2. praktikum sisprod peramalan

7/25/2019 2. Praktikum Sisprod Peramalan

http://slidepdf.com/reader/full/2-praktikum-sisprod-peramalan 1/42

PRAKTIKUM

SISTEM PRODUKSI

FORECASATING TEKNIK ANALISIS TIME SERIES

Ade IrawanPertemuan 1



Methode Exponential Smoothing

Dalam SPSS terdapat 4 metode baku exponential

smoothing :

• Metode simple exponential smoothing

metode ini sangat sesuai untuk data time series yang tidak

memiliki trend dan faktor musim.

• Metode double exponential smooting

Untuk data time series yang memiliki trend tapi tidak terdapat

faktor musim.

• Metode double exponential smmothing Brown’s Linier

Trend

• Metode damped trend



Trend merupakan pergerakan pada jangka panajang di dalam deret

wqaktu yang sering dijelaskan sebagai garis atau kura !alus.

Pergerakan data tersebut dapat naik dan turun. "ika pergerakannya naik

maka disebut trend positif dan jika pergerakannya turun maka disebuttrend negatif

Pola Trend terjadi bila ada kenaikan atau

penurunan sekuler jangka panjang dalam data.



• Pola musiman terjadi bila nilai data dipengaru!i ole! faktor musiman

#misalnya kuartal ta!un tertentu$ bulanan atau !ari%!ari pada minggu

tertentu&. Struktur datanya dapat digambarkan sebagai berikut ini



Contoh Kasus:

Perusa!aan mebel di Pamulang sedang melakukan peramalan

mengenai permintaan produk mereka berupa kursi. Mereka ingin

meramalakan permintaan dari bulan Maret '()* sampai bulan "uli '()*.Untuk itu pi!ak manajemen menejemen menggunakan data permintaan

kursi dari bulan "uni '()) sampai bulan +ebruari '()*. Data permintaan

kursi sebagai berikut:

BULAN Permintaaan BULAN Permintaaan

Jul-11 210 Mei-12 232Agust-11 212 Jun-12 233

Sep-11 216 Jul-12 236

Okt-11 21 Agust-12 23

!op-11 220 Sep-12 2"#

$es-11 223 Okt-12 2%"

Jan-12 22% !op-12 2%&

'eb-12 226 $es-12 2%&

Mar-12 22& Jan-13 260

Apr-12 22 'eb-13 26%



Metode sin!e e"#onentia! smoothin

,erikut ta!apannya:

). ,uka menu SPSS

'. Sebelumnya buat data da!ulu di e-el



*. /lik Data 0iew$ opy data dari e-el



4. /lik 0ariable 0iew

% Pada kolom 1ame$ isi dengan permintaan

- Pada kolom Deimal$ ganti dengan angka ( #nol&

- Pada kolom 2abel$ isi dengan permintaan kursi

- Pada kolom Measure$ ganti dengan nominal



3. lik 5naly6e 7 +oreasting 7 /reat Model



8. Pinda!kan ariabel Permintaan ke Dependend ariable. Pada

met!od$ pili! e-ponential smoot!ing. 9asilnya sebagai berikut:



;. /lik ontinue$ maka akan kembali ke tampilan time series modeler



<. Masi! pada tampilan time series modeler$ lik bagian Statistis$ lalu

lik Display +it Measure$ lik Mean absolute error dan Mean

absolute perentage error. 2alu lik Display forasts



)(. Masi! pada tampilan Time series modeler$ selanjutnya /lik Plots

lalu /lik Series$ /lik =bsered alue. /lik +oreasts. /lik +it

0alue.



)). Masi! pada tampilan Time series modeler$ /lik Sae$ Pada

Predited 0alues$ lik Sae.



)'. Masi! pada tampilan Time series modeler$ /lik =ptions. Pada

+oreast period. /lik +irst ase after end of estimation t!roug! a

speified date.



)*. Pada kolom =bseration: ketik '3$

5ngka '3 berasal dari:

,anyaknya data yang digunakan #n&

Data yang digunakan dari "uli '()) s>d +ebruari '()*

Maka nilai n ? '(

,anyaknya bulan yang akan diramalkan #-&

,ulan yang diramalkan dari bulan Maret '()* s>d "uli '()*

Maka nilai - ? 3

Maka: n @ - ? '( @ 3 ? '3



)'. /lik =



Bulan Permintaan Peramalan

Jul-11 210 210

Agust-11 212 210

Sep-11 216 212

Okt-11 219 216

Nop-11 220 219Des-11 223 220

Jan-12 225 223

Feb-12 226 225

Mar-12 228 226

Apr-12 229 228

Mei-12 232 229

Jun-12 233 232

Jul-12 236 233

Agust-12 239 236

Sep-12 2! 239

Okt-12 25 2!

Nop-12 258 25

Des-12 258 258 Jan-13 260 258

Feb-13 265 260

Mar-13 265

Apr-13 265

Mei-13 265

Jun-13 265 Jul-13 265



Metode $o!ts

,erikut ta!apannya:

). ,uka menu SPSS

'. Sebelumnya buat data da!ulu di e-el



*. /lik Data 0iew$ opy data dari e-el



4. /lik 0ariable 0iew

% Pada kolom 1ame$ isi dengan permintaan

- Pada kolom Deimal$ ganti dengan angka ( #nol&

- Pada kolom 2abel$ isi dengan permintaan kursi

- Pada kolom Measure$ ganti dengan nominal



3. lik 5naly6e 7 +oreasting 7 /reat Model



8. Pinda!kan ariabel Permintaan ke Dependend ariable. Pada

met!od$ pili! e-ponential smoot!ing. 9asilnya sebagai berikut:



. 2alu /lik /riteria. Pada model type$ lik 9olts 2iniear Trend



;. /lik ontinue$ maka akan kembali ke tampilan time series modeler



<. Masi! pada tampilan time series modeler$ lik bagian Statistis$ lalu

lik Display +it Measure$ lik Mean absolute error dan Mean

absolute perentage error. 2alu lik Display forasts



)(. Masi! pada tampilan Time series modeler$ selanjutnya /lik Plots

lalu /lik Series$ /lik =bsered alue. /lik +oreasts. /lik +it

0alue.



)). Masi! pada tampilan Time series modeler$ /lik Sae$ Pada

Predited 0alues$/lik 2ower /onfidene 2imits$ lik Sae$ /lik

Upper /onfidenne 2imit$ lik Sae.



)'. Masi! pada tampilan Time series modeler$ /lik =ptions. Pada

+oreast period. /lik +irst ase after end of estimation t!roug! a

speified date.



Tuas:

Perusa!aan mebel di Pamulang sedang melakukan peramalan

mengenai permintaan produk mereka berupa kursi. Mereka ingin

meramalakan permintaan dari bulan Maret '()* sampai bulan "uli '()*.Untuk itu pi!ak manajemen menejemen menggunakan data permintaan

kursi dari bulan "uni '()) sampai bulan +ebruari '()*. Data permintaan

kursi sebagai berikut:

BULAN Permintaaan BULAN Permintaaan

Jul-11 210(A Mei-12 232(AAgust-11 212(A Jun-12 233(A

Sep-11 216(A Jul-12 236(A

Okt-11 21(A Agust-12 23(A

!op-11 220(A Sep-12 2"#(A

$es-11 223(A Okt-12 2%"(A

Jan-12 22%(A !op-12 2%&(A

'eb-12 226(A $es-12 2%&(A

Mar-12 22&(A Jan-13 260(A

2. praktikum sisprod peramalan

Documents