
2007M07
533318,3
2007M08
537755
2007M09
542625,9
2007M10
547261,2
2007M11
552024,4
2007M12
556718,2
2008M01
561449,6
2008M02
566160,6
2008M03
570882,7
2008M04
575598,7
2008M05
580318
2008M06
585035,6
2008M07
589754,1
2008M08
594472,1
2008M09
599190,4
2008M10
603908,5
2008M11
608626,7
2008M12
613344,9
2009M01
618063,1
2009M02
622781,3
2009M03
627499,4
2009M04
632217,6
2009M05
636935,8
2009M06
641654
2009M07
646372,1
2009M08
651090,3
2009M09
655808,5
2009M10
660526,7
2009M11
665244,9
2009M12
669963
2010M01
674681,2
2010M02
679399,4
2010M03
684117,6
2010M04
688835,8
2010M05
693553,9
2010M06
698272,1
2010M07
702990,3
2010M08
707708,5
2010M09
712426,7
2010M10
717144,8
175
2010M11
721863
2010M12
726581,2
2011M01
731299,4
2011M02
736017,6
2011M03
740735,7
2011M04
745453,9
2011M05
750172,1
2011M06
754890,3
2011M07
759608,4
2011M08
764326,6
2011M09
769044,8
2011M10
773763
2011M11
778481,2
2011M12
783199,3
2012M01
787917,5
2012M02
792635,7
2012M03
797353,9
2012M04
802072,1
2012M05
806790,2
2012M06
811508,4
2012M07
816226,6
2012M08
820944,8
2012M09
825663
2012M10
830381,1
2012M11
835099,3
2012M12
839817,5
2013M01
844535,7
2013M02
849253,9
2013M03
853972
2013M04
858690,2
2013M05
863408,4
2013M06
868126,6
2013M07
872844,8
2013M08
877562,9
2013M09
882281,1
2013M10
886999,3
2013M11
891717,5
2013M12
896435,6
2014M01
901153,8
2014M02
905872
176
2014M03
910590,2
2014M04
915308,4
2014M05
920026,5
2014M06
924744,7
2014M07
929462,9
2014M08
934181,1
2014M09
938899,3
2014M10
943617,4
2014M11
948335,6
Model peramalan yang digunakan dapat diterima apabila memiliki nilai bias
proportion < 0,2 dan covariance proportion 1(mendekati 1). Hasil peramalan dengan
menggunakan model ARIMA (1,1,4) menghasilkan nilai bias proportion sebesar
0,000005 dan nilai covariance proportion sebesar 0,978759. Semakin kecil nilai bias
dan semakin besar nilai covarian (mendekati 1) maka semakin baik. Sehingga hasil
peramalan dengan model ARIMA (1,1,4) dapat diterima.
Program Studi Teknik Industri
Universitas Diponegoro
2010
177
CFE
2801450.177
531111.1
661263.088
898551.1743
663014.0689
1071656.146
1165849.26
466096.696
560614.763
692275.706
531111.1
661263.088
898551.1743
358159.5608
-1367726.01
406143.223
857641.2829
-7.45058E-09
9241.5
MAD
62660.24
22889.89
23050.13
26284.84
24773.19
31129.71
34037.04
21715.81
21646.21
21922.64
22889.89
23050.13
26284.84
20971.6
32102.73
21174.97
23382.42
18868.48
20731.43
MSE
5070610158
892143725.6
979935006.3
1154222038
1086879155
1516878320
1743093574
785551591.5
873513649.7
890312170.5
892143769.5
979935031
1154222070
691289868.3
1475303349
706780621.5
1036107227
617145935.3
698456558.4
MAPE
9.815617
3.738632
3.697854
4.117817
3.993433
4.850127
5.175267
3.538632
3.476995
3.436471
3.738632
3.697854
4.117817
3.470258
5.401542
3.496904
3.843506
3.15148
3.394538
4.2.5 Validasi
Pada validasi, metode terpilihnya yaitu metode DES.
1. Uji-T
Uji Hipotesis :
1. H0 :
2. H1 :
3. = 0,05
4. Daerah Kritis: t hitung > t /2 t hitung > t 0,025
t hitung < - t /2 t hitung < - t 0,025
Dengan derajat kebebasan = k-1 = 48-1 = 47
Program Studi Teknik Industri
Universitas Diponegoro
2010
178
5. Perhitungan
Paired T-Test and CI: C1, C2
Paired T for C1 - C2
C1
C2
Difference
N
48
48
48
Mean
610864
610864
-0.000000
StDev
69814
65144
2.51053E+04
SE Mean
10077
9403
3623.639687
2. Uji-F
Uji Hipotesis :
1. H0 : 12 = 22
2. H1 : 12 22
3. = 0,05
4. Daerah Kritis: Pvalue < Pvalue < 0,05
5. Perhitungan
Test for Equal Variances: C1, C2
95% Bonferroni confidence intervals for standard deviations
C1
C2
N
48
48
Lower
56660.8
52870.6
StDev
69814.1
65144.0
Upper
90465.6
84414.0
179
C1
1.15
0.637
C2
50000
60000
70000
80000
95% Bonferroni Confidence Intervals for StDevs
0.05
0.829
90000
5. Uji Residual
A. Uji Kenormalan
1. H0 : Data berdistribusi normal
2. H1 : Data berdistribusi tidak normal
3. = 0,05
4. Daerah Kritis: KS > KS 1- KS > 0.193
5. Perhitungan
180
Probability Plot of C3
Normal
99
95
90
Mean
-8.33331E-08
StDev
N
KS
25105
48
0.138
80
70
tn
e
c
re
P
60
50
40
30
20
10
5
-50000
-25000
0
C3
25000
50000
75000
B. Uji Correlogram
Date: 12/20/10 Time: 13:54
Sample: 2006M12 2010M11
Included observations: 48
Autocorrelation
. |***
.|.
.*| .
.*| .
.|.
.*| .
.*| .
.*| .
.*| .
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
Partial Correlation
. |***
.*| .
.*| .
.*| .
. |*.
**| .
.|.
.*| .
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
1
2
3
4
5
6
7
8
9
10
11
AC
PAC
Q-Stat
Prob
0.375
0.059
-0.062
-0.117
0.042
-0.111
-0.080
-0.077
-0.071
0.061
0.004
0.375
-0.095
-0.060
-0.077
0.137
-0.219
0.039
-0.072
-0.006
0.049
-0.029
7.1959
7.3801
7.5848
8.3349
8.4343
9.1335
9.5047
9.8641
10.171
10.407
10.409
0.007
0.025
0.055
0.080
0.134
0.166
0.218
0.275
0.337
0.406
0.494
181
.|.
.*| .
.*| .
.*| .
.|.
.|.
.*| .
.*| .
.|.
. |*.
. |*.
.*| .
.*| .
.*| .
.|.
.|.
.*| .
.|.
.|.
. |*.
. |*.
.|.
. |*.
. |*.
. |*.
. |*.
.|.
.|.
.*| .
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.|.
.*| .
.*| .
.*| .
.|.
.|.
**| .
.|.
.|.
.|.
.*| .
**| .
.|.
.*| .
. |*.
**| .
.*| .
.|.
.|.
.|.
.|.
.*| .
.|.
. |*.
.|.
.*| .
.|.
.|.
.*| .
.*| .
.|.
.|.
.*| .
.|.
.*| .
.*| .
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
-0.013
-0.091
-0.162
-0.121
-0.040
0.032
-0.122
-0.121
-0.031
0.067
0.066
-0.171
-0.157
-0.151
0.060
0.005
-0.115
0.013
0.031
0.144
0.172
0.040
0.090
0.075
0.130
0.130
0.030
0.006
-0.167
-0.162
-0.015
0.092
0.018
-0.055
0.004
-0.037
-0.042
-0.090
-0.099
-0.077
0.044
-0.008
-0.207
-0.012
-0.004
0.036
-0.083
-0.221
-0.049
-0.128
0.129
-0.273
-0.082
-0.020
0.006
-0.028
0.026
-0.149
0.063
0.102
0.029
-0.059
-0.036
-0.031
-0.133
-0.121
-0.034
0.025
-0.077
0.014
-0.074
-0.159
10.419
10.993
12.835
13.898
14.019
14.099
15.282
16.493
16.577
16.972
17.375
20.169
22.619
24.997
25.395
25.398
26.976
26.999
27.126
30.064
34.488
34.743
36.139
37.164
40.548
44.258
44.471
44.480
52.814
61.835
61.923
65.993
66.184
68.640
68.658
71.991
0.579
0.611
0.540
0.533
0.597
0.660
0.643
0.624
0.680
0.713
0.742
0.632
0.542
0.463
0.497
0.552
0.520
0.572
0.617
0.514
0.350
0.385
0.369
0.370
0.277
0.192
0.218
0.252
0.084
0.019
0.024
0.014
0.017
0.013
0.017
0.011
182
BAB V
ANALISIS
5.1
b. Metode MA
1. SMA
Model Single Moving Average menggunakan sejumlah data aktual
permintaan yang baru untuk membangkitkan nilai ramalan untuk
permintaan di masa yang akan datang. Metode single moving average
memiliki karakteristik khusus, yaitu:
yang jangka
183
2. DMA
Menentukan ramalan dengan metode double moving averages sedikit
lebih sulit dibandingkan dengan single moving averages. Ada beberapa
langkah dalam menentukan ramalan dengan metode
double moving
simbol S dihitung dari data historis yang ada. Hasilnya diletakkan pada
periode terakhir moving average pertama.
b) Menghitung moving average/rata-rata bergerak kedua, diberi simbol S
dihitung dari rata-rata bergerak kedua. Hasilnya diletakkan pada
periode terakhir moving average kedua Artinya hasil dari perhitungan
rata-rata bergerak ke dua digunakan sebagai ramalan permintaan untuk
periode yang akan datang.
3. WMA
Metode Weighted Moving Average merupakan metode peramalan
dengan menggunakan pembobotan disetiap periodenya. Pada metode ini
bobot unutk setiap periode berbeda dikarenakan anggapan bahwa
peramalan disetiap waktu pasti akan berbeda. Terdapat 3 jenis perhitungan
WMA, yaitu WMA-3, WMA-5, dan WMA-7. Cara dalam menentukan
permamalan pada 48 periode berikutnya sama, hanya berbeda pada bobot
yang digunakan untuk menghitung hasil peramalan dan jumlah periode
yang digunakan untuk menentukan hasil peramalan. Cara menghitung hasil
peramalan untuk 48 periode ke depan adalah dengan mengalikan demand
184
masa lalu sesuai periode yang ditentukan (misal: tiap 3, 5, atau 7 periode)
dengan bobot yang ditentukan.
4. CMA
Center Moving Average merupakan perhitungan peramalan dengan
merata-rata demand yang berada di tengah Dari perhitungan peramalan
yang telah dilakukan, maka diketahui hasil dari peramalan untuk 48
periode kedepan.Dalam 3 jenis perhitungan CMA, diperoleh nilai CFE
yang digunakan untuk CMA-3, CMA-5, dan CMA-7. Misalkan dalam
perhitungan CMA-3 berarti untuk menentukan peramalan periode kedua
yaitu dengan cara menjumlah demand pertama hingga ketiga kemudian
hasilnya dibagi tiga. Metode ini hanya bisa digunakan untuk kelipatan
ganjil.
c. Metode ES
Pada perhitungan dengan metode eksponensial smoothing, digunakan nilai
alpha dan beta. Nilai alpha maupun beta didapatkan dari hasil output E-Views.
Perhitungan SES dilakukan dengan cara mengalikan alpha dengan demand
sebelumnya, kemudian ditambah dengan 1 dikurangi alpha dengan dikalikan
hasil peramalan sebelumnya. Pada tabel perhitungan metode SES terlihat
perbedaan data aktual historis dengan data peramalan. Pola historis dari data
actual terlihat bergejolak atau tidak stabil dari waktu ke waktu sehingga pada
output QS nilai alpha sebesar 0,9990. Jika alpha mendekati 1 maka nilai data
semakin bergejolak..
Konsep perhitungan DES sama seperti SES. Hanya saja pada perhitungan
DES dilakukan dua kali langkah SES. Pada metode peramalan DES,
menghasilkan data hasil forecasting yang cenderung naik secara barurutan
tiap periode dan kenaikanya bersifat linier positif. Hal ini juga menyebabkan
batas bawah dan batas atasnya berbeda-beda tiap periodenya.
Langkah-langkah untuk menghitung S pada periode ke-3 yaitu alpha
dikalikan dengan demand kemudian ditambah dengan (1 alpha) lalu
Program Studi Teknik Industri
Universitas Diponegoro
2010
185
e.
Metode ARIMA
Model time series yang sangat terkenal adalah model Autoregessive
Integrated Moving Average (ARIMA) yang dikembangkan oleh George E. P.
Box dan Gwilym M. Jenkins. Model time series ARIMA menggunakan teknik
korelasi. Identifikasi model bisa dilihat dari ACF dan PACF suatu deret waktu.
Metode ARIMA menggunakan pendekatan iteratif dalam mengidentifikasi
suatu model yang paling tepat dari berbagai model yang ada. Model sudah
dianggap memadai apabila residual (selisih
historis) terdistribusi secara acak, kecil dan independen satu sama lain.
Langkah-langkah penerapan metode ARIMA secara urut berupa identifikasi
Program Studi Teknik Industri
Universitas Diponegoro
2010
186
5.2
Analisis Verifikasi
Verifikasi dilakukan dengan cara membandingkan nilai error dari semua
metode peramalan. Verifikasi bertujuan untuk melihat apakah error pada metode
yang terpilih sudah terkontrol atau tidak. Pada uji verifikasi ini nilai error dari
metode akan diuji. Metode yang terbaik disini adalah yang mempunyai nilai yang
paling kecil yaitu metode LR. Dengan nilai MAD adalah 18868.48, MSE
617145935.3 dan MAPE adalah 3.15148. Berikut adalah tabel dengan
menggunakan semua metode:
Metode
SA
3-MA
5-MA
7-MA
3X3 MA
5X5 MA
7X7 MA
3-WMA
5-WMA
7-WMA
3-CMA
5-CMA
7-CMA
SES
SEST
DES
DEST
LR
ARIMA
CFE
2801450.177
531111.1
661263.088
898551.1743
663014.0689
1071656.146
1165849.26
466096.696
560614.763
692275.706
531111.1
661263.088
898551.1743
358159.5608
-1367726.01
406143.223
857641.2829
-7.45058E-09
9241.5
MAD
62660.24
22889.89
23050.13
26284.84
24773.19
31129.71
34037.04
21715.81
21646.21
21922.64
22889.89
23050.13
26284.84
20971.6
32102.73
21174.97
23382.42
18868.48
20731.43
MSE
5070610158
892143725.6
979935006.3
1154222038
1086879155
1516878320
1743093574
785551591.5
873513649.7
890312170.5
892143769.5
979935031
1154222070
691289868.3
1475303349
706780621.5
1036107227
617145935.3
698456558.4
MAPE
9.815617
3.738632
3.697854
4.117817
3.993433
4.850127
5.175267
3.538632
3.476995
3.436471
3.738632
3.697854
4.117817
3.470258
5.401542
3.496904
3.843506
3.15148
3.394538
187
5.3
5.4
Analisis Validasi
a. Analisis Uji T
Setelah dilakukan tahap validasi metode dan verifikasi, maka dilakukan
tahap validasi data. Pada tahap validasi data ini dilakukan uji dua sampel
berpasangan (uji T). Uji dua sampel berpasangan (uji T) merupakan suatu uji
yang digunakan untuk memvalidasi hasil peramalan
agregat yang dimiliki. Pada Uji T metode LR ini diperoleh nilai p adalah 0,637
sehingga Ho diterima (p value > 0,05). Ini berarti pada uji T ini memiliki
kesamaan pada sehimpunan rataan.
b. Analisis Uji F
Setelah dilakukan tahap validasi metode dan verifikasi, maka dilakukan
tahap validasi data. Pada tahap validasi data ini dilakukan uji variansi (uji F).
Uji F merupakan suatu uji yang digunakan untuk memvalidasi hasil peramalan
(forecast) dari data agregat yang dimiliki. Pada software minitab diperoleh
nilai p value metode LR sebesar 0,00. Ini berarti pada uji F ini memiliki
kesamaan variansi.
c. Analisis Residual dengan menggunakan Uji Kenormalan
Setelah dilakukan tahap validasi metode dan verifikasi, maka dilakukan
tahap validasi data. Pada tahap validasi data ini dilakukan uji residual dengan
menggunakan uji kenormalan. Uji Kenormalan merupakan suatu uji yang
digunakan untuk memvalidasi hasil peramalan (forecast) dari data agregat
yang dimiliki. Pada software minitab diperoleh nilai KS metode LR sebesar
Program Studi Teknik Industri
Universitas Diponegoro
2010
188
0,138 sehingga Ho diterima (KS < 0,193).. Ini berarti pada uji kenormalan ini
menunjukkan tidak adanya perbedaan yang signifikan atau memiliki
kesesuaian antara data historis dan peramalan.
189
BAB VI
PENUTUP
6.1 Kesimpulan
1. Manfaat dari melakukan peramalan dalam sistem industri, yaitu sebagai
berikut :
SA
MA
ES
Linier Regression
ARIMA/Box-Jenskins
6.2 Saran
1. Sebelum melakukan perhitungan, praktikan sebaiknya benar-benar memahami
tentang metode peramalan yang ada.
2. Praktikan diharapkan lebih teliti dalam melakukan perhitungan
190