Laporan PTI Modul 5 Kel 3

Laporan Praktikum Perancangan Teknik Industri
Modul 5: Peramalan
Kelompok 3
BAB I
PENDAHULUAN
1.1 Latar belakang

Hampir seluruh kegiatan manusia senantiasa diarahkan pada kondisi waktu
yang akan datang, yang keberadaannya tidak dapat diketahui secara pasti. Hal yang
sama juga terjadi pada kegiatan perusahaan. Suatu perusahaan melakukan kegiatan
untuk mencapai sesuatu pada waktu yang akan datang serta memperhitungkan kondisi yang
mungkin terjadi dimasa yang akan datang. Kondisi pada waktu yang akan datang tidak
dapat diketahui secara pasti sehingga perusahaan mau tidak mau harus bekerja dengan
orientasi pada waktu yang akan datang yang tidak pasti. Untuk meminimalkan
ketidakpastian itu dapat dilakukan dengan metode atau teknik peramalan. Dengan teknik
peramalan dapat diidentifikasikan pola yang dapat digunakan untuk meramalkan kondisi
pada waktu yang akan datang, sehingga dari hasil peramalan itu, eksekutif perusahaan
dapat membuat perencanaan yang diperlukan untuk dilaksanakan pada masa yang akan
datang.
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.
Berdasarkan definisi dan kegunaan peramalan yang telah dijabarkan diatas maka
PT. Indo Spellgoed yang merupakan sebuah perusahaan yang bergerak di bidang
manufaktur perlu membuat peramalan guna mengantisipasi demand yang tak terduga.
Peramalan sangat dibutuhkan PT Indo Spellgoed dimana terjadi peningkatan demand
perusahaan yang belum tertutupi oleh perusahaan. Oleh sebab itu perusahaan
membutuhkan peramalan ulang supaya perusahaan dapat memenuhi demand.
Program Studi Teknik Industri

Fakultas Teknik
Universitas Diponegoro
Page 1

Modul 5: Peramalan
Kelompok 3
1.2 Tujuan
Praktikum ini bertujuan agar mahasiswa mengetahui metode peramalan terbaik dengan
meminimasi tingkat kesalahan eror terkecil.
1.3 Perumusan Masalah

Melakukan peramalan dengan menggunakan metode SA (simple average), MA (moving
average), DMA (double moving average), WMA (weighted moving average), CMA,
ES, Linear Regression, dan Box Jenskins/ARIMA dengan menggunakan software Qs,
Minitab, Hohs Linear, dan E-Views.
1.4 Pembatasan Masalah dan Asumsi

Pada praktikum modul 5 ini kami melakukan peralaman pada PT Indo Spellgoed. Data
yang digunakan yaitu data historis dengan dua tipe produk yaitu Grade A dan Grade B.
Peramalan dilakukan selama 4 tahun mendatang dari bulan Desember tahun 2006
sampai bulan November tahun 2010 dengan menggunakan metode SA (simple
average), MA (moving average), DMA (double moving average), WMA (weighted
moving average), CMA, ES, Linear Regression, dan Box Jenskins/ARIMA. Dengan
asumsi data berdistribusi normal dan eror berdistribusi normal.
1.5 Sistematika Penulisan

BAB I
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

Fakultas Teknik
Page 2

Modul 5: Peramalan
Kelompok 3
Berisi tentang langkah-langkah praktikum.

BAB IV
PENGUMPULAN dan PENGOLAHAN DATA

Berisi tentang data peramalan grade A dan grade B dari tahun 2006 sampai
tahun 2010, serta pengolahan data konversi grade A dan grade B dengan
menggunakan metode SA, MA, DMA, WMA, CMA, ES, Linear
Regression, dan ARIMA yang diolah dengan menggunakan software Qs,
Minitab, E-Views, dan Hohs Linear.
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.

Fakultas Teknik
Page 3

Modul 5: Peramalan
Kelompok 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
masalah. Seperti dibahas sebelumnya, ekonometri berusaha melakukan

Fakultas Teknik
Page 4

Modul 5: Peramalan
Kelompok 3
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.

Fakultas Teknik
Page 5

Modul 5: Peramalan
Kelompok 3
Berdasarkan sifatnya peramalan dibagi menjadi dua, yaitu:

1. Kualitatif
Teknik ini digunakan apabila data masa lalu tidak tersedia atau walaupun tersedia
namun jumlahnya tidak mencukupi. Teknik kualitatif mengkombinasikan informasi
dengan pengalaman, penilaian, dan intuisi untuk menghasilkan pola-pola dan hubungan
yang mungkin dapat diterapkan dalam memprediksi masa yang akan datang. Teknikteknik kualitatif didasarkan atas pendekatan akal sehat (common sense) dalam
menyaring informasi ke dalam bentuk yang bermanfaat.
Beberapa metode yang tercakup dalam teknik-teknik kualitatif antara lain visionary,
panel consensus, brainstorming, antipatory survey, role playing, dan lain-lain.
Teknik kualitatif paling sesuai diterapkan dalam dua kondisi berikut :

1. Tidak terdapat atau kurangnya data kuantitatif yang berkualitas. Misalnya, dalam
peramalan peluang bagi produk atau pasar yang baru.
2. Terdapat data kuantitatif yang cukup, namun terdapat faktor-faktor tertentu yang
menyebabkan teknik kualitatif lebih sesuai untuk diterapkan. Misalnya, meskipun
terdapat data yang cukup mengenai kondisi historis ekonomi Indonesia, kondisikondisi non ekonomi (politik dan sebagainya) sangat mempengaruhi keadaan di
masa depan.
Sedangkan keterbatasan-keterbatasannya antara lain :

1. Bukti-bukti empiris menunjukkan bahwa hasil yang berbeda dapat timbul jika
digunakan metode pengumpulan informasi yang berbeda.
2. Terdapat kemungkinan timbulnya penilaian-penilaian yang overconfidence.
3. Adanya fenomena groupthink dimana pemikiran yang menyimpang dari
konsensus kelompok akan ditekan. Efek dari groupthink ini adalah berkurangnya
pendapat-pendapat kritis.

Fakultas Teknik
Page 6

Modul 5: Peramalan
Kelompok 3
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.
Peramalan yang baik mempunyai karakteristik sebagai berikut:

1. Akurasi
Akurasi dari suatu hasil ramalan diukur dengan kebiasan dan kekonsistenan
peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut
terlalu tinggi atau terlau rendah dibandingkan dengan kenyataan yang sebenarnya
terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan
relatif kecil.
2. Biaya
Biaya yang dibutuhkan dalam pembuatan suatu peramalan adalah tergantung dari
jumlah item yang diramalkan. lamanya periode peramalan. dan metode
peramalan yang dipakai. Pemilihan metode peramalan harus disesuaikan dengan
dana yang tersedia dan tingkat akurasi yang diinginkan.
3. Kemudahan
Penggunaan metode peramalan yang sederhana. mudah dibuat. dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Karena sangat
percuma bila harus menggunakan metode yang canggih. tetapi tidak dapat
diaplikasikan pada system perusahaan karena keterbatasan dana. sumber daya
manusia. dan peralatan teknologi.
(Nasution. Arman Hakim. Perencanaan dan Pengendalian Produksi. Hal .24)
Beberapa sifat hasil peramalan yang harus dipertimbangkan adalah sebagai berikut:
1. Peramalan pasti mengandung kesalahan
Artinya peramalan hanya bisa mengurangi ketidakpastian yang terjadi. tetapi
tidak dapat menghilangkan ketidakpastian tersebut.

Fakultas Teknik
Page 7

Modul 5: Peramalan
Kelompok 3
2. Peramalan memberikan informasi tentang berapa ukuran kesalahan

Karena peramalan pasti mengandung kesalahan. maka adalah penting bagi
peramal untuk menginformasikan berapa besar kesalahan yang mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dari pada peramalan jangka panjang
Hal ini disebabkan karena pada peramalan jangka pendek. faktor-faktor yang
mempengaruhi permintaan relatif masih konstan. sedangkan semakin panjang
periode peramalan. maka semakin besar pula kemungkinan terjadinya peubah
faktor-faktor yang mempengaruhi permintaan.
(Nasution. Arman Hakim. Perencanaan dan Pengendalian Produksi. Hal .24)
2.2.1 Tahapan Peramalan

Dalam peramalan, tahap-tahap yang harus dilakukan adalah :
1. Mengkonversikan data.
2. Plot data.
Ploting data harus dilakukan sebelum melakukan metode peramalan untuk
menentukan pola data yang terjadi. Dengan data yang ada diperoleh diagram
pencarnya. Ada beberapa tipe pola data :
Constant
Adalah pola data dimana fluktuasi random berharga konstan.
Gambar 2.1 Pola data konstan

Fakultas Teknik
Page 8

Modul 5: Peramalan
Kelompok 3
Trend(Linier)
Adalah gerakan ke atas atau ke bawah secara berangsur-angsur dari data
.
Gambar 2.2 Pola Linier
Seasonal (Musiman)
Adalah fluktuasi permintaan suatu produk dapat naik turun di sekitar
garis trend dan biasanya berulang tiap tahun.
Gambar 2.3 Pola data Musiman
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.
Gambar 2.4 Pola data Siklus

Fakultas Teknik
Page 9

Modul 5: Peramalan
Kelompok 3
Random (acak)
Adalah tanda dalam data yang disebabkan peluang dan situasi yang tidak
biasa, variabel acak mengikuti pola yang tidak dapat dilihat.
Gambar 2.5 Pola data random
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)
2.2.2 Analisis Deret Waktu

Analisis deret waktu didasarkan pada deret yang menggambarkan pola-pola yang
bervariasi sepanjang waktu, yang dapat dimodelkan untuk menentukan bagaimana pola
yang akan terjadi di masa yang akan datang. Secara tradisional, jenis-jenis variabel
dibedakan dalam empat elemen.
1.Tren
: merupakan kecenderungan jangka panjang dalam satu arah.
2.Variasi siklis
: variasi ini secara natural memiliki siklus yang dapat

diidentifikasikan. Sebagai contoh, data ekonomi dapat
dipengaruhi oleh siklus bisnis dalam suatu periode waktu yang
bervariasi antara 5 sampai 7 tahun.
3.Variasi Musiman
: variasi yang memiliki pola tahunan.

Fakultas Teknik
Page 10

Modul 5: Peramalan
Kelompok 3
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.
Terdapat beberapa jenis deret waktu, yaitu:

1.Stationary
: tanpa trend
2.Dengan sebuah trend : terdapat sebuah pergerakan konsisten naik atau turun (tidak
stabil pada posisi nilai rataan)
3.Trend musiman
:pola teratur yang berulang setiap tahunnya (tidak stationer dalam

variasi)
4.Trend musiman siklus :terdapat pola reguler yang memerlukan waktu lebih dari
setahun untuk berulang (tidak stationer dalam rataan dan
variansi)
Beberapa metode analisis deret waktu antara lain:

1. Moving average
Moving Average merupakan metode peramalan yang hanya sesuai untuk deret waktu
yang bersifat stasioner. Metode ini sering digunakan untuk menghilangkan trend dan
sifat musiman pada satu set data, menganalisis deret residualnya dan kemudian
menggabungkan kembali variasi trend dan seasonal. Efek random dapat dihilangkan
dengan mengambil rata-rata terhadap sejumlah pengamatan. Jenis-jenisnya antara
lain: simple average, simple moving average, double moving average, weigthed
moving average, moving average with linier trend. MA dapat dinyatakan dalam
persamaan sebagai berikut :
MA =
At At 1 ...... At ( N 1)
N

Fakultas Teknik
Page 11

Modul 5: Peramalan
Kelompok 3
Dimana :
At = Permintaan actual pada periode-t
N = Jumlah data permintaan yang dilibatkan dalam perhitungan MA

Karena data aktual yang dipakai untuk perhitungan MA berikutnya selalu dihitung
dengan mengeluarkan data yang paling terdahulu. maka :
MAt = MAt 1 +
At At N
N
Pemilihan tentang beberapa nilai
N yang tepat adalah hal yang penting dalam
metode ini. semakin halus perubahan nilai MA dari periode ke periode.

Kebalikannya. semakin kecil nilai N. maka peramalan akan lebih agresif dalam
mengantisipasi perubahan data terbaru yang diperhitungkan.
Bila permintaan berubah secara signifikan dari waktu ke waktu. maka ramalan harus
cukup agresif dalam mengantisipasi perubahan tersebut. sehingga nilai N yang kecil
akan lebih cocok dipakai. Kebalikannya. bila permintaan cenderung satbil selama
jangka waktu yang panjang. maka sebaiknya dipakai nilai N yang besar.
Kelemahan dari teknik MA ini sendiri adalah sebagai berikut :
1. Peramalan selalu berdasarkan pada N data terakhir tanpa mempertimbangkan
data-data sebelumnya.
2. Setiap data dianggap memiliki bobot yang sama. padahal lebih masuk akal bila
data yang lebih baru akan mempunyai bobot yang lebih tinggi karena data tersebut
merepresantikan kondisi yang terakhir terjadi. Kelemahan ini akan diatasi dengan
menggunakan teknik MA dengan pembobotan.
3. Diperlukan biaya yang cukup besar dalam penyimpanan dan pemrosesan
datanya. karena bila N cukup besar akan membutuhkan memori yang cukup besar
dan proses komputasinya menjadi lama.
(Nasution. Arman H. Perencanaan dan Pengendalian Produksi. Hal 29-32)

Fakultas Teknik
Page 12

Modul 5: Peramalan
Kelompok 3
b. Metode Simple Average (SA)

T
Fi 1 X
i 1
c. Metode Single Moving Average (SMA)

T
Fi 1 X
Xi
i 1
d. Metode Double Moving Average (DMA)

S 't
X 1 X t 1 X t 2 ... X t N 1
N
S ''t
S '1 S 't 1 S 't 2 ... S 't N 1

N
at S 't ( S 't S ' 't ) 2S 't S ' 't
bt
2
( S 't S ' 't )
N 1
Ft m at bt .m
e. Metode Weight Moving Average (WMA)

t
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)
Fakultas Teknik
Page 13

Modul 5: Peramalan
Kelompok 3
(alpha) dikenal dengan konstanta penghalusan (smoothing constans). Begitu suatu
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
b. Metode Double Exponential Smoothing : Browns One Parameter Linier

S 't X i (1 ) S 't 1
S ''t S 'i (1 ) S ''t 1

at S 't ( S 't S ''t ) 2 S 't S ''t
bt
( S ' t S '' t )
1
Ft m at bt .m
c. Metode Exponential Smoothing With Trend : Holts Two Parameter
(1 ) T
F(t ) X t (1 ) F(t 1) T(t 1)
T(t ) F(t ) F( t 1)
( t 1)
f ( t h ) F(t ) h. T(t )

Fakultas Teknik
Page 14

Modul 5: Peramalan
Kelompok 3
d. Metode Triple Exponential Smoothing : Browns One Parameter Quadratic

S 't X i (1 ) S 't 1
S ''t S 'i (1 ) S ''t 1

S '''t S ''i (1 ) S ' ''t 1
at 3S 't 3S ''t S '''t
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
e. Metode Triple Exponential Smoothing : Winters Three Parameter Trend and

Seasonality
St
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)
c. Box Jenkins (ARIMA)

Metode Box Jenkins sering juga disebut ARIMA. ARIMA sangat baik ketepatannya
untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang
ketepatan
peramalannya
kurang
baik.
Biasanya
akan
cenderung
flat
(mendatar/konstan) untuk periode yang cukup panjang.

Fakultas Teknik
Page 15

Modul 5: Peramalan
Kelompok 3
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
Dimana : 1 = parameter series

K = konstanta
1 = error
(Diktat Kuliah Production Planning and Control. Hal. 27)

Fakultas Teknik
Page 16

Modul 5: Peramalan
Kelompok 3
Gambar 2.6 Skema Pendekatan Box-Jenkins
Jika suatu deret memiliki sifat musiman, maka mula-mula data harus diturunkan untuk
menghilangkan sifat musiman tersebut. Model-model tersebut adalah sebagai berikut :

Fakultas Teknik
Page 17

Modul 5: Peramalan
Kelompok 3
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
Musiman dan Model ARIMA

Musiman didefinisikan sebagai suatu pola yang berulang-ulang dalam selang waktu
yang tetap. Untuk data yang stasioner, factor musiman dapat ditentukan dengan
mengidentifikasi koefisien autokorelasi pada dua atau tiga time-lag yang berbeda
nyata dari nol. Autokorelasi yang secara signifikan berbeda dari nol menyatakan
adanya suatu pola dalam dat. Untuk mengenali adanya faktor musiman, seseorang
harus melihat pada autokorelasi yang tinggi.
Untuk menangani musiman, notasi umum yang singkat adalah:
ARIMA (p,d,q) (P,D,Q)S
Fakultas Teknik
Page 18

Modul 5: Peramalan
Kelompok 3
Dimana (p,d,q) = bagian yang tidak musiman dari model

(P,D,Q) = bagian musiman dari model
S
= jumlah periode per musim
Istilah-Istilah dalam time Series:

Stasioneritas
Suatu deret pengamatan dikatakan stasioner apabila proses tidak berubah seiring
dengan perubahan waktu.
Konsep Stasioneritas
Stasioneritas berarti bahwa tidak terdapat pertumbuhan atau penurunan
pada data. Data secara kasarnya harus horisontal sepanjang sumbu waktu.
Dengan kata lain, fluktuasi data berada di sekitar suatu nilai rata rata yang
konstan, tidak tergantung pada waktu dan variansi dari fluktuasi tersebut yang
pada intinya tetap konstan setiap waktu.
Bentuk visual dari suatu plot deret berkala seringkali cukup untuk
meyakinkan para peramal bahwa data tersebut stasioner atau tidak stasioner.
Demikian pula dengan plot autokorelasi, dapat dengan mudah memperlihatkan
ketidakstasioneran. Nilai nilai autokorelasi dari data stasioner akan turun
sampai nol sesudah time lag kedua atau ketiga, sedangkan untuk data yang tidak
stasioner, nilai nilai tersebut berbeda signifikan dari nol untuk beberapa periode
waktu. Apabila disajikan secara grafik, autokorelasi data yang tidak stasioner
memperlihatkan suatu trend searah diagonal dari kanan ke kiri bersama dengan
meningkatnya jumlah time lag ( selisih waktu ). Konsep stasioneritas dapat
digambarkan secara praktis sebagai berikut :
a. Apabila suatu data deret berkala diplotkan dan kebudian tidak terbukti adanya
perubahan niali tengah dari waktu ke waktu, maka dapat dikatakan bahwa
deret data tersebut stasioner pada nilai tengahnya ( mean ).

Fakultas Teknik
Page 19

Modul 5: Peramalan
Kelompok 3
b. Apabila plot deret berkala tidak memperlihatkan adanya perubahan variansi

yang jelas dari waktu ke waktu, maka dapat kita katakan bahwa data tersebut
stasioner pada variansinya.
Jika suatu deret data bukan merupakan data yang stasioner, maka sebelum
melakukan pembuatan model deret berkala, maka perlu dilakukan pembedaan.
( Makridakis, Forecasting, Hal. 333, 351, 354 )
Fungsi Autokorelasi (autocorrelation function, ACF)

Autokorelasi adalah korelasi antarderet pengamatan suatu deret waktu, sedangkan
fungsi autokorelasi (ACF) adalah plot autokorelasi-korelasi.
Partial Auto Correlation Function (PACF)
Partial autocorrelation adalah korelasi antar deret pengamatan suatu deret waktu.
Mengukur hubungan keeratan antar pengamatan suatu deret waktu.
Cross Correllation
Digunakan untuk menganalisis time series multivariat sehingga ada lebih dari 2
time series yang akan dianalisis.
Proses White Noise
Didefinisikan sebagai deret variabel acak yang independen, identik, dan
terdistribusi.
Analisis Tren
Digunakan untuk menaksir model tren suatu data time series.
Rata-rata Bergerak (Moving Average)
Salah satu metode membuat model time series. Dalam Moving average, data di
perhalus dengan membuat rata-rata secara berurutan dari sekelompok pengamatan
pada jangka waktu tertentu.
(Mengolah data statistik dengan mudah menggunakan Minitab14)

Fakultas Teknik
Page 20

Modul 5: Peramalan
Kelompok 3
2.2.3 Model Kausal

Model kausal terdiri atas teknik-teknik peramalan yang menggunakan informasi
atas satu atau beberapa faktor (variabel) untuk memprediksi faktor lainnya dengan
memanfaatkan pengetahuan atas hubungan antar variabel-variabel tersebut. Teknik
utama dalam model-model kausal ini adalah analisis regresi, baik regresi sederhana
maupun majemuk.
Penggunaan Model-Model Kausal

Pada dasarnya model-model kausal dapat digunakan manakala pergerakan dalam
suatu variabel dianggap disebabkan oleh pergerakan pada variabel-veriabel yang
lain. Akibatnya, proses pengidentifikasian veriabel-variabel manjadi prses yang
kritis. Pedoman berikut menggambarkan kapan pemodelan kausal sesuai untuk
diterapkan :
1. Pada saat terdapat alasan-alasan yang priori untuk menganggap bahwa satu
variabel adalah dipengaruhi oleh variabel yang lain. Misalnya, terdapat alasan yang
kuat untuk mempercayai bahwa periklanan akan mempengaruhi tingkat penjualan.
2. Pada saat sebuah indikator utama dapat teridentifikasikan. Misalnya, tingkat
kelahiran bayi saat ini dapat digunakan untuk meramalkan kebutuhan akan busana
balita untuk beberapa tahun ke depan.
3. Horison waktu peramalan yang relevan. Dalam jangka pendek, delay antara efek
kausal dan waktu data dikumpulkan dapat diabaikan. Namun dalam jangka panjang
terdapat kemungkinan bahwa efek kausal telah bergeser.
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:

Fakultas Teknik
Page 21

Modul 5: Peramalan
Kelompok 3
1.Lakukan plot data untuk menginvestigasi apakah tampak terdapat hubungan

tertentu.
2.Tentukan metode regresi yang sesuai
3.Lakukan estimasi terhadap garis regresi yang sebenarnya dengan jalan
mengestimasi parameter-parameter garis regresi yang ada.
4.Hitung residual atau perbedan antara nilai kausal variabel dan nilai etimasi hasil
regresi.
5.Pilih metode regresi dengan jumlah kuadrat residual yang kecil.
Residual dapat timbul karena hubungan antara variabel tidak eksak. Tidak eksaknya
hubungan ini disebabkan karena adanya faktor-faktor lain yang mempengaruhi.
Faktor-faktor ini antara lain :
1.Penghilangan beberapa variabel dari persamaan karena variabel-variabel tersebut
tidak diketahui, random, tidak signifikan atau tidak dapat diukur.
2.Kerandoman yang timbul dari perilaku manusia
3.Hubungan tidak sepenuhnya linear
4.Kesalahan kesalahan dalam agregasi
5.Kesalahan kesalahan dalam pengukuran
Beberapa Jenis Analisis Regresi

1.Regresi Sederhana
Pada regresi sederhana hanya diperhitungkan satu variabel bebas. Contoh regresi
sederhana antara lain :
^
a.Regresi Konstan
Y ( t )a
b.Regresi Linier Sederhana
Y ( t )ab t
c.Regresi Polinom Kuadratis
Y ( t )ab t c t 2

Fakultas Teknik
^ ^
^ ^
Page 22

Modul 5: Peramalan
Kelompok 3
Y ( t )a bt
d.Regresi Eksponensial
2.Regresi Berganda (Multiple Regression)

Pada regresi berganda diperhitungkan lebih dari satu variabel bebas. Cotoh regresi
berganda yang umum digunakan adalah regresi linier berganda (Multiple Linier
Regression) yang dapat dilihat pada lampiran.
3.Regresi Trigonometri
Rumus umum regresi trigonometri adalah
^
^ ^
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.

Fakultas Teknik
Page 23

Modul 5: Peramalan
Kelompok 3
Masalah - Masalah dalam Regresi

1.Multikolinearitas
Variabel-variabel eksplanatoris biasanya memiliki korelasi yang tinggi. Hal ini sering
terjadi dalam deret waktu karena adanya kecenderungan data-data ekonomi bergerak
bersamaan sepanjang waktu. Multikolinearitas menyebabkan kemampuan suatu
variabel dalam menjelaskan fenomena yang ada menjadi bias.
2.Autokorelasi
Autokorelasi terjadi apabila asumsi ini tidak dapat terpenuhi. Autokorelasi
menyebabkan banyak uji statistik yang untuk menentukan signifikansi variabel seperti
uji F dan t menjadi tidak valid. Lebih lanjut, metode-metode estimasi kuadrat terkecil
menjadi tidak efisien. Adanya autokorelasi dapat diuji dengan menggunakan statistik
Durbin-Watson.
2.3 Pemilihan dan Evaluasi Metode-metode Peramalan

Terdapat dua kelompok karakteristik yang dapat digunakan sebagai kerangka dasar
untuk menilai kesesuaian suatu model untuk diterapkan :
1. Situasi
Berdasarkan situasi yang ada, harus diperhatikan hal-hal antara lain : horison waktu,
detil yang dibutuhkan, jumlah item yang akan diramal, tujuan dilakukannya peramalan
{kontrol vs perencanaan}, kekonstanan, dan prosedur perencanaan yang ada saat ini.
2. Metode
Berdasarkan metode yang ada, harus diperhatikan hal-hal antara lain : horison waktu,
pola data, biaya,keakuratan, dan daya tarik intuitif.
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
Fakultas Teknik
Page 24

Modul 5: Peramalan
Kelompok 3
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.
2.3.1 Kesesuaian terhadap Data Historis

Setiap metode peramalan cenderung memiliki error. Besarnya error pada periode
ke-i (ei) dinyatakan dengan :
ei
Xi Fi
ei
kesalahan pada periode ke-i
Xi
data aktual periode ke-i
Fi
nilai peramalam periode ke-i
Dimana:
Ada beberapa rumus untuk mengukur error. Rumus-rumus tersebut antara lain :
Mean Error
Fakultas Teknik
ME
ei / n
Page 25

Modul 5: Peramalan
Kelompok 3
Mean Absolute Error
MAE =
ei / n
Sum of Square Error
SSE
ei
Mean Squared Error
MSE =
ei
Standard Deviation of Error
SDE
ei
Percentage Error
PEi
(ei/Xi)*100%
Mean Percentage Error
MPE =
Mean Absolute Percentage
MAPE =
/n
/( n 1 )1 / 2
PEi / n
|PEi| / n
Suatu metode dapat dipih berdasarkan ukuran error terkecil.
2.3.2 Uji Kesalahan Peramalan (Uji Verifikasi)

Uji kesalahan peramalan atau uji verifikasi dilakukan terhadap metode peramalan
untuk menentukan metode peramalan yang terpilih.
Mean Square Error (MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada
setiap periode dan membaginya dengan jumlah periode peramalan.

n
e
MSE
2
i
i 1
MSE ini memiliki kelebihan yaitu sederhana dalam perhitungan Sedangkan

kelemahan yang dimiliki adalah akurasi hasil peramalan sangat kecil karena tidak
memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan
kenyataannya.
Standar Deviation Error (SDE)

n
e
SDE
2
i
i 1
n - 1

Fakultas Teknik
Page 26

Modul 5: Peramalan
Kelompok 3
Kelebihan yang dimiliki SDE adalah sederhana dan kekurangannya adalah akurasi
hasil peramalan sangat kecil karena hanya menggunakan standar deviasi kesalahan
peramalan.kesalahan peramalan.
Mean Absolute Percentage Error (MAPE)

PE i
X i Fi x100%
MAPE
Xi
PE
MAPE memiliki kelebihan yaitu menyatakan persentase kesalahan hasil peramalan

terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi
persentase kesalahan terlalu tinggi atau terlalu rendah, sehingga akan lebih akurat.
Sebaliknya, kelemahan yang dimiliki adalah MAPE merupakan ukuran kesalahan
relatif.
U-Theil dan Batting
F X i 1
Pembilang i 1
Xi
X Xi
Penyebut i 1
Xi
U Theil
Pembilang
Penyebut
Statistik ini memungkinkan suatu perbandingan relatif antara metode peramalan

formal dengan pendekatan naif dan juga mengkuadratkan kesalahan yang terjadi
sehingga kesalahan yang besar diberikan lebih banyak bobot daripada kesalahan yang
kecil. Karakteristik yang ditimbulkan dalam menggunakan statistik-U dari Theil
sebagai ukuran ketepatan adalah mengenai interpretasi yang intuitif.

Fakultas Teknik
Page 27

Modul 5: Peramalan
Kelompok 3
Mean Forecast Error (MFE)

n
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.
Mean Average Deviation (MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa
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.
Cumulative Forecast Error (CFE)
Kesalahan peramalan = permintaan ramalan

Secara sistematis dapat dituliskan sebagai berikut :
CFE =
i 1
Dimana e = kesalahan peramalan (forecast error)

Fakultas Teknik
Page 28

Modul 5: Peramalan
Kelompok 3
CFE memiliki kelebihan yaitu ukuran kesalahan peramalan yang digunakan

dengan menjumlahkan error peramalan. Dan kekurangannya adalah akurasi hasil
peramalan sangat kecil karena hanya menggunakan jumlah error peramalan sebagai
ukuran kesalahan
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

Fakultas Teknik
Page 29

Modul 5: Peramalan
Kelompok 3
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.
Validasi hasil peramalan

Validasi hasil peramalan dilakukan untuk mengetahui apakah terdapat perbedaan yang
signifikan antara hasil yang digunakan berlandaskan pada statistika parametrik, yakni:
uji t berpasangan, uji F, dan uji chi-square.
Uji kondisi di luar kendali

Uji kondisi di luar kendali adalah :
1. Dari tiga titik berturut-turut. ada dua atau lebih titik yang berada di region A.
2. Dari lima titik berturut-turut. ada empat atau lebih titik yang berada di region B.
3.
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+
Gambar 2.7 Peta Moving Range

Fakultas Teknik
Page 30

Modul 5: Peramalan
Kelompok 3
Region A adalah daerah di atas + 1.77 MR dan di bawah - 1.77 MR
Region B adalah daerah di atas + 0.89 MR dan di bawah - 0.89 MR
UCL/ Batas Kontrol Atas = + 2.66 MR
LCL/ Batas Kontrol Bawah = - 2.66 MR

(Diktat KuliahProduction Planning and Control. hal.34)
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.

Fakultas Teknik
Page 31

Modul 5: Peramalan
Kelompok 3
Bagian penjualan biasanya melakukan perencanaan (sales planning) berdasarkan

hasil-hasil ramalan penjualan (sales forecast), sehingga informasi peramalan bermanfaat
bagi Production Planning and Inventory Control (PPIC).
Dalam industri manufaktur dikenal adanya dua jenis permintaan yang sering disebut
sebagai independent demand dan dependent demand, yang merupakan salah satu konsep
terpenting dalam master planning. Dependent demand didefinisikan terhadap material,
parts, atau produk yang terkait langsung dengan atau diturunkan dari struktus bill of
material untuk produk akhir atau untuk item tertentu. Permintaan dari bill of material harus
dihitung dan tidak boleh diramalkan.
Sebaliknya, independent demand didefinisikan sebagai permintaan terhadap
material, parts, atau produk, yang bebas atau tidak terkait langsung dengan struktur bill of
material untuk produk akhir atau item tertentu. Permintaan untuk produk akhir, parts atau
produk yang digunakan untuk percobaan pengujian produk itu, dan suku cadang (spare
parts) untuk pemeliharaan, digolongkan ke dalam independent demand. Produk yang
tergolong independent demand merupakan obyek untuk peramalan. Pada beberapa area
berikut, peramalan memegang peranan penting, yaitu :
1. Penjadwalan sumber-sumber yang ada (Scheduling existing resources)
Penggunaan yang efisien dari sumber-sumber yang ada, membutuhkan jadwal
produksi, transportasi, kas, personel, dan sebagainya. Peramalan pada tingkat
permintaan untuk produk, material, tenaga kerja, finansial atau jasa adalah input
yang penting untuk penjadwalan.
2. Mendapatkan sumber tambahan (Acquiring additional resources)
Lead time untuk mendapatkan sumber tambahan pada bahan baku, sewa karyawan
baru, atau membeli peralatan dan mesin-mesin, dapat bervariasi dari hanya
beberapa hari hingga beberapa tahun. Peramalan dibutuhkan untuk menentukan
kebutuhan sumber-sumber di masa yang akan datang.
3. Menentukan sumber-sumber daya yang diinginkan (Determining what resources
are desired)

Fakultas Teknik
Page 32

Modul 5: Peramalan
Kelompok 3
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.
2.5 Fungsi Peramalan dalam Perencanaan dan Pengendalian Produksi

Perencanaan Produksi dilakukan dengan tujuan menentukan arah awal dari
tindakan-tindakan yang harus dilakukan dimasa datang, dan kapan harus melakukan.
Karena perencanaan ini berkaitan dengan masa mendatang, maka perencanaan disusun atas
dasar perkiraan perkiraan (ramalan) yang dibuat berdasarkan data masa lalu dengan
menggunakan beberapa asumsi. Fungsi peramalan dalam perencanaan dan pengendalian
produksi tampak pada gambar 2.1.
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 memberi hasil pada pencapaian tujuannya.

Fakultas Teknik
Page 33

Modul 5: Peramalan
Kelompok 3
Gambar 2. 8 Skema Proses Perencanaan dan Pengendalian Produksi
Karena peramalan dan perencanaan keduanya mengenai hal-hal yang berkaitan

dengan masa yang akan datang, sangat penting untuk mengintegrasikan kedua fungsi ini
dalam suatu perusahaan.
Dalam sudut pandang proses manajemen, mata rantai antara peramalan,
perencanaan dan pembuatan keputusan dapat diringkas dalam gambar 2.8. Elemen-elemen
penting dari gambaran ini adalah lingkungan peramalan umumnya mendahului
perencanaan. Bagaimanapun juga, terdapat sejumlah interaksi penting antara tiga hal ini
dan kegiatan lain yang berhubungan dengannya.

Fakultas Teknik
Page 34

Modul 5: Peramalan
Kelompok 3
Wishes and
aspirations of
management
Available
resource
Forecasting
Planning
Goals, objective,
stretegies and
decisions
Constrain
Resource allocations
and commitment
Implementation and
Control policies
Gambar 2. 9 Mata Rantai Peramalan, Perencanaan dan Pembuatan Keputusan
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

Fakultas Teknik
Page 35

Modul 5: Peramalan
Kelompok 3
distribusi dan lain-lainnya dapat distimulasikan dengan menambahkan obyek

pembuatan keputusan manajemen.
2.6 Jenis jenis Peramalan

Berdasarkan teknik yang digunakan peramalan secara garis besar dapat dikelompokkan
menjadi 2, yaitu:
- Qualitative Technique/Teknik Kualitatif (Judgemental Forecasting)/Subyektif
-Quantitative Technique/Teknik Kuntitatif/Obyektif
Perberdaab anatara kedua macam peramalan ini didasarkan pada cara mendapatkan
nilai-nilai ramalan. Peramalan subyektif lebih menekankan pada keputusan-keputusan hasil
diskusi, pendapat pribadi seseorang, dan infuisi yang meskipun kelihatannya kurang ilmiah
tetapi dapat memberikan hasil yang baik. Sedangkan peramalan obyektif merupakan
prosedur peramalan yang mengikuti aturab-aturan matematis dan statistik dalam
menunjukkan
hubungan
permintaan
dengan
satu
atau
lebih
variabel
yang
mempengaruhinya. Selain itu permalan objektif juga mengasumsikan bahwa tingkat

keeratan dan macam dari hubungan antara variabel-variabel bebas dengan permintaan yang
terjadi pada masa lalu akan berulang juga pada masa yang akan datang.
2.7 Unsur unsur Forecasting

Menurut Redfield, ada 4 unsur dalam proses Forecasting, yaitu:
1. Menentukan rangka dasar forecasting
2. Mengadakan estimasi keadaan business pada waktu yang akan dating
3. Memperbandingkan hasil hasil senyatanya dengan yang diestimasikan
4. Memperbaiki forecast.
(Business Forecasting, Gunawan Adisaputro, hal 11)

Fakultas Teknik
Page 36

Modul 5: Peramalan
Kelompok 3
BAB III
METODOLOGI PRAKTIKUM
3.1
Flowchart
Gambar 3.1 Flowchart Praktikum

Fakultas Teknik
Page 37

Modul 5 Peramalan
Kelompok 3
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

2010
11.859
38
TOTAL

Modul 5 Peramalan
Kelompok 3
YEAR 2007
KESELURUHAN GRADE
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
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

2010
39

Modul 5 Peramalan
Kelompok 3
YEAR 2009
KESELURUHAN GRADE
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
DESCRIPTION
YEAR 2010
YEAR
2009
JAN
FEB
MAR
APR
MAY
6924
SEP
6445
7105
GRADE B
113093
9387
9545
9924
9472 10117 10148
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
7422
JUL
GRADE A
6715
JUN
TOTAL
9054
9800 10154 10330
DEC

Modul 5 Peramalan
Kelompok 3
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
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

Modul 5 Peramalan
Kelompok 3
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
Gambar 4.1 Plot Data Grade A
Gambar 4.2 Plot Data Grade B

2010
42

Modul 5 Peramalan
Kelompok 3
4.2.2 Konversi Data

Tabel 4.7 Konversi Data
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
40
41
2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
44

Modul 5 Peramalan
Kelompok 3
Lanjutan Tabel 4.8 Output QS Metode SA
Tabel 4.9 Output QS Nilai Error Metode SA

2010
45

Modul 5 Peramalan
Kelompok 3
Gambar 4.3 Grafik Output QS Metode SA
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

2010
46

Modul 5 Peramalan
Kelompok 3
Lanjutan Tabel 4.10 Perhitungan Manual Metode SA

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
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
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

2010
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

Modul 5 Peramalan
Kelompok 3
Lanjutan Tabel 4.10 Perhitungan Manual Metode SA

80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
jumlah
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 :
datahistoris 610864.2 610864.16
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

2010
48
squareerror 238318677434.79 5070610158
MSE =
CFE =
48

Modul 5 Peramalan
Kelompok 3
Gambar 4.4 Grafik Perhitungan Manual Metode SA
B. Metode MA
3-MA
Perhitungan QS
Tabel 4.12 Output QS Metode 3-MA

2010
49

Modul 5 Peramalan
Kelompok 3
Lanjutan Tabel 4.12 Output QS Metode 3-MA

2010
50

Modul 5 Peramalan
Kelompok 3
Tabel 4.13 Output QS Nilai Error Metode 3-MA
Gambar 4.5 Grafik Output QS Metode 3-MA

2010
51

Modul 5 Peramalan
Kelompok 3
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
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
Oct
Nov
741982
741982
683440
683440
800523
800523
Moving Average Plot for data historis

Variable
Actual
Fits
Forecasts
95.0% PI
800000
data historis
750000
700000
Mov ing Average

Length 3
650000
Accuracy Measures
MAPE
4
MAD
22890
MSD
892143349
600000
550000
500000
450000
Dec
Dec
Dec
Dec
Dec
Dec
Month
Dec
Dec
Gambar 4.6 Moving Average plot Output Minitab Metode 3-MA
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

2010
54

Modul 5 Peramalan
Kelompok 3
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

2010
-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

Modul 5 Peramalan
Kelompok 3
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
Peramalan ke 49 =
X 46 X 47 X 48 2225944.71
741981.57
3
3
Perhitungan ke 48 :
2010
56

Modul 5 Peramalan
Kelompok 3
squareerror 40146467652 892143725.6
MSE =
CFE =
n3
error
531111.1
PE
MAPE = n 3
error
MAD =
n3
45
168.2
3.738632
45
1030044.8
22889.89
45
Gambar 4.7 Grafik Perhitungan Manual Metode 3-MA

2010
57

Modul 5 Peramalan
Kelompok 3
5-MA
Perhitungan QS

2010
58

Modul 5 Peramalan
Kelompok 3

2010
59

Modul 5 Peramalan
Kelompok 3
Perhitungan Minitab

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
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

Variable
A ctual
F its
F orecasts
95.0% PI
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
Gambar 4.9 Grafik Output Minitab Metode 5-MA
Perhitungan Manual
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

2010
62

Modul 5 Peramalan
Kelompok 3
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

2010
-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

Modul 5 Peramalan
Kelompok 3
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

CFE
661263.1

2010
MSE
979935006.3
MAD
23050.13
MAPE
3.697854
64

Modul 5 Peramalan
Kelompok 3
X 44 X 45 X 46 X 47 X 48 3615948.9
723189.78
5
5
Peramalan ke 49 =
Perhitungan ke 48 :
squareerror 42137205273 979935006.3
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

2010
65

Modul 5 Peramalan
Kelompok 3
7-MA
Perhitungan QS

2010
66

Modul 5 Peramalan
Kelompok 3

2010
67

Modul 5 Peramalan
Kelompok 3
Perhitungan Minitab

Data
Length
NMissing
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

Variable
Actual
Fits
Forecasts
95.0% PI
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
Gambar 4.12 Grafik Output Minitab Metode 7-MA
Perhitungan Manual
periode
1
2
3
4
5
demand
486930.5
511977.1
483810
531685.9
541499.3
peramalan

2010
error
CFE
MSE
MAD
MAPE
70

Modul 5 Peramalan
Kelompok 3
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

2010
-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

Modul 5 Peramalan
Kelompok 3
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

2010
72

Modul 5 Peramalan
Kelompok 3

CFE
MSE
MAD
MAPE
898551.17
1154222038
26284.84
4.117817
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 :
squareerror 47323103540 1154222038
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

2010
73

Modul 5 Peramalan
Kelompok 3
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

2010
74

Modul 5 Peramalan
Kelompok 3
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

2010
75

Modul 5 Peramalan
Kelompok 3
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

2010
76

Modul 5 Peramalan
Kelompok 3
Plot 3x3 DMA

1000000.0
800000.0
Nilai
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
Gambar 4.14 Grafik Perhitungan Manual Metode 3x3-DMA
5x5-DMA
Perhitungan Manual:
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

2010
77

Modul 5 Peramalan
Kelompok 3
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

2010
78

Modul 5 Peramalan
Kelompok 3
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

2010
79

Modul 5 Peramalan
Kelompok 3
92
703412
93
703412
94
703412
95
703412
96
703412
CFE
MAD
MSE
MAPE
1071656 31129,71 1516878320,00 4,85
Nilai
Plot 5x5 DMA

900000.0
800000.0
700000.0
600000.0
500000.0
400000.0
300000.0
200000.0
100000.0
0.0
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:
Periode
Actual
Data
486930,5
511977,1
483810
531685,9
541499,3
522365,3
Peramalan

2010
Forcast
Error
CFE
MAD
MSE
MAPE (%)
80

Modul 5 Peramalan
Kelompok 3
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

2010
81

Modul 5 Peramalan
Kelompok 3
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

2010
82

Modul 5 Peramalan
Kelompok 3
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
CFE
MAD
MSE
MAPE
1165849 34037,04 1743093573,72 5,18

2010
83

Modul 5 Peramalan
Kelompok 3
C. Metode WMA
3-WMA
Perhitungan QS
Tabel 4.29 Output QS Metode 3-WMA

2010
84

Modul 5 Peramalan
Kelompok 3
Lanjutan Tabel 4.29 Output QS Metode 3-WMA

2010
85

Modul 5 Peramalan
Kelompok 3
Tabel 4.30 Output QS Nilai Error Metode 3-WMA
Gambar 4.17 Grafik Output QS Metode 3-WMA
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

2010
Forcast
Error
86

Modul 5 Peramalan
Kelompok 3
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

2010
87

Modul 5 Peramalan
Kelompok 3
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

2010
88

Modul 5 Peramalan
Kelompok 3
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
Peramalan ke 49 = (692148.4 x 0,2) + (737889.3 x 0,3) + (795907 x 0,5)
= 757750
Perhitungan ke 48 :
squareerror 35349821619,59 785551591,55
MSE =
CFE =
n3
error
466096,7
PE
MAPE = n 3
error
MAD =
n3
45
159,24
3,54
45
977211,62
21715,81
45

2010
89

Modul 5 Peramalan
Kelompok 3
Gambar 4.18 Grafik Perhitungan Manual Metode 3-WMA
5-WMA
Perhitungan QS

2010
90

Modul 5 Peramalan
Kelompok 3

2010
91

Modul 5 Peramalan
Kelompok 3

2010
92

Modul 5 Peramalan
Kelompok 3
Perhitungan Manual
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

2010
93

Modul 5 Peramalan
Kelompok 3
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

2010
94

Modul 5 Peramalan
Kelompok 3
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
CFE
560615

2010
MAD
MSE
21646,21 873513649,68
MAPE
3,48
95

Modul 5 Peramalan
Kelompok 3
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 :
squareerror 37561086936,19 873513649,68
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

2010
96

Modul 5 Peramalan
Kelompok 3
7-WMA

2010
97

Modul 5 Peramalan
Kelompok 3

2010
98

Modul 5 Peramalan
Kelompok 3
Perhitungan Manual
Periode
1
2
3
4
Actual
Data
486930,5
511977,1
483810
531685,9
Peramalan

2010
Forcast
Error
CFE
MAD
MAPE
(%)
MSE
99

Modul 5 Peramalan
Kelompok 3
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

2010
-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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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
CFE
692276
MAD
MSE
21922,64 890312170,47
MAPE
3,44
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 =
squareerror 36502798989,17 890312170,47

n7
error
692276
PE
MAPE = n 7
41
105,62
3,44
41

2010
102

Modul 5 Peramalan
Kelompok 3
error
n7
MAD =
898828,05
21922,64
41
D. Metode CMA
3-CMA
Perhitungan Minitab
Data
Length
NMissing
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
22890
892143349

2010
103

Modul 5 Peramalan
Kelompok 3
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

2010
Upper
800523
800523
800523
800523
800523
104

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3

Variable
A ctual
Fits
Forecasts
95.0% PI
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
Gambar 4.23 Grafik Output Minitab Metode 3-CMA
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

2010
106

Modul 5 Peramalan
Kelompok 3
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

2010
107

Modul 5 Peramalan
Kelompok 3
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

2010
108

Modul 5 Peramalan
Kelompok 3
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
(692148.4 + 737889.3 + 795907)

3
Peramalan ke 49 =
= 741981,57
Perhitungan ke 48 :
squareerror 40146469626,32 892143769,47
MSE =
CFE =
n3
error
531111
PE
MAPE = n 3
error
MAD =
n3
45
168,24
3,74
45
1030044,89
22889,89
45

2010
109

Modul 5 Peramalan
Kelompok 3
Gambar 4.24 Grafik Perhitungan Manual Metode 3-CMA
5-CMA
Perhitungan Minitab
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

2010
Predict
*
*
*
*
*
511181
518268
508676
511698
511895
509300
Error
*
*
*
*
*
11184.7
-54248.4
-9755.8
20973.5
16629.3
75887.1
110

Modul 5 Peramalan
Kelompok 3
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

2010
Upper
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
784544
111

Modul 5 Peramalan
Kelompok 3
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

Variable
A ctual
Fits
Forecasts
95.0% PI
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

2010
112

Modul 5 Peramalan
Kelompok 3
Perhitungan Manual:
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

2010
113

Modul 5 Peramalan
Kelompok 3
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

2010
114

Modul 5 Peramalan
Kelompok 3
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
CFE
MAD
661263 23050,13
MSE
979935030,97
MAPE
3,70
Peramalan ke 49 =
(684675,5 + 705328,7 + 692148.4 + 737889.3 + 795907)

5
=723189,78
Perhitungan ke 48 :
MSE =
squareerror 42137206331,90 979935030,97

n 5

2010
43
115

Modul 5 Peramalan
Kelompok 3
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
Data
Length
NMissing
data historis
48
0
Moving Average
Length
Accuracy Measures
MAPE
MAD
MSD
4
26285
1154221861

2010
116

Modul 5 Peramalan
Kelompok 3
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

2010
Upper
784944
784944
784944
784944
784944
117

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3

Variable
Actual
Fits
Forecasts
95.0% PI
800000
data historis
750000
700000
Mov ing Av erage

Length 7
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:
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

2010
119

Modul 5 Peramalan
Kelompok 3
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

2010
120

Modul 5 Peramalan
Kelompok 3
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

2010
121

Modul 5 Peramalan
Kelompok 3
91
718356,43
92
718356,43
93
718356,43
94
718356,43
95
718356,43
96
718356,43
CFE
MAD
MSE
MAPE
898551 26284,84 1154222070,31 4,12
Peramalan ke 49 =
(691121,9 + 721424,2 + 684675,5 + 705328,7 + 692148.4 + 737889.3 + 795907)
7
= 718356,43
Perhitungan ke 48 :
squareerror 47323104882,75 1154222070,31
MSE =
CFE =
n7
error
898551
PE
MAPE = n 7
error
MAD =
n7
41
168,83
4,12
41
1077678,36
26284,84
41

2010
122

Modul 5 Peramalan
Kelompok 3
E. Metode ES
a. Single Exponential Smoothing ( alpha = 0,832)
Gambar 4.29 Output E-Views mencari alpha Metode SES

2010
123

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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
Ft+1 = .Xt + (1-).Ft

Peramalan untuk bulan keempat puluh sembilan (t=48)
F48+1 = (0.832)( 795907) + (1-0.832)( 730503,8)
= 662194.62 + (0.168)( 730503,8)
= 784919,3
n
CFE ei
i 1

2010
126

Modul 5 Peramalan
Kelompok 3
CFE (d 2 F2 ) (d 3 F3 ) ...(d 48 F48 )

CFE 25046,6 1087,269 ...358159,6
= 358159,6
n
[e ]
i
MAD
MAD
i 1
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
25046,6 24502,97 ...20971,6

47
= 20971,6
n
e
MSE
2
i
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
n
6,27E + 08 2 6,01E + 08 2 ...6,91E + 08 2

6,91E + 08
47
PEi
MAPE
n
MSE
MAPE
le l / d
t
x100
n
25046,6 / 511977,1 23959,33483810 ...65403,25/795907
x100 3,470258
47
Gambar 4.30 Grafik Perhitungan Manual Metode SES

2010
127

Modul 5 Peramalan
Kelompok 3
Tabel 4.49 Output QS Metode SES

2010
128

Modul 5 Peramalan
Kelompok 3

2010
129

Modul 5 Peramalan
Kelompok 3
Tabel 4.50 Output QS Nilai Error Metode SES
Gambar 4.31 Grafik Output QS Metode SES

2010
130

Modul 5 Peramalan
Kelompok 3
b. Single Exponential Smoothing With Trend ( alpha = 0,65 ; betha = 0)

Gambar 4.32 Output E-Views mencari alpha Metode SEST
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
134

Modul 5 Peramalan
Kelompok 3
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
St= .Xt + (1-).(St-1+Bt-1)

Bt= (St-St-1) + (1-)Bt-1
Ft+m = St + Bt

S48
= 0.65(795907,04) + (1-0.65)( 736455,02+25046,60)

= 783865,14
B48
= 0.00(736455,02 - 708744,83) + (1-0.00) 25046,6

2010
135

Modul 5 Peramalan
Kelompok 3
= 25046,6
F49
= 783865,14+ 25046,6
= 808911,74
n
CFE ei
i 1
CFE ( d 2 F2 ) ( d 3 F3 ) ...( d 48 F48 )

CFE (-8766,31) ( 65048,28) ... (-1402131,43)
= -1367726,01
n
[e ]
i
i 1
MAD
MAD
8766,31 56281,97 ... 34405,42

47
= 32102,73
n
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
8766,312 56281,97 2 ... 34405,42

47
= 1,47E+09
PE i
MAPE
n
MSE
MAPE
[e ] / d
t
x100
n
30836,06 / 445870,54 107775,52/543470,16 ...42161,62/723805,68
x100 5,40154
47

2010
136

Modul 5 Peramalan
Kelompok 3
Gambar 4.33 Grafik Perhitungan Manual Metode SEST

2010
137

Modul 5 Peramalan
Kelompok 3
Tabel 4.53 Output QS Metode SEST

2010
138

Modul 5 Peramalan
Kelompok 3

2010
139

Modul 5 Peramalan
Kelompok 3
Tabel 4.54 Output QS Nilai Error Metode SEST
Gambar 4.34 Grafik Output QS Metode SEST

2010
140

Modul 5 Peramalan
Kelompok 3
c. Double Exponential Smoothing ( alpha = 0,832 )

Gambar 4.35 Output E-Views mencari alpha Metode DES
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
144

Modul 5 Peramalan
Kelompok 3
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
Tabel 4.56 Perhitungan Manual Nilai Error Metode DES
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

2010
145

Modul 5 Peramalan
Kelompok 3
25046,6 2 20458,422 ... 71343,13

MSE
47
= 7,07E+08
MAPE
MAPE
PE
[e ] / d
t
n
t
x100
n
34,892132 4,228606 ...8,963751
x100 3,496904
47
Gambar 4.36 Grafik Perhitungan Manual Metode DES

2010
146

Modul 5 Peramalan
Kelompok 3
Perhitungan QS
Tabel 4.57 Output QS Metode DES

2010
147

Modul 5 Peramalan
Kelompok 3
Tabel 4.58 Output QS Nilai Error Metode DES
Gambar 4.37 Grafik Output QS Metode DES

2010
148

Modul 5 Peramalan
Kelompok 3
d. Double Exponential Smoothing With Trend ( alpha = 0,072 )

Gambar 4.38 Output E-Views mencari alpha Metode DEST
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,
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

Modul 5 Peramalan
Kelompok 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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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
2010
153

Modul 5 Peramalan
Kelompok 3
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
Tabel 4.60 Perhitungan Manual Nilai Error Metode DEST
CFE
MAD
MSE
MAPE
857641,3
23382,42
1,04E+09
3,843506
Contoh Perhitungan
Contoh Perhitungan Manual:
Forecasting periode ke 49
S ' t .Y (1 ).S ' (t 1)

S " .S 't (1 ).S "t 1
A S '(S 'S" )
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
2010
154

Modul 5 Peramalan
Kelompok 3
F49
= 720515,2 + (4446,102)(1)
= 724961,2
n
CFE ei
i 1
CFE ( d 2 F2 ) ( d 3 F3 ) ...( d 48 F48 )

CFE ( 25046,6) (-6727,27) ... (87544,43)
= 857641,3
n
[e ]
i
MAD
MAD
i 1
25046,6 6727,27 ... 87544,43

47
= 23382,42
n
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
25046,62 6727,27 2 ... 87544,43

MSE
47
= 1,04E+09
PE i
MAPE
n
MAPE
[e ] / d
t
x100
n
4,892132 1,390478 ... 10,99933
x100 3,843506
47
Gambar 4.39 Grafik Perhitungan Manual Metode DEST

2010
155

Modul 5 Peramalan
Kelompok 3
Perhitungan QS
Tabel 4.61 Output QS Metode DEST

2010
156

Modul 5 Peramalan
Kelompok 3

2010
157

Modul 5 Peramalan
Kelompok 3
Tabel 4.62 Output QS Nilai Error Metode DEST
Gambar 4.40 Grafik Output QS Metode DEST

2010
158

Modul 5 Peramalan
Kelompok 3
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

2010
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

Modul 5 Peramalan
Kelompok 3
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
669028,4 7662,329 12520,08 17649,29058 5,08E+08 3,120501

673681,6 -15218,2 22880,56 17786,95556 5,08E+08 3,130902
678334,7 -66854,2 51635,92 18654,87774 5,64E+08 3,261888
682987,8 -77730,9 10876,7 18460,42332 5,53E+08 3,220798
687641 -84720,2 6989,362 18180,64133 5,4E+08 3,167288
692294,1 -85892,4 1172,202 17775,67849 5,28E+08 3,095914
696947,3 -61415,5 24476,94 17931,52172 5,29E+08 3,10282
701600,4 -78340,4 16924,9 17908,64402 5,24E+08 3,088482
706253,5 -79265,2 924,8638 17531,22668 5,12E+08 3,022763
710906,7 -98023,5 18758,26 17557,90141 5,09E+08 3,015967
715559,8 -75694,1 22329,44 17659,42341 5,08E+08 3,016183
720213 -7,5E-09 75694,07 18868,47864 6,17E+08 3,15148
724866,1
729519,2
734172,4
738825,5
743478,7
748131,8
752784,9
757438,1
762091,2
766744,4
771397,5
776050,7
780703,8
785356,9
790010,1
794663,2
799316,4
803969,5
808622,6
813275,8
817928,9
822582,1
827235,2
831888,3
836541,5
841194,6
845847,8
850500,9

2010
160

Modul 5 Peramalan
Kelompok 3
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)

2010
161

Modul 5 Peramalan
Kelompok 3
= 761240985,8
= 1+4+9+16+....+2304
= 44325
= [761240985,8 (48x610864,2x49)/2]/[ 44325 (48x(49)2)/4]
= 4653,14055
= 610864,2 4653,14055x49/2
= 496862,219
n
CFE ei
i 1
CFE ( d 2 F2 ) ( d 3 F3 ) ...( d 48 F48 )

CFE (-14584,8) (5808,64) ... (75694,07)
= -7,45058E-09
n
[e ]
i
i 1
MAD
MAD
( d 2 F2 ) ( d 3 F3 ) ...(d 48 F48 )
n
14584,82 5808,64 ... 75694,07

47
= 18868,47864
n
MSE
i 1
(d 2 F2 ) 2 (d 3 F3 ) 2 ...(d 48 F48 ) 2
14584,822 5808,642 ... 75694,07

MSE
47
= 6,17E+08
PE i
MAPE
n
MAPE
[e ] / d
t
x100
n
2,995257 1,134551 ... 9,510417
x100 3,15148
47

2010
162

Modul 5 Peramalan
Kelompok 3
Gambar 4.41 Grafik Perhitungan Manual Metode LR

Tabel 4.65 Output QS Metode LR

2010
163

Modul 5 Peramalan
Kelompok 3

2010
164

Modul 5 Peramalan
Kelompok 3
Gambar 4.42 Grafik Output QS Metode LR
f. Metode Box-Jenskins/ ARIMA

1. Uji Stasioneritas Data
Langkah pertama dalam ARIMA adalah menentukan different view untuk
mengetahui apakah data stasioner atau tidak. Hal itu dapat dilihat dengan
membandigan critical test valu dengan nilai t-statistic. Bila nilai t-statistic < dari
nilai kritis, makadata stasioner. Dalam pengujian kali ini, digunakan Uji
Augmented Dickey-Fuller. Uji stasioner ini perlu dilakukan karena ARIMA
hanya menerima data yang stasioner.
Prosedur pengujian :
H0 : Data mempunyai akar unit

H1 : Data tidak mempunyai akar unit
: 0,05
Daerah kritis : t-stat < nilai kritis Mac Kinnon

2010
165

Modul 5 Peramalan
Kelompok 3
Perhitungan :
Null Hypothesis: AGUNG has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic

Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.438209
-4.165756
-3.508508
-3.184230
0.0585
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(AGUNG)
Method: Least Squares
Date: 12/20/10 Time: 09:39
Sample (adjusted): 2007M01 2010M11
Included observations: 47 after adjustments
Variable
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
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
6573.968
25913.61
23.02303
23.14112
6.137203
0.004458
Keputusan : H0 diterima karena t-stat > nilai kritis Mac Kinnon.

Kesimpulan : Data memiliki akar unit sehingga data tidak stasioner.
Karena data tidak stasioner maka harus dilakukan uji stasioneritas dengan test
for unit root data differencing pada lag 1.

2010
166

Modul 5 Peramalan
Kelompok 3
Prosedur
uji
stasioneritas
pada
lag
H0 : Data mempunyai akar unit

H1 : Data tidak mempunyai akar unit
: 0,05
Daerah kritis : t-stat < nilai kritis Mac Kinnon
Perhitungan :
Null Hypothesis: D(AGUNG) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic

Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-7.562217
-4.170583
-3.510740
-3.185512
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(AGUNG,2)
Method: Least Squares
Date: 12/20/10 Time: 09:40
Sample (adjusted): 2007M02 2010M11
Included observations: 46 after adjustments
Variable
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

2010
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
716.7648
39001.44
23.23832
23.35758
28.83843
0.000000
167

Modul 5 Peramalan
Kelompok 3
Keputusan : H0 ditolak karena t-stat < nilai kritis Mac Kinnon.

Kesimpulan : Data tidak memiliki akar unit sehingga data stasioner pada lag
pertama.
2. Penentuan ordo AR MA dengan identifikasi ACF (Autocorrelation
Function) dan PACF (Partial Autocorrelation Function)
Penentuan ordo AR-MA dilakukan agar kita mengetahui urutan signifikan
antara autocorrelation dan
partial correlation sehingga kita dapat menentuan
model ARIMA.
Date: 12/20/10 Time: 09:41
Sample: 2006M12 2010M11
Included observations: 47
Autocorrelation
.*| .
.*| .
.*| .
.*| .
. |*.
.*| .
.|.
.|.
.|.
. |*.
.*| .
. |*.
.*| .
.*| .
.|.
.|.
. |**
.*| .
.|.
.|.
. |*.
. |*.
.*| .
.|.
**| .
. |*.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Partial Correlation
.*| .
.*| .
.*| .
**| .
. |*.
.*| .
.|.
.|.
.|.
. |*.
.|.
. |*.
.|.
.|.
.*| .
.|.
. |*.
.*| .
.*| .
.*| .
. |*.
.|.
.*| .
.|.
**| .
. |*.

2010
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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

Modul 5 Peramalan
Kelompok 3
. |*.
.*| .
. |*.
.*| .
.|.
. |*.
.*| .
.|.
.*| .
.|.
. |*.
.|.
. |*.
.*| .
.*| .
.*| .
. |*.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.|.
.*| .
.|.
.|.
.*| .
. |*.
.*| .
.*| .
.|.
.|.
.|.
.|.
. |*.
.|.
.|.
.*| .
.|.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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
Pada gambar correlogram diatas, tampak beberapa data yang signifikan.

Urutan data yang terlihat signifikan tersebut dapat digunakan untuk melakukan
pengujian (try and error) terhadap autocorrelation dan partial correlation yang
signifikan. Dari hasil pengujian, didapatkan 3 model yang signifikan. Yaitu :
(0,1,1), (0.1,2), dan (1,14). Sehingga prediksi model ARIMA yang valid antara
lain ARIMA (0,1,1), (0.1,2), dan (1,14). Pengujian dari ketiga model adalah
sebagai berikut :

2010
169

Modul 5 Peramalan
Kelompok 3
1. Pengujian ARIMA (0,1,1)
Uji hipotesis untuk C :
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
Uji hipotesis untuk MA (1)
H0 : 1 tidak signifikan
H1 : 1 signifikan
: 0,05
Daerah kritis : P value > 0,05
2010
170

Modul 5 Peramalan
Kelompok 3
Kesimpulan : Nilai MA(1) signifikan
Pengujian ARIMA (0,1,2)
H1 : c signifikan
: 0,05
H1 : 1 signifikan
: 0,05
2010
171

Modul 5 Peramalan
Kelompok 3
H1 : 1 signifikan
: 0,05
ARIMA (1,1,4)

H1 : c signifikan
2010
172

Modul 5 Peramalan
Kelompok 3
: 0,05
Uji hipotesis untuk AR (1)
H1 : 1 signifikan
: 0,05
Kesimpulan : Nilai AR(1) signifikan
H1 : 1 signifikan
: 0,05
H1 : 1 signifikan
: 0,05

2010
173

Modul 5 Peramalan
Kelompok 3
H1 : 1 signifikan
: 0,05
H1 : 1 signifikan
: 0,05
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

2010
Peramalan
2006M12
NA
2007M01
NA
2007M02
505665,2
2007M03
516368,3
2007M04
517839,1
2007M05
524319,3
2007M06
528081,4
174

Modul 5 Peramalan
Kelompok 3

2010
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

Modul 5 Peramalan
Kelompok 3

2010
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

Modul 5 Peramalan
Kelompok 3
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
Gambar 4.43 Grafik Output ARIMA
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.
2010
177

Modul 5 Peramalan
Kelompok 3
4.2.4 Verifikasi (Pemilihan Eror Terkecil)

Tabel 4.67 Rekap error 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
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
2010
178

Modul 5 Peramalan
Kelompok 3
Berdasarkan Tabel L4 Wallpole didapatkan nilai 1,960 sehingga

t hitung > 1,960 dan t hitung < - 1,960
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
95% CI for mean difference: (-7289.822766, 7289.822766)

T-Test of mean difference = 0 (vs not = 0): T-Value = -0.00
P-Value = 1.000
6. Keputusan : t hitung -0,00 < -1,960 maka H0 diterima

7. Kesimpulan : Pada tingkat kepercayaan 95 % diyakini
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
F-Test (normal distribution)

Test statistic = 1.15, p-value = 0.637

2010
179

Modul 5 Peramalan
Kelompok 3
Test for Equal Variances for C1, C2

F-Test
Test Statistic
P-Value
C1
1.15
0.637
Lev ene's Test

Test Statistic
P-Value
C2
50000
60000
70000
80000
95% Bonferroni Confidence Intervals for StDevs
0.05
0.829
90000
6. Kesimpulan : Pvalue > (0,637 > 0,05) maka H0 diterima

7. Keputusan : hasil demand dan peramalan mempunyai variansi yang
sama.
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

2010
180

Modul 5 Peramalan
Kelompok 3
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
Gambar 4. 44 Probability Plot Normal
6. Kesimpulan : KS < KS 1- (0,138 < 0,193) maka H0 diterima

7. Keputusan : Error berdistribusi normal
B. Uji Correlogram
Date: 12/20/10 Time: 13:54
Sample: 2006M12 2010M11
Included observations: 48
Autocorrelation
. |***
.|.
.*| .
.*| .
.|.
.*| .
.*| .
.*| .
.*| .
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
Partial Correlation
. |***
.*| .
.*| .
.*| .
. |*.
**| .
.|.
.*| .
.|.
.|.
.|.

2010
|
|
|
|
|
|
|
|
|
|
|
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

Modul 5 Peramalan
Kelompok 3
.|.
.*| .
.*| .
.*| .
.|.
.|.
.*| .
.*| .
.|.
. |*.
. |*.
.*| .
.*| .
.*| .
.|.
.|.
.*| .
.|.
.|.
. |*.
. |*.
.|.
. |*.
. |*.
. |*.
. |*.
.|.
.|.
.*| .
.*| .
.|.
. |*.
.|.
.|.
.|.
.|.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.|.
.*| .
.*| .
.*| .
.|.
.|.
**| .
.|.
.|.
.|.
.*| .
**| .
.|.
.*| .
. |*.
**| .
.*| .
.|.
.|.
.|.
.|.
.*| .
.|.
. |*.
.|.
.*| .
.|.
.|.
.*| .
.*| .
.|.
.|.
.*| .
.|.
.*| .
.*| .

2010
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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

Modul 5 Peramalan
Kelompok 3
BAB V
ANALISIS
5.1
Analisis Semua Metode Peramalan

a. Metode SA
Didalam peramalan digunakan metode Single Average yang dilakukan
dengan cara menggunakan hitungan rata-rata pada demand per periodenya.
Contohnya untuk menghitung peramalan pada periode yang ke 3, demand
pada periode 1 dan periode 2 dijumlahkan, lalu dibagi 2. Untuk mencari error
dengan menggunakan cara mengurangi demand dengan hasil pengurangan
pada periode yang sama. Misalnya demand pada periode 2 dikurangi dengan
ramalan pada periode 2 untuk mengetahui hasil error pada periode 2.
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:
a) Untuk menentukan ramalan pada periode yang akan datang

memerlukan data historis selam jangka waktu tertentu.
b) Semakin panjang jangka waktu moving averages, efek pelicinan
semakin terlihat dalam ramalan atau menghasilkan moving average
yang semakin halus. Artinya pada moving averages
yang jangka
waktunya lebih panjang, perbedaan ramalan terkecil dengan ramalan

terbesar menjadi lebih kecil.

2010
183

Modul 5 Peramalan
Kelompok 3
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
averages, antara lain sebagai berikut:

a) Menghitung
moving average/ rata-rata bergerak pertama, diberi
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.
Dapat dilihat pada perhitungan dengan metode Double Moving

Average, terdapat 3 jenis perhitungan DMA, yaitu DMA-3, DMA-5, dan
DMA-7. Pada DMA-3 perhitungan peramalan dimulai pada periode ke 7.
Nilai peramalan konstan dimulai dari peramalan ke 49, 50 dan seterusnya.
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

2010
184

Modul 5 Peramalan
Kelompok 3
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
2010
185

Modul 5 Peramalan
Kelompok 3
dikalikan dengan demand periode diatasnya, dengan nilai alpha didapatkan

dari software E-Views. Kemudian menghitung ramalannya adalah alpha
dikalikan dengan demand pada periode itu sendiri ditambah dengan hasil
pengurangan 1 dengan alpha kemudian dikalikan dengan ramalan pada periode
diatasnya
Sedangkan pada perhitungan SEST, parameter yang dihitung adalah T, F
dan f. Pada perhitungan F, yang dihitung adalah alpha dikali demand
sebelumnya ditambah 1 dikurangi alpha dan kemudian dikalikan dengan
penjumlahan F dan T sebelumnya. Kemudian nilai f diperoleh dari
penjumlahan T dan F. Perhitungan metode DEST dilakukan dengan cara
menghitung parameter S, S, a, b, dan f
d. Metode Linear Regression

Metode Linear Regression yaitu suatu metode yang digunakan dalam
peramalan pada demand di masa yang akan mendatang. Prinsip yang
digunakan dalam metode ini yaitu persamaan y = a+bx dimana x merupakan
periodenya dan y menunjukkan demandnya. Dimana hasil peramalan untuk 48
bulan ke depan dengan metode ini menghasilkan angka yang berbeda.Tetapi,
memiliki pola angka yang sama yaitu cenderung naik dari tiap periode.
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
hasil peramalan dengan data
historis) terdistribusi secara acak, kecil dan independen satu sama lain.
Langkah-langkah penerapan metode ARIMA secara urut berupa identifikasi
2010
186

Modul 5 Peramalan
Kelompok 3
model, estimasi parameter model, diagnostic checking, dan peramalan

(forecasting)
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:
Tabel 5.1 Tabel Rekap Nilai Error 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

2010
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

Modul 5 Peramalan
Kelompok 3
5.3
Analisis Metode Terpilih

Berdasarkan verifikasi yang telah dilakukan, dipilih metode dengan nilai error
terkecil yang jumlahnya terbanyak, maka dipilih metode Linier Regresion. Metode
ini memiliki nilai MAD, MSE dan MAPE yang paling kecil diantara nilai error
yang dimiliki metode lain. Metode LR memiliki dua parameter, yaitu a (intersep)
dan b (slop). Hasil forecasting dengan menggunakna metode LR cenderung naik
seiring dengan waktu yang semakin bertambah.
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
(forecast) dari data
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
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
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
2010
188

Modul 5 Peramalan
Kelompok 3
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.
d. Analisis Residual dengan menggunakan Uji Correlogram

tahap validasi data. Pada tahap validasi data ini dilakukan uji residual dengan
menggunakan uji correlogram. Uji correlogram merupakan suatu uji yang
digunakan untuk memvalidasi hasil peramalan (forecast) dari data agregat
yang dimiliki. Pada software e-view yang menunjukkan data autocorrelation
dan partial correlation tidak keluar dari batas.

2010
189

Modul 5 Peramalan
Kelompok 3
BAB VI
PENUTUP
6.1 Kesimpulan
1. Manfaat dari melakukan peramalan dalam sistem industri, yaitu sebagai
berikut :
Memperkirakan demand yang akan datang
Mengantisipasi adanya ketidakpastian
Karena keterbatasan dari pihak perusahaan
Sebagai acuan dalam pembuatan keputusan
2. Peramalan dalam sistem industri, dilakukan sebagai aktivitas pertama dalam

penentuan jadwal produksi di masa depan. Peramalan didasarkan pada
penentuan jumlah permintaan sebuah produk yang kemudian akan dijadikan
sebagai target produksi perusahaan.
3. Ada beberapa metode yang dapat digunakan dalam teknik peramalan, yaitu
sebagai berikut :
SA
MA
ES
Linier Regression
ARIMA/Box-Jenskins
Metode SA dan MA cocok untuk plot data yang stasioner. Metode ES

digunakan untuk memeberi bobot pada setiap pengamatan. Metode ARIMA
cocok untuk data yang plot datanya cenderung naik.
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

2010
190

Laporan PTI Modul 5 Kel 3

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Laporan PTI Modul 5 Kel 3

Uploaded by

Copyright:

Available Formats

Laporan Praktikum Perancangan Teknik Industri

1.1 Latar belakang

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

1.3 Perumusan Masalah

1.4 Pembatasan Masalah dan Asumsi

1.5 Sistematika Penulisan

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Berisi tentang langkah-langkah praktikum.

PENGUMPULAN dan PENGOLAHAN DATA

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

masalah. Seperti dibahas sebelumnya, ekonometri berusaha melakukan

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Berdasarkan sifatnya peramalan dibagi menjadi dua, yaitu:

Teknik kualitatif paling sesuai diterapkan dalam dua kondisi berikut :

Sedangkan keterbatasan-keterbatasannya antara lain :

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Peramalan yang baik mempunyai karakteristik sebagai berikut:

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

2. Peramalan memberikan informasi tentang berapa ukuran kesalahan

2.2.1 Tahapan Peramalan

Gambar 2.1 Pola data konstan

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Gambar 2.2 Pola Linier

Gambar 2.3 Pola data Musiman

Gambar 2.4 Pola data Siklus

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Gambar 2.5 Pola data random

2.2.2 Analisis Deret Waktu

: merupakan kecenderungan jangka panjang dalam satu arah.

: variasi ini secara natural memiliki siklus yang dapat

: variasi yang memiliki pola tahunan.

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

Terdapat beberapa jenis deret waktu, yaitu:

:pola teratur yang berulang setiap tahunnya (tidak stationer dalam

Beberapa metode analisis deret waktu antara lain:

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

N = Jumlah data permintaan yang dilibatkan dalam perhitungan MA

Pemilihan tentang beberapa nilai

N yang tepat adalah hal yang penting dalam

metode ini. semakin halus perubahan nilai MA dari periode ke periode.

Program Studi Teknik Industri

Laporan Praktikum Perancangan Teknik Industri

b. Metode Simple Average (SA)

c. Metode Single Moving Average (SMA)

d. Metode Double Moving Average (DMA)

S '1 S 't 1 S 't 2 ... S 't N 1

at S 't ( S 't S ' 't ) 2S 't S ' 't

e. Metode Weight Moving Average (WMA)

Laporan Praktikum Perancangan Teknik Industri

(alpha) dikenal dengan konstanta penghalusan (smoothing constans). Begitu suatu

b. Metode Double Exponential Smoothing : Browns One Parameter Linier

S ''t S 'i (1 ) S ''t 1