Peramalan Time Series PERAMALAN

15 yang cukup lama, sehingga diharapkan pola tersebut masih akan tetap berlanjut. Permintaan masa lalu mempunyai 4 pola, yaitu : Trend T, Siklus Cycle C , Pola MusimanSeasonal S, dan Acakrandom R . 1 TREND KECENDERUNGAN T. Trend merupakan sifat dari permintaan yang cenderung baik, turun, atau konstan. 2 SIKLUS CYCLE C. Permintaan suatu produk dapat memiliki siklus yang berulang secara periodik, biasanya lebih dari satu tahun. Oleh karena itu pola ini berguna untuk peramalan jangka menengah dan jangka panjang. 3 POLA MUSIMANSEASON S. Fluktuasi permintaan suatu produk dapat naik turun disekitar garis trend dan biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara periodik setiap tahunnya. 4 VARIASI ACAKRANDOM R. Permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena faktor-faktor adanya bencana alam, bangkrutya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak mempunyai pola tertentu. Random ini diperlukan dalam rangka menentukan persediaan pengaman untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan. Pola Pola Pola Siklis gambarnya mirip pola musiman. hanya jangka waktu fluktuasinya lebih panjang karena factor pengaruhnya bukan musim. Trend Musiman 16 Pola 0 1 2 3 4 Tahun Tahun Gb. 2.3 Pola-pola Data 2.10 METODE-METODE PERAMALAN TIME SERIES

a. Rata-rata Bergerak Moving Average = MA

Moving Average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuan Metode MA adalah untuk mengurangi atau menghilangkan variasi acak permintaan. Secara matematis, MA dinyatakan sbb: N A A A MA N t t t 1 1 .... − − + + + = dimana : A t = permintaan aktual pada periode t N = jumlah data permintaan yang dilibatkan dalam perhitungan MA N N t A t A t MA t MA − − + − = 1 Berikut ini contoh penggunaan Metode MA 3 bulanan dan 6 bulanan dalam peramalan. Acak 17 Tabel 2.1 Peramalan dengan MA Tiga Bulanan dan Enam Bulanan Bulan Permintaan Aktual A t MA 3- bulanan MA t Peramalan dengan MA 3- bulanan F t MA 6- bulanan MA t Peramalan dengan 6- bulanan F t Januari 450 - - - - Pebruari 440 - - - - Maret 460 450 - - - April 510 470 450 - - Mei 520 497 470 - - Juni 495 508 497 478 - Juli 475 497 508 483 479 Agustus 560 510 497 503 483 September 510 515 510 512 503 Oktober 520 530 515 513 512 Nopember 540 523 530 517 513 Desember 550 537 523 526 517 MA 3 bulanan N=3 pada bulan Maret = 450 +440+4603 = 450 MA 3 bulanan N=3 pada bulan April = 440 + 460 + 5103 = 470 Pemilihan tentang berapa nilai N yang tepat adalah hal yang penting dalam metode ini. Secara umum semakin besar nilai N maka semakin halus perubahan nilai MA. Kelemahan Metode MA adalah: 1. Peramalan selalu berdasarkan pada N data terakhir tanpa mempertimbangkan data-data sebelumnya. 2. Setiap data dianggap memiliki bobot yang sama. Kelemahan kedua ini akan diatasi dengan menggunakan teknik MA dengan pembobotan. 3. Diperlukan biaya yang besar dalam penyimpanan dan pemrosesan datanya.