2.8.1 Jenis Pola Data
Menurut Teguh Baroto, 2002 pola data dapat di bedakan menjadi empat jenis :
1. Variasi AcakRandom R Permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena
adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak memiliki pola tertentu.
2. KecenderunganTrend T Trend merupakan sifat dari permintaan masa lalu terhadap wktu terjadinya,
apakah permintaan itu cenderung naik, turun, atau konstan. 3. Pola MusimanSeason S
Fluktuasi permintaan suatu produk dapat naik turun disekitar garis trend dan biasanya berulang setiap tahun.
4. Sikluscycle C Permintaan suatu produk dapat memiliki siklus yang berulang secara periodic,
biasanya lebih dari satu tahun sehingga pola inji tidak perlu dimasukan dalam peramalan jangka pendek.
Gambar 2.5 Jenis-jenis waktu pola data
2.8.2 Metode-Metode Dalam Peramalan
Metode yang digunakan dalam peramalan yaitu : 1. Metode Simple Moving Average
Adalah metode time series yang paling sederhana. Pada metode ini diasumsikan bahwa pola time series hanya terdiri dari komponen Average
level dan komponen Random Error. Menurut Lalu Simayang, 2004 rumusnya sebagai berikut :
Rumusnya :
=
t
A N
D D
D
N t
t t
1 1
. ..........
Kalau diasumsikan komponen Time Series adalah Average Level maka peramalan pada periode t + 1 adalah sama dengan rata-rata Demand
sebelumnya.
t t
A F
1
Keterangan : = Data Demand pada periode t
t
D = Ramalan demand pada periode t + 1
1
t
F = Error Peramalan pada periode t
t t
t
F D
E
= Rata-rata demand selama periode t
t
A Menurut Teguh Baroto, 2002 rumusnya sebagai berikut :
Rumusnya =
m f
f f
f f
M t
t t
t t
........
3 2
1
Keterangan : m = adalah jumlah periode yang digunakan sebagai dasar
peramalan nilai m ini bila minimal 2 dan maksimal tidak ada ditentukan secara subjectif
t
f
= ramalan permintaan real untuk periode t = permintaan actual pada periode t
t
f 2. Metode Weighted Moving Average
Model peramalan Time series dalam bentuk lain untuk mendapatkan tanggapan yang lebih cepat, dilakukan dengan cara memberikan bobot lebih
pada data-data periode yang terbaru dari pada periode yang terdahulu. Menurut Lalu Sumayang, 2004 rumusnya sebagai berikut :
Rumusnya :
1 1
2 1
1
. ..........
N t
N t
t t
t
D W
D W
D W
A F
Dengan kondisi
N i
i
W
1
1 Menurut Teguh Baroto,2002 rumusnya sebagai berikut :
Rumusnya :
m t
m t
t
f C
f C
f C
t f
2 2
1 1
Keterangan : =
Ramalan permintaan real untuk periode t
t
f
= Permintaan actual pada periode t
t
f =
Bobot masing-masing
data yang
digunakan
1
C
1 c
, ditentukan secara subjektif m =
jumlah periode yang digunakan untuk peramalan subjektif
3. Metode Single simple Eksponential Smoothing Exponential Smoothing Adalah salah satu jenis metode peramalan Time series yang didasarkan pada
asumsi bahwa angka rata-rata baru dapat diperoleh dari angka rata-rata lama dan data demand yang terbaru.
Menurut Lalu Sumayang, 2004 rumusnya sebagai berikut : Rumusnya :
1
1 ..
t t
t
A D
A
Menurut Teguh Baroto, 2002 rumusnya sebagai berikut : Rumusnya :
1 1
1
t t
f f
f
Keterangan : = perkiraan pada periode t
t
f
= suatu nilai 1
yang ditentukan secara subjektif
= permintaan actual pada periode t
t
f = perkiraan permintaan pada periode t-1
1
t
f
2.8.3 Pengukuran Ketepatan Metode Peramalan