Peramalan Vorhersage merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan Daten di masa lalu Adam dan Ebert, 1982 Awat 1990 menjelaskan bahwa peramalan merupakan kegiatan untuk mengetahui nilai variabel yang dijelaskan variabel dependen pada masa akan datang dengan mempelajari variabel independen pada masa lalu, Yaitu dengan menganalisis pola daten dan melakukan ekstrapolasi bagi nilai-nilai masa datang. Metode peramalan kuantitatif dijelaskan Supranto 2000 terdiri dari metode pertimbangan, metode regresi, metode kecendrungan trend methode, metode eingabe output, dan metode ekonometrika Metode kecendrungan trend methode menggunakan suatu fungsi seperti metode Regresi dengan variabel X menunjukkan waktu Tepat tidaknya peramalan ditentukan oleh kriteria yaitu berkaitan dengan güte von fit yang menunjukkan bagaimana modell peramalan dapat menghasilkan peramalan yang baik Selain itu ada tiga kriteria yang perlu untuk dipertimbangkan, yaitu.2 Faktor biaya peramalan dan.3 Faktor kemudahan. Penentuan ketepatan peramalan pada umumnya berdasarkan beberapa metode, yaitu nilai Sidik Ragam F-Test, Koefisien determinasi, Kuadrat Tengah Galat Mean Square Fehler MSE, dan Persentase Galat Prozentsatz Fehler PE. Deret waktu adalah kumpulan Daten-Daten yang merupakan Daten historis dalam suatu periode waktu Tertentu Daten yang dapat dijadikan dieet waktu harus bersifat kronologis, artinya daten harus mempunyai periode waktu yang berurutan Misalnya Daten penjualan suatu perusahaan antara tahun 2006-2011, maka datanya adalah penjualan tahun tahun 2006, tahun 2007, tahun 2008, tahun 2009, tahun 2010, Dan tahun 2011.Data runtun waktu Zeitreihe merupakan Daten yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan Periode waktu dapat menggunakan tahun, kuartal, bulan, minggu, hari atau jam Runtut waktu dianalisis untuk menemukan pola variasi masa lalu. Analisis deret waktu Zeitreihenanalyse dipakai untuk meramalkan kejadian di masa yang akan dating berdasarkan urutan waktu sebelumnya Ada beberapa teknik untuk meramalkan kejadian di masa yang akan datang berdasarkan karakteristik Daten, misalnya teknik Glättung, teknik siklus, dan teknik musiman. Trend adalah pergerakan jangka panjang dalam suatu kurun Waktu yang kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus Deret waktu untuk bisnis dan ekonomi, yang terbaik adalah untuk melihat trend atau trend-siklus sebagai perubahan dengan halus dari waktu ke waktu. Pada kenyataannya, anggapan bahwa trend dapat diwakili oleh beberapa fungsi Sederhana seperti garis lurus sepanjang periode untuk zeit serie yang diamati jarang ditemukan Seringkali fungsi tersebut mudah dicocokkan dengan kurva trend pada suatu kurun waktu karena dua alasan, yaitu fungsi tersebut menyediakan beberapa indikasi arah umum dari seri yang diamati, dan dapat dihilangkan dari seri aslinya untuk mendapatkan Gambar musiman lebih jelas. Ada tiga trend yang diigunakan untuk meramalkan pergerakan keadaan pada masa yang akan datang, yaitu. Sering kali daten deret waktu jika digambarkan ke dalam plot mendekati garis luruus Dert waktu seperti inilah yang termasuk dalam trend linier persamaan trend linier adalah sebagai berikut. Dengan nilai a dan b diperoleh dari formula. Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu Sedangkan ein adalah nilai intercept dari Y, artinya nilai Yt akkan sama dengan a jika nilai t 0 Kemudian b adalah nilai slope artinya besar kenaikan nilai Yt pada Setiap nilai t Dan nilai t sendiri adalah nilai tertentu yang menunjukan periode waktu. Trend Linier Positif.4 Memilih Trend Terbaik. Untuk Membran Suatu keputusan Yang akan dilakukan di masa yang akan datang berdasarkkan dieet waktu diperlukan suatu metode peramalan yang paling baik sehingga memiliki nilai kesalahan Yang cenderung kecil Terdapat beberapa cara untuk menentukan metode peramalan mana yang akan dipilih sebagai metode peramalan yang paling baik, diantaranya Mittlerer quadratischer Fehler MSE. Untuk mencari MSE digunakan rumus sebagai berikut. Dimana nilai e adalah selisih antara nilai Y dengan peramalan Yt Modell yang memiliki MSE Paling kecil adalah modell persamaan yang paling baik. metode metode peramalan dan aplikasi. Metode Expnontial Smoothing. Metode exponentielle glättung merupakan metode peramalan yang cukup baik untuk peramalan jangka panjang dan jangka menengah, terutama pada tingkat operasional suatu perusahaan, dalam perkembangan dasar matematis dari metode glättung Forcasting von Makridakis, hal 79-115 dapat dilihat bahwa konsep exponentiell telah berkembang dan menjadi metode praktis dengan penggunaan yang cukup luas, terutama dalam peramalan bagi persedian. Kelebihan utama dari metode exponentielle glättung adalah dilihat dari kemudahan dalam operasi yang relativ rendah, ada sedikit keraguan Apakah ketepatan yang lebih baik selalu dapat dicapai dengan menggunakan QS Quantitatif sistem ataukah metode dekonposisi yang secara intuitif menarik, namun dalam hal ini jika diperlukan peramalan untuk ratusan item. Menurut Makridakis, Wheelwright Mcgee dalam bukunya forcasting hal 104 Menyatakan bahwa apabila Daten yang dianalisa bersifat stationer , Maka penggunaan metode rata-rata bergerak gleitende durchschnittliche atau einzelne exponentielle glättung cukup tepat akan tetapi apabila datanya menunjukan suatu trend linier maka modell yang baik untuk digunakan adalah exponential glättung linier dari braun atau modell exponentiell glättung linier dari holt. Permasalahan umum yang dihadapi apabila menggunakan Modell pemulusan eksponensial adalah memilih konstanta pemulusan yang diperkirakan tepat Adapun panduan untuk memperkirkan nilai ein yaitu antara lain. Apabila pola historis dari Daten aktuelles permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, kita memilih nilai ein mendekati di pilih nilai a 0 9 namun pembaca Dapat mencoba nilai ein yang lain yang mendekati 1 seperti 0,8 0,99 tergantung sejauh mana gejolak dari daten itu. Apabila pola historis dari Daten akute permintaan tidak berfluktuasi atau relati stabil dari waktu ke waktu maka kita memilih nilai ein yang mendekati nol, katakanlah A 0 2 0 05 0 01 tergantung sejauh mana kestabilan daten itu, semakin stabil nilai ein yang dipilih harus semakin kecil menuju ke nilai nol. b 2 Metode Single Exponential Glättung. Metode ini juga digunakan untuk meramalkan suatu periode ke depan Untuk melihat persamaan metode ini Dengan metode einzigen gleitenden durchschnittlichen maka lihat kembali persamaan matematis yang digunakan pada peramalan einzigen gleitenden durchschnitt. Peramalan untuk periode t, persamaan adalah. Sedangkan persamaan matematis untuk einzigen bewegten exponentiellen glättung sebagai berikut. Demikian seterusnya untuk. Jadi terlihat bahwa metode einzigen gleitenden durchschnittlichen merupakan sejumlah Daten semua yang ditekankan pada baru Harga ditetapkan oleh 0 X 1 dan harga yang terpilih yang memberikan simpangan terkecil dari perhitungan yang ada, seperti pada metode einzigen gleitenden Durchschnitt Peramalan dengan exponentielle glättung juga dapat digunakan untuk meramalkan beberapa periode kedepan untuk pola daten dengan kecenderungan linier, Teknik yang digunakan dikenal dengan nama Brown Parameter Exponential Glättung langkah-langkah perhitungan untuk mendapatkan peramalan dengan metode ini adalah. Nilai peramalan dengan single gleitender Durchschnitt. Nilai gleitende durchschnittliche kedua Hasil peramalan dengan doppelte gleitende durchschnittliche pada periode kedepan. Periode Kedepan Yang Diramalkan. b 3 Metode Double Exponential Glättung. Metode Ini Dikembangkan Oleh Brown s untuk mengatasi adanya perbedaan Yang muncul antara Daten aktualisieren dan nilai peramalan apabila ada trend pada plot datanya Untuk itu Brown s memanfaatkan nilai peramalan dari hasil single Eksponential Smothing dan Double Exponentielle Glättung Perbedaan antara kedua ditambahkan pada harga dari SES dengan demikian harga peramalan telah disesuaikan terhadap trend pada plot datanya. b 3 1 Metode Double Expnontial Smoothing Satu Parameter Brown. Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah serupa dengan rata-rata bergerak linier, Karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari daten yang sebenarnya bilamana terdapat unsur tendenz perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan dan disesuaikan untuk trend Persamaan yang dipakai dalam implementasi pemulusan linier satu Parameter Brown ditunjukan dibawah ini. at S t S T s t 2 S t s tF tatbtmt 2 21.S t nilai pemulusan eksponensial tunggal. S t adalah nilai pemulusan eksponensial ganda. m jumlah periode ke muka yang diramalkan. Ramalan m periode ke muka. Agar dapat menggunakan persamaan diatas, nilai S t-1 dan S t-1 harus tersedia Tetapi pada saat t 1, nilai-nilai tersebut tidak tersedia Jadi, nilai-nilai ini harus ditentukan pada awal periode Hal ini dapat Dilakukan dengan hanya menetapkan S t dan S t sama dengan mannijanakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal. Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan glättung eksponensial Jika Parameter pemulusan ein tidak mendekati nol, pengaruh dari Proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu Tetapi, jika a mendekati nol, proses inisialisasi tersebut dapat memainkan peran yang nyata selama periode waktu ke muka yang panjang. b 3 2 Metode doppelte exponentielle Smothing Dua Parameter Holt. Metode pemulusan eksponensial linier dari Holt dalam prinsipnya serupa dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung Sebagai gantinya Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada dieet yang asli Ramalan dari pemulusan eksponensial linier Holt didapat dengan menggunakan dua konstan pemulusan dengan nialai antara 0 Sampai 1 dan tiga persamaan. F tm S tbtm 2 24.Dimana Daten pemulusan pada periode t. Trend pemulusan pada periode t. Peramalan pada periode t. Persamaan diatas 1 menyesuaikan S t secara langsung untuk trend periode sebelumnya yaitu b t-1 dengan menambahkan nilai pemulusan yang terachhir, yaitu S t-1 hal ini membantu untuk menghilangkan kelambatan dan menempatkan S t ke dasar perkiraan nilai data saat Ini. Kemudian persamaan meremajakan trend 2, yang ditunjukan sebagai perbedaan antara dua nilai pemulusan yang terakhir Hal ini tepat karena jika terdapat kecenderungan di dalam daten, nilai yang baru akan lebih tinggi atau lebih rendah dari pada nilai yang sebelumnya Karena mungkin masih terdapat sedikit kerandoman maka Hal ini dihilangkan oleh pemulusan g gamma trend pada periode akhir S t S t-1, dan menambahkannya dengan taksiran trend sebelumnya dikalikan 1 g jadi persamaan diatas dipakai untuk meremajakan trend. Akhirnya persamaan 3 digunakan untuk peramalan ke muka Trend bt, dikalikan dengan jumlah Periode kedepan yang diramalkan, m dan ditambahkan pada nilai dasar S tb 4 Metode Triple Exponential Glättung. Metode ini dapat digunakan untuk Daten yang bersifat atau mengandung musiman Metode ini adalah metode yang digunakan dalam pemulusan trend Dan musiman Metode Winter didasarkan atas tiga persamaan pemulusan yaitu satu Untuk stationer, trend, dan musiman Hal ini serupa dengan metode holt dengan satu persamaan tambahan untuk mengatasi musiman persamaan dasar untuk metode winter adalah sebagai berikut. L Panjang musiman. B Komponen trend. I Faktor penyesuaian musiman. Ramalan untuk n Periode eke depan.2 1 1 Aspek Umum dari Metode Pemulusan. Kelebihan utama dari penggunaan metode pemulusan Glättung yang luas adalah kemudahan dan ongkos yang rendah Ada sedikit keraguan apakah ketetapan yang lebih baik selalu dapat di capai dengan menggunakan metode autoregresi atau pola rata - rata bergerak yang lebih canggih Namun demikian, jika diperlukan ramalan untuk ribuan item, seperti dalam banyak kasus sistem persedian inventori, maka metode pemulusan seringkali merupakan satu-satunya metode yang dapat dipakai. Dalam hal keperluan peramalan yang besar, maka suatu yang kecil dan mantap Itu lebih berarti Seutelai contoh, menyimpan empat nilai sebagai ganti dari tiga nilai untuk setiap item dapat menjadi sangat berarti bagi keseluruhan Artikel sebulan Disamping itu, waktu komputer yang diperlukan untuk melakukan perhitungan yang penting harus disediakan pada tingkat yang layak, dan alasan ini, metode pemulusan Eksponensial lebih disukai dari pada metode rata-rata bergerak dan metode dengan jumlah parameter yang sedikit lebih disukai dari pada yang lebih banyak. Metode last square. Pengertian Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang Untuk Melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi daten yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut Secara teoristis, Dalam analisis Zeitreihe yang paling menentukan adalah kualitas atau keakuratan dari informasi atau daten datums yang diperoleh serta waktu atau periode dari daten datums tersebut dikumpulkan. Jika Daten yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh Sebaliknya, jika Daten Yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan semakin jelek Metode Least Square Metode yang digunakan untuk analisis Zeitreihe adalah Metode Garis Linier Secara Bebas Free Hand Methode, Metode Setengah Rata-Rata Semi Durchschnittliche Methode, Metode Rata-Rata Bergerak Moving Average Methode Dan Metode Kuadrat Terkecil Least Square Methode Dalam hal ini akan lebih dikhususkan untuk membahas analisis Zeitreihe dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus Daten genap dan kasus Daten ganjil Secara umum persamaan garis linier dari analisis Zeitreihe adalah Y ab X Keterangan Y Adalah variabel yang dicari trendnya dan X adalah variabel waktu tahun Sedangkan untuk mencari nilai konstanta a dan Parameter b adalah a YN dan b XY X2.Contoh Kasus Daten Ganjil Tabel Volumen Penjualan Barang X dalam 000 Einheit Tahun 1995 sampai dengan 2003.Untuk mencari nilai a Dan b adalah sebagai berikut a 2 460 9 273,33 dan b 775 60 12,92 persamaan garis liniernya adalah Y 273,33 12,92 X Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah Y 273,33 12,92 Untuk tahun 2010 nilai X adalah 11, sehingga Y 273,33 142,12 415,45 artinya penjualan barang X pada tahun 2010 diperkirakan sebesar 415 450 Einheit Contoh Kasus Daten Genap Tabel Volumen Penjualan Barang X dalam 000 Einheit Tahun 1995 sampai dengan 2002.Untuk Mencari nilai a dan b adalah sebagai berikut a 2 150 8 268,75 dan b 1 220 168 7,26 Persamaan Garis liniernya adalah Y 268,75 7,26 X Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah Y 268,75 7 , 26 untuk tahun 2008 nilai X adalah 19, sehingga Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406,69 atau 406 690 Einheit elain dengan menggunakan metode tersebut di atas, juga dapat dipakai dengan metode Sebagai berikut Tabel Volume Penjualan Barang X dalam 000 Einheit Tahun 1995 sampai dengan 2002.Untuk mencari nilai a dan b adalah sebagai berikut a 2 150 8 268,75 dan b 610 42 14,52 persamaan garis liniernya adalah Y 268,75 14,52 X Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah Y 268,75 14,52 untuk tahun 2008 nilai X adalah 9, sehingga Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406 690 Einheit. Zu Arin, Untuk Y dan X itu adalah Daten mentah, misalnya mencari trend kunjungan maka Y nya adalah periode waktu misal tiap bulan dalam 1 tahun dan X nya jumlah pengunjung misalnya pro bulan Setelah itu baru bisa dimasukkan dalam analisis trend. Kalau dicermati rumus trend sama Dengan rumus regresi sederhana untuk mencari nilai a dan b karena jumlah X di trend sama dengan nol maka jika dimasukkan dalam rumus regresi maka jadi rumus trend Artinya, untuk mencari nilai a dan b pada trend bisa menggunakan rumus regresi, tapi sebaliknya rumus trend tidak dapat diaplikasikan Dalam regresi, karena dalam regresi jumlah X tidak sama dengan nol. saya lg skripsi mas, cuma blom ngerti menjelaskan nilai x itu secara lengkap, cuma itung2annya saya ngerti, nah dosen saya minta menjelaskan nilai x esu dengan sedetail2nya dosennya nyuruh saya tiap x harus dijelaskan Dari mana asalnya. gimana ya mas slamet menjelaskan x berasal darimana, malah dosen saya nyuruh tiap bulan x nya harus dijelasin. To Iqbalbo, karena jumlah Daten X-nya genap maka nilai 0 berada antara bulan Juni Dan Juli, sehingga bulan Juni dinilai -1 Dan bulan Juli dinilai 1 jarak antara bulan Juni dgn Juli atau jarak -1 dgn 1 adalah 2, maka seterusnya harus loncat 2 Maka bulan Mei dinilai -3, April -5 dst Kalau bulan Agustus dinilai 3 dan September dinilai 5 dst Jadi untuk nilai X Dämpfen totalnya 0 juga harus konsisten loncat 2.mas slamet itu cara mencari x variabel waktu gimana jujur saya masih bingung kok tau2 dapet nilai -4, -3 mohon penjelasannya mas terimaksih. To Iqbaldo, untuk mencari nilai X pada analisis trend kata kuncinya adalah jika Nilai X dijumlahkan maka hasilnya 0 Untuk Daten jumlah tahun ganjil maka tahun yang ditengah nilainya 0, tahun sebelumnya -1 trus -2 dst, sedang tahun sesudahnya 1 trus 2 dst Kalau Daten jumlah tahun genap lihat contoh diatas. Buku Statistika Deskriptif email. Post Navigation. Komisi Gratis. Metode Exponentielle Glättung Glättung Adalah Mengambil Rata Rata Dari Nilai Pada Beberapa Periode Untuk Menakenir Nilai Pada Suatu Periode Pangestu Subagyo, 1986 3 Exponentielle Glättung Adalah Suatu Metode Peramalan Rata-Rata Bergerak Yang Melakukan Pembobotan Menurun Secara Exponential Terhadap Nilai Nilai Beobachtungen Yang Lebih Tua Makridakis, 1993 79 Metode explodierende Glättung merupakan pengembangan dari metode gleitender Durchschnitt Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan Daten baru.1 Metode Einzelne exponentielle Glättung Metode einzelne exponentielle Glättung merupakan perkembangan dari metode gleitenden Durchschnitt sederhana, yang mula mula Dengan rumus sebagai berikut 1 1 1 2 dan 1 3 1 4 Perbedaan antara St 1 dan St adalah sebgai berkut ein Pada St 1 terdapat sedangkan pada St tidak terdapat b Pada St terdapat sedangkan pada St 1 tidak terdapat Pangestu Subagyo, 1986 18 Dengan melihat hubungan Di atas maka kalau nilai St sudah diketahui maka nilai St 1 dapat dicari berdasarkan nilai St itu. Kalau diganti dengan nilai prognose pada tahun t yaitu St maka persamaan diubah menjadi 1 5 bisa diubah menjadi 1 6 Di dalam metode Exponentielle smothing nilai diganti dengan sehingga rumus Prognose menjadi St 1 Xt 1 St 1 7 Pangestu Subagyo, 1986 19 Penerapan teknik peramalan ini menghasilkan Tabelle di bawah ini Tabelle I Nilai St contoh penggunaan metode Saingle Exponential Glättung Nein Xt St 1 20 2 21 20 3 19 20,10 4 17 19, 19 5 22 19,69 6 24 19,92 Sumber Pangestu subagyo, 1986 21.Nilai ramalan untuk periode ke 7 dapat dihitung sebagai berikut S7 X6 1 S6 0,1 24 0,9 19,92 20,33 Metode Einzelne exponentielle Glättung lebih Cocok digunakan untuk meramal hal hal yang fluktuasinya secara random tidak teratur.2 Metode Doble Exponential Glättung Metode ini merupakan Modell linear yang dikemukakan oleh Brown Didalam merode Doble Exponential Glättung dilakukan proses Glättung dua kali, sebagai berikut S t Xt 1 S t-1 1 8 S t s t 1 1 9 Rumusan ini agak berbeda dengan rumus Einzelne exponentielle Glättung karena X t dapat dipakai untuk mencari S t bukan St 1 Vorhersage dilakukan dengan rumus St m bei btm 1 10 m jangka waktu prognose kedepan 1 11 1 12 Metode doppelt exponentiell Glätten ini biasanya lebih tepat untuk meramalkan daten yang mengalami trend naik Agar dapat menggunakan rumus 1 8 dan 1 9 maka nilai S t-1 dan S t-1 harus tersedia tetapi pada saat t 1, nilai nilai tersebut tidak dapat tersedia Jadi nilai nilai ini Harus ditentukan pada awal periode Hal ini dilakukan dengan hanya menetapkan S t dan S t sama dengan Xt atau dengan menggunakan suatu nilai pertama sebagai nilai awal Contoh penggunaan Metode doble exponentielle Glättung untuk penjualan barang X Tabelle 2 Volumen penjualan barang X NO PERMINTAAN BARANG 1 120 2 125 3 129 4 124 5 130 Sumber pangestu Subagyo, 1986 26 Akan dicari ramalan minggu ke-6 dengan menggunakan rumus 1 10 dengan 0,2 perhitungan di mulai dengan menghitung Stdengan rumus 1 8 yaitu S t Xt 1- S t-1 X1 120, karena belum cukup Daten S t dianggap sebesar 120 dan selanjutnya dengan rumus 1 8 secara berangkai didapatkan. kemudian mencari nilai dengan rumus 1 9 yaitu dengan 0,2 120 dan harga-harga secara berangkai didapatkan. Harga-harga a dan b diperoleh dengan Menggunakan rumus 1 11 dan 1 12 Dari secara berangkai didapat harga. dari secara berangkai didapat harga-harga. Harga ramalan tahun ke-6 diperoleh dengan rumus 1 10 yaitu St m bei btm dengan m 1 dan 0,2 S6 a5 b5 126,84 0,64 127,48 Jadi ramalan penjualan tunai ke-6 adalah 127,48.3 Metode Triple Exponential Glättung Metode ini merupakan metode prognose yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadrat Metode ini lebih cocok kalau dipakai untuk membuat prognose yang berfluktuasi atau mengalami gelombang pasang Surut Pangestu Subagyo, 1986 26 Prosedur pembuatan Vorhersage dengan metode ini sebagai berikut Carilah nilai dengan rumus sebagai berikut 1 13 Untuk tahun pertama nilai belum bisa dicari dengan rumus di atas, maka boleh ditentukan dengan bebas Biasanya ditentukan sama seperti nilai yang telah terjadi pada tahun pertama Carilah nilai dengan rumus 1 14 Pada tahun pertama biasanya nilai ditentukan seperti nilai yang terjadi pada tahun pertama Carilah nilai 1 15 Untuk nilai tahun pertama biasanya dianggap sama dengan Daten tahun pertama Carilah nilai 1 16 Carilah nilai 1 17 Carilah nilai 1 18 Buat persamaan forecastnya 1 19 m adalah jangka waktu maju ke depan, yaitu berapa tahun yang akan datang prognose dilakukan an, bt, ct adalah nilai yang telah dihitung sesuai dengan rumus di depan Contoh penggunaan metode Triple Exponential Glättung untuk peramalan penjualan kita gunakan daten tabel 2 Akan tetapi ramalan tahun Ke-6 menggunakan rumus 1 19 dengan 0,2 Dari contoh di atas kita sudah mendapatkan nilai dan maka kita harus mencari nilai an, bt, ct dengan 120 dengan rumus 1 16 diperoleh harga-harga. Dengan mengggunakan rumus 1 16 1 17 1 18 Harga at, bt, ct bisa didapat. Harga ramalan tahun ke-6 diperoleh dengan menggunakan rumus 1 19.
No comments:
Post a Comment