Konsep Gleitenden Durchschnitt

Nov 26, 2009 Metode Glättung merupakan salah satu jenis teknik yang digunakan dalam analisis Zeitreihen (runtun waktu) untuk memberikan peramalan jangka pendek. Dalam melakukan Glättung (penghalusan) terhadap Daten, nilai masa lalu digunakan untuk mendapatkan nilai yang dihaluskan untuk Zeitreihen. Nilai yang telah dihaluskan ini kemudian diekstrapolasikan untuk meramal nilai masa depan. Tehnik yang kita kenal dalam metode smoothing yaitu Einfacher Bewegender Durchschnitt Dan Exponentielle Glättung. Pada halaman ini, sagena hanya akan membahas tentang Einfache Moving Average. Simple Moving Average Daten Zeitreihe seringkali mengandung ketidakteraturan yang akan menyebabkan prediksi yang beragam. Untuk menghilangkan efek Yang tidak diinginkan Dari ketidak-teraturan ini, metode einfachen gleitenden Durchschnitt mengambil beberapa nilai Yang Sedang diamati, memberikan Rataan, dan menggunakannya untuk memprediksi nilai untuk periode Waktu yang akan datang. Semakin tinggi jumlah pengamatan yang dilakukan, maka pengaruh metode gleitender Durchschnitt akan lebih baik. Meningkatkan jumlah Beobachtungen akan menghasilkan nilai peramalan yang lebih baik karena ia cenderung meminimalkan efek-efek pergerakan yang tidak biasa yang muncul pada data. Gleitender Durchschnitt juga mempunyai dua kelemahan yaitu memerlukan Daten masa lalu dalam Anzahl der Beiträge besar untuk ketepatan prediksi, dan Masing-Masing observasi diberikan bobot Yang Sama, ini melanggar Bukti Empiris bahwa Semakin observasi terbaru seharusnya Lebih dekat dengan nilai masa depan maka kepentingan bobotnya Akan meningkat pula. Aplikasi Metode Moving Average dengan Software IBM SPSS 23 dapat dilihat Pada contoh berikut ini: Berikut kita memiliki Daten kunjungan ke Bali Dari Januari 2008 hingga Juni 2015 dalam Format Excel, Daten diambil Dari Website Dinas Pariwisata Provinsi Bali: 1. Langkah pertama adalah memasukkan Daten ke Dalam Arbeitsblatt SPSS 23 sebagai berikut: Datenansicht. (Bagi Yang belum jelas tentang cara Bedeu Daten Dari excel ke SPSS 23 lihat di Schritt bahasan ini gtgtgt) 2. Kemudian Pada menubar SPSS 23 pilih Transform 8211 Time Series Seperti Gambar erstellen: 3. Setelah itu Akan Muncul kotak Dialog berikut, pilih Besuch dan Klik panah sehingga variabel besuchen berpindah ke kolom variabel 8211 Neu Variabel di sebelah kanan. 4. Setelah itu pilih pada kotak Funktion pilih Zentriert Bewegender Durchschnitt, atau bisa juga Prior Moving Average. 5. Kemudian isikan Span dengan 3, dan klik Änderung. Span diisi dengan angka 3 artinya mengalami proses 3 kali glättung yang biasa kita kenal juga dengan Gewichteter gleitender Durchschnitt. Adapun proses 1 dan 2 kali glättung kita sebut Einzelner beweglicher Durchschnitt Dan Doppelter beweglicher Durchschnitt. Jangan lupa untuk klik ändern agar variabel besuchen1 berubah menjadi visi3, kemudian ok. 6. Ausgangs Yang didapat Dari metode Centered Moving Average 8211 gewichteten Moving Average adalah sebagai berikut: Dari Ausgang diatas, dapat diketahui bahwa Kunjungan Pada bulan-bulan berikutnya dapat kita lihat Dari Variabel Baru Yang Dari Zeitreihenanalyse metode dihasilkan Durchschnitt zentrierter gleitender - gewichteten gleitenden Durchschnittlich. Demikian juga jika kita memilih vor gleitenden Durchschnitt, keduanya merupakan metode einfachen Durchschnitt dengan Spannweite 3 bewegen, maka hasil peramalannya Akan Sama. (Yoz) Aplikasi Metode exponentielle Glättung dengan SPSS Akan dibahas Pada halaman selanjutnya gtgtgt Geschrieben von ariyoso Teori amp Konsep Statistik Konsep Variabel Kualitatif dan Kuantitatif Tipe Daten Statistik Deskriptif Konsep Parametrik dan Non Parametrik Statistika Inferensia Penyusunan hipótesis Teknik Pengukuran Statistik Teknik Sampling Sebaran probabilitas Diskret Sebaran Normale Sebaran binomiale Sebaran Poisson Transformasi Daten Korelasi bivariat Pemaparan Daten Kualitatif dengan Tabulasi Silang neue IBM SPSS Ver.23BOLLINGER BANDS Bollinger Bands Konsep Dari Bollinger Bands sebenarnya hampir sama dengan gleitende durchschnittliche Umschlag. Bands berbeda dari Umschlag. Bands memliki tingkat fluktuasi yang fleksibel sedangkan umschlag memiliki tingkat fluktuasi tetap. Adam banyak jenis Bands dalam analisis teknikal, dan Bollinger Bands adalah salah satunya. Bollinger Bänder ini dibuat berdasarkan prinsip relativitas dimana batas pergerakan harga akan disesuaikan dengan tingkat volatilitas dari pergerakan tren. Jama Tren Memiliki Volatilitas Yang Tinggi, Maka Batas Pergerakan Harga (Bands) juga harus menyesuaikan (akan semakin tinggi juga). Jika harga cenderung seitlich, maka batas pergerakan harga juga akan cenderung menyempit. Layaknya Umschlag, Bollinger Bands juga terdiri dari dua pembatas di bagian atas gleitenden Durchschnitt. Perhitungan dari Bollinger Bänder ini didapat dari perhitugnan standar deviasi, dan bisa unda dapatkan disini. Mari kita lihat beda Bollinger Bands dan Umschlag pada gambar Berikut: Terlihat pada gambar di atas, Umschlag yang berwarna merah dan bollinger yang berwarna hijau. Bollinger Terlihat Memiliki Tingkat Volatilitas Yang Lebih Tinggi Dibanding Umschlag Biasa. Bollinger inu merupakan salah satu Indikator yang paling sering digunakan oleh para Händler maupun Investor. Banyak Handelsstrategie Yang Dapat Dilahirkan Dari konsep Bollinger ini. Beberapa diantaranya adalah menggunakan bollinger sebagai unterstützung dan zielpreis seperti yang dapat dijumpai pada konsep umschlag biasanya. Kalau und lupa, bisa klik disini untuk mengingatkan unda dengan konsep Umschlag. Cara ini biasanya digunakan für Händler para trader jangka pendek. Selen itu juga bollinger juga seringkali dijadikan sinyal kaufen dan verkaufen oleh para trader. Sie haben keine Artikel im Warenkorb. Produkte vergleichen Es ist kein Artikel zum Vergleichen vorhanden. Sinyal verkaufen bisa didapat dari perpotongan harga ke bawah bewegen averagenya. Sesuaikan Periode dan jumlah persentase standar deviasi yang sesuai dengan gaya Handel unda. Handelsstrategie dengan bollinger dapat und ein dapatkan di buku Bolinger auf Bolinger Bands karangan John Bollinger. Sedikit Tipps untuk unda dalam menggunakan Bollinger ini. Saya menggunakan Bollinger hanya sebagai filter untuk saham-saham yang sekiranya layak untuk ditradingkan. Salah satu strategi saya adalah mentradingkan saham-saham yang bollingernya sudah mulai menyempit. Jika saham tersebut sudah ada sinyal dari tren Anhänger Indikator untuk kaufen, maka saya akan segera mengambilnya. Cara ini sering Krankheit juga dengan Squeeze spielen. Bollinger Yang menyempit mengindikasikan bahwa jika harga brechen, maka akan Rallye dengan sangat kencang. Yang terjadi bisa 2 skenario, yang pertama adalah harga sammlung ke bawah dan harga rally ke atas. Zentu akan menjadi malapetaka jika harga Rallye ke bawah atau bärisch. Oleh karena itu harus ada konfirmasi dari trend verfolger indikator seperti gleitender durchschnitt atau MACD untuk memastikan bahwa harga akan segera bullish. Lantas seberapa sempitkah sempit itu Jika und ein melihatnya dengan kasat mata maka hasilnya akan sangat subyektif. Saya memiliki satu metode yang cukup efektif untuk mengetahui apakah saham tersebut sudah cukup sempit untuk diperdagangkan atau tidak. Caranya adalah dengan mengurangkan nilai dari bollinger atas dengan bollinger bawah, kemudian bagi hasilnya dengan bollinger bawah. (Bollinger atas-bollinger bawah) bollinger bawah Umumnya yang dikategorikan cukup sempit adalah 0,1 0,15 atau kurang dari itu. Hanya saja ini bukan merupakan Variabel Yang Baku. Untuk mendapatkan variabel yang tepat, unda dapat melakukan zurück test pada programm analisis teknikal anda. Gut Luck8230 Share this: Puji dan Syukur penulis panjatkan kehadiran Allah SWT Yang Telah melimpahkan Rahmat dan Karunia-Nya sehingga penulis dapat menyelesaikan Makalah ini, Shalawat dan salam tidak lupa penulis sampaikan kepangkuan Baginda Rasullulah SAW Yang Telah membawa Risalah untuk UMAT Manusia Adapun Makalah Yang penulis Tulis adalah 8220 PERAMALAN (Prognose) Selama dalam proses penulisan Makalah ini banyak sekali hambatan dan kesulitan yang penulis alami di karenakan terbatasnya pengetahuan yang penulis Miliki. Justru itu, Penulis mengucapkan Terima kasih kepada 1. Bapak Ir. Muhammad ST, MT Yang telah Banyak Mitgliedschaft Petunjuk, bimbingan dan dorongan dalam menyusun Vorschlag ini dari awal sampai akhir. 2. J UGA kepada Rekan seperjuangan, dan semua pihak Yang Telah membantu penulis dalam menyusun Vorschlag ini Atas semua Batuan dan bimbingan Dari semua pihak penulis serahkan kepada Allah SWT, semoga Allah dapat membalas dengan rahmat Yang berlimpah ganda. Makalah ini masih sangat Jauh Dari kesempurnaan, justru itu penulis megharapkan kritik dan Saran Dari semua pihak Yang sifatnya membangun demi kesempurnaan Makalah ini, akhirnya harapan penulis, semoga Makalah ini dapat bermanfaat bagi semua pihak pembaca, terutama bagi penulis sendiri. 1.1. Latar Belakang Masalah Peramalan Merupakan tahap awal dari perencanaan als pengandalischen produksi. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap suatu atau beberapa produkt pada periode yang akan datang. Pada hakekatnya peramalan merupakan suatu perkiraan terhadap keadaan yang akan terjadi di masa yang akan datang. Keadaan masa yang akan datang Yang dimaksud adalah: 1. Apa Yang dibutuhkan (jenis) 2. Berapa Yang dibutuhkan (jumlahkuantitas) 3. Kapan dibutuhkan (Waktu) Tujuan peramalan dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga diperoleh Suatu perkiraan Yang mendekati keadaan Yang Sebenarnya. Peramalan tidak akan pernah 8220 vollkommen 8221, tetapi meskipun demikian hasil peramalan akan Mitgliedschaft arahan bagi suatu perencanaan. Suatu Perusahaan biasanya menggunakan prosedür tiga tahap untuk sampai Pada peramalan penjualan, yaitu diawali dengan melakukan peramalan Lingkungan, diikuti dengan peramalan penjualan Industri, dan diakhiri dengan peramalan penjualan Perusahaan. 1.2. Pendelfinistisch Tujuan Peramalan Tujuan peramalan dilihat dengan waktu: 1. Jangka pendek (kurzfristig) Menentukan kuantitas dan waktu dari Artikel dijadikan produksi. Biasanya bersifat harian ataupun mingguan dan ditentukan oleh niedrigen Management. 2. Jangka menengah (mittelfristig) Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanischen ataupun kuartal dan ditentukan oleh mittleren Management. 3. Jangka panjang (langfristig) Menentukan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top-Management. 1.3. Peranan Peramalan dalam Sistem Produksi Peranan peramalan dalam perencanaan proses produksi adalah sebagai berikut: 1. Unternehmensplanung Berisi rencana pendanaan, pembiayaan dan keuangan Perusahaan sebagai dasar untuk membuat rencana pemasaran. 2. Marketing-Planung Rencana tentang produk yang akan dibuat, penjualan dan pemasaran, sebagai dasar untuk membuat Produktionsplanung. 3. Vorlagenproduktion Schdule Rencana produk akhir yang harus dibuat pada tiap Periode selama 1-5 tahun. Produktion akhir, merupakan dekomposisi dari Produktionsplanung. 4. Ressourcenplanung Rencana kapasitas yang diperlukan untuk memenuhi Produktionsplan. Dapat dinyatakan dalam jam-orang atau jam-mesin. Merupakan bahan pertimbanagn untuk ekspansi orang, mesin, pabrik, dan lain-lain, yang ditetapkan berdasarkan kapasitas yang tersedia. 5. Rought Cut Kapazitätsplanung (RCPP) Rencana untuk menentukan kapasitas yang diperlukan untuk memenuhi MPS. Hasilnya berupa jenis orangmesin yang diperlukan untuk tiap arbeitszentrum pada setiap periode. Merupakan bahan pertimbangan untuk penambahan Konfitüre kerja atau subkontrak. 6. Nachfrage-Management Aktivitas memprediksi kebutuhan di masa datang dikaitkan dengan kapasitas. Terdiri dari aktivitas Voraussage. Verteilung Anforderung Planung. Auftragseingang, Versand, dan Service Teil Voraussetzung. 7. Materialbedarfsplanung Menetapkan rencana kebutuhan Material untuk melaksanakan MPS. Ausgabe MRP adalah Einkauf als PAC (Production Activity Control), dan MRP menghasilkan rencana pembelian meliputi jumlah Fälligkeit, Erscheinungsdatum. 8. Kapazitätsbedarfsplanung Rencana kebutuhan kapasitas yang dibutuhkan untuk merelealisasikan MPS di tiap periode dan tiap mesin. CRP lebih teliti dan lebih rinci dibanding RCCP, karena disarkan pada geplanter Auftrag. Jama kapasitas tidak tersedia bisa ditambah dengan im Laufe der Zeit. Merubah Weiterleitung dan lain-lain. Jika tidak tercapai MPS harus dirubah. 9. Produktionsaktivitätskontrolle (PAC) Sering disebut Verteiler Geschäft Boden contro l (SFC), aktivitas membuat produk setelah bahan dibeli. PAC terdiri dari aktivitas awal-akhir suatu arbeit berdasarkan urutan kedatangan job, lalu membebankan job ke arbeitsplatz. Dan melakukan pelaporan. Hasil laporan akan merupakan Rückkopplung bagi MPS. Hersteller Merupakan aktivitas memilih. Membuat bestellen pembelian, dan menjadwalkan vendor. 11. Leistungsmessung Auswertungen sistem untuk melihat seberapa jauh hasil yang diperoleh dibandingkan dengan rencana yang telah ditetapkan. Sebastian bahan Auswertungen pencapaian bisnis Planung. 1.4. Karakteristik Peramalan yang Baik Peramalan yang baik mempunyai beberapa kriterium yang penting, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut Adalah sebagai Berikut: Akurasi Dari Suatu Peramalan Diukur Dengan Hasil Kebiasaan Dan Konsistensi Peramalan tersebut. Hasil peramalan dikatakan Vorspannung bila peramalan tersebut terlalu tinggi atau telalu rendah dibanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten jika besarnya kesalahan peramalan relatif kecil. Peramalan Yang terlalu rendah Akan mengakibatkan kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi Segera, akibatnya Perusahaan kemungkinan kehilangan pelanggan dan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan barang persedian, sehingga banyak modal tersia-siakan. Keakuratan hasil peramalan Berperan dalam menyeimbangkan persediaan ideal. Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumah Einzelteil yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut Akan mempengaruhi betapa banyak Daten Yang diblutuhkan, bagaimana pengolahannya (manuelle atau komputerisasi), bagaimana penyimpanan datanya dan Siapa Daten ahli Yang diperbantukan. Pemilihan metode peramalan Harus sesuai dengan dana Yang tersedia dan Tingkat akurasi Yang ingin didapat, misalnya Artikel-Artikel Yang Penting Akan diramalkan dengan metode Yang Sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto (Analisa ABC). Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan Mitgliedschaft keuntungan bagi perusahaan. Adalah percuma memakai metode Yang Canggih tetapi tidak dapat diaplikasikan Pada sistem Perusahaan karena keterbatasan dana, sumber Daya Manusia, maupun peralatan teknologi. 2.1. Pengertian Peramalan Peramalan (Vorhersage) merupakan bagian lebenswichtig bagi setiap organisasi bisnis als untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam Bereich fungsional keuangan, peramalan Mitgliedschaft dasar dalam menentukan anggaran dan pengendalian biaya. Pada Beutel Pemasaran, peramalan penjualan dibutuhkan untuk merencanakan produkt baru, kompensasi tenaga penjual, dan beberapa keputusan penting lainnya. Selanjutnya, pada bagian produksi dan Operasi menggunakan Daten-Daten peramalan untuk perencanaan kapasitas, fasilitas, produksi, penjadwalan, dan pengendalian persedian (Bestandskontrolle). Untuk menetapkan kebijakan ekonomi seper tingkat pertumbuhan ekonomi, tingkat pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan metode peramalan. Peramalan adalah penggunaan Daten masa lalu dari sebuah Variabel atau kumpulan Variabel untuk mengestimasi nilainya di masa yang akan datang. Asumsi dasar dalam penerapan Teknik-Teknik peramalan adalah: 8220If können wir vorhersagen, was die Zukunft wird sein, wie wir unser Verhalten ändern können nun in einer besseren Position zu sein, als wir es sonst gewesen wäre, wenn die Zukunft arrives.8221 Artinya, jika kita Dapat memprediksi apa yang terjadi von masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja di masa lalá akan terus berulang setidaknya dalam masa mendatang yang relatif dekat. Peramalan merupakan Teknik Yang digunakan untuk memperkirakan Suatu System dimasa yang akan datang. Peramalan diperlukan oleh Suatu Perusahaan karena setiap keputusan Yang diambil dapat memengaruhi keadaan diamasa yang akan datang. Menurut Horison Waktu, nya, peramalan dapat dibagi Menjadi 3 yaitu: 1. Peramalan jangka pendek Yang memberikan hasil peramalan satu tahun mendatang. atau Kurang 2. Peramalan jangka Menengah untuk meramalkan keadaan satu hingga 5 tahun kedepan. 3. Peramalan jangka panjang digunakan untuk pengambilan keputusan mengenai perencanaan produk dan perencanaan pasar, pengeluaran biaya Perusahaan, studi kelayakan Pabrik, anggaran, Bestellung, perencanaan tenaga kerja dan perencanaan kapasitas kerja serta pengambilan keputusan Yang berhubungan dengan kejadian Lebih dari 5 tahun yang akan datang . 1. Dalam metode peramalan dapat dibagi atas du metode yaitu: A. Metode kuanlitatif Metode kuanlitatif yaitu menggunakan perhitungan matematik dan statistic. Metode kuanlitatif dapat digolongkan Menjadi 2 yaitu: 1. Teknik Deret Berkala (Time Series) Yang memerlukan sistem seperti kotak hitamdan tidak ada Usaha memerlukan faktor Yang berpengaruh Pada System tersebut. Metode ini Kokos untuk peramalan jangka pendek dan jangka menengah. 1. Einzelner beweglicher Durchschnitt 2. Einzelnes exponentielles Glätten, 2. Teknik Exponential (causal) yang mengasumsikan adanya hubungan sebab akibat anatara Ausgang dan Eingang dari suatu sistem. 1. Analisis Regrasi Ganda 1. Metode kualitatif. Metode ini digunakan dimana tidak ada modell matematik, biasanya dikarenakan daten yang ada tidak cukup repräsentatif untuk meramalkan masa yang akan datang (langfristige prognostizierung). Peramalan kualitatif menggunakan pertimbangan pendapat-pendapat para pakar yang von ahli atau experd di bidangnya. Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat murah (tanpa-Daten) dan cepat diperoleh. Sementara kekurangannya yaitu bersifat Unterbegriffe: sehingga seringkali dikatakan kurang ilmiah. Salah satu pendekatan peramalan dalam metode ini adalah Teknik Delphi. ...................................................... Misalnya: berapa schätzung pelanggan yang dapat diperoleh dengan realisasi teknologi 3G. Metode kualitatif biasanya tidak menggunakan perhitungan matematis ataupun perhitungan Secara statitik. Metode ini cukup dengan tanggapan atau buah pikiran Dari Orang Orang Yang cuku mengenai keadaan yang akan diramalakan. 1. Metode Juri Meinung 2. Metode Delphi. 2.2. Langkah Langkah Dalam Melakukan Peramalan Adalah Sebai Berikut: Dalam Melakukan Peramalan Terdiri Dari Beberapa Tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah: 1. Definisikanischer Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. 2. Buatlah-Diagramm pencar (Plot-Daten) Misalnya memplot Nachfrage gegen waktu, dimana Nachfrage sebagai ordinat (Y) dan waktu sebagai Achse (X). 3. Memilih vorbildliches peramalan yang tepat Melihat dari kecenderungan Daten pada Diagramm pencar, maka dapat dipilih beberapa vorbildliches peramalan yang diperkirakan dapat mewakili pola tersebut. 4. Lakukan Peramalan 5. Hitung kesalahan ramalan (Vorhersagefehler) Keakuratan suatu Modell peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram................... Y (t) Nilai Daten aktual Pada periode t Y8217 (t) Nilai hasil peramalan Pada periode tt Periode peramalan Maka diperoleh Anzahl der Beiträge Kuadrat Kesalahan Peramalan Yang disingkat SSE (Summe der quadrierten Fehler) dan Estimasi Standar Fehler (SEE 8211 Standardfehler geschätzt) Pilih Metode Peramalan dengan kesalahan yang terkecil. Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitischen tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut. Untuk mengevaluasi apakah pola daten menggunakan metode peramalan tersebut sesuai dengan pola daten sebenarnya. 2.3. Metode Peramalan Salah satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah memintimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu daten yang ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka pendek (minggu 174 bulan), menengah (bulan 174 tahun), dan jangka panjang (tahun 174 dekade). Tafel berikut ini menunjukkan tipe-tipe keputusan berdasarkan jangka waktu peramalannya. Tabel 2. 3 Rentang Waktu dalam Peramalan 2.3.1. Jenis - Jenis Metode Peramalan Untuk melakukan peramalan diperlukan metode tertentu dan metode Mana Yang digunakan tergantung Dari Daten dan Informasi yang akan diramal serta tujuan Yang hendak dicapai. Dalam prachteknya terdapat berbagai metode peramalan antara lain. 1. Time Series atau Deret Waktu Analisis Zeitreihe merupakan hubungan antara Variabel Yang dicari (abhängige) dengan Variabel Yang mempengaruhi-nya (unabhängige Variable), Yang dikaitkan dengan Waktu seperti mingguan, bulan, triwulan, catur Wulan, Semester atau tahun. Dalam analisis Zeitreihe yang menjadi variabel yang dicari adalah waktu. Metode peramalan ini terdiri dari. ein. Metode Smoting, Merupakan jenis Peramalan Jangka Pendek seperti Perencanaan persediaan, Perencanaan Keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan Daten masa lampau seperti musiman. B. Metodekasten Jenkins, merupakan deret waktu dengan menggunakan vorbildlicher matematis dan digunakan untuk peramalan jangka pendek. C. Metode proyeksi tendenz dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis Tendenz untuk persamaan matematis. 2. Kausale Methoden atau sebab akibat Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari. ein. Metode regresi dan kolerasi, Merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik kleinste quadrate yang dianalisis secara statis. B. Modell Input Ausgang, Merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang. C. Modell ekonometri, merupakan peramalan yang digunakan untuk jangka panjang als jangka pendek. Berikut ini akan dijabarkan cara melakukan peramalan dengan menggunakan Modell Zeitreihe Analyse yang terdiri dari beberapa Modell. Adapun asumsi dasar dalam menggunakan modell deret waktu ini adalah pola daten ramalan akan sama dengan pola daten sebelumnya. (1) Modell Konstan, (2) Modell Siklis, (3) Modell Analisis Regresi, (4) Modell Gleitender Durchschnitt, (5) Modell Exponential Glättung. 2.4.1. Modell Konstan (Constant Forecasting) Persamaan garis Yang menggambarkan pola konstan adalah: Y8217 (t) ein dimana ein konstanta Untuk mendapatkan nilai (a) maka dapat didekati melalui turunan kuadrat terkecilnya (least square) terhadap (a) sebagai berikut: 2.4.2. Modell Siklis (Musiman) Untuk pola Daten Yang bersifat siklis atau musiman, persamaan garis Yang mewakili dapat didekati dengan fungsi trigonometri, yaitu: Dimana n adalah Anzahl der Beiträge periode peramalan Anzahl der Beiträge Kuadrat Kesalahan Terkecil didefinisikan sebagai: 2.4.3. Modell Regresi Linier (Linier Vorhersage) Persamaan garis yang mendekati bentuk daten linier adalah: Konstanta a dan b ditentukan dari daten mentah berdasarkan Kriteria Kuadrat Terkecil (am wenigsten quadratisches Kriterium). Perhitungannya sebagai Berikut: Anggaplah Daten Mentah Diwakili Dengan (Y i, t i), Dimana Y i adalah permintaan aktualisieren di saat t i. Dimana i 1,2. N ist. 2.4.4. Modell Rata-Rata Bergerak (Gleitender Durchschnitt) Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari daten asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk Daten Yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau saisonale. Modell rata-rata bergerak mengestimasi Permittaan Periode berikutnya sebagai rata-rata Daten permintaan aktualisieren Dari n Periode terakhir. Terdapat tiga macam Modell rata-rata bergerak, yaitu: 2.4.4.1. Einfacher gleitender Durchschnitt Einfacher gleitender Durchschnitt (SMA t) 2.4.4.2. Zentriert Bewegender Durchschnitt Perbedaan utama antara Einfacher Bewegender Durchschnitt Dan Mittlerer Mittlerer Durchschnitt terletak pada pemilihan observasi yang digunakan. Einfache Verschieben Durchschnittliche menggunakan Daten yang sedang diobservasi tambah data sebelum observasi. Misalnya, menggunakan 5 periode gleitenden Durchschnitt, Maka untuk SMA menggunakan Daten periode ke-5 dan 4 Daten periode sebelumnya. Sebaliknya untuk CMA, 8220Center8221 berarti Rataan antara Daten Sekarang dengan menggunakan Daten sebelumnya dan Daten sesudahnya. Misalnya untuk 3 periode gleitenden Durchschnitt, Maka SMA menggunakan Daten Periode 3 ditambah Daten sebelumnya dan Daten sesudahnya. Didefinisikan sebagai Berikut: Dimana Y t Adalah Nilai Tengah Dari Intervall L Daten beobachten. (L-1) 2 observasi merupakan Daten sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Y t Y 5 maka intervalnya dimulai dari Y 3 sampai Y 7 2.4.4.3. Gewichtete gleitende Durchschnittsformel Untuk Gewichteter gleitender Durchschnitt (WMAt): 2.4.5. Pelicinan Exponential (exponentielle Glättung) Dalam Modell rata-rata bergerak (Moving Average) dapat dilihat bahwa untuk semua Daten obesrvasi memiliki bobot Yang sama Yang membentuk rata-ratanya. Padahal, Daten observasi terbaru seharusnya memiliki bobot Yang Lebih besar dibandingkan dengan Daten observasi di masa Yang lalu. Hal ini dipandang sebagai kelemahan modell peramalan Beweglicher Durchschnitt. Untuk itu, digunakanlah metode exponentielle Glättung Agar kelemahan tersebut dapat diatasi didasarkan Pada Alasan sebagai berikut: Metode exponentielle Glättung mempertimbangkan bobot Daten-Daten sebelumnya dengan estimasi untuk Y8217 (t1) 173 dengan periode (t1) dihitung sebagai: Dimana ein disebut konstanta pelicinan dalam Intervall 0 lt a lt 1. Rumus ini memperlihatkan bahwa Daten yang lalu memiliki bobot Lebih kecil dibandingkan dengan Daten yang terbaru. Rumus tersebut dapat disederhanakan sebagai berikut: Dengan nilai Y8217 (1) untuk inisial ramalan didekati dengan nilai rata-ratanya () Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil Yang dalam menghasilkan hasil ramalan Yang 8220andal8221 Penting. Modell Exponentielle Glättung digunakan untuk peramalan jangka pendek. Permisi pak, saya pernah menulis tentang fungsi autokorrelation untuk penentuan pola daten zeitreihe apakah musiman, tren, atau stationer, di artikel berikut: datacomlink. blogspot201512data-mining-identifikasi-pola-data-time. html yang ingin saya tanyakan, apakah ada teknik Lain untuk mencari pola daten zeitreihe selain fungsi autokorrelation ya pak terima kasih