Peramalan Dengan Metode Single Moving Average.

Posted: June 2, 2011 in catatan kuliah, Peramalan Bisnis.
Tags: , ,

Dalam melakukan suatu peramalan bisnis atau business forecasting, ada beberapa metode yang dipakai untuk membuat suatu peramalan, salah satu metode yang dipakai adalah metode single moving average, atau metode rata – rata bergerak tunggal, metode ini digunakan sebagai pemulusan data yang tidak beraturan, mungkin bagi anda yang sering memainkan forex sudah tidak asing lagi dengan metode ini, karena metode ini sering kali digunakan sebagai indikator untuk melakukan bet, dan umumnya sudah berbentuk data digital.
Secara manual metode single moving average dapat dicari dengan rumus.
St-1 = Xt + Xt-1 + … + X ( t-n+1 ) / n
atau :
1/n . Σt . Xj
j = t – n + 1.
Adapun kelemahan dari metode single moving average ini adalah :
1. Data pada setiap tahun diberi bobot yang sama, tapi kenyataannya tidak bisa karena data terakhir dinilai paling baik.
2. Hasil forecast kurang begitu baik jika ada data yang mengalami perubahan secara drastis.
3. Kurang cocok di gunakan apabila datanya mengandung suatu gejala trend.
4. Metode ini memerlukan suatu data historis tertentu ( time series data ).
Sebagai gambaran dalam melakukan forecast menggunakan metode ini bisa melihat contoh berikut ini.
Diketahui permintaan pada bulan,
Januari
20 unit.
Februari
21 unit.
Maret
19 unit.
April
17 unit.
Mei
22 unit.
Juni
24 unit.
Juli
18 unit.
Agustus
21 unit.
September
20 unit.
Oktober
23 unit.
November
22 unit.
Dari data diatas diminta untuk membuat forecast per 3 bulan dan 5 bulan dengan metode single moving average, dan tentukan Mean Absolut Error ( MAE ) serta Mean Square Error ( MSE ).
Langkah yang dipakai tinggal memasukkan rumus.
1. Forecast untuk 3 bulan.
t = 3 ;
St+1 ==> S3+1,
S4 = 19 + 21 + 20 / 3
= 20.
Jadi forecast untuk 3 bulanan adalah 20.
Dengan cara yang sama dapat pula diketahui forecast pada bulan berikutnya.
Jan —
Feb —
Mar —
Apr — 20
Mei — 19
Jun — 19,33
Jul — 21
Aug — 21,33
Sep — 21
Okt — 19,67
Nop — 21,33
Untuk mencari Mean Absolut Error dan Mean Square Error, dapat diketahui dengan cara mengetahui dahulu tingkat Error pada data bulan yang bersangkutan yaitu dengan cara mengurangkan data permintaan konstan dengan forecast yang sudah di tentukan.
Sehingga data historis 3 bulan menjadi.
Error.
Jan _
Feb _
Mar _
Apr – 3
May 3
Jun 4,67
Jul – 3
Aug – 0,33
Sep – 1
Okt 3,33
Nov 0,67
_______________ +
ΣE = 4,34
Langkah untuk mencari Mean Absolut Error dengan cara menghilangkan nilai minus dari data error, sehingga menjadi,
M.A.E
Jan ___ –
Feb ___ –
Mar ___ –
Apr ____ 3
May ___ 3
Jun ____ 4,67
Jul _____ 3
Aug ____ 0,33
Sep ____ 1
Okt _____ 3,33
Nop _____ 0,67
________________ +
ΣM.A.E = 19.
Sedangkan untuk mencari nilai Mean Square Error dapat dilakukan dengan mengkuadratkan nilai dari masing – masing M.A.E, sehingga menjadi,
M.S.E
Jan ____ –
Feb ____ –
Mar ____ –
Apr _____ 9
May ____ 9
Jun _____ 21, 8089
Jul ______ 9
Aug _____ 0,1089
Sep _____ 1
Okt ______ 11, 0889
Nov _____ 0, 4489
_______________________ +
ΣM.S.E = 61,4556.
Dengan cara yang sama dapat untuk mengetahui forecast 5 bulan,
t = 4
S4+1 ==> S5
S5 = 22 + 17 + 19 + 21 + 20 / 5
S5 = 19,80.
Sehingga forecast untuk data historis 5 bulanan menjadi,
Jan _____ –
Feb _____ –
Mar _____ –
Apr ______ –
May _____ –
Jun ______ 19,80
Jul _______ 20,60
Aug ______ 20
Sep ______ 20,40
Okt ______ 21
Nov _____ 21,20
Sehingga nilai Error menjadi,
Jan ______ –
Feb ______ –
Mar ______ –
Apr _______ –
May ______ –
Jun _______ 4,2
Jul ________ – 2,6
Aug _______ 1
Sep _______ – 0,4
Okt _______ 2
Nov _______ 0,67
__________________ +
ΣE = 4,87.
Setelah mengetahui tingkat Error dari data diatas maka nilai dari Mean Absolut Error menjadi,
M.A.E
Jan _____ –
Feb _____ –
Mar _____ –
Apr ______ –
May _____ –
Jun _____ 4,2
Jul ______ 2,6
Aug _____ 1
Sep _____ 0,4
Okt _____ 2
Nov _____ 0,67
___________________ +
ΣM.A.E = 10,87.
Langkah selanjutnya adalah menentukan nilai Mean Square Error,
M.S.E
Jan _____ –
Feb _____ –
Mar _____ –
Apr ______ –
May _____ –
Jun ______ 17,64
Jul _______ 6,76
Aug ______ 1
Sep ______ 0,16
Okt ______ 4
Nov ______ 0,4489
______________________ +
ΣM.S.E = 30,0089.
Berdasarkan dari data tabel diatas maka sebaiknya perusahaan menerapkan metode per 5 bulan untuk melakukan kegiatan operasionalnya, karena data historis per 5 bulan memiliki nilai M.A.E dan M.S.E paling kecil, dan diharapkan tingkat kesalahan atau faktor error lebih terminimalisir.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s