time series and forecasting
TRANSCRIPT
TIME SERIES AND FORECASTING
Dipersiapkan oleh: Indra, S.Si, M.Si
Pendauhuluan
Time series adalah suatu himpunan pengamatan yang dibangun
secara berurutan dalam waktu. Waktu atau periode yang
dibutuhkan untuk melakukan suatu peramalan itu biasanya
disebut sebagai lead time yang bervariasi pada tiap persoalan.
Forecasting atau peramalan adalah memperkirakan sesuatu pada
waktu-waktu yang akan datang berdasarkan data masa lampau
yang dianalisis secara ilmiah, khususnya menggunakan metode
statistika.
Peramalan merupakan seni dan ilmu dalam memprediksikan
kejadian yang mungkin dihadapi pada masa yang akan datang.
Dengan digunakannya peralatan metode-metode peramalan
maka akan memberikan hasil peramalan yang lebih dapat
dipercaya ketetapannya.
Metode Forecasting
Moving average merupakan teknik peramalan berdasarkan rata-
rata bergerak dari nilai-nilai historis. Di sini rata-rata bergerak
dapat menggunakan beberapa jenis periode waktu, misalkan 3
tahunan, 4 bulanan, 5 mingguan, dll. Secara umum terdapat dua
pendekatan moving average, yakni: single moving average dan
double moving average.
Metode Single Moving Average diformulasikan sebagai berikut:
dengan
menyatakan nilai ramalan pada periode t+1.
menyatakan nilai aktual periode sebelumnya
m menyatakan banyaknya waktu dalam moving average
Exponential smoothing, hampir sama dengan moving average
yaitu merupakan teknik forecasting yang sederhana, tetapi telah
menggunakan suatu penimbang () dengan besaran antara 0
hingga 1. Jika nilai mendekati nilai 1 maka hasil forecasting
cenderung mendekati nilai observasi, sedangkan jika nilai
mendekati nilai 0, maka hasil forecasting mengarah ke nilai
ramalan sebelumnya. Exponential smoothing terbagi menjadi
single exponential smoothing dan double exponential smoothing.
Metode Single Exponential Smoothing diformulasikan sebagai
berikut:
dengan
menyatakan nilai ramalan pada periode t+1.
menyatakan nilai aktual periode sebelumnya
Pengukuran Kesalahan Peramalan
1. Mean Absolute Error/Deviation (MAE/MAD). Mean Absolute
Error/Deviation mengukur ketepatan ramalan dengan merata-
rata kesalahan dugaan (nilai absolut masing-masing kesalahan).
2. Mean Squared Deviation/Error (MSE/MSD). Mean Squared
Deviation/Error adalah metode lain untuk mengevaluasi metode
peramalan. Masing-masing kesalahan atau sisa dikuadratkan.
Kemudian dijumlahkan dan dibagi dengan jumlah observasi.
Pendekatan ini mengatur kesalahan peramalan yang besar
karena kesalahan-kesalahan itu dikuadratkan.
3. Mean Absolute Percentage Error (MAPE). Mean Absolute
Percentage Error dihitung dengan menggunakan kesalahan
absolut pada tiap periode dibagi dengan nilai observasi yang
nyata untuk periode itu. Kemudian, meratarata kesalahan
persentase absolut tersebut. Pendekatan ini berguna ketika
ukuran atau besar variabel ramalan itu penting dalam
mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa
besar kesalahan dalam meramal yang dibandingkan dengan nilai
nyata pada deret. Metode MAPE digunakan jika nilai Y besar.
MAPE juga dapat digunakan untuk membandingkan ketepatan
dari teknik yang sama atau berbeda dalam dua deret yang
sangat berbeda dan mengukur ketepatan nilai dugaan model
yang dinyatakan dalam bentuk rata-rata persentase absolut
kesalahan.
Studi Kasus 1: Peramalan dengan Metode Moving Average
(menggunakan periode 3 bulan)
Bulan Omzet (Juta Rp.)
Forecast Mov. Ave. 3t
(Juta Rp.)Error Abs
ErrorError
SquaredPercentage
Error
t
Jun-11 131 - - -Jul-11 130 - - -
Aug-11 125 - - -Sep-11 126 128.7 -2.667 2.667 7.11 0.0212
Oct-11 129 127.0 2.000 2.000 4.00 0.0155Nov-11 132 126.7 5.333 5.333 28.44 0.0404Dec-11 130 129.0 1.000 1.000 1.00 0.0077Jan-12 132 130.3 1.667 1.667 2.78 0.0126Feb-12 139 131.3 7.667 7.667 58.78 0.0552Mar-12 137 133.7 3.333 3.333 11.11 0.0243Apr-12 137 136.0 1.000 1.000 1.00 0.0073
May-12 140 137.7 2.333 2.333 5.44 0.0167Jun-12 143 138.0 5.000 5.000 25.00 0.0350Jul-12 143 140.0 3.000 3.000 9.00 0.0210
Aug-12 141 142.0 -1.000 1.000 1.00 0.0071Sep-12 143 142.3 0.667 0.667 0.44 0.0047Oct-12 148 142.3 5.667 5.667 32.11 0.0383
Nov-12 152 144.0 8.000 8.000 64.00 0.0526Dec-12 152 147.7 4.333 4.333 18.78 0.0285Jan-13 150.7
Jumlah 54.667 270.000 0.388Pengukuran Kesalahan 3.417 16.875 0.024
MAD MSD MAPE
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16120
125
130
135
140
145
150
155
Omzet (juta rp.) Forecast Mov. Ave. 3t (juta rp.)
Studi Kasus 2: Peramalan dengan Metode Single Exponential
Smoothing (menggunakan = 0,4)
Bulan Omzet (Juta Rp.)
Forecast Sin Expo (Juta
Rp.)Error Abs
ErrorError
SquaredPercentage
Error
t
Jun-11 131Jul-11 130 131.000 -1.000 1.000 1.00 0.0077
Aug-11 125 130.600 -5.600 5.600 31.36 0.0448Sep-11 126 128.360 -2.360 2.360 5.57 0.0187Oct-11 129 127.416 1.584 1.584 2.51 0.0123
Nov-11 132 128.050 3.950 3.950 15.61 0.0299Dec-11 130 129.630 0.370 0.370 0.14 0.0028Jan-12 132 129.778 2.222 2.222 4.94 0.0168Feb-12 139 130.667 8.333 8.333 69.44 0.0600Mar-12 137 134.000 3.000 3.000 9.00 0.0219Apr-12 137 135.200 1.800 1.800 3.24 0.0131
May-12 140 135.920 4.080 4.080 16.65 0.0291Jun-12 143 137.552 5.448 5.448 29.68 0.0381Jul-12 143 139.731 3.269 3.269 10.69 0.0229
Aug-12 141 141.039 -0.039 0.039 0.00 0.0003Sep-12 143 141.023 1.977 1.977 3.91 0.0138Oct-12 148 141.814 6.186 6.186 38.27 0.0418
Nov-12 152 144.288 7.712 7.712 59.47 0.0507Dec-12 152 147.373 4.627 4.627 21.41 0.0304Jan-13 149.224
Jumlah 63.557 322.869 0.455Pengukuran Kesalahan 2.874 14.997 0.020
MAD MSD MAPE