Contoh Soal Metode Double Moving Average

Média de Movimento Único (Metode Rata-rata Bergerak Tunggal) Média de Movimento Único (Metode Rata-rata Bergerak Tunggal) Média de Movimento Único (Metode Rata-rata Bergerak Tunggal) Metodo de média móvel única de merupakan metode yang mudah penghitungannya. Tujuan utama dari penggunaan metode ini adalah untuk menghilangkan atau mengurangi acakan (aleatoriedade) dalam deret waktu. Metode única móvel média mula-mula memisahkan unsur tren siklus dados dados dengan menghitung rata-rata bergerak yang jumlah unsurnya sama dengan panjang musiman. Nilai rata-rata baru dapat dihitung dengan membuang nilai observasi yang paling lama dan memasukkan nilai observasi baru. Rata-rata berggerak inilah yang kemudian dijadikan ramalan untuk periode yang akan datang. Adapun pendekatan yang dapat digunakan adalah: Dimana: Ft1 peramalan pada periode t1 X1 nilai aktual t jumlah observasi rata-rata bergerak Contoh: Selaku manajer garmen, Anda ingin melakukan peramalan tingkat permintaan jaket Anda pada 2013 2013. Adaptar dados massa lampau untuk tingkat permintaan jaket Adalah (dalam ribuan pcs): Tahun (1) 2001 386 pcs Tahun (2) 2002 340 pcs Tahun (3) 2003 390 pcs Tahun (4) 2004 368 pcs Tahun (5) 2005 425 pcs Tahun (6) 2006 440 pcs Tahun (7) 2007 410 pcs Tahun (8) 2008 466 pcs Tahun (9) 2009 330 pcs Tahun (10) 2010 350 pcs Tahun (11) 2011 375 pcs Tahun (12) 2012 380 peças Jika menggunakan rata-rata bergerak tiga bulanan maka Cara penghitungan untuk periode 13 (tahun 2013) adalah Jika ingin melakukan peramalan pada periode 14 (ano 2014 maka dados yang digunakan untuk melakukan rata-rata bergerak di periode kedua sampai keempat, yaitu: dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya. Apabila Menggunakan Rata-rata bergerak lima bulanian maka cara penghitungan untuk periode 13 dan 14 (ano 2013, 2014) adalah dengan cara merata-rata lima dados, yaitu: dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya. C. Suavização exponencial simples (Pemulusan Eksponensial Tunggal) Metodo ini menunjukkan adanya karakteristik dari pemulusan dados dengan menambahkan suatu faktor yang sering disebut dengan konstanta pemulusan (constante de suavização) dengan simbol alpha (). Pemulusan eksponensial salam bentuk sederhana tidak memperhitungkan pengaruh tren sehingga nilai sangat kecil dan dapat dihilangkan. Nilai rendah cocok pada permintaan produk yang stabil (tanpa tren atau variasi siklikal). Sedangkan nilai tinggi untuk perubahan-perubahan yang sesungguhnya cenderung terjadi karena lebih tanggap terhadap permintaan yang fluktuatif. Nilai tinggi ini digunakan pada analisis dados pada pengenalan produk baru, kampanye promosi, antisipasi terhadap resesi, dan juga sesuai bagi industri pakaian jadi yang memerlukan tanggapan yang cepat. Metode único alisamento exponencial ini dapat didekati dengan rumus: dimana: Xt nilai aktual terbaru Ft peramalan terakhir Ft1 peramalan untuk periode yang akan datang konstanta pemulusan Contoh. Selaku manajer garmen, Anda ingin melakukan peramalan tingkat permintaan jaket Anda pada bulan Januari dan Februari 2013. Adaptar dados massa lampau untuk tingkat permintaan jaket adalah (dalam ribuan pcs): Bulan (1) 386 pcs Bulan (7) 410 pcs Bulan (2) 340 pcs Bulan (8) 466 pcs Bulan (3) 390 pcs Bulan (9) 330 pcs Bulan (4) 368 pcs Bulan (10) 350 pcs Bulan (5) 425 pcs Bulan (11) 375 pcs Bulan (6) 440 pcs Bulan (12) 380 pcs Tabel 8. Rekapitulasi permintaan jaket dan perhitungan dengan metode único suavização exponencial Periode (bulan) Dados permintaan Nilai ramalan dengan konstanta pemulusan 0,2 Januari 2012 386 Februari 340 F13 0,2 (386) (1-0, 2) (386) 386 Maret 390 F14 0,2 (340) (1-0,2) (386) 376,8 Abril 368 F15 0,2 (390) (1-0,2) (376,8) 379 44 Mei 425 F16 0,2 (368) (1-0,2) (379,44) 377,152 Juni 440 F17 386,722 Juli 410 F18 397,377 Agustus 466 F19 3,99,901 Setembro 330 F20 413,121 Oktober 350 F21 396,497 novembro 375 F22 387,197 Desendem 380 F23 384.758 Jadi dari peramalan dengan mengg Unakan metode único suavização exponencial dapat diketahui bahwa tingkat permintaan jaket pada Januari 2013 adalah sebanyak 386.000 pcs dan pada Fevereiro 2013 sebesar 376.800 pcs. Peramalan Sederhana (Single Moving Average vs Single Exponential Suavização) Mungkin sebagian besar diantara kita pernah mendengar tentang teknik peramalan. Tentunya bukan dukun peramal, melainkan tekni untuk meramalkan previsão suatu dados deret waktu série temporal. Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah dalam mengambil kebijakan. Dalam meramal suatu nilai pada masa yang akan datang bukan berarti hasil yang didapatkan ialah sama persis, melainkan merupakan suatu pendekatan alternatif yang lumrah dalam ilmu statistik. Pada tulisan ini akan dibahas contoh kasus peramalan menggunakan teknik Média móvel do Suavização exponencial. Kedua teknik ini merupakan tekni previsão yang sangat sederhana karena tidak melibatkan asumsi yang kompleks seperti pada tekni previsão ARIMA, ARCHGARCH, ECM, VECM, VAR, dsb. Meskipun demikian, asumsi data stasioner haruslah terpenuhi untuk meramal. Mover média merupakan teknik peramalan berdasarkan rata-rata bergerak dil nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. Akan tetapi teknik ini tidak desirankan untuk dados série temporal yang menunjukkan adanya pengaruh tendência dan musiman. Mover média média terbagi menjadi média móvel, em vez de média móvel dupla. Suavização exponencial. Hampir sama dengan média móvel yaitu merupakan teknik previsão yang sederhana, tetapi telah menggunakan suatu penimbang dengan besaran antara 0 hingga 1. Jika nilai w mendekati nilai 1 maka hasil previsão cenderung mendekati nilai obseervasi, sedangkan jika nilai w mendekati nilai 0, maka hasil forecasting mengarah Ke nilai ramalan sebelumnya. Alisamento exponencial de terbagi menjadi único alisamento exponencial e suavização exponencial dupla. Kali ini, akan dibahas perbandingan metode single moving average dengan single exponential lmoothing. Pemimpin Safira Beach Resto ingin mengetahui omzet restoran pada Januari 2013. Ia meminta cantou manajer untuk mengestimasi nilai tersebut dengan dados omzet bulanan dari bulan Juni 2011 sampai Desember 2012. Berbekal pengetahuan di bidang statistik, cantou manajer melakukan forcast dengan metode single moving average 3 bulanan dan Suavização exponencial única (w0,4). Média móvel única Pada tabel di atas previsão ramalan bulan setembro de 2011 yaitu 128,667 juta rupiah diperoleh dari penjumlahan omzet bulan Juni, Juli, Agustus 2011 dibagi dengan angka média móvel (m3). Angka previsão pada bulan Oktober 2011 yaitu 127 juta rupiah diperoleh dari penjumlah omzet bulan Juli, Agustus, setembro de 2011 dibagi dengan angka média móvel tiga bulanan (m3). Perhitungan serupa dilakukan hingga ditemukan hasil previsão bulan Januari 2013 sebesar 150.667 juta rupiah. Dapat diinterpretasikan bahwa omzet bulan Januari 2013 diperkirakan senilai 150, 667 juta rupiah atau mengalami penurunan sebesar 1.333 juta rupiah dibanding dengan omzet Desempenho 2012 sebesar 152 juta rupiah. Perhatikan baris pada bulan Juni-Agustus 2011 kolom Previsão hingga erro tidak memiliki nilai, karena peramalan pada bulan-bulan tersebut tidak tersedia dados média móvel 3 bulanan, bulan sebelumnya. Selanjutnya untuk melihat kebaikan hasil ramalan digunaka RMSE (erro quadrático médio quadrado) Untuk perhitungan RMSE, mula-mula dicari nilai erro atau selisih antara nilai aktual dan ramalan (previsão de omzet), kemudian kuadrat nilai-nilai tersebut untuk masing-masing data bulanan. Lalu, jumlahkan seluruh nilai error yang telah dikuadratkan. Terakhir hitung nilai RMSE dengan rumus di atas atau lebih gambangnya, bagi nilai penjumlahan error yang telah dikuadratkan dengan banyaknya observa a hasilnya lalu di akarkan. Pada tabel di atas, banyaknya observasi yaitu 16 (mulai de setembro de 2011-dezembro de 2012). Suavização Exponencial Única. Selanjutnya kita akan melakukan peramalan dengan metode Single Suavização exponencial. Metode ini menggunak nilai penimbang yang dapat diperoleh dari operaz statistik tertentu (bisa proporsi tertentu), namun dapat juga ditentukan oleh peneliti. Kali ini akan digunakan nilai w 4. Previsão W0,4 Ycap (t1) (juta rp.) Nilai ramalan pada bulan Juni 2011 yaitu 137,368 juta rupiah diperoleh dari rata-rata omzet dari bulan Juni 2011 hingga bulan Desember 2012. Nilai ramalan pada bulan Juli 2011 yaitu 134,821 juta rupiah diperoleh dari perhitungan dengan rumus di atas, dengan kata lain nilai ramalan bulan Juli 2011 diperoleh dari hasil kali w0,4 dan nilai aktual omzet bulan Juli 2011 dijumlahkan dengan hasil kali (1-0,4) serta nila ramalan Bulan Juni 2011 sebesar 134,821 juta rupiah. Lakukan perhitungan tersebut hingga mendapatkan angka ramalan untuk bulan Januari 2013. Hasil ramalan omzet untuk bulan Januari 2013 yaitu 149,224 juta rupiah atau turun sebesar 2,776 juta rupiah. Kemudian hitung nilai RMSE dengan rumus seperti pada perhitungan RMSE média móvel. Hanya saja jumlah observasi berbeda. Pada tabel di atas jumlah obervasi (m) yaitu 19 lebih banyak dibanding dengan metode simples média móvel 3 bulanan (16) karena pada metode eksponensial perhitungan ramalan dapat dimulai dados dados pada periode awal. RMSE metode único suavização exponencial sebesar 1,073. Selanjutnya dari kedua metode di atas akan dibandingkan mana hasil yang terbaik. Untuk hal tersebut maka, bandingkan nilai RMSE dari kedua metode. Metode dengan RMSE terkecil dapat dinyatakan sebagai metode terbaik untuk meramal. RMSE mov. average 0,946, RMSE exp. smoothing 1,073. RMSE mov. average lt RMSE exp. smoothing. Kesimpulanya bahwa metode movendo a média lebih baik dalam melakukan peramalan, sehingga omzet pada bulan Januari 2013 diperkirakan sebesar 150.667 juta rupiah (meskipun memiliki nilai yang lebih rendah daripada bulan sebelumnya). (Untuk materi yang lebih jelas, silakan dicari di buku-buku referensi Analisis Time Series, misalnya. Enders, Walter. 2004. Applied Econometric Time Series Segunda edição. New Jersey: Willey. Kalo contoh soal dalam tulisan ini, saya kutip dari buku modul Kuliah.