Minggu, 18 Desember 2011

Jenis-Jenis Metode Peramalan

Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain :
1.      Time Series atau Deret Waktu
Analisis time series merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang mempengaruhi-nya (independent variable), yang dikaitkan dengan waktu seperti mingguan, bulan, triwulan, catur wulan, semester atau tahun.
      Dalam analisis time series yang menjadi variabel yang dicari adalah waktu.
            Metode peramalan ini terdiri dari :
a.      Metode Smoting, merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau seperti musiman.
b.      Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
c.      Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.
2.      Causal Methods atau sebab akibat
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 :
a.      Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.
b.      Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.
c.      Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.

$ METODE REGRESI
Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan mempengaruhi hasil peramalan.
Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :
a.      Adanya informasi masa lalu
b.      Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)
c.      Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang akan datang.
Adapun data- data yang ada dilapangan adalah :
a.      Musiman (Seasonal)
b.      Horizontal (Stationary)
c.      Siklus (Cylikal)
d.     Trend
Dalam menyusun ramalan pada dasarnya ada 2 macam analisis yang dapat digunakan yaitu :
1.      Analisi deret waktu(Time series), merupakan analisis antaravariabel yang dicari dengan variabel waktu
2.      Analisis Cross Section atau sebab akibat (Causal method), 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 :
1.      Analisis deret waktu untuk regresi sederhana linier
2.      Analisis deret untuk regresi sederhana yang non linier
Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti :

Y = F (x)

Dimana :
Y = Dependent variable (variabel yang dicari)
X = Independent variable (variabel yang mempengaruhinya)
            Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

            Y = a + b x 

$ ANALISIS DENGAN REGRESI LINIER CROSS SECTION
Cross section method atau casual method atau sebab akibat merupakan peramalan yang kita lakukan untuk mengukur peramalan dalam suatu periode dengan faktor yang mempengaruhinya bukan waktu.
Penggunaan rumusan yang kita gunakan untuk cross section sama dengan penerapan untuk metode time series, begitu puka dngan hasil pramalannya.
Jadi penjualan = f (x, x, x,.......)
X = harga, mutu pendapatan, promosi dll
Y = a + b x
Dimana x adalah variabel bukan waktu.

$ ANALISIS DERET WAKTU DENGAN REGRESI LINIER
            Ada 2 pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu engan metode regresi sederhana, yaitu :
1.      Analisis deret waktu untuk regresi sederhana linier
2.      Analisis deret waktu untuk regresi sederhana yang non linier
Dalam analisis deret waktu yang linier adalah analisis pola hubungan yang dicari dengan satu variabel yang mempengaruhinya : waktu. Sedangkan analisis deret waktu yang non linier, merupakan analisis hubungan antara variabel yang dicari dengan hanya satu (1) yang mempengaruhinya, yaitu variabel waktu.
Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi matematis seperti :

Y = F (x)

Dimana :
Y = Dependent variable (variabel yang dicari)
X = Independent variable (variabel yang mempengaruhinya)
            Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :
           
            Y = a + b X....................
Dimana a dan b adalah merupakan parameter (koefisien regresi) yang harus dicari. 
Langkah selanjutnya adalah melakukanpengujian terhasil yang diperoleh dengan :
Pertama, uji Test Koefisien Penentu (R2), pengetesan ini untuk mengetahui tepat tidaknya varibel yang mempengaruhi besarnya penjualan yang diramalkan adalah waktu.
Kedua, Test Significance (T.Test) atau F test yaitu pengetesan untuk mengetahui apakah benar persamaan regresi itu adalah linier.

Test Significance

            Tujuan test ini menguji dan meneliti apakah regresi yang digunakan dalam menyususn ramalan adalah benar linier, dimana data yang diteliti tepat berada disekitar garis linier.

1.      F. Test
Tujuannya adalah untuk mengetahui apakah nilai estimasi dari a dan b dapat bervariasi karena pengaruh sampling/ random.

Dimana :
k = jumlah variabel (dalam regresi sederhana = 2)
n = jumlah tahun
atau kita juga menggunakan rumus sebagai berikut :
Hasil Frasio kemudian kita bandingkan dengan Ftabel apabila F rasio>Ftabel, maka secara statistik koefisien b adalah significance berbeda dengan nol (0), sehingga persamaan regresi dapatdilakukan secara benar dengan bentuk persamaan sebagai berikut :

Y = a = b x


Demikian pula sebaliknya jika Frasio<Ftabel

2.      Persamaan T. Test

Hasilnya jika diperoleh :

Ttest > Ttabel (Tdistribusi), maka tinkat keyakinan tertentu (R) dapat disimpulkan bahwa nilai koefisien regresi a dan b secara statistic berbeda dari (0) dan demikian pula sebaliknya.


 ANALISA DERET WAKTU DENGAN REGRESI NON LINIER
            Analisa deret waktu dengan regresi non linier merupakan regresi bukan garis lurus. Notasi regresi sederhana dengan menggunakan regresi linier (garis lurus) dapat digunakan sebagai berikut :

            Y =  a + b x + c x2
               
                Dimana :Y = Dependent variable (variabel yang dicari)
                           x = Independent variable (variabel yang mempengaruhinya)
                          a = b = c = parameter koefisien regresi

                                    Formula umum yang digunakan sebagai berikut :

                                    y         = n a + b x   + c x2

                                    xy       = a x  +  b x2  +c x3

                                    xy       = a x2 +  b x3 +c x4





Time Series adalah. . .

Dalam statistik, pemrosesan sinyal, ekonometri dan keuangan matematika, deret waktuadalah urutan titik data, diukur biasanya pada kali berturut berjarak pada interval waktuyang seragam. Contoh deret waktu adalah nilai penutupan harian indeks Dow Jones atau volume aliran tahunan Sungai Nil di Aswan. Waktu analisis seri terdiri dari metode untuk menganalisis data time series untuk mengekstrak statistik bermakna dan karakteristiklainnya dari data. Waktu seri peramalan adalah penggunaan model untuk memprediksinilai masa depan berdasarkan pada nilai-nilai diamati sebelumnya. Time series sangat sering diplot melalui line chart.
Time data seri memiliki memesan sementara alami. Hal ini membuat waktu analisis yang berbeda dari yang lain seri analisis data masalah, umum di mana tidak ada memesanalami dari pengamatan (misalnya menjelaskan upah orang dengan mengacu pada tingkat pendidikan mereka, di mana data individu dapat dimasukkan dalam urutan apapun).Waktu analisis seri ini juga berbeda dari analisis data spasial di mana pengamatanbiasanya berhubungan dengan lokasi geografis (misalnya akuntansi untuk harga rumahdengan lokasi serta karakteristik intrinsik dari rumah). Sebuah model rangkaian waktuumumnya akan mencerminkan kenyataan bahwa pengamatan bersama dalam waktudekat akan lebih erat terkait daripada pengamatan lebih lanjut terpisah. Selain itu, waktumodel seri akan sering memanfaatkan alam satu arah memesan waktu sehingga nilai untuk suatu periode tertentu akan dinyatakan sebagai berasal dalam beberapa cara dari nilai-nilai masa lalu, bukan dari nilai masa depan (lihat reversibilitas waktu.)
Metode untuk analisis deret waktu dapat dibagi menjadi dua kelas: frekuensi-domainmetode dan waktu-domain metode. Yang pertama termasuk analisis spektral dan analisisbaru-baru wavelet, yang terakhir termasuk auto-korelasi dan analisis korelasi silang.

Baca-Baca Time Series yukk. . :)

Introduction

-Pokok bahasan ini merupakan pokok bahasan yang mengkaji perencanaan produksi melalui
penerapan metode peramalan.
-Teknik peramalan ini ditujukan untuk menghasilkan perencanaan produksi yang akurat dalam
merespon permintaan pasar.
-Langkah pertama dalam perencanaan operasi sistem produksi adalah menentukan peramal
 yang akurat terhadap permintaan barang (produk) yang akan diprodkuksi.
Definisi Peramalan
nPeramalan adalah seni dan ilmu untuk memprediksi masa depan.
nPeramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada perencanaan produksi.
nProses peramalan dilakukan pada level agregat (part family); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebih dahulu.
nMetode: Kualitatif dan kuantitatif.
nTerminologi: perioda, horison, lead time, fitting error, forecast error, data dan hasil ramalan.
Peramalan Eksplanatoris dan Deret Berkala
nKedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan yg berbeda.
nPendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara input dengan output dari suatu sistem.
Persyaratan Penggunaan
Metode Kuantitatif:
.Tersedia informasi tentang masa lalu.
.Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik.
.Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
Langkah-langkah Peramalan
nDefinisikan tujuan peramalan.
nPlot data (part family) masa lalu.
nPilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data.
nHitung parameter fungsi peramalan untuk masing-masing metode.
nHitung fitting error untuk semua metode yang dicoba.
nPilih metode yang terbaik, yaitu metode yang memberikan error paling kecil.
nRamalkan permintaan untuk periode mendatang
nLakukan verifikasi peramalan.
Pola data metode deret berkala (1):
.Pola horisontal (H) terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan. Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu tertentu termasuk jenis ini. Pola khas dari data horizontal atau stasioner seperti ini dapat dilihat dalam Gambar 1.1.
.Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk pola musiman kuartalan dapat dilihat Gambar 1.2.
Pola data metode deret berkala:
3.Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Jenis pola ini dapat dilihat pada Gambar 1.3.
4.Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: Penjualan banyak perusahaan, GNP dan berbagai indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada Gambar 1.4.


Karakteristik trend :

Metode Deret Waktu :
.Constant
.Linier trend
.Quadratic
.Exponential
.Moving Average
.Exponential smoothing

              Seasonal