Portal - Statistik Bertemu lagi dengan postingan kali ini, setelah sekian lama offline dari dunia blogger, tidak pernah lagi mengurusi blog, nah pada kesempatan kali ini saya mau berbagi kembali kepada semua sahabat yang membutuhkan tutorial atau pengetahuan tentang previsão peramalan, mungkin beberapa hari kedepan saya Akan banyak que contabiliza a previsão de tulans tentang. Semoga tulisan ini dapat berguna bagi kita semua. Pada postingan pertama tentang analisis runtun waktu kali ini, saya akan berbagi tentang analisis runtun waktu yang paling sederhana yaitu metode Moving Average. Analisis runtun waktu merupakan suatu metodo kuantitatif untuk menentukan pola dados masa lalu yang telah dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan yang menjelaskan bahwa deretan observa pada suatu variabel dipandang sebagai realisasi dari variabel aleatório berdistribusi bersama. Gerakan musiman adalah gerakan rangkaian waktu yang sepanjang tahun pada bulan-bulan yang sama yang selalu menunjukkan pola yang identik. Contohnya: harga saham, inflasi. Gerakan aleatório adalah gerakan naik turun waktu yang tidak dapat diduga sebelumnya dan terjadi secara acak contohnya: gempa bumi, kematian dan sebagainya. Asumsi yang penting yang harus dipenuhi dalam memodelkan runtun waktu adalah asumsi kestasioneran artinya sifat-sifat yang mendasari proses tidak dipengaruhi oleh waktu atau proses dalam keseimbangan. Apabila asumsi stasioner belum dipenuhi maka deret belum dapat dimodelkan. Namun, deret yang nonstasioner dapat ditransformasikan menjadi deret yang stasioner. Pola Data Runtun Waktu Salah satu aspek yang paling penting dalam penyeleksian metode peramalan yang sesuai untuk dados runtun waktu adalah untuk mempertimbangkan perbedaan tipe pola dados. Ada empat tipe umum. Horizontal, tendência, sazonal e dan cíclica. Ketika data observasi berubah-ubah di sekitar tingkatan atau rata-rata yang konstan disebut pola horizontal. Sebagai contoh penjualan tiap bulan suatu produk tidak meningkat atau menurun secara konsisten pada suatu waktu dapat dipertimbangkan untuk pola horizontal. Dados de Ketika observa naik atau menurun pada perluasan periode suatu waktu disebut pola trend. Pola cíclico ditandai dengan adanya fluktuasi bergelombang dados yang terjadi di sekitar garis tendência. Ketika observasi dipengaruhi oleh faktor musiman disebut pola sazonal yang ditandai dengan adanya pola perubahan yang berulang secara otomatis dari tahun ke tahun. Untuk runtun tiap bulan, ukuran variabel komponen sazonal runtun tiap Januari, tiap Februari, dan seterusnya. Untuk runtun tiap triwulan ada elemen empat musim, satu untuk masing-masing triwulan. Média de Movimento Único Rata-rata bergerak tunggal (média móvel) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan munculnya data baru, maka nilai rata-rata yang baru dapat dihitung dengan menghilangkan dados yang terlama dan menambahkan dados yang terbaru. Mover média ini digunakan untuk memprediksi nilai pada periode berikutnya. Modelo ini sangat cocok digunakan pada dados yang stasioner atau dados yang konstant terhadap variansi. Tetapi tidak dapat bekerja dengan dados yang mengandung unsur tendência atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan dados terakhir (Ft), dan menggunakannya untuk memprediksi dados pada periode selanjutnya. Metodo ini sering digunakan pada dados kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (suavização). Dibanding dengan rata-rata sederhana (dari satu data masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari data yang diketahui. Jumlah titik dados dalam setiap rata-rata tidak berubah dengan berjalannya waktu. Kelemahan dari metode ini adalah. Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan, tidak hanya nilai rata-rata. Metode ini tidak dapat menanggulangi dengan baik adanya tendência atau musiman, walaupun metode ini lebih baik dibanding rata-rata total. Diberikan N titik dados de diputuskan untuk menggunakan T pengamatan pada setiap rata-rata (yang disebut dengan rata-rata bergerak orde (T) atau MA (T), sehingga keadaannya adalah sebagai berikut: Studi Kasus Suatu perusahaan pakaian sepakbola periode januari 2013 sampai dengan Abril de 2014 dados de menghasilkan penjualan sebagai berikut: Manajemen ingin meramalkan hasil penjualan menggunakan metode peramalan yang cocok dengan data tersebut. Bandingkan metode MA tunggal orde 3, 5, 7 dengan aplikasi Minitab dan MA ganda ordo 3x5 dengan aplikasi Excel, manakah metode yang paling tepat untuk Dados diferentes para berikan alasannya. Baiklah sekarang kita mulai, kita mulai dari Média móvel única. Adapun langkah-langkah melakukan forcasting dados terhadap penjualan pakaian sepak bola adalah: Membuka aplikasi Minitab dengan melakukan clique duas vezes em pada icon desktop. Setelah aplikasi Minitab terbuka dan siap Digunakan, buat nama variabel Bulan dan Data dados de mascate de kemudian sesuai studi kasus. Sebelu M memulai untuk melakukan previsão, terlebih dahulu yang harus dilakukan adalah melihat bentuk sebaran dados runtun waktunya, menu klik Gráfico 8211 Série de tempo Plot 8211 Simples, masukkan variabel Dados ke kotak Series, sehingga didapatkan output seperti gambar. Selanjutnya untuk melakukan previsões dengan metode Moving Average single orde 3, klik menu Stat 8211 Série de tempo 8211 Moving Average. . Sehingga muncul tampilan seperti gambar dibawag, pada kotak Variável: masukkan variabel Dados, pada kotak MA comprimento: masukkan angka 3, selanjutnya berikan centang pada Gerar previsões dan isi kotak Número de previsões: dengan 1. Klik button Opção dan berikan judul dengan MA3 dan klik ESTÁ BEM. Selanjutnya klik button Storage dan berikan centang pada Médias móveis, ajustes (previsões de um período antecipadamente), Residuais, dan Previsões, klik OK. Kemudian klik Gráficos de pilih Plot predito vs. real dan OK. Sehingga muncul output seperti gambar dibawah ini, Pada gambar diatas, terlihat dengan jelas hasil dari dados de previsão tersebut, pada periode ke-17 nilai ramalannya adalah 24, denngan MAPE, MAD, e MSD seperti pada gambar diatas. Cara peramalan dengan metode Média dobrável duplo dapat dilihat DISINI. Ganti saja langsung angka-angkanya dengan dados sobat, hehhe. Maaf yaa saya tidak jelaskan, lagi laperr soalnya: D demikian postingannya, semoga bermanfaat. Terimakasih atas kunjungannya. 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 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 observa 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 (tai 2013, 2014) adalah dengan cara merata-rata lima dados, yaitu: dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya. C. Suavização Exponencial Única (Tunggal Epsponensial Pemulusano) 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 trem 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 metodo único suavização exponencial Periode (bulan) Dados permintaan Nilai ramalan dengan konstanta pemulusan 0,2 Januari 2012 386 Fevereiro 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 Desember 380 F23 384.758 Jadi dari peramalan dengan mengg Unakan metode único alisamento exponencial dapat diketahui bahwa tingkat permintaan jaket pada Januari 2013 adalah sebanyak 386.000 pcs dan pada Fevereiro 2013 sebesar 376.800 pcs. Moving Média merupakan indikator yang paling sering digunakan dan paling standar. Jika di Indonesiakan artinya kira-kira adalah rata-rata bergerak. Mudando média sendiri memiliki aplikasi yang sangat luas meskipun sederhana. Dikatakan sederhana karena pada dasarnya metode ini hanyalah pengembangan dode metode rata-rata yang kita kenal disekolah (nah, ada gunanya juga bukan kita bersekolah). Rata-rata bergerak tunggal (média móvel) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan munculnya data baru, maka nilai rata-rata yang baru dapat dihitung dengan menghilangkan dados yang terlama dan menambahkan dados yang terbaru. Mover média ini digunakan untuk memprediksi nilai pada periode berikutnya. Modelo ini sangat cocok digunakan pada dados yang stasioner atau dados yang konstant terhadap variansi, tetapi tidak dapat bekerja dengan dados yang mengandung unsur tendência atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan dados terakhir (F t), dan menggunakannya untuk memprediksi dados pada periode selanjutnya. Metodo ini sering digunakan pada dados kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (suavização). Dibanding dengan rata-rata sederhana (dari satu data masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari data yang diketahui. Jumlah titik dados dalam setiap rata-rata tidak berubah dengan berjalannya waktu. Kelemahan dieu metode ini adalah: Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan. Tidak hanya nilai rata-rata. Metode ini tidak dapat menanggulangi dengan baik adanya tendência atau musiman, walaupun metode ini lebih baik dibanding rata-rata total. Diberikan N titik dados de diputuskan untuk menggunakan T pengamatan pada setiap rata-rata (yang disebut dengan rata-rata bergerak orde (T) atau MA (T), sehingga keadaannya adalah sebagai berikut:
No comments:
Post a Comment