Garis besar topik
-
Hallo semua kali ini kita akan membahas mengenai model ARIMA
Model Autoregresif Integrated Moving Average (ARIMA) adalah model yang secara penuh mengabaikan independent variabel dalam membuat peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependent untuk menghasilkan peramalan jangka pendek yang akurat.
Sedangkan Model ECM (Error Correction Mechanism) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Metode ECM digunakan menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan/hubungan ekonomi jangka panjang. Sedangkan kointegrasi untuk menganalisis hubungan variabel-variabel time series, walaupun ketika variabel-variabel tersebut tidak stasioner (kondisi stasioner yg merupakan tidak adanya perubahan yang drastis pada data. Fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan variansi dari fluktuasi tersebut. (Makridakis, 1995) ). Ini akan berdampak pada kurang baiknya model yang diestimasi.
-
Silahkan tulis kata Hadir dan NPM
-
Assalmualaikum wr wb,
Untuk membantu kalian dalam memahami model ARIMA, Kontegrasi dan ECM, maka disini sy akan berikan dulu pemahaman mengenai persamaan Regresi terlebih dahulu. Persamaan Regresi yang pernah anda pelajari saat mengambil MK statistik inferensial pada semester-semester sebelumnya. Akan tetapi pemakaian dari persamaan regresi disini ada beberapa hal yg sedikit berbeda dengan metode persamaan regresi pada MK statistik inferensial yg menggunakan pendekatan non paramterik. Disini kita akan bahas persamaan regresi yg bersifat parametrik dan stokastik (menggunakan pendekatan probabilitas) yg memang pada dasarnya dipakai pada aplikatif kajian-kajian ekonomi yg mengedepankan pada pendekatan/teori-teori ekonomi (ekonometrika)
Untuk negunggah bahan dan materi silahkan anda buka link sbb:
1. Pengantar Regresi
https://drive.google.com/file/d/1lxeN7fRuDE2PkmLAfKrDXyODiQaZ4jlT/view?usp=sharing
2. Gauss Markov dan Autokorelasi
https://drive.google.com/file/d/1O4Mh_jZIYNqCirykJStaBgQbBCbT9ZR2/view?usp=sharing
Atau bisa anda lihat pada tayangan sbb:
-
METODE FORECASTING
Forecasting. Salah satu metode untuk melakukan perencanaan serta pengendalian produksi adalah dengan menggunakan metode forecasting (peramalan).

Source Gambar: Hubspot
Peramalan termasuk ke dalam seni atau ilmu dalam melakukan prediksi pada suatu kejadian yang akan datang. Metode forecasting sendiri dibagi menjadi dua yaitu yang pertama adalah forecasting secara kualitatif yang artinya forecasting hanya berdasarkan pada pendapat serta analisis yang deskriptif dan yang kedua adalah forecasting kuantitatif yaitu merupakan forecasting yang berkaitan dengan perhitungan secara matematis.
Forecasting atau peramalan merupakan sebuah metode sebagai alat bantu dalam melakukan suatu perencanaan yang efisien dan efektif. Contohnya seperti peramalan tingkat permintaan suatu produk atau beberapa produk serta peramalan terhadap harga sembako di dalam kurun waktu tertentu di masa yang akan datang.
Kegiatan peramalan adalah salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat di produksi dalam jumlah yang tepat. Teknik peramalan ada yang bersifat formal maupun non ΓÇô formal. Pada umumnya, aktivitas peramalan di lakukan oleh bagian pemasaran yang dimana hasilnya sering disebut juga sebagai ramalan permintaan.
Penggolongan pola data produk dapat kita bedakan menjadi tiga, yaitu:
- Data berpola konstan, adalah ketika data berfluktuatif di sekitar rata ΓÇô rata secara stabil dan biasanya pola seperti ini terdapat dalam jangka waktu pendek atau menengah.
- Data berpola trend, adalah ketika data memiliki kecenderungan baik itu meningkat maupun menurun dari waktu ke waktu. Pola ini disebabkan oleh adanya perubahan pendapatan, bertambahnya populasi serta pengaruh budaya.
- Data berpola musiman, adalah ketika polanya bergerak secara berulang ΓÇô ulang secara teratur setiap periode tertentu, biasanya berkaitan dengan factor cuaca atau factor yang dibuat oleh manusia seperti liburan dan hari besar.
Jenis ΓÇô Jenis Model Forecasting
Terdapat beberapa jenis dari model forecasting atau peramalan, yaitu:
Jenis Model Rata ΓÇô Rata Bergerak (Moving Averages Model)
Model data ini menggunakan sejumlah data permintaan baru yang actual guna membangkitkan nilai ramal dalam permintaan di masa yang akan datang. Dengan rumus sebagai berikut:
Rata ΓÇô rata bergerak n Periode = (Γêæ(permintaan dalam n-periode terdahulu))/n
Jenis Model Rata ΓÇô Rata Bergerak Terbobot (Weighted Moving Averages Model)
Model ini memiliki sifat yang lebih responsive terhadap adanya perubahan sebab data dari periode yang baru pada umumnya di beri bobot yang lebih besar. Dengan rumus sebagai berikut:
Weighted MA (n) = (Γêæ(pembobot untuk periode permintaan aktual periode n))/(Γêæ(pembobot))
Jenis Model Pemulusan Eksponensial (Exponential Smoothing Model)
Rumus untuk perhitungan exponential smoothing model adalah sebagai berikut:
Ft = Ft-1 + ╬▒ (At-1 ΓÇô Ft-1)
Dimana,
Ft = Nilai ramalan untuk periode waktu ke-t
Ft-1 = Nilai ramalan untuk satu periode waktu yang lalu, t-1
At-1 = Nilai aktual untuk satu periode yang lalu, t-1
╬▒ = konstanta pemulusan (smoothing constant)
Model ΓÇô model peramalan yang telah di lakukan tersebut kemudian akan di validasi dengan menggunakan sejumlah indikator. Indikator yang pada umumnya di gunakan yaitu:
- Mean Absolute Deviation (MAD)
- Mean Squared Error (MSE)
- Mean Absolute Percentage Error (MAPE)
- Tracking Signal
- Moving Range (MR)
Metode ΓÇô Metode yang Digunakan dalam Forecasting
Di dalam prakteknya, terdapat beberapa metode yang digunakan untuk melakukan peramalan. Antara lain:
Time Series atau Deret Waktu
Di dalam analisa deret waktu terdapat keterkaitan antara variable yang dicari (dependent) dengan variable yang mempengaruhinya (independent variable) yang dihubungkan dengan waktu seperti mingguan, bulan, atau bahkan tahun. Di dalam analisa deret waktu, variable yang dicari adalah waktu.
Berikut metode peramalah di dalam analisa deret waktu:
- Metode Smoothing
- Metode Box Jenkins
- Metode Proyeksi Trend dengan Regresi
Causal Methods atau Sebab Akibat
Merupakan metode yang didasarkan pada keterkaitan antara variable yang di perkirakan dengan variable lain yang mempengaruhinya tetapi bukan dalam bentuk variable waktu.
Metode peramalan yang ada pada causal methods yaitu:
- Metode Regresi dan Korelasi
- Model Input Output
- Model Ekonometri
Selain metode yang telah di sebutkan sebelumnya, terdapat pula metode kualitatif. Metode kualitatif sangat mendekati tingkat akurasi data actual dibandingkan dengan metode lainnya. Pada dasarnya metode ini memiliki sifat yang subjektif sebab sangat di pengaruhi oleh intuisi, emosi, pendidikan serta pengalaman seseorang sehingga hasil peramalan kualitatif dari tiap orang akan berbeda ΓÇô beda.
Source Gambar: knowlium
Selain metode yang telah di sebutkan sebelumnya, terdapat pula metode kualitatif. Metode kualitatif sangat mendekati tingkat akurasi data actual dibandingkan dengan metode lainnya. Pada dasarnya metode ini memiliki sifat yang subjektif sebab sangat di pengaruhi oleh intuisi, emosi, pendidikan serta pengalaman seseorang sehingga hasil peramalan kualitatif dari tiap orang akan berbeda ΓÇô beda.
Teknik atau metode dalam peramalan kualitatif adalah sebagai berikut:
Juri dari Opini Eksekutif
Di dalam metode ini, diambil berdasarkan opini atau pendapat dari sekelompok kecil top manajer baik itu manajer pemasaran, manajer produksi, manajer teknik, manajer keuangan dan manajer logistic yang seringkali di gabungkan dengan model statistik.
Gabungan Tenaga Penjualan
Untuk setiap tenaga penjualan meramalkan tingkat penjualan di daerahnya masing ΓÇô masing yang pada akhirnya akan di gabungkan pada tingkat provinsi serta nasional guna mencapai ramalan secara keseluruhan.
Metode Delphi
Metode ini melakukan penyebaran serangkaian kuisioner yang akan disebarkan kepada tiap responden yang kemudian jawabannya akan di sederhanakan sebelum di berikan kepada para ahli untuk dibuatkan peramalannya.
Metode ini tentunya akan memakan banyak waktu sebab melibatkan banyak pihak seperti bagian yang membuatkan kuisioner, mengirimkan kuisioner serta merangkum hasil sebelu di serahkan kepada para ahli untuk di analisa.
Namun metode ini memiliki keuntungan yaitu lebih akurat serta lebih professional sehingga berpeluang besar akan mendekati aktualnya.
Survei Pasar (Market Survey)
Metode ini mendapatkan masukan dari konsumen yang berpengaruh terhadap rencana pembelian saat periode yang sedang diamati. Survei dapat dilakukan dengan menggunakan kuisioner, telepon atau dengan melakukan wawancara langsung.
Kesimpulan

Source Gambar: analyze10k
Forecasting atau peramalan sangat penting dilakukan dalam merencanakan serta mengawasi kegiatan produksi baik itu produk maupun jasa.
Suatu peramalan yang baik merupakan inti dari efisiensi aktivitas manufaktur serta jasa.
Dimana hasil dari peramalan ini akan dipergunakan oleh pihak manajemen dalam melakukan pengambilan suatu keputusan yang berhubungan dengan proses pemilihan, perencanaan kapasitas dan sebagai dasar keputusan yang sifatnya kontinyu dalam hal perencanaan, penjadwalan serta persediaan.
Agar dapat menambah menambah wawasan serta pengetahuan Anda mengenai forecasting, baca juga artikel mengenai fungsi ΓÇô fungsi dari metode peramalan disini.
Semoga Bermanfaat.
-
Hallo apa kabar,
Ini adalah tutorial dan cara melakukan forecasting dilengkapi dengan teori dan pengenalan perhitungan forecasting dengan menggunakan program Eviews, SPSS, dan excel. Silahkan anda pelajari dan praktekan di rumah , terima kasih -
Untuk menginstall Program Eviews silahkan download link sbb:
https://drive.google.com/file/d/0B6Lv-KMoBa5BTHpzeGdfdjcwYjQ/view?usp=sharing
-
Untuk anda yang ingin berlatih mengolah data persamaan regresi, dan karakteristik data time series silahkan anda unduh file berikut:
-



