Scribd
Unggah
211 tayangan3 halaman

Analisis Peramalan Modul 1

Berdasarkan data penjualan baby vise tahun 2008-2010, peramalan untuk tahun 2011 dilakukan dengan beberapa metode seperti moving average, regression linier, dan dekomposisi seri waktu; metode terakhir menghasilkan kesalahan terkecil dalam perhitungan rata-rata persentase absolut kesalahan dan dianggap paling akurat untuk meramal penjualan tahun 2011.

Diunggah oleh

ajeng.saraswati
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
211 tayangan3 halaman

Analisis Peramalan Modul 1

Berdasarkan data penjualan baby vise tahun 2008-2010, peramalan untuk tahun 2011 dilakukan dengan beberapa metode seperti moving average, regression linier, dan dekomposisi seri waktu; metode terakhir menghasilkan kesalahan terkecil dalam perhitungan rata-rata persentase absolut kesalahan dan dianggap paling akurat untuk meramal penjualan tahun 2011.

Diunggah oleh

ajeng.saraswati
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 3

Analisis Peramalan

Berdasarkan data-data penjualan baby vise dalam tiga tahun terakhir yaitu dari tahun
2008 hingga tahun 2010 dapat diramalkan keadaan untuk penjualan baby vise di tahun
2011. Hasil peramalan untuk tahun 2011 memiliki perubahan penjualan yang cukup
signifikan. Perhitungan forecast dilakukan dengan beberapa metode peramalan seperti
moving average, weighted moving average, exponential smoothing, linear regression
(LR), dan time series decomposition (TSD).
Cara menggunakan metode time series decomposition (TSD), yaitu pertama hitung 12-
month centered moving average atau rata-rata demand untuk setiap tahun dari seluruh
data, selanjutnya hitung seasonal factor (SF) dan seasonal index (SI) dengan rumus :




SI = Average of Seasonal Factor
Setelah mendapatkan seasonal index untuk setiap bulan, tentukan persamaan garis dari
hasil perhitungan deseasonalized data untuk setiap periode dengan menggunakan
metode linear regression.




Kemudian ekstrapolasi garis (plot deseasonalized data) yang telah diperoleh dari
persamaan garis tersebut ke data di masa yang akan datang akan tetapi gunakan nilai
rata-rata dari deseasonalized data untuk setiap tahunnya.




Y = 4369,81*x + 268772,71
Terakhir, hitung hasil peramalan akhir dengan mengalikan persamaan trendline dengan
seasonal index masing-masing bulan. (Karena trendline menggunakan satuan tahunan,
maka persamaan trendline untuk masing-masing priode dalam tahun yang sama
memiliki nilai yang sama pula).


2011
Bulan Forecast
Jan 414390.8064
Feb 417257.7147
Mar 426041.4205
Apr 392698.155
Mei 442699.9247
Jun 494399.5134
Jul 479528.245
Aug 490633.1279
Sept 456124.0961
Okt 466242.0276
Nov 455371.6342
Dec 521521.3004
Setelah didapat hasil peramalan untuk tahun 2011, kesalahan peramalan atau error
pada hasil peramalan tiap metode diuji. Ada beberapa cara mengukur kesalahan
peramalan, dan didapat Mean Absolut Precent Error (MAPE) yang dipilih karena
pendekatan yang digunakan oleh MAPE berguna ketika ukuran atau besar variabel
ramalan itu penting dalam mengevaluasi ketepatan ramalan. Selain itu, MAPE
mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai
nyata pada deret.


MAPE
3 MA 9.634076
3WMA 9.266647
SES 8.121506
LR 6.842055
TSD 6.286789

Dari hasil perhitungan Mean Absolut Precent Error tersebut time series decomposition
(TSD) dari Bedworth yang memiliki nilai kesalahan terkecil sehingga metode yang terpilih
untuk peramalan penjualan baby vise di tahun 2011 yaitu time series decomposition
(TSD) dari Bedworth.

Anda mungkin juga menyukai