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 prognose peramalan, mungkin beberapa hari kedepan saya Akan Banyak Memposting Tulisan Tentang Vorhersage. 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 metode kuantitatif untuk menentukan pola Daten masa lalu yang telah dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan yang menjelaskan bahwa deretan observasi pada suatu variabel dipandang sebagai realisasi dari variabel zufällige 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 zufällige 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 daten runtun waktu adalah untuk mempertimbangkan perbedaan tipe pola daten. Ada empat tipe umum Horizontal, trend, saisonal, dan zyklisch. Ketika-Daten Beobachtungs-Berubah-ubah di sekitar tingkatan atau rata-rata yang konstan disebut pola horizontal. Seutelai contoh penjualan tiap bulan suatu produkt tidak meningkat atau menurun secara konsisten pada suatu waktu dapat dipertimbangkan untuk pola horizontal. Ketika Daten Beobachtungen naik atau menurun pada perluasan periode suatu waktu disebut pola trend Pola zyklisch ditandai dengan adanya fluktuasi bergelombang Daten yang terjadi di sekitar Garis Trend. Ketika observasi dipengaruhi oleh faktor musiman krankheit pola saisonale yang ditandai dengan adanya pola perubahan yang berulang secara otomatis dari tahun ke tahun. Untuk runtun tiap bulan, ukuran variabel komponen saisonale runtun tiap Januari, tiap Februari, dan seterusnya. Untuk runtun tiap triwulan ada elemen empat musim, satu untuk masing-masing triwulan. Single Moving Average Rata-rata bergerak tunggal (Gleitender Durchschnitt) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan miaulnya Daten Baru, Maka Nilai Rata-Rata Yang Baru Dapat Dihitung Dengan Menghilangkan Daten Yang Terlama Dan Menambahkan Daten Yang Terbaru. Umzug durchschnittlich ini digunakan untuk memprediksi nilai pada periode berikutnya. Modell ini sangat cocok digunakan pada Daten yang stasioner atau Daten yang konstant terhadap variansi. Tetapi tidak dapat bekerja dengan daten yang mengandung unsur trend atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan Daten terachhir (Ft), dan menggunakannya untuk memprediksi Daten pada periode selanjutnya. Metode ini sering digunakan pada daten kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (Glättung). Dibanding dengan rata-rata sederhana (dari satu daten masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari Daten yang diketahui. Jumlah Titik Daten 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 trend atau musiman, walaupun metode ini lebih baik dibanding rata-rata insgesamt. Diberikan N Titik Daten dan 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 April 2014 menghasilkan Daten penjualan sebagai berikut: Manajemen ingin meramalkan hasil penjualan menggunakan metode peramalan yang cocok dengan Daten 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 Damen, dämmerung, dämmerung, dämmerung, dämmerung, dämmerung, dämmerung, dämmerung, dämmerung, dämmerung, dämmerung, dusche, dusche, dusche, Digunakan, buat nama variabel Bulan dan Daten kemudian masukkan Daten sesuai studi kasus Sebelum memulai untuk melakukan prognose, terlebih dahulu yang harus dilakukan adalah melihat bentuk sebaran daten runtun waktunya, klik menu Graph 8211 Zeitreihe Plot 8211 Einfache, masukkan variabel Daten ke kotak Serie , Sehingga didapatkan Ausgang seperti gambar. Selanjutnya untuk melakukan prognostiziert dengan metode Moving Average single orde 3, klik menu Stat 8211 Zeitreihe 8211 Moving Average. . Seaha muncul tampilan seperti gambar dibawag, pada kotak Variable: masukkan variabel Daten, pada kotak MA Länge: masukkan angka 3, selanjutnya berikan centang pada Generationen prognosen dan isi kotak Anzahl der prognosen: dengan 1. Klik button Option dan berikan judul dengan MA3 dan klik OK. Selanjutnya klik button Speicherung als berikan centang pada Gleitende Durchschnitte, passt (Ein-Periode-voraus Prognosen), Residuals, Dan Prognosen, klik OK. Kemudian klik Graphs dan Pilih Plot vorhergesagt vs tatsächlichen Dan OK. Sehingga muncul Ausgabe seperti gambar dibawah ini, Pada gambar diatas, terlihat dengan jelas hasil dari prognose Daten tersebut, pada periode ke-17 nilai ramalannya adalah 24, denngan MAPE, MAD, dan MSD seperti pada gambar diatas. Cara peramalan dengan metode Double Moving Durchschnittlicher dapat dilihat DISINI. Ganti saja langsung angka-angkanya dengan daten sobat, hehhe. Maaf yaa saya tidak jelaskan, lagi laperr soalnya: D demikian postingannya, semoga bermanfaat. Terimakasih atas kunjungannya. Forecast dengan Smoothing Vorhersage dengan metode einzelne gleitende Durchschnitt Metode doppelte gleitende Mittel Febriyanto, SE, MM. Presentasi berjudul: Vorhersage dengan Smoothing Vorhersage Dengan Metode einzigen gleitenden Durchschnitt Metode doppelte Durchschnitte Febriyanto, SE, MM. Transcript presentasi: 1 Prognose Dengan Glättung Vorhersage Dengan Metode einzigen gleitenden Durchschnitt Metode doppelten Durchschnitten Febriyanto, SE, MM 2 Metode Single Moving Durchschnittliche Glättung Adalah Mengambil Rata-Rata Dari Nilai-Nilai Pada Beberapa Tahun Untuk Menaksir Nilai Pada Suatu Tahun. Sifat Metode Single Moving Average Untuk Membran Prognose Memerlukan Daten Historis Selama Jangka Waktu Tertentu Semakin Panjang Moving Durchschnitte, Maka Akan Menghasilkan Umzugsdurchschnitte Yang Semakin Halus. Kelemahan Metode Single Moving Durchschnitt Perlu Daten Historis Semua Daten Diberi Bobot Sama Tidak Dapat Mengikuti Perubahan Yang Drastis Tidak Cocok Untuk Vorhersage Daten Yang Ada Gejala Trend Karena Prognose Yang Dihasilkan Akan Terlambat Mengikuti Perubahan. 3 Metode Single Moving Durchschnittlich Metode einzigen gleitenden Durchschnitt Cara menghitung: Jika menggunakan cara 3 bulan gleitende Durchschnitte, maka prognose satu bulan sebesar rata-rata 3 bulan sebelumnya. Rumus: S t1 Vorhersage untuk periode ke t 1 X t Datenperiode t n Jangka waktu gleitende Durchschnitte. 4 Metode Single Moving Average Misal: Jika Prognose Dengan Metode 3 Bulan Moving Durchschnitte Untuk Bulan April Adalah PenjualanJanuari20.000 kg Februar 15.000 kg Maret19.000 kg 5 Metode Single Moving Durchschnittliche BulanPermintaanForecast 3 bulan 5 bulan JanuariFebruariMaretAprilMeiJuniJuliAgustusSeptemberOktoberNovemberDesember202119172224182320252224 --- 20.0019.0019.3321.0021.3321 .6720.3322.6722.33 ----- 19.8020.6020.0020.8021.4022.0021.60 6 Metode Double Moving Averages Prosedur Pembuatan Prognose Jika Menggunakan Empat Tahun Doppelbewegungsdurchschnitte a. Kolom ke 3 merupakan rata-rata 4 tahun terakhir daten kolom ke 2, dengan simbol (St). B. Kolom ke 4 adalah rata-rata 4 tahun terakhir daten kolom ke 3, dengan simbol (St) c. Kolom ke 5 adalah a (konstanta) untuk persamaan prognose yang akan dibuat. Rumus: a st St (St St) d. Kolom ke 6 adalah b (Hang) untuk persamaan Prognose. Rumus: Rumus: e. Kolom ke 7 adalah prognose dengan rumus: F tm atbt (m) 7 Vorhersage dengan 4 tahun doppelte gleitende Durchschnitte 1 234567 Periode Permintaan4 tahun Umzug Nilai Vorhersage (tahun) Barang XAverage dari aba bm (2) St (2) St (m 1) 1120 2125 3129 4124124,50 5130127,00 6140130,75 7128130.50128.19132.811.54 8125130.75129.75131.750.67134.35 9135132.00131.00133.000.67132.42 10145133.25131.63134.881.08133.67 11140136.25133.06139.442.13135.96 12130137.50134.75140.251.83141.56 13145140.00136.75143.252.17142.08 14150141.25138.75143.751.67145.42 15160146.25141.25151.253. 33145.42 16150151.25144.69157.814.38154.58 17155153.75168.13159.383.75162.19 18160156.25151.88160.632.92163.13 19165157.50154.69160.311.88163.54 20160160.00156.88163.132.08162.19Moving Durchschnittlicher merupakan indikator yang paling sering digunakan dan paling standar. Jika di Indonesiakan Artinya Kira-Kira Adalah Rata-Rata Bergerak. Umzugsdurchschnitt sendiri memiliki aplikasi yang sangat luas meskipun sederhana. Dikatakan sederhana karena pada dasarnya metode ini hanyalah pengembangan dari metode rata-rata yang kita kenal disekolah (nah, ada gunanya juga bukan kita bersekolah). Rata-rata bergerak tunggal (Bewegender Durchschnitt) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan miaulnya Daten Baru, Maka Nilai Rata-Rata Yang Baru Dapat Dihitung Dengan Menghilangkan Daten Yang Terlama Dan Menambahkan Daten Yang Terbaru. Umzug durchschnittlich ini digunakan untuk memprediksi nilai pada periode berikutnya. Modell ini sangat cocok digunakan pada daten yang stasioner atau daten yang konstant terhadap variansi, tetapi tidak dapat bekerja dengan daten yang mengandung unsur trend atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan Daten terakhir (F t), dan menggunakannya untuk memprediksi Daten pada periode selanjutnya. Metode ini sering digunakan pada daten kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (Glättung). Dibanding dengan rata-rata sederhana (dari satu daten masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari Daten yang diketahui. Jumlah Titik Daten 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 trend atau musiman, walaupun metode ini lebih baik dibanding rata-rata insgesamt. Diberikan N Titik Daten dan 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