TOPIK 2_Forecasting Dengan Time Series

8/18/2019 TOPIK 2_Forecasting Dengan Time Series

1/49

Forecasting denga

time seriesTOPIK 2


2/49

What Is Forecasting?What Is Forecasting?

Proses prediksi kejadian akan datang Peramalan kondisi mendatang bermanfaat

perencanaan produksi, pemasaran, keuangdan bidang lainna!


3/49

"igunakan ketikasituasina mendesakdan data tidaktersedia banak

#e$ products #e$ technolog

%elibatkan intuisidan pengalaman

&ontoh prediksipenjualan di

internet

Qualitative Methods

Forecasting 'pproachesForecasting 'pproaches

Quantitative Metho


4/49

"igunakansituasi stabil

historik te )*isting produc

&urrent technol

%elibatkan teknmatematika

&ontoh+ Perampenjualan mob

Quantitative Metho

Forecasting 'pproachesForecasting 'pproaches

"igunakan ketikasituasina mendesakdan data tidaktersedia banak #e$ products

#e$ technolog

%elibatkan intuisidan pengalaman

&ontoh prediksipenjualan di internet

Qualitative Methods


5/49

uantitati-e Forecasting %uantitati-e Forecasting %


6/49

uantitati-e Forecasting %euantitati-e Forecasting %et

P).'%'/'#

K0'#TIT'TIF


7/49

%odel "eretWaktu

uantitati-e Forecasting %ethoduantitati-e Forecasting %ethod

P).'%'/'#

K0'#TIT'TIF


8/49

%odel "eretWaktu


P).'%'/'#

K0'#TIT'TIF

%odel kaus


9/49

%odel "eretWaktu


P).'%'/'#

K0'#TIT'TIF

%odel kaus

%o-ing '-erage

)ksponensial1moothing%odel Trend


10/49

%odel "eretWaktu


P).'%'/'#

K0'#TIT'TIF

%odel kaus

%o-ing '-erage

)ksponensial1moothing%odel Trend

regresi


11/49

Time 1eries ForecastingTime 1eries Forecasting


12/49

Time 1eries ForecastingTime 1eries ForecastingTime

1eries


13/49


1eries

T.)#"?


14/49


1eries

T.)#"?

%etode1moothing

#O


15/49


1eries

T.)#"?

%etode1moothing

#O


16/49


1eries

T.)#"?

%etode1moothing

#O

%etode Tre )1


17/49


1eries

T.)#"?

%etode1moothing

#O

%etode Tre )1

%o-ing'-erage

)*ponentialsmoothing


18/49


1eries

T.)#"?

%etode1moothing

#O

%etode Tre )1

%o-ing'-erage


/i

Ku

)kia'ure


19/49

Smoothing Methods

Dalam kasus di mana time series cukup stabil da

tidak memiliki tren yang signifikan, musiman, at

efek siklus, kita dapat menggunakan metode

smoothing untuk rata-rata dari komponen yang

tidak teratur dari seri waktu.

Tiga metode smoothing umum adalah:ata-rata bergerak !moving average"

ata-rata bergerak tertimbang !weighted M#"

$emulusan eksponensial !%&ponential

'moothing"

1moothing %ethods+ %o-


20/49

1moothing %ethods+ %o-'-erage

Metode rata – rata bergerak (moving average) terdiri dari kom

rata nilai data n terbaru dan menggunakan rata-rata ini untuk

nilai time series untuk periode berikutnya

20

&ontoh hipotetik harga


21/49

&ontoh hipotetik!!! hargaba$ang merah

Misalkan, data mingguan harga cabe di provinsi

(engkulu disa)ikan pada Tabel berikut:

Tidak memiliki tren, musiman, atau efek s

yang signifikan. *adi kita harus menggun

teknik smoothing untuk peramalan harga


22/49

Lanjutan ...

%isalkan, kita prakirakan harga untuk minggu ke 3dengan menggunakan rata 4 rata bergerak 5mingguan 6%'57!

Perkiraan 8argpada minggu k33

1moothing %ethods+


23/49

1moothing %ethods+Weighted %o-ing '-erag %etode mo-ing a-erage tertimbang terdiri dari

komputasi rata9rata tertimbang dari nilai data nterbaru untuk setiap seri dan menggunakan rata9ratertimbang ini untuk meramalkan nilai time seriesuntuk periode berikutna!

Pengamatan ang lebih baru biasana diberikan lebberat daripada pengamatan ang lebih tua! 0ntukkenamanan, bobot biasana berjumlah 3!

.ata9rata bergerak teratur memberikan bobot angsama dengan nilai9nilai data masa lalu ketikamenghitung perkiraan untuk periode berikutna!.ata9rata bergerak tertimbang memungkinkan boboang berbeda untuk dialokasikan ke nilai data masalalu!

Tidak ada perintah )*cel untuk menghitung inisehingga 'nda harus melakukanna secara manual


24/49

Lanjutan ...

• :unakan periode 5 tertimbang rata9rata bergerakuntuk meramalkan harga untuk minggu 33memberikan bobot ;,< untuk minggu terakhir, ;,5

untuk minggu terakhir kedua, dan ;,3 untuk minggterakhir ketiga!

Perkiraan Harga padaminggu ke 11


25/49

1moothing %ethods+)*ponential 1moothing

"alam menggunakan pemulusan eksponensperkiraan untuk periode berikutna samadengan perkiraan untuk periode berjalanditambah proporsi 6 7 dari kesalahanperkiraan pada periode berjalan!

.umus Pemulusan eksponensial adalah+

Ft+1=α Yt + (1-

α)Ft

Ft=3 > Ft = 6 t 4 Ft

.umus tersebut samadengan


26/49

8arga cabe+ )*ponential 1moothin

Prakiraan harga untuk minggu 11 menggunakanE!onentia" Smoothing # = $%1.


27/49

/I#)'. TI%)91).I)1FO.)&'1TI#: %O")/

/I#)'. TI%)91).I)1FO.)&'1TI#: %O")/


28/49

TI%) 1).I)1 FO.)&'1TTI%) 1).I)1 FO.)&'1TTime

1eries

T.)#"?

%etode1moothing

#O

%etode Tre )1

%o-ing'-erage


/i

Ku

)kia'ure


29/49

/I#)'. TI%)91).I)1FO.)&'1TI#: %O")//I#)'. TI%)91).I)1FO.)&'1TI#: %O")/

"igunakan untuk peramalan trend

8ubungan antara -ariabel respon 67dengan $aktu 6@7 memiliki bentukfungsional linear

#ilai @ sering digunakan kode daripada

$aktu 6T7 Tahun X + 3AAB 3AA< 3AAC 3AAD

3AAA

Kode Tahun+ ; 3 2 5 E

Penjualan Y + CD!C


30/49

/inear Time 1eries %odel/inear Time 1eries %odel

b+

b+

ES&'M

/

T i m e , 0+

Y b b X i i + +


31/49

&ontoh&ontoh1ebagai manajaer pemasaran untuk toko 8asbroTos! "engan menggunakan kode tahun, makapersamaanna ang akan diperoleh adalah

3AAB 3

3AA< 33AAC 23AAD 23AAA E

.amalkan penjualan pada tahun 2;;;

1ii

X Y 7,06,0 +=


32/49


33/49

The /inear Trend%odel

/ear 2oded 'ales

34 5

36 + 6

37 5 5

38 9 5

3 4 8

33 6 7

)*cel Output

i i .. X bbY ˆ 741432

10

-

+

5

9

4

6

7

8

:

+339 +334 +336 +337 +338 +33: +3

Coefficients

;ntercept 2.1428!14

0


34/49

0'".'TI& TI%)91).I)1FO.)&'1TI#: %O")/

0'".'TI& TI%)91).I)1FO.)&'1TI#: %O")/


35/49


1eries

T.)#"?

%etode1moothing

#O

%etode Tre )1

%o-ing'-erage


/i

Ku

)kia'ure


36/49

0'".'TI& TI%)91).I)1FO.)&'1TI#: %O")/0'".'TI& TI%)91).I)1FO.)&'1TI#: %O")/

3! digunakan untuk meramalkan kecenderungan6trend7

2! 8ubungan antara -ariabel respon ( $aktu @merupakan suatu fungsi k$adrat

5! Kode Tahun ang digunakan

E! Hentuk fungsi kuadrat

=t

Y


37/49

Hentuk uadratic Time91eries %odel.elationships

Hentuk uadratic Time91eries %odel.elationships

b++

b++

b++ b++ /

/ e a r , 0+

/

/ e a r , 0+

/

/ e a r , 0+

/

/ e a r , 0+


38/49

uadratic Trend%odel

)*cel O

Tahun

Kodetahun

Penjualan

3AA5

3 2

3AAE

2 B

3AAB

5 2

3AA<

E 2

3AAC

B C

3AA < <

22143308572 i i i X . X ..Y ˆ

Coefficients

;ntercept 2.8!1428"

0


39/49

)@PO#)#TI'/ TI%)91).I)1 %O")/

)@PO#)#TI'/ TI%)91).I)1 %O")/


40/49


1eries

T.)#"?

%etode1moothing

#O

%etode Tre )1

%o-ing'-erage


/i

Ku

)kia'ure


41/49

)@PO#)#TI'/ TI%)91).I)1FO.)&'1TI#: %O")/)@PO#)#TI'/ TI%)91).I)1FO.)&'1TI#: %O")/

"igunakan 0ntuk meramalkan kecenderungan 8ubungan adalah suatu fungsi bersifat e*ponen

"apat bersifat rangkaian peningkatan ang semakinberkurang atau terus meningkat


42/49

)*ponential Time91eries %od.elationshi

)*ponential Time91eries %od.elationshi

b+ +

b+ +

/

/ e a r , 0+


43/49

)*ponential Trend %odel

or

)*cel Output of aluesin logs

/ear 2oded 'ales

34 5

36 + 6

37 5 5

38 9 5

3 4 8

33 6 7

Coefficients

$nter%ept 0.##8#!&

' (ariable 0.080"844

i X i bbY ˆ

10 10 lo X blog Y ˆ log i

i ). )( .( Y ˆ 21172

antilog(.##8#!&) 2.1

antilog(.080"844) 1.


44/49

'0TO.):.)11I)

%O")/I#:

'0TO.):.)11I)

%O")/I#:


45/49

Time Series ForecastingTime Series ForecastingTime Series

TREND?

Metode Smoothing

NO

Metode TreYES

Moving Average

Exponential smoothing

Li

Ku

Ek

Au


46/49

'0TO.):.)11I)%O")/I#:'0TO.):.)11I)%O")/I#:

"igunakan untuk meramalkan kecenderungan

1eperti model .egrsi

ariabel independenna adalah lag -ariabel respon, i93, i92, i95 dan lain lain

'sumsi data berkorelasi dengan nilai9nilai data anglampau &ontoh 3st Order+ berkorelasi dengan Periode ang baru

"apat diestimasi dengan O/1 6ordinar least sJuare


47/49

'utoregressi-e %odel + &onto

Suki7ono 8or!. te"ah erhasi" menjua" sejum"ah u

a!artemen da"am satuan m2 se"ama kurun 9akttahun. *emangkan mode" autoregresi:e 2nd ord

/ear =nits

35 4 39 9 34 5

36 937 538 53 4

33 7

'utoregressi-e %odel + &ontoh


48/49

'utoregressi-e %odel + &ontohPenelesaian

/ear /i /i-+

35 4 --- 39 9 4 34 5 9 36 9 5 37 5 9 38 5 5 3 4 5 33 7 4

)*cel Output

• >embangkan Tabel 5nd order

• ?unakan %&cel untuk mengestimasi model

regresi

Coefficients

;ntercept #.0


49/49

Thank ou

Documents

TOPIK 2_Forecasting Dengan Time Series