Peramalan (previsão). Adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan menggunakan dados historis dan memproyeksikannya ke masa depan dengan beberapa bentuk modelo matematis. Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari dados dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain: Peramalan berdasarkan jangka waktu: 1. Peramalan jangka pendek (kurang satu tahun, umumnya kurang tiga bulan. Digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi), 2. Peramalan jangka menengah ( Tba tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta (tiga tahun atau lebih, digumakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta), 3. peramalan jangka panjang (tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta Pengembangan). Peramalan berdasarkan rencana operasi 1. Ramalan ekonomi. Membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya, 2. Ramalan teknologi. Berkaitan dengan tingkat kemajuan teknologi dan produk baru, 3. Ramalan permintaan. Berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjadualan perusahaan. Peramalan berdasarkan metode pendekatan: 1. Peramalan kuantitatif. Modelo de berbagai de menggunakan matematis atau metode statistik dan dados historis dan atau variabel-variabel kausal untuk meramalkan permintaan, 2. Peramalan kualitatif. Manggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (julgamento) dari yang melakukan peramalan Metode peramalan: Peramalan berdasarkan metode terbagi menjadi 2 yaitu: 1. Metode Kuantitatif Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu: 1. M odel seri waktu metode deret berkala (Série de tempo) metode yang dipergunakan untuk menganalisis serangkaian dados yang merupakan fungsi dari waktu, 2. M odel metode kausal (modelo causalxplanatório), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (variável independente). 1. Modelo Seri Waktu Metode deret berkala, terbagi menjadi: 1. Rata-rata bergerak (médias móveis), 2. Penghalusan eksponensial (suavização exponencial), 3. Tendência Proyeksi (projeção de tendência) 1. Rata-rata bergerak (médias móveis) , Rata-Rata Bergerak Sederhana (médias móveis simples). Bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil: Rata-Rata Bergerak Tertimbang (médias móveis ponderadas). Apabila ada pola atau tendência yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih banyak tekanan pada nilai baru: 2. Penghalusan eksponensial (suavização exponencial), Penghalusan Eksponensial. Metode peramalan dengan menambahkan parâmetro alpha dalam modelnya untuk mengurangi faktor kerandoman. Istilah eksponensial dalam metode ini berasal dari pembobotantimbangan (faktor penghalusan dari periode-periode sebelumnya yang berbentuk eksponensial. 3. Tendência Proyeksi (projeção de tendência) Metode proyeksi tendência dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis Tendência untuk persamaan matematis. Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari: Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek Dan didasarkan kepada persamaan dengan teknik mínimos quadrados yang dianalisis secara statis. Modelo Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun tendência ekonomi jangka panjang. Modelo ekonometri, merupakan peramalan yang digunakan untuk jangka panjan G dan jangka pendek. Peramalan menggunakan metode regresi: Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan. Halhau yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi - kondisi seperti: Adanya informasi masa lalu Informasi yang ada dapat dibuatkan dalam bentuk dados (dikuantifikasikan) Diasumsikan bahwa pola dados yang ada dados dados lalu akan berkelanjutan dimasa Yang akan datang. Adapun data - data yang ada dilapangan adalah: Musiman (Sazonal) Horizontal (Estacionário) Siklus (Cylikal) Tendência Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu: Analisi deret waktu (séries temporais), merupakan analisis antaravariabel yang dicari dengan Variabel waktu Analisis Cross Section atau sebab akibat (método causal), merupakan analisis variabel yang dicari dengan variabel bebas atau yang mempengaruhi. Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu dengan metode regresi sederhana yaitu: Analisis deret waktu untuk regresi sederhana linier Analisis deret untuk regresi sederhana yang non linier Untuk menjelaskan hubungan kedua metodo ini kita gunakan notasi matematis seperti: Y Variável dependente (variabel yang Dicari) X variável independente (variabel yang mempengaruhinya) Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut: Dimana a dan b adalah merupakan parâmetro yang harus dicari. Untuk mencari nilai a dapat digunakan dengan menggunakan rumus: kemudian nilai b dapat dicari dengan rumus: 2. Metode Kualitatif Metode kualitatif umumnya bersifat subjektif. Dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan teknikmetode peramalan, yaitu: Juri dari Opini Eksekutif. Metodo ini mengambil opini atau pendapat dari sekelompok kecil manajer puncaktop gerente (pemasaran, produksi, teknik, keuangan dan logistik), yang seringkali dikombinasikan dengan model-model statistik. Gabungan Tenaga Penjualan. Setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk mencapai ramalan secara menyeluruh. Metode Delphi. Dalam metode ini serangkaian kuesioner disebarkan kepada responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profissional sehingga hasil peramalan diharapkan mendekati aktualnya. Survai Pasar (pesquisa de mercado). Masukan diperoleh dari konsumen atau konsumen potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan dengan kuesioner, telepon, atau wawancara langsung. Memantau Ramalan Bila peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusa menindukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari yang diproyeksikan. Salah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah menggunakan isyarat arah. Isyarat Arah (Tracking Signal). Adalah pengukuran tentang sejauh mana ramalan memprediksi nilai aktual dengan baik Isyarat Arah, dihitung sebagai jumlah kesalahan ramalan berjalan (soma corrente do erro de previsão RSFE) dibagi dengan deviasi absolut mean (MAD) Prosedur Peramalan Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan Metodo kuantitatif. Tahapan tersebut adalah: Mendefinisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. Membuat diagrama pencar (Plot Data) Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) e waktu sebagai axis (X). 3. Memilih modelo peramalan yang tepat Melihat dari kecenderungan dados pada diagrama pencar, maka dapat dipilih beberapa modelo peramalan yang diperkirakan dapat mewakili pola tersebut. Menghitung kesalahan ramalan (erro de previsão) Keakuratan suatu modelo peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai kesalahan ramalan (erro de previsão) atau deviasi yang dinyatakan dalam: Dimana. Y (t) Nilai dados aktual pada periode t Y (t) Nilai hasil peramalan pada periode tt Periode peramalan Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Soma de Erros Quadrados) dan Estimasi Erro Standar (SEE Erro Padrão Estimado) Memilih Metode Peramalan Dengan kesalahan yang terkecil. Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut. Untuk mengevaluasi apakah pola dados menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya. METODE PERAMALAN LAINNYA Metode Market Experiment (Percobaan Pasar) Yaitu suatu cara untuk membuat peramalan permintaan dengan melakukan uji coba pada segmen atau bagian pasar tertentu. Uji coba dilakukan dengan memberikan perlakuan tertentad terhadap faktor-faktor yang mempengaruhi permintaan. Metode ini biasanya digunakan untuk produk baru atau produk yang mengalami inovasi atau pengembangan. 8211 Contoh. Pada produk Rokok Halim diberikan kepada konsumen secara gratis selama 1 bulan di berbagai tempat untuk mengetahui respon konsumen terhadap produk tersebut atau memberi diskon saat produk ini lançamento. Setelah respon masyarakat bagus, lalu Hilam dijual secara bertahap yaitu Rp 2.500,00 lalu dijual secara stabil pada harga Rp 4.000,00 karena termasuk produk baru oleh karena itu tetap dijual di bawah harga pasar agar dapat menarik minat konsumen. Metode Peramalan Dengan Pendekatan Pesquisa de Marketing Dalam melakukan peramalan permintaan konsumen, berbagai metode dapat digunakan terutama dengan pendekatan peninsular pemasaran (Pesquisa de Marketing) karena bagian pemasaranlah yang secara langsung berhubungan dengan konsumen. Metode peramalan yang sering digunakan yaitu: 8211 Survey Pelanggan Survey pelanggan merupakan suatu metode yang digunakan untuk mengetahui sikap dan persepsi konsumen atau pelanggan dengan cara mewawancarai konsumen secara langsung atau memberikan kuisioner yang sudah dipersiapkan. Biasanya juga disertakan nomer telefone atau alamat pada suatu produk agar Konsumen bisa secara leluasa menyampaikan saran ataupun kritik. Metode peramalan (previsão) terdiri dari metode kualitatif dan kuantitatif. Metode kualitatif adalah metode yang menganalisis kondisi obyektif dengan apa adanya atau peramalan yang didasarkan atas dados kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Peramalan kualitatif memanfaatkan factor-faktor penting seperti intuisi, pendapat, pengalaman pribadi, dan system nilai pengambilan keputusan. Metode ini meliputi metode delphi, metodo nominal grup, pesquisa passando por analogia analogia analítica e ciclo de vida. Metode kuantitatif adalah peramalan yang didasarkan atas dados kuantitatif atau modelo matematis yang beragam dengan dados masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya metode yang digunakan tergantung dengan perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang akan terjadi maka semakin baik pula metode yang digunakan. Metode kuantitatif dapat diterapkan apabila. uma. Tersedia dados dan informasi masa lalu b. Dados de Informasi tersebut dapat dikuantitatifkan dalam bentuk numerik c. Diasumsikan beberapa aspek masa lalu akan terus berlanjut di masa datang. Metode ini meliputi metode kausal dan series temporais. A. Metode Time Series Metode series temporais (deret waktu) didasarkan atas penggunaan analisa pola hubungan antar variabel yang diperkirakan dengan variabel waktu. Metode série temporal terdiri dari metode naif, metode rata-rata bergerak (média móvel), metodo eksponential smoothing from metode tendência projeção. Cara sederhana untuk peramalan ini mengasumsikan bahwa permintaan dalam periode berikutnya adalah sama dengan peramalan dalam periode sebelumnya. Pendekatan naif ini merupakan modelo peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak pen-dekatan naif memberikan titik awal untuk perbandingan dengan modelo lain yang lebih canggih. Contoh. Jika penjualan sebuah produk (mis: telepon genggam Motorolla) adalah 68 unidade pada bulan Januari, kita dapat meramalkan penjualan pada bulan Februari akan sama, yaitu sebanyak 68 unidade juga. Metode Rata-rata Bergerak (média móvel) Rata-rata bergerak adalah suatu metodo peramalan yang menggunakan rata-rata periode terakhir dados untuk meramalkan periode berikutnya. Metode eksponential smoothing merupakan pengembangan dari metode em média móvel. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap dados diberi bobot, dados yang lebih baru diberi bobot yang lebih besar. Rumus metode epersponential suavização. Dimana. F t Peramalan baru F t-1 Peramalan sebelumnya Konstanta penghalusan (08804 88051) A t-1 Permintaan aktual periode lalu Menghitung kesalahan peramalan Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan dalam peramalan. Tiga dari perhitungan yang paling terkenal adalah Deviasi mutlak rata-rata (desvio absoluto médio MAD) MAD adalah nilai yang dihitung dengan mengambil jumlah nilai absolut dari setiap kesalahan peramalan dibagi dengan jumlah periode dados (n). B. Metode Kausal Metode peramalan kausal mengembangkan suatu modelo sebab-akibat antara permintaan yang diramalkan dengan variable-variabel lain yang dianggap berpengaruh. Sebagai contoh, permintaan akan baju baru mungkin berhubungan dengan banyaknya populasi, pendapat masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus (hari raya, natal, tahun baru). Data dari variável-variabel tersebut dikumpulkan dan dianalisa untuk menentukan kevaliditasan dari modelo peramalan yang diusulkan. Metode ini dipakai untuk kondisi dimana variável penyebab terjadinya item yang akan diramalkan sudah diketahui. Dengan adanya hubungan tersebut, saída dapat diketahui jika input diketahui. Metoda regresi dan korelasi pada penetapan suatu persamaan estimasi menggunakan teknik 8220least squares8221. Hubungan yang ada pertama-tama dianalisis secara statistik. Ketepatan peramalan dengan menggunakan metoda ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata ketepatannya kurang begitu baik. Metoda ini banyak digunakan untuk peramalan penjualan, perencanaan keuntungan, peramalan permintaan dan permalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metoda ini adalah dados kuartalan dari beberapa tahun lalu. Contoh: dados berikut berhubungan dengan nilai penjualan pada bar pada beberapa pecan di penginapan Marthy e Polly Starr di Marathon, Flórida. Jika peramalan menunjukkan bahwa akan namorando 20 tamu pecan depan, berapakah penjualan yang diharapkan. Metoda ini didasarkan atas peramalan sistem persamaan regresi yang diestimasikan secara simultan. Baik untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metoda ini sangat baik. Metoda peramalan ini selalu dipergunakan untuk peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan pena. Data yang dibutuhkan untuk penggunaan metoda peramalan ini adalah dados kuartalan beberapa tahun. Empat tahapan yang termasuk di dalam memformulasi modelo de previsão ekonometrika ini antara lain membangun suatu modelo teori, mengumpulkan dados, memilih bentuk persamaan fungsi yang diestimas, dan mengestimasi dan menginterpretasi hasil. Contoh. S ebagai contoh disini misalnya kita menginginkan untuk memprakirakan permintaan, maka hubungan antar harga dan kuantitas dapat menjadi dasar teori yang logis bagi suatu modelo. Faktor harga yang mempengaruhi volume permintaan tersebut sebenarnya tidaklah merupakan satu-satunya faktor yang mempengaruhi permintaan, tetapi banyak faktor lain yang juga ikut mempengaruhi permintaan. Maka secara spesifik hubungan kausalistik permintaan itu dipengaruhi oleh selain harga, tetapi juga dipengaruhi misalnya oleh renda por kapita (I), harga barang lain (Po), dan Advertensi (A), dan lain-lain. Karena itu modelo fungsi yang dikembangkan dalam persamaan ekonometri sebagaimana ditunjukkan pada pembahasan estimaz permintaan yang dipengaruhi oleh sejumlah faktor atau variabel antara lain seperti yang dinyatakan sebagai: Qd f (P, I, Po, dan A) Yang secara ekonomi terbukti secara empirik bahwa fungsi permintaan Dipengaruhi P, I, Po, dan A itu dirumuskan sebagai fungsi: Qd a 8211 bP cI dPo eA Dimana Qd merupakan volume permintaan, um merupakan koefisiensi konstanta, b, c, d, dan e merupakan koefisiensi faktor Harga, Renda, Harga Barang Lain , Dan Advertistensi. Metoda ini dipergunakan untuk menyusun proyeksi tendência ekonomi jangka panjang. Modelo ini kurang baik ketepatannya untuk peramalana jangka panjang. Modelo ini banyak dipergunakan untuk peramalan penjualan perusahaan, penjualan sektor industri dan sub-sektor industri, produksi dari sektor dan sub sektor industri. Data yang dibutuhkan untuk penggunaan metoda atau modelo ini adalah dados tahunan selama sekitar sepuluh sampai lima belas tahun. Perkenalcan, saya dari tim kumpulbagi. Saya ingin tau, apakah kiranya anda berencana untuk mengoleksi arquivos menggunakan hospedagem yang baru Jika ya, silahkan kunjungi site ini kbagi untuk info selengkapnya. Di sana anda bisa dengan bebas partilha dan mendowload foto-foto keluarga dan viagem, música, video, filem dll dalam jumlah dan waktu yang tidak terbatas, setelah registrasi terlebih dahulu. Gratis:) Portal - Statistik Bertemu lagi dengan postingan kali ini, setelah sekian lama offline dari dunia blogger, tidak pernah lagi mengurusi blog, nah pada kesempatan kali ini saya mau berbagi kembali kepada semua sahabat yang membutuhkan tutorial atau pengetahuan tentang previsão peramalan, mungkin beberapa Hari kedepan saya akan banyak que contabiliza a pronúncia de tulisan tentang. Semoga tulisan ini dapat berguna bagi kita semua. Pada postingan pertama tentang analisis runtun waktu kali ini, saya akan berbagi tentang analisis runtun waktu yang paling sederhana yaitu metode Moving Average. Analisis runtun waktu merupakan suatu metodo kuantitatif untuk menentukan pola dados masa lalu yang telah dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan yang menjelaskan bahwa deretan observa pada suatu variabel dipandang sebagai realisasi dari variabel aleatório berdistribusi bersama. Gerakan musiman adalah gerakan rangkaian waktu yang sepanjang tahun pada bulan-bulan yang sama yang selalu menunjukkan pola yang identik. Contohnya: harga saham, inflasi. Gerakan aleatório adalah gerakan naik turun waktu yang tidak dapat diduga sebelumnya dan terjadi secara acak contohnya: gempa bumi, kematian dan sebagainya. Asumsi yang penting yang harus dipenuhi dalam memodelkan runtun waktu adalah asumsi kestasioneran artinya sifat-sifat yang mendasari proses tidak dipengaruhi oleh waktu atau proses dalam keseimbangan. Apabila asumsi stasioner belum dipenuhi maka deret belum dapat dimodelkan. Namun, deret yang nonstasioner dapat ditransformasikan menjadi deret yang stasioner. Pola Data Runtun Waktu Salah satu aspek yang paling penting dalam penyeleksian metode peramalan yang sesuai untuk dados runtun waktu adalah untuk mempertimbangkan perbedaan tipe pola dados. Ada empat tipe umum. Horizontal, tendência, sazonal e dan cíclica. Ketika data observasi berubah-ubah di sekitar tingkatan atau rata-rata yang konstan disebut pola horizontal. Sebagai contoh penjualan tiap bulan suatu produk tidak meningkat atau menurun secara konsisten pada suatu waktu dapat dipertimbangkan untuk pola horizontal. Dados de Ketika observa naik atau menurun pada perluasan periode suatu waktu disebut pola trend. Pola cíclico ditandai dengan adanya fluktuasi bergelombang dados yang terjadi di sekitar garis tendência. Ketika observasi dipengaruhi oleh faktor musiman disebut pola sazonal yang ditandai dengan adanya pola perubahan yang berulang secara otomatis dari tahun ke tahun. Untuk runtun tiap bulan, ukuran variabel komponen sazonal runtun tiap Januari, tiap Februari, dan seterusnya. Untuk runtun tiap triwulan ada elemen empat musim, satu untuk masing-masing triwulan. Média de Movimento Único Rata-rata bergerak tunggal (média móvel) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan munculnya data baru, maka nilai rata-rata yang baru dapat dihitung dengan menghilangkan dados yang terlama dan menambahkan dados yang terbaru. Mover média ini digunakan untuk memprediksi nilai pada periode berikutnya. Modelo ini sangat cocok digunakan pada dados yang stasioner atau dados yang konstant terhadap variansi. Tetapi tidak dapat bekerja dengan dados yang mengandung unsur tendência atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan dados terakhir (Ft), dan menggunakannya untuk memprediksi dados pada periode selanjutnya. Metodo ini sering digunakan pada dados kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (suavização). Dibanding dengan rata-rata sederhana (dari satu data masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari data yang diketahui. Jumlah titik dados dalam setiap rata-rata tidak berubah dengan berjalannya waktu. Kelemahan dari metode ini adalah. Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan, tidak hanya nilai rata-rata. Metode ini tidak dapat menanggulangi dengan baik adanya tendência atau musiman, walaupun metode ini lebih baik dibanding rata-rata total. Diberikan N titik dados de diputuskan untuk menggunakan T pengamatan pada setiap rata-rata (yang disebut dengan rata-rata bergerak orde (T) atau MA (T), sehingga keadaannya adalah sebagai berikut: Studi Kasus Suatu perusahaan pakaian sepakbola periode januari 2013 sampai dengan Abril de 2014 dados de menghasilkan penjualan sebagai berikut: Manajemen ingin meramalkan hasil penjualan menggunakan metode peramalan yang cocok dengan data tersebut. Bandingkan metode MA tunggal orde 3, 5, 7 dengan aplikasi Minitab dan MA ganda ordo 3x5 dengan aplikasi Excel, manakah metode yang paling tepat untuk Dados diferentes para berikan alasannya. Baiklah sekarang kita mulai, kita mulai dari Média móvel única. Adapun langkah-langkah melakukan forcasting dados terhadap penjualan pakaian sepak bola adalah: Membuka aplikasi Minitab dengan melakukan clique duas vezes em pada icon desktop. Setelah aplikasi Minitab terbuka dan siap Digunakan, buat nama variabel Bulan dan Data dados de mascate de kemudian sesuai studi kasus. Sebelu M memulai untuk melakukan previsão, terlebih dahulu yang harus dilakukan adalah melihat bentuk sebaran dados runtun waktunya, menu klik Gráfico 8211 Série de tempo Plot 8211 Simples, masukkan variabel Dados ke kotak Series, sehingga didapatkan output seperti gambar. Selanjutnya untuk melakukan previsões dengan metode Moving Average single orde 3, klik menu Stat 8211 Série de tempo 8211 Moving Average. . Sehingga muncul tampilan seperti gambar dibawag, pada kotak Variável: masukkan variabel Dados, pada kotak MA comprimento: masukkan angka 3, selanjutnya berikan centang pada Gerar previsões dan isi kotak Número de previsões: dengan 1. Klik button Opção dan berikan judul dengan MA3 dan klik ESTÁ BEM. Selanjutnya klik button Storage dan berikan centang pada Médias móveis, ajustes (previsões de um período antecipadamente), Residuais, dan Previsões, klik OK. Kemudian klik Gráficos de pilih Plot predito vs. real dan OK. Sehingga muncul output seperti gambar dibawah ini, Pada gambar diatas, terlihat dengan jelas hasil dari dados de previsão tersebut, pada periode ke-17 nilai ramalannya adalah 24, denngan MAPE, MAD, e MSD seperti pada gambar diatas. Cara peramalan dengan metode Média dobrável duplo dapat dilihat DISINI. Ganti saja langsung angka-angkanya dengan dados sobat, hehhe. Maaf yaa saya tidak jelaskan, lagi laperr soalnya: D demikian postingannya, semoga bermanfaat. Terimakasih atas kunjungannya.
No comments:
Post a Comment