3. Pilih minimal dua metode peramalan yang dianggap sesuai
4. Hitung parameter-parameter fungsi peramalan
5. Hitung kesalahan setiap metode peramalan
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil
7. Lakukan verifikasi peramalan.
3.8.5.1. Metode Time Series
Metode Time Series dalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan
beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat diidentifikasi semata-mata atas dasar data historis dari serial itu.
Dengan metode deret waktu dapat ditunjukkan bagaimana permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan permintaan
dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang akan datang.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu : 1.
Pola SiklisCycle Penjualan produk dapat memiliki siklus yang berulang secara periodik.
Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki kecendrungan periodik. Komponen siklis ini sangat
berguna dalam peramalan jangka menengah. Pola data ini terjadi bila data memiliki kecendrungan untuk naik atau turun terus-menerus. Pola data dalam
bentuk siklis ini digambarkan pada Gambar 3.2. dibawah ini.
Universitas Sumatera Utara
Gambar 3.2. Pola Siklis
2. Pola Musiman
Perkataan musiman menggambarkan pola penjualan yang berulang setiap periode. Komponen musim dapat dijabarkan ke dalam faktor cuaca, libur atau
kecendrungan perdagangan. Pola musiman berguna dalam meramalkan penjualan dalam jangka pendek. Pola data musiman dapat digambarkan paga
Gambar 3.3. sebagai berikut.
Gambar 3.3. Pola Musiman
3. Pola Horizontal
Pola ini terjadi apabila nilai data berfluktuasi di sekitar nilai rata-rata. Pola ini dapat digambarkan pada Gambar 3.4. sebagai berikut.
Universitas Sumatera Utara
Gambar 3.4. Pola Horizontal
4. Pola Trend
Pola data seperti ini terjadi bila data memiliki kecendrungan untuk naik atau turun terus-menerus. Pola data dalam bentuk trend ini dapat digambarkan pada
Gambar 3.5. sebagai berikut.
Gambar 3.5. Pola Trend
Dalam meramalkan biaya – biaya yang termasuk di dalam biaya operasi
dipergunakan pola trend karena biaya tersebut cenderung naik jika mesinperalatan semakin tua atau semakin lama jangka waktu pemakaiajaringan
neuralya. Ada beberapa trend yang digunakan di dalam penyelesaian masalah ini yaitu :
Universitas Sumatera Utara
1. Trend linier
Bentuk persamaan umum : Y = a + bt
sedangkan peramalajaringan neuralya mempunyai bentuk persamaan : Yt = a + bt
2 2
t t
n Y
t tY
n b
t t
n t
b Y
a
t
2. Trend Eksponensial atau Pertumbuhan
Bentuk persamaan umum : Y = ae
bt
sedangkan peramalajaringan neuralya mempunyai bentuk persamaan : Yt = ae
bt
2 2
ln ln
t t
n Y
t Y
t n
b
t t
n t
b Y
a
t
ln ln
3. Trend Logaritma
Y = a + b log t sedangkan bentuk peramalajaringan neuralya :
Yt = a + b log t
2 2
log log
log log
t t
n Y
t tY
n b
t t
Universitas Sumatera Utara
n t
b Y
a
t
log
4. Trend Geometrik
Bentuk persamaajaringan neuralya : Y = at
b
sedangkan bentuk peramalajaringan neuralya : Yt = at
b
2 2
log log
log log
log .
log t
t n
Y t
Y t
n b
t t
n t
b Y
a
t
log log
5. Trend Hiperbola
Bentuk persamaan umumnya adalah : Y =
t
b a
sedangkan peramaljaringan neuralya : Yt =
t
b a
2 2
log log
. log
t n
t Y
t Y
t n
b
t t
n t
b Y
a
t
log log
log
Universitas Sumatera Utara
Adapun metode peramalan yang termasuk model Time Series adalah : 1.
Metode Proyeksi Kecenderungan dengan Regresi Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan,
sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa: a. Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana
N Y
a
1
dimana : Yt = nilai tambah N = jumlah periode
b. Linier, dengan fungsi peramalan: Yt = a + bt
dimana :
n bt
Y a
2 2
t t
n y
t ty
n b
c. Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct
2
dimana :
n t
c t
b Y
a
2
b c
2
b
4 2
2
t n
t
tY n
Y t
Y t
n Y
t
2 2
Universitas Sumatera Utara
3 2
2
t n
t t
d. Eksponensial, dengan fungsi peramalan : Yt = ae
bt
dimana :
n t
b Y
a
ln ln
2 2
ln ln
ln
t
t n
Y t
Y t
n a
e. Siklis, dengan fungsi peramalan :
n t
c n
b a
Y
t
2 cos
2 sin
ˆ
dimana :
n t
c n
t b
na Y
2 cos
2 sin
n t
n t
c n
b n
t a
n t
Y
2 cos
2 sin
2 sin
2 sin
2 sin
2
n t
n t
b n
c n
t a
n t
Y
2 cos
2 sin
2 cos
2 cos
2 cos
2
2. Metode Dekomposisi
Yaitu ramalan yang ditentukan dengan kombinasi dari fungsi yang ada sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan
fungsi linier atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan
yang tertua.
Terdapat beberapa
pendekatan alternatif
umtuk mendekomposisikan suatu derat berkala yang semuanya bertujuan
memisahkan setiap komponen deret data seteliti mungkin.
Universitas Sumatera Utara
3.8.5.2. Metode Kausal