STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

dokumen-dokumen yang mirip
BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 3 METODE PENELITIAN

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN)

BAB III TINJAUAN PUSTAKA

Universitas Sumatera Utara

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

BAB 2 LANDASAN TEORI

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

BAB 2 TINJAUAN PUSTAKA

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

BAB 2 LANDASAN TEORI

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB II LANDASAN TEORI

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Universitas Sumatera Utara

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

BAB V METODE PENELITIAN

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

BAB 2 LANDASAN TEORI

Rumus-rumus yang Digunakan

BAB 4 PENGUMPULAN DAN ANALISA DATA

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

BAB III LANDASAN TEORI

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

IV. METODE PENELITIAN

BAB II TINJAUAN TEORITIS

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

BAB 3 METODE PENELITIAN

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

V. PENGUJIAN HIPOTESIS

BAB IV METODOLOGI PENELITIAN

BAB II TINJAUAN PUSTAKA

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

kesimpulan yang didapat.

Prosiding Manajemen ISSN:

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

ALGORITMA DATA MINING

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER

Exponential smoothing

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

B. DESKRIPSI SINGKAT MATA KULIAH

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

BAGIAN 2 TOPIK 5. andhysetiawan

BAB 2 TINJAUAN TEORI

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

FORECASTING (Peramalan)

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

Perancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

BAB III METODE PENELITIAN

Transkripsi:

Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr. Piek Malag merupaka perusahaa skala Idusri kecil yag bergerak di bidag pembuaa sadal da sepau. Selama ii peramala produksi hayalah berdasarka iuisi dari pemilik perusahaa, sehigga apabila permiaa meigka maka perusahaa kekuraga persediaa, da begiu pu sebalikya. Oleh karea iu perlu adaya peramala yag dihiug berdasarka pola daa masa lalu. Peeliia ii megguaka meode peramala Movig Average da Expoeial Smoohig. Berdasarka perhiuga, maka diperoleh meode dega kesalaha peramala erkecil yaiu Meode Double Expoeial Smoohig dega MAD = 280, MSD = 222698, da MAPE = 3. Adapu seiap bulaya kapasias produksi perusahaa adalah sebesar 11267. Kaa Kuci: Peramala, dere berkala, movig average, expoeial smoohig, double expoeial smoohig PENDAHULUAN Seiap akivias perusahaa memiliki ujua uuk memperoleh keuuga. Oleh karea iu, perusahaa harus dapa meigkaka kemampua bersaigya dari segi kualias produk, kuaias, da kemampua memeuhi permiaa kosume. Dalam memeuhi permiaa kosume, perusahaa dapa meramalka permiaa kosume yag flukuaif dega megguaka meode-meode peramala yag berdasarka daa permiaa hisoris. Peeua peramala cukup peig dalam perecaaa produksi, karea proses ii adalah awal dari peeua perecaaa produksi da disribusi. Peeua peramala diawali dega membua pola permiaa berdasarka daa permiaa hisoris. Dari pola ersebu, maka peramala uuk ahu berikuya dapa disusu. Namu, peramala idak selalu akura, oleh karea iu perlu dilakuka pegukura kesalaha da evaluasi dega permiaa yaa uuk meeuka pola peramala berikuya. Peeliia ii dilakuka pada perusahaa sepau da sadal House of Mr. Piek Malag yag bergerak di bidag pembuaa sadal da sepau. Perusahaa ii ermasuk idusri kecil yag memiliki pagsa pasar Idoesia da Ausralia. Perusahaa sepau Mr. Pik belum meerapka sysem peramala da melakuka perecaaa berdasarka iuisi pemilik perusahaa da Depareme Markeig. Peramala Peramala adalah kegiaa memperkiraka apa yag aka erjadi pada masa yag aka daag. Peramala ersebu dapa berdasarka pada bermacam-macam cara yag biasa dikeal dega meode peramala. Peramala produksi saga peig karea diguaka sebagai ladasa kerja bagi perusahaa, dega megeahui recaa pegadaa pada waku yag aka daag. Baik idakya peramala yag disusu di sampig dieuka oleh meode yag diperguaka juga dieuka oleh baik idakya iformasi kuaiaif yag diguaka. Peramala kualiaif Ipu yag dibuuhka ergaug pada pemikira iuiif, perimbaga, da pegeahua yag elah didapa. Meode ii dibagi mejadi dua, yaiu : a. Meode Eksploraoris Meode ii dimulai dega masa lalu da masa kii sebagai iik awalya da bergerak ke arah masa depa dega meliha semua kemugkia yag ada. b. Meode Normaif Meode ii dimulai dega meeapka sasara da ujua yag aka daag, kemudia bekerja mudur uuk meliha apakah hal ii dapa dicapai berdasarka kedala, sumberdaya, da ekologi yag ersedia. Peramala kuaiaif Meode Kuaiaif adalah meode peramala yag saga megadalka pola daa hisoris yag dimiliki.peramala kuaiaif ii diperguaka bila erdapa kodisi sebagai beriku : Tersediaya iformasi eag masa lalu Iformasi ersebu dapa dikuaiaifka dalam beuk daa Iformasi ersebu dapa diasumsika bahwa pola masa lalu aka erus berlaju sampai ke masa daag. Meode kuaiaif ii dibagi mejadi dua yaiu : a. Meode Dere Berkala (Time series) Meode Dere Berkala adalah peramala di masa daag didasarka pada ilai sebuah variable masa lalu aau kesalaha yag dilakuka sebelumya. 1) Saf Pegajar Jurusa Tekik Idusri Uiversias Widyagama Malag 2) Alumi Jurusa Tekik Idusri Uiversias Widyagama Malag

WIDYA TEKNIKA Vol.18 No.2; OKTOBER 2010: 1-6 Tujuaya yaiu meelii pola daa yag diguaka uuk meramalka da melakuka eksrapolasi ke masa depa. Meode peramala ii megguaka ime series sebagai dasar peramala daa akual lalu yag aka diramalka uuk megeahui pola daa yag diperluka. Meode-meode peramala dega megguaka ime series yaiu: 1. Meode Raa-Raa Bergerak (Movig Average) Meode ii lebih baik daripada meode reraa sederhaa di aas, di maa pada meode ii ramala uuk periode berikuya merupaka raa-raa dari beberapa meode sebelumya. Pada meode ii megguaka daa palig sediki 3 periode, eapi yag serig diguaka aara lai : 3 periode, 4 periode, da 5 periode. Adapu oasi yag diguaka dalam meode ii adalah: S + 1 X = + X -1 +... + X -+ 1 Di maa : = Nilai palig akhir S + = ramala uuk periode + 1 r 1 X = ilai palig akhir = daa pada periode = jumlah daa 2. Meode Ekspoesial Smoohig Meode Pemulusa Expoeial merupaka peramala yag megikui pola flukuasi daa yag diobservasi pada suau periode uuk ramala pada masa yag aka daig dega cara melicika aau yag disebu Smoohig, da meguragi flukuasi ramala ersebu. Sigle Smoohig Ekspoeial Meode Smoohig Ekspoeial uggal haya membuuhka dua iik daa meramalka ilai yag aka erjadi pada masa yag aka daag. Persamaa yag diguaka adalah: F α Dimaa: F = ramala = periode x = daa Double Smoohig Ekspoeial Meode Smoohig Ekspoeial gada merupaka peramala yag perhiuga haya membuuhka iga buah ilai daa da ilai α. Persamaa yag diguaka dalam meode ii adalah: S' S" S + m = α X = α S' = a + b + (1-α) S" + (1-α) S' + 1 = α X + (1- )F. m -1-1 Dimaa: S = ilai ramala smoohig uggal S = ilai ramala smoohig gada a = 2 S - S α ' b = ( S S ) 1 α b. MeodeKausal Model ii megasumsika bahwa fakor yag diramalka meujukka suau hubuga sebab-akiba dega sau aau lebih variable bebas. Meode peramala dega kausalias yaiu: Meode Regresi da Korelasi Regresi merupaka suau pola hubuga yag berbeuk lurus aara suau variabel yag diramalka dega sau variabel yag mempegaruhiya aau variabel bebas yaiu waku. Adapu oasi dari meode regresi liier diyaaka sebagai beriku : Y = a + bx Dimaa: Y = vairabel yag diramalka X = variabel waku a,b = kosaa Uuk medapaka ilai-ilai a da b yag merupaka ilai kosa yag idak berubah selama pegaalisaa adalah sebagai beriku: Y = a + bx XY = a. x + b x 2 dimaa: x = variabel waku y = pejuala riil = jumlah daa a,b = kosaa Pegukura Kesalaha Peramala Hasil peramala yag akura adalah peramala yag bias memiimalka kesalaha 2

STUDI ANALISIS... METODE DERET BERKALA [ARIE RESTU W.] meramal. Karea iu dalam meghiug kesalaha meramal diguaka : a. Mea Absolue Error (MAE) Mea Absolue Error (MAE) adalah raa-raa absolue dari kesalaha meramal, apa meghirauka ada posiif aau egaif. MAE b. Mea Squred Error (MSE) Mea Squred Error (MSE) adalah raa-raa kesalaha meramal yag dikuadraka. MAE c. Mea Absolue Perceage Error (MAPE) Mea Absolue Perceage Error (MAPE) merupaka ilai egah kesalaha persease absolue dari suau peramala. MAE X 1 = Keeraga : X = Nilai daa periodeke- F = Nilai ramala periode ke- = bayakya daa METODE PENELITIAN 1 = F Ideifikasi da Perumusa Masalah Dari hasil survey awal da sudy pusaka maka peelii mecoba merumuska masalah yag ada, megacu pada permasalaha yag imbul pada survey awal peeliiaya iu idak adaya meode peramala yag diguaka oleh perusahaa. Pegumpula Daa/Iformasi Merupaka suau proses uuk medapaka daa yag dibuuhka dalam pemecaha masalah. Daa yag dibuuhka adalah Daa Pejuala Sepau Tahu 2009. Pegolaha Daa Daa yag elah dikumpulka diolah dega megguaka sofware Miiab. Meode peramala yag diguaka adalah meode Dere Berkala (Time Series) sebagai beriku : 1. Meode Movig Average dega 3 bulaa peramala ( X F) X F = 1 X 2 2. Meode Movig Average dega 4 bulaa peramala 3. Meode Sigle Expoeial Smoohig dega α = 0,2 4. Meode Double Expoeial Smoohig α = 0,3 da 0,5 Aalisis Hasil Dari beberapa meode peramala yag diguaka, aka dipilih meode peramala berdasarka kesalaha peramala erkecil. PENGUMPULAN DATA Daa yag diperluka dalam meode peramala pejuala ii diambil berdasarka daa-daa hisoris yag ersedia pada bagia yag bersagkua yaiu bagia pejuala, daa-daa ersebu adalah daa-daa pejuala per periode. Daa- daa ersebu secara legkap adalah sebagai beriku: Tabel 1. Daa Jumlah Pejuala Sepau Tahu 2009 Bula Jumlah Produk (Pasag) Jauari 5.100 February 5.430 Mare 5.675 April 6.420 Mei 6.900 Jui 7.200 Juli 7.500 Agusus 8.300 Sepember 8.760 Okober 9.100 November 9.800 Desember 11.600 HASIL DAN PEMBAHASAN Beriku ii adalah hasil peramala uuk ahu 2010. Tabel 2. Hasil Peramala Produk Sepau Tahu 2010 Bula Movig Average 3 bulaa Movig Average 4 bulaa Sigle Expoeial Smoohig α = 0,2 Double Expoeial Smoohig α = 0,3 daβ = 0,5 Jauari 10166.7 9815 8780.78 11276.5 February 10166.7 9815 8780.78 11276.5 Mare 10166.7 9815 8780.78 11276.5 April 10166.7 9815 8780.78 11276.5 Mei 10166.7 9815 8780.78 11276.5 Jui 10166.7 9815 8780.78 11276.5 Juli 10166.7 9815 8780.78 11276.5 Agusus 10166.7 9815 8780.78 11276.5 Sepember 10166.7 9815 8780.78 11276.5 Okober 10166.7 9815 8780.78 11276.5 November 10166.7 9815 8780.78 11276.5 Desember 10166.7 9815 8780.78 11276.5 3

WIDYA TEKNIKA Vol.18 No.2; OKTOBER 2010: 1-6 Tabel 3.Ukura Akurasi Hasil Peramala N o Meode Peramala 1 Meode Movig Average dega 3 bulaa 2 Meode Movig Average dega 4 bulaa 3 Meode Sigle Expoeial Smoohig dega α = 0,2 4 Meode Double Expoeial Smoohig α = 0,3 da β=0,5 Ukura Akurasi Hasil Peramala MAP MSD MAD E 13 1490781 1130 16 2131532 1378 17 2667751 1384 3 222698 280 melakuka pericia produksi pada masa yag aka daag. DAFTAR PUSTAKA [1] Arioag R, Lerbi R. 2002. Peramala Bisis. Jakara : Ghalia Idoesia. [2] Hadoko, T. Hai. 1984. Dasar-dasar Maajeme Produksi da Operasi, Yogyakara : BPFE. [3] Nasuio, Arma Hakim. 2003. Perecaaa da Pegedalia Produksi. Edisi Perama. Jakara: GuaWidya. [4] Reder, Barry daheizer. 2001. Prisip-prisip Maajeme Operasi. Jakara : Salemba Empa. Aalisa Hasil Dari hasil aalisis peramala pada iap meode di aas meujukka bahwa ada beberapa aleraif yag perlu diambil oleh perusahaa yaiu sebagai beriku : a. Jika perusahaa megigika MAPE yag erkecil maka perusahaa dapa memilih meode double expoeial smoohig. b. Jika perusahaa megigika MSD yag erkecil maka perusahaa dapa memilih meode double expoeial smoohig. c. Jika perusahaa megigika MAD yag erkecil maka perusahaa dapa memilih meode double expoeial smoohig. KESIMPULAN DAN SARAN Kesimpula 1. Meode peramala yag sesuai uuk perusahaa Mr. Pik adalah Double Ekspoeial Smoohig, karea memiliki MAPE, MSD da MAD erkecil. 2. Jika megguaka meode peramala Double Ekspoeial Smoohig, maka perusahaa harus meambah kapasias produksiya yaiu sebesar 11276.5 11267 seiap bula pada ahu 2010. Sara Hedakya perusahaa megguaka meode peramala dalam perecaaa produksiya, idak haya berdasarka iuisi. Perusahaa sebaikya meeapka meodemeodeperamala yag sesuai dega sadar error erkecil, sehigga perusahaa dapa Lampira a. Meode Movig Average dega 3 bulaaperamala 4

STUDI ANALISIS... METODE DERET BERKALA [ARIE RESTU W.] Daa C1 Legh 12 NMissig 0 Movig Average Legh 3 MAPE 13 MAD 1130 MSD 1490781 Time C1 MA Predic Error 1 5100 * * * 2 5430 * * * 3 5675 5401.7 * * 4 6420 5841.7 5401.67 1018.33 5 6900 6331.7 5841.67 1058.33 6 7200 6840.0 6331.67 868.33 7 7500 7200.0 6840.00 660.00 8 8300 7666.7 7200.00 1100.00 9 8760 8186.7 7666.67 1093.33 10 9100 8720.0 8186.67 913.33 11 9800 9220.0 8720.00 1080.00 12 11600 10166.7 9220.00 2380.00 Forecass Period Forecas Lower Upper 13 10166.7 7773.60 12559.7 14 10166.7 7773.60 12559.7 15 10166.7 7773.60 12559.7 16 10166.7 7773.60 12559.7 17 10166.7 7773.60 12559.7 18 10166.7 7773.60 12559.7 19 10166.7 7773.60 12559.7 20 10166.7 7773.60 12559.7 21 10166.7 7773.60 12559.7 22 10166.7 7773.60 12559.7 23 10166.7 7773.60 12559.7 24 10166.7 7773.60 12559.7 b. Meode Movig Average dega 4 bulaaperamala Daa C1 Legh 12 NMissig 0 Movig Average Legh 4 MAPE 16 MAD 1378 MSD 2131532 Time C1 MA Predic Error 1 5100 * * * 2 5430 * * * 3 5675 * * * 4 6420 5656.25 * * 5 6900 6106.25 5656.25 1243.75 6 7200 6548.75 6106.25 1093.75 7 7500 7005.00 6548.75 951.25 8 8300 7475.00 7005.00 1295.00 9 8760 7940.00 7475.00 1285.00 10 9100 8415.00 7940.00 1160.00 11 9800 8990.00 8415.00 1385.00 12 11600 9815.00 8990.00 2610.00 Forecass Period Forecas Lower Upper 13 9815 6953.50 12676.5 14 9815 6953.50 12676.5 15 9815 6953.50 12676.5 16 9815 6953.50 12676.5 17 9815 6953.50 12676.5 18 9815 6953.50 12676.5 19 9815 6953.50 12676.5 20 9815 6953.50 12676.5 21 9815 6953.50 12676.5 22 9815 6953.50 12676.5 23 9815 6953.50 12676.5 24 9815 6953.50 12676.5 c. Meode Sigle Expoeial Smoohig dega α = 0,2 Daa C1 Legh 12 Smoohig Cosa Alpha 0.2 MAPE 17 MAD 1384 MSD 2667751 Time C1 Smooh Predic Error 1 5100 5916.67 6120.83-1020.83 2 5430 5819.33 5916.67-486.67 3 5675 5790.47 5819.33-144.33 4 6420 5916.37 5790.47 629.53 5 6900 6113.10 5916.37 983.63 6 7200 6330.48 6113.10 1086.90 7 7500 6564.38 6330.48 1169.52 8 8300 6911.51 6564.38 1735.62 9 8760 7281.21 6911.51 1848.49 10 9100 7644.96 7281.21 1818.79 11 9800 8075.97 7644.96 2155.04 12 11600 8780.78 8075.97 3524.03 Forecass Period Forecas Lower Upper 13 8780.78 5390.98 12170.6 14 8780.78 5390.98 12170.6 15 8780.78 5390.98 12170.6 16 8780.78 5390.98 12170.6 17 8780.78 5390.98 12170.6 18 8780.78 5390.98 12170.6 19 8780.78 5390.98 12170.6 20 8780.78 5390.98 12170.6 21 8780.78 5390.98 12170.6 22 8780.78 5390.98 12170.6 23 8780.78 5390.98 12170.6 24 8780.78 5390.98 12170.6 d. MeodeDouble Expoeial Smoohig dega α = 0,3 daβ= 0,5 Daa C1 Legh 12 Smoohig Cosas Alpha (level) 0.3 Gamma (red) 0.5 MAPE 3 MAD 280 MSD 222698 5

WIDYA TEKNIKA Vol.18 No.2; OKTOBER 2010: 1-6 Time C1 Smooh Predic Error 1 5100 4851.4 4744.8 355.19 2 5430 5431.8 5432.6-2.63 3 5675 5911.4 6012.7-337.72 4 6420 6435.1 6441.6-21.62 5 6900 6943.5 6962.1-62.11 6 7200 7382.8 7461.1-261.13 7 7500 7752.9 7861.3-361.28 8 8300 8214.0 8177.2 122.81 9 8760 8687.7 8656.8 103.25 10 9100 9132.2 9145.9-45.93 11 9800 9648.4 9583.5 216.53 12 11600 10572.6 10132.2 1467.78 Forecass Period Forecas Lower Upper 13 11276.5 10590.9 11962.1 14 11980.5 11203.1 12757.8 15 12684.4 11805.7 13563.2 16 13388.4 12401.7 14375.1 17 14092.4 12993.0 15191.7 18 14796.3 13580.9 16011.7 19 15500.3 14166.4 16834.2 20 16204.2 14749.9 17658.6 21 16908.2 15332.0 18484.4 22 17612.2 15913.0 19311.4 23 18316.1 16493.0 20139.2 24 19020.1 17072.4 20967.8 6