Peramalan (Prognose) 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 (Trendmethode), metode input output, dan metode ekonometrika. Metode kecendrungan (Trendmethode) menggunakan suatu fungsi seperti metode regresi dengan variabel X menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh kriteria yaitu berkaitan dengan güte der fit yang menunjukkan bagaimana modell peramalan dapat menghasilkan peramalan yang baik. Selton 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 Error (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 deret 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. Daten runtun waktu (Zeitreihen) merupakan Daten yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan Periode waktu dapat menggunakan tahun, kuartal, bulan, minggu, hari atau Marmelade 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. Dert 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 Zeitreihe 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. Deret waktu seperti inilah yang termasuk dalam trend linier Persamaan trend linier adalah sebagai berikut: Dengan nilai a dan b diperoleh dari Formel: Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan a adalah nilai intercept dari Y, artinya nilai Yt akkan sama dengan a jika nilai t 0. Kemudian b adalah nilai Hang. 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 Verdammungsdame Manga 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 Mean Square Error (MSE). Untuk mencari MSE digunakan rumus sebagai berikut: Dimana nilai e adalah selisih antara nilai Y dengan peramalan (Yt). Model Yang Memiliki MSE Paling Kecil Adalah Modell Persamaan Yang Paling Baik. Metode Exponential Glättung Glättung Adalah Mengambil Rata 8211 Rata Dari Nilai Pada Beberapa Periode Untuk Menaksir Nilai Pada Suatu Periode (Pangestu Subagyo, 1986: 3) Exponentielle Glättung Adalah Suatu Metode Peramalan Rata-Rata Bergerak yang melakukan pembobotan menurun secara exponentiell terhadap nilai 8211 nilai observasi yang lebih tua (Makridakis, 1993: 79) Metode explonential glättung merupakan pengembangan dari metode gleitender Durchschnitt. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan Daten baru. 1. Metode Single Exponential Glättung Metode einzigen exponentiellen Glättung merupakan perkembangan dari metode gleitenden Durchschnitt sederhana, yang mula 8211 mula dengan rumus sebagai berikut: (1.1) (1.2) dan (1.3) (1.4) Perbedaan antara St1 dan St adalah sebgai berkut: ( A) Pada St1 terdapat sedangkan pada St tidak terdapat (b) Pada St terdapat sedangkan pada St1 tidak terdapat (Pangestu Subagyo, 1986: 18) Dengan melihat hubungan di atas maka kalau nilai St sudah diketahui maka nilai St1 dapat dicari berdasarkan nilai St Itu Kalau (1.5) bisa diubah menjadi: (1.6) Di dalam metode Exponential smothing nilai diganti dengan sehingga rumus prognose menjadi: St1 Xt (1 8211) St (1.7) (1) 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 8211) S6 0,1 (24) (0,9) 19,92 20,33 Metode Single Exponentielle Glättung lebih cocok digunakan untuk meramal hal 8211 hal yang fluktuasinya secara zufällig (tidak teratur). 2. Metode Doble Exponential Glättung Metode Ini Merupakan Modell linearen Yang Dikemukakan Oleh Brown. (1 8211) St-1 (1.8) St S8217t (1 8211) (1.9) Rumusan ini agak berbeda dengan rumus Einzelne exponentielle Glättung karena Xt dapat dipakai untuk mencari St bukan St1 Vorhersage dilakukan dengan rumus: Stm bei btm (1.10) m jangka waktu prognose kedepan (1.11) (1.12) Metode doppelte exponentielle glättung ini biasanya lebih tepat untuk meramalkan daten yang mengalami trend naik. Agar dapat menggunakan rumus (1.8) dan (1.9) maka nilai St-1 dan St-1 harus tersedia tetapi pada saat t 1, nilai 8211 nilai tersebut tidak dapat tersedia. Jadi nilai 8211 nilai ini harus ditentukan pada awal periode Hal ini dilakukan dengan hanya menetapkan St dan St 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 St172 dengan rumus (1.8) yaitu St Xt (1-) St-1. X1 120, karena belum cukup Daten St 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 Stm bei btm172 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 At, 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 Bei bt, ct dengan 120 Dengan Rumus (1.16) Diperoleh Harga-Harga Dengan Mengggunakan Rumus (1.16) (1.17) (1.18) Harga bei, Bt, Ct Bisa Didapat Harga ramalan tahun Ke-6 Diperoleh Dengan Menggunakan Rumus (1.19) Metode Peramalan (Prognose) Terdiri Dari Metode kualitatif dan kuantitatif Metode kualitatif adalah metode yang menganalisis kondisi obyektif dengan apa adanya atau peramalan yang didasarkan atas daten kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Peramalan kualitatif memanfaatkan Faktor-faktor penting seperti intuisi, pendapat, pengalaman pribadi, dan system nilai pengambilan keputusan. Metode ini meliputi metode delphi, metode nominal grup, übersicht pasar dan analisis historikal analoge und lebenszyklus. Metode kuantitatif adalah peramalan yang didasarkan atas daten kuantitatif atau modell matematis yang beragam dengan daten masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya metode yang digunakan tergantung dengan perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang akan terjadi maka semakin baik pula metode yang digunakan. Metode kuantitatif dapat diterapkan apabila. ein. Tersedia Daten dan informasi masa lalu b. Daten als Informasi tersebut dapat dikuantitatifkan dalam bentuk numerik c. Diasumsikan beberapa aspek masa lalu akan terus berlanjut di masa datang. Metode ini meliputi metode kausal dan Zeitreihen. A. Metode Zeitreihe Metode Zeitreihe (deret waktu) didasarkan atas penggunaan analisa pola hubungan antar variabel yang diperkirakan dengan variabel waktu. Metode Zeitreihe terdiri dari metode naif, metode rata-rata bergerak (gleitender Durchschnitt), metode eksponential glättung dan metode Trendprojektion. Cara sederhana untuk peramalan ini mengasumsikan bahwa permintaan dalam periode berikutnya adalah sama dengan peramalan dalam periode sebelumnya. Pendekatan naif ini merupakan Modell peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak pen-dekatan naif memberikan titik awal untuk perbandingan dengan Modell lain yang lebih canggih. Contoh Jika penjualan sebuah produk (mis: telepon genggam Motorolla) adalah 68 Einheit pada bulan Januari, kita dapat meramalkan penjualan pada bulan Februari akan sama, yaitu sebanyak 68 Einheit juga. Metode Rata-rata Bergerak (Moving Average) Rata-rata bergerak adalah suatu metode peramalan yang menggunakan rata-rata periode terakhir Daten untuk meramalkan periode berikutnya. Metode eksponential Glättung merupakan pengembangan dari metode gleitende Durchschnitte. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan Daten terbaru. Setiap daten diberi bobot, daten yang lebih baru diberi bobot yang lebih besar. Rumus metode eksponential Glättung. Dimana F t Peramalan baru F t-1 Peramalan sebelumnya Konstanta penghalusan (08804 88051) Ein t-1 Permintaan aktual periode lalu Menghitung kesalahan peramalan Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan dalam peramalan Tiga dari perhitungan yang paling terkenal adalah Deviasi mutlak rata-rata (mittlere absolute Abweichung MAD) MAD adalah nilai yang dihitung dengan mengambil jumlah nilai absolut dari setiap kesalahan peramalan dibagi dengan jumlah periode daten (n). B. Metode Kausal Metode peramalan kausal mengembangkan suatu modell sebab-akibat antara permintaan yang diramalkan dengan variabel variabel lain yang dianggap berpengaruh. Seutelai contoh, permintaan akan baju baru mungkin berhubungan dengan banyaknya populasi, pendapat masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus (hari raya, natal, tahun baru). Daten dari variabel-variabel tersebut dikumpulkan dan dianalisa untuk menentukan kevaliditasan dari Modell peramalan yang diusulkan. Metode ini dipakai untuk kondisi dimana variabler penyebab terjadinya item yang akan diramalkan sudah diketahui. Dengan Adanya Hubungan Tersebut, Ausgang Dapat Diketahui Jika Eingang Diketahui. Metoda regresi dan korelasi pada penetapan suatu persamaan Schätzungen menggunakan teknik 8220least squares8221. Hubungan yang ada pertama-tama dianalisis secara statistik. Ketepatan peramalan dengan menggunakan metoda ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata ketepatannya kurang betitu baik. Metoda ini banyak digunakan untuk peramalan penjualan, perencanaan keuntungan, peramalan permintaan dan permalan keadaan ekonomi. Daten yang dibutuhkan untuk penggunaan metoda ini adalah daten kuartalan dari beberapa tahun lalu. Contoh: Daten berikut berhubungan dengan nilai penjualan pada bar pada beberapa pecan di penginapan Marthy und Polly Starr di Marathon, Florida. Jika peramalan menunjukkan bahwa akan dating 20 tamu pecan depan, berapakah penjualan yang diharapkan. Metoda ini didasarkan atas peramalan sistem persamaan regresi yang diestimasikan secara simultan. Baik untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metoda ini sangat baik. Metoda peramalan ini selalu dipergunakan untuk peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan penawaran. Daten yang dibutuhkan untuk penggunaan metoda peramalan ini adalah Daten kuartalan beberapa tahun. Empat tahapan yang termasuk di dalam memformulasi prognose modell ekonometrika ini antara lain membangun suatu modell teori, mengumpulkan Daten, memilih bentuk persamaan fungsi yang diestimasi, dan mengestimasi dan menginterpretasi hasil. Contoh S ebagai contoh disini misalnya kita menginginkan untuk memprakirakan permintaan, maka hubungan antar harga dan kuantitas dapat menjadi dasar teori yang logis bagi suatu modell. Faktor harga yang mempengaruhi Volumen permintaan tersebut sebenarnya tidaklah merupakan satu-satunya faktor yang mempengaruhi permintaan, tetapi banyak faktor lain yang juga ikut mempengaruhi permintaan. Maka secara spesifik hubungan kausalistik Permintaan itu dipengaruhi oleh selain harga, tetapi juga dipengaruhi misalnya oleh einkommen pro kapita (I), harga barang lain (Po), dan Advertensi (A), dan lain-lain. Karena itu Modell fungsi yang dikembangkan dalam persamaan ekonometri sebagaimana ditunjukkan pada pembahasan estimasi permintaan yang dipengaruhi oleh sejumlah faktor atau variabel antara lain seperti yang dinyatakan sebagai: Qd f (P, I, Po, dan A) Yang secara ekonomi terbukti secara empirik bahwa fungsi permintaan Dipengaruhi P, I, Po, Dan A itu dirumuskan sebagai fungsi: Qd a 8211 bP cI dPo eA Dimana Qd merupakan Volumen permintaan, ein merupakan koefisiensi konstanta, b, c, d, dan e merupakan koefisiensi faktor Harga, Einkommen, Harga Barang Lain , Als Advertensi. Metoda ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Modell ini kurang baik ketepatannya untuk peramalana jangka panjang. Modell ini banyak dipergunakan untuk peramalan penjualan perusahaan, penjualan sektor industri dan sub sektor industri, produksi dari sektor dan sub sektor industri. Daten yang dibutuhkan untuk penggunaan metoda atau modell ini adalah daten tahunan selama sekitar sepuluh sampai lima belas tahun. Perkenalkan, saya dari tim kumpulbagi Saya ingin tau, apakah kiranya und a berencana untuk mengoleksi dateien menggunakan hosting yang baru Jika ya, silahkan kunjungi website ini kbagi untuk info selengkapnya. Di sana anda bisa dengan bebas share dan mendowload foto-foto keluarga dan trip, musik, video, filem dll dalam jumlah dan waktu yang tidak terbatas, setelah registrasi terlebih dahulu. Kostenlos :)
No comments:
Post a Comment