2.1 Pengertian Penjualan Menurut EG. Widjayono Moestadjab (1991), Penjualan n basiese memberikan sesuatu dengan mendapatkan sebuah ganti Yang berupa uang term of dengan kata gelê hanya meliputi kegiatan pemindahan hak op hierdie sesuatu Producten dari penjualan kepada pembeli. Menurut Basu Swastha DH-punte buku Management penjualan (1999: Hal 8), Penjualan n basiese ilmu Dan seni mempengaruhi persoonlik Yang dilakukan oleh penjual teller aan mengajak orang lain teller aan membeli Barang term of Jasa Yang ditawarkannya. 2.2 Peramalan Penjualan Peramalan penjualan n basiese bagian yang penting bagi suatu bedrijfs-. Berikut ini n basiese berbagai macam pengertian peramalan dikemukakan deur: Menurut Gunawan Adi Saputro as Marwan Asri (1996: 148). 8220Peramalan n basiese suatu Cara teller aan mengukur Dan menaksir kondisi Besigheid dimasa mendatang8221. Menurut Suad Husnan Dan Suwarsono (1994: 40). 8220Peramalan n basiese Usaha teller aan mengetahui permintaan Vrae produk8221. Dengan uraian di op hierdie dapat diperoleh kesimpulan bahwa Peramalan merupakan suatu Usaha teller aan melihat situasi Dan kondisi dengan memperkirakan kondisi Yang berlaku terhadap perkembangan dimasa yang akan Datang. 2.3 Tujuan Peramalan Tujuan dari peramalan n basiese: a. Teller aan menetukan kebijaksanaan punte persoalan penyusunan anggaran. b. Teller aan pengawasan punte persediaan. c. Teller aan membantu kegiatan perencanaan Dan pengawasan produksi. d. Teller aan pengawasan pembelanjaan. e. Teller aan penyusunan kebijaksanaan Yang efektif Dan efisien. 2.4 Account Peramalan Pada umumnya peramalan dapat dibedakan dari beberapa SEGI, tergantung dari Cara melihatnya. Apabila dilihat dari sifat penyusunannya, Maka peramalan dapat dibedakan op hierdie dua macam, yaitu: 1. Peramalan Yang bersifat subjektif Peramalan Yang berdasarkan op hierdie perasaan term of intuisi dari orang yang menyusunnya. Punte in Hal ini pandangan dari orang yang menyusunnya sangat menentukan Baik tidaknya hasil peramalan tersebut. 2. Peramalan Yang bersifat objektif Yaitu peramalan Yang Dida Arkan op hierdie data Yang relevan pada MVSA Yang Lalu, dengan menggunakan tehnik-tehnik as model-punte menganalisa data tersebut. Disamping itu Jika dilihat dari jangka waktu peramalan Yang disusun, Maka peramalan dapat dibedakan op hierdie dua macam yaitu: 1. Peramalan Jangka Panjang Yaitu peramalan Yang dilakukan teller aan menyusun hasil ramalan, Yang jangka waktunya lebih dari setengah ervaring term of Tiga semester. 2. Peramalan jangka Pendek Yaitu peramalan Yang dilakukan teller aan menyusun hasil ramalan punte jangka waktu Minder dari setengah ervaring. Berdasarkan sifat peramalan Yang Resef disusun, Maka peramalan dapat dibedakan op hierdie dua macam: 1. Peramalan kualitatif Yaitu peramalan Yang disusun op hierdie data kualitatif paada MVSA Lalu hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting Karena hasil peramalan tersebut ditentukan berdasarkan pemikiran Yang bersifat intuisi. 2. Peramalan Kuantitatif Yaitu peramalan Yang Dida Arkan op hierdie data kuantitatif pada MVSA Lalu. Hasil peramalan dimuat tergantung pada Metode Yang dipergunakan punte peramalan tersebut. Dengan Metode Yang bebeda Akan diperoleh hasil peramalan Yang berbeda, adapun Yang perlu diperhatikan dari Use Metode-Metode tersebut n basiese Baik tidaknya Metode yang digunakan, sangat ditentukan oleh perbedaan penyimpangan Antara hasil peramalan dari kenyataan Yang terjadi. Metode Yang Baik n basiese Metode Yang memberikan Waardering:-Waardering: perbedaan term of penyimpangan sekecil mungkin. Peramalan Kuantitatif dapat digunakan apabila terjadi Tiga kondisi sebagai berikut: a. Adanya inligting oor tentang keadaan gelê. b. Inligting oor tersebut dapat dikuantitatifkan punte bentuk data. c. Dapat diasumsikan bahwa Pola Yang Lalu Akan berkelanjuatan pada MVSA Yang Akan Datang. 2.5 Tehnik Dan Metode Peramalan Dalam pemilihan tehnik Dan Metode peramalan, pertama kita perlu mengetahui CIRI-CIRI penting Yang perlu diperhatikan bagi pengambil keputusan Dan analisa keadaan, punte mempersiapkan peramalan. Ada enam CIRI Utama Yang perlu diperhatikan. yaitu: 1. Horizon Waktu (tydhorison) Periode waktu selama suatu keputusan term of analisa Akan mempunyai pengaruh, dan waktu itu harus manajer merencanakan Dan memperhitungkan pengaruh-pengaruh pemilihan tehnik Dan Metode Yang tepat. Horizon waktu umumnya dapat dibagi punte jangka pendek, jangka menengah Dan jangka Panjang. 2. Tingkat perincian (Detail Boontoe). Tugas-tugas punte pengambilan keputusan pada umumnya dibagi-bagi (teller aan memudahkan penanganannya menurut tingkat perincian Yang dibutuhkan) 3. Vrae Producten. Punte keadaan dimana keputusan term of analisa yang dibuat mengenai berbagai Producten bedrijfs-, hendaklah Ada Usaha pengembangan. Secara efektif op hierdie aturan-aturan pengambilan keputusan Yang sederhana, Yang dapat diaplikasikan secara mekanisme teller aan Masinga-Masinga Producten. Umumnya Ada empat unsur biaya Yang mencakup suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpangan data, operasi pelaksanaan Dan kesempatan punte of Use tehnik Dan Metode gelê. Tingkat ketepatan Yang dibutuhkan sangat erat hubungannya dengan tingkat perinciaan Yang dibutuhkan oleh suatu peramalan. Teller aan beberapa pengambilan keputusan mengharapkan variasi-variasi term of penyimpangan op hierdie ramalan Yang dilakukan Antara 10 sampai dengan 15 bagi belastings-belastings yang mereka harapkan. 2.6 Tehnik Geskatte dengan Mengunakan Metode Deret Waktu Metode Deret Waktu biasanya dipakai teller aan menganalisis Pola permintaan MVSA Lalu Dan memproyeksikannya teller aan MVSA depan. Basic Configuration perhitungan prakiraan deret waktu ini ialah menghitung Besar setiap komponen berdasarkan data massa Lalu. Asumsi Basic Configuration Yang dipakai punte Metode ini ialah bahwa Pola permintaan dapat dibagi menjadi beberapa komponen yaitu tingkat rata-rata (gemiddelde vlak), kecenderungan (tendens), musiman (seisoenaliteit), siklus (kringloop) Dan kesalahan (fout). 2.7 Metode Rata rata Bergerak Metode ini merupakan Metode Yang termudah punte Teknik peramalan deret waktu kita mengasumsikan bahwa komponen acak Niet terdapat Pola musiman, tendens, term of komponen siklus pada data permintaan pada SAAT ini. Bewegende gemiddelde ialah suatu titik peramalan dengan mengkonsumsikan data dari beberapa periode krabbels term of Vriende laaste dari data tersebut dijadikan data peramalan teller aan periode yang akan Datang. a. Rumus rata-rata bergerak (Moving gemiddelde) Vrae Permintaan Pada N Periode Terakhir 1 / Temp / msohtmlclip1 / 01 / clipimage001.gif / MA Diketahui Waardering: peramalan 210 Waardering: nyata 195 N 1 MAD 210 8211 195 15 b. Rata-rata Bergerak Tertimbang / Terbobot (Gewig bewegende gemiddelde) Disamping Metode rata-rata bergerak sederhana kita mengenal Metode rata-rata tertimbang (Gewig bewegende gemiddelde) dimana pada setiap ELEMEN data kita dapat memberikan bobot. Dengan cara ini Waardering:-Waardering: Yang akhir dapat punte is toegeken bobot lebih keras. Rumus Rata-rata Bergerak Tertimbang / Terbobot (Gewig bewegende gemiddelde) WBG (data penjualan Vriende laaste x bobot ke 82111) (Data x sampai bobot Vriende laaste). Diketahui WI 40, W2 30, W3 20, W4 10 Data penjualan nyata teller aan Bulan ke-1 100, ke-2 90, ke-3 105, Dan F5 0,40 (95) 0,30 (105) 0,20 ( 90) 0,10 (100) F5 38 31,5 18 10 c. Pemulusan Eksponensial (Eksponensial Smoothing). Pemulusan eksponensial n basiese suatu tehnik peramalan rata-rata bergerak Yang melakukan pertimbangan terhadap data MVSA Lalu dengan cara eksponensial sehingga data paling akhir mempunyai bobot term of timbangan lebih Besar punte rata-rata bergerak. Dengan pemulusan eksponensial sederhana voorspel dilakukan dengan cara ramalan periode Vriende laaste ditambah porsi perbedaan (disebut Alpha) Antara permintaan periode Vriende laaste dengan peramalan periode Vriende laaste. Rumus Pemulusan Eksponensial (Eksponensial Smoothing) Ft Ramalan teller aan periode nou af (t) Ft 1 Ramalan yang dibuat teller aan periode Vriende laaste (t-1) 'n Gladstryking konstante Op 1 Permintaan nyata peeriode teakhir 1 / Temp / msohtmlclip1 / 01 / clipimage005.gif / a Waardering: 'n Yang terendah terutama cocok Bila permintaan Producten perubahan Yang stabil tetapi variasi acak n basiese Tinggi, sedangkan Yang Tinggi berguna dimana sesungguhnya cenderung terjadi Karena lebih respontif terhadap fluktuasi permintaan. Diketahui Ft 1 1050-eenheid by 1 1000 eenheid 'n 0,50Peramalan Sederhana (Single bewegende gemiddelde vs Enkellopend Eksponensiële Smoothing) mungkin sebagian Besar diantara kita pernah mendengar tentang Teknik peramalan. Tentunya bukan dukun peramal, melainkan tekni teller aan meramalkan / voorspelling suatu data deret waktu / tydreekse. Peramalan merupakan suatu Teknik Yang penting bagi bedrijfs - term of Regering punte mengambil Your. Punte meramal suatu Waardering: pada MVSA Yang Akan Datang bukan berarti hasil Yang didapatkan ialah SAMA Persis, melainkan merupakan suatu pendekatan Alternatieve Yang lumrah punte ilmu statistieke. Pada tulisan ini akan dibahas hou voorsien kasus peramalan menggunakan Teknik bewegende gemiddelde as Eksponensiële Smoothing. Kedua Teknik ini merupakan tekni voorspelling yang sangat sederhana Karena Niet melibatkan asumsi Yang Kompleks seperti pada tekni voorspel ARIMA, ARCH / GARCH, ECM, VECM, VAR, DSB. Meskipun demikian, asumsi data stasioner haruslah terpenuhi teller aan meramal. Bewegende gemiddelde merupakan Teknik peramalan berdasarkan rata-rata bergerak dari Waardering:-Waardering: MVSA Lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. Akan tetapi Teknik ini Niet disarankan teller aan data tydreekse Yang menunjukkan adanya pengaruh tendens as musiman. Bewegende gemiddelde terbagi menjadi enkele bewegende gemiddelde as dubbel bewegende gemiddelde. Eksponensiële gladstryking. hampir sama dengan bewegende gemiddelde yaitu merupakan Teknik voorspel Yang sederhana, tetapi Resef menggunakan suatu penimbang dengan besaran Antara 0 hingga 1. Jika Waardering: w mendekati Waardering: 1 Maka hasil vooruitskatting cenderung mendekati Waardering: obseervasi, sedangkan Jika Waardering: w mendekati Waardering: 0, Maka hasil vooruitskatting mengarah ke Waardering: ramalan sebelumnya. Eksponensiële gladstryking terbagi menjadi enkele eksponensiële gladstryking Dan dubbel eksponensiële gladstryking. Kali ini, Akan dibahas perbandingan Metode enkele bewegende gemiddelde dengan enkele eksponensiële gladstryking. Ranglijst Safira Beach Restaurant ingin mengetahui revenues restoran pada Januarie 2013 Ia meminta gesing manajer teller aan mengestimasi Waardering: tersebut dengan data revenues bulanan dari Bulan Junie 2011 sampai Desember 2012. Berbekal Knowledge Base-di Gespecialiseerd statistieke, gesing manajer melakukan raadsplanne dengan Metode enkele bewegende gemiddelde 3 bulanan Dan enkele eksponensiële gladstryking (w0,4). Enkele bewegende gemiddelde Pada tabel di op hierdie voorspelling ramalan Bulan September 2011 yaitu 128667 Juta roepia diperoleh dari penjumlahan revenues Bulan Junie, Julie, Agustus 2011 dibagi dengan angka bewegende gemiddelde (m3). Angka voorspelling pada Bulan Oktober 2011 yaitu 127 Juta roepia diperoleh dari penjumlah revenues Bulan Juli, Agustus September 2011 dibagi dengan angka bewegende gemiddelde Tiga bulanan (m3). Perhitungan serupa dilakukan hingga ditemukan hasil voorspelling Bulan Januarie 2013 sebesar 150667 Juta roepia. Dapat diinterpretasikan bahwa revenues Bulan Januarie 2013 diperkirakan senilai 150, 667 Juta roepia term of mengalami penurunan sebesar 1333 Juta roepia dibanding dengan revenues Desember 2012 sebesar 152 Juta roepia. Perhatikan Baris pada Bulan Junie-Agustus 2011 kolom Voorspelling hingga fout Niet memiliki Waardering:, Karena peramalan pada Bulan-Bulan tersebut Niet tersedia data bewegende gemiddelde 3 bulanan, Bulan sebelumnya. Next teller aan melihat kebaikan hasil ramalan digunaka RMSE (wortel-gemiddelde-kwadraat fout) teller aan perhitungan RMSE, Mula-mula dicari Waardering: fout term of selisih Antara Waardering: aktual Dan ramalan (revenues voorspelling), kemudian kuadrat Waardering:-Waardering: tersebut teller aan Masinga-Masinga data bulanan. Lalu, jumlahkan seluruh Waardering: fout Yang Resef dikuadratkan. Terakhir hitung Waardering: RMSE dengan rumus di op hierdie term of lebih gambangnya, bagi Waardering: penjumlahan fout Yang Resef dikuadratkan dengan banyaknya observasi Dan hasilnya Lalu di akarkan. Pada tabel di op hierdie, banyaknya observasi yaitu 16 (mulai dari September 2011-Desember 2012). Enkele Eksponensiële Smoothing. Next kita Akan melakukan peramalan dengan Metode Enkellopend Eksponensiële Smoothing. Metode ini menggunak Waardering: penimbang yang dapat diperoleh dari operasi statistieken tertentu (bisa proporsi tertentu), Egter dapat juga ditentukan oleh peneliti. Kali ini akan digunakan Waardering: w 4. Voorspelling W0,4 Ycap (T1) (Juta RP.) Waardering: ramalan pada Bulan Junie 2011 yaitu 137368 Juta roepia diperoleh dari rata-rata revenues dari Bulan Junie 2011 hingga Bulan Desember 2012. Waardering: ramalan pada Bulan Juli 2011 yaitu 134821 Juta roepia diperoleh dari perhitungan dengan rumus di op hierdie, dengan kata gelê Waardering: ramalan Bulan Juli 2011 diperoleh dari hasil kali w0,4 Dan Waardering: aktual revenues Bulan Juli 2011 dijumlahkan dengan hasil kali (1-0,4) Serta Nila ramalan Bulan Junie 2011 sebesar 134821 Juta roepia. Lakukan perhitungan tersebut hingga mendapatkan angka ramalan teller aan Bulan Januarie 2013 Hasil ramalan revenues teller aan Bulan Januarie 2013 yaitu 149224 Juta roepia term of turun sebesar 2776 Juta roepia. Kemudian hitung Waardering: RMSE dengan rumus seperti pada perhitungan RMSE bewegende gemiddelde. hanya Saja Vrae observasi berbeda. Pada tabel di op hierdie Vrae obervasi (m) yaitu 19 lebih banyak dibanding dengan Metode eenvoudige bewegende gemiddelde 3 bulanan (16) Karena pada Metode eksponensial perhitungan ramalan dapat dimulai dari data pada periode Awal. RMSE Metode enkele eksponensiële gladstryking sebesar 1073. Next dari kedua Metode di op hierdie Akan dibandingkan mana hasil Yang Calabria. Teller aan Hal tersebut Maka, bandingkan Waardering: RMSE dari kedua Metode. Metode dengan RMSE terkecil dapat dinyatakan sebagai Metode Calabria teller aan meramal. RMSE mov. average 0946, RMSE exp. smoothing 1073. RMSE mov. average Dit RMSE exp. smoothing. Kesimpulanya bahwa Metode bewegende gemiddelde lebih Baik punte melakukan peramalan, sehingga revenues pada Bulan Januarie 2013 diperkirakan sebesar 150667 Juta roepia (meskipun memiliki Waardering: Yang lebih rendah daripada Bulan sebelumnya). (Teller aan materi Yang lebih jelas, silakan dicari di buku-buku Verwysing Análisis tydreekse, misalnya Enders, Walter 2004 Toegepaste Ekonometriese Tyd Reeks Tweede uitgawe New Jersey:.... Willey Kalo hou voorsien Vrae punte tulisan ini, Saya kutip dari buku modul kuliah. Peramalan (vooruitskatting) merupakan suatu Proses Geskatte keadaan pada MVSA Yang Akan Datang dengan menggunakan data di masa Lalu (Adam Dan Ebert, 1982). Awat (1990) menjelaskan bahwa peramalan merupakan kegiatan teller aan mengetahui Waardering: variabel Yang dijelaskan (veranderlike dependen) pada MVSA Akan Datang dengan mempelajari veranderlike Onafhanklike pada MVSA Lalu, yaitu dengan menganalisis Pola data Dan melakukan ekstrapolasi bagi Waardering:-Waardering: MVSA Datang. metode peramalan kuantitatif dijelaskan Supranto (2000) terdiri dari metode pertimbangan, metode regresi, metode kecendrungan (tendens metode), metode insette uitset, dan metode ekonometrika. metode kecendrungan (tendens metode) menggunakan suatu fungsi seperti metode regresi dengan veranderlike X menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh Kriteria yaitu berkaitan dengan passingstoetse Yang menunjukkan bagaimana model peramalan dapat menghasilkan peramalan Yang Baik. Selain itu ada Tiga Kriteria Yang perlu teller aan dipertimbangkan, yaitu: 2) Faktor biaya peramalan Dan 3) Faktor kemudahan. Penentuan ketepatan peramalan pada umumnya berdasarkan beberapa Metode, yaitu Waardering: Sidik Ragam (F-toets), Koefisien determinasi, Kuadrat Tengah Galat (gemiddelde-kwadraat fout (MSE), Dan Persentase Galat (persentasiefout (PE)). Deret waktu n basiese kumpulan data - data Yang merupakan data historis punte suatu periode waktu tertentu. data yang dapat dijadikan deret waktu harus bersifat kronologis, artinya data harus mempunyai periode waktu Yang berurutan. Misalnya data penjualan suatu bedrijfs - Antara ervaring 2006-2011, Maka datanya n basiese penjualan ervaring ervaring 2006 jaar oud 2007 jaar oud 2008 jaar oud 2009 jaar oud 2010, as ervaring 2011. data runtun waktu (tydreekse) merupakan data Yang dikumpulkan, dicatat, term of diobservasi sepanjang waktu secara berurutan. Periode waktu dapat menggunakan jaar oud, kuartal, Bulan, minggu, hari term of konfyt. Runtut waktu dianalisis teller aan menemukan Pola variasi MVSA Lalu. Análisis deret waktu (tydreeksanalise) dipakai teller aan meramalkan kejadian di masa yang akan dating berdasarkan urutan waktu sebelumnya. Ada beberapa Teknik teller aan meramalkan kejadian di masa yang akan Datang berdasarkan karakteristik data, misalnya Teknik glad, Teknik siklus, dan Teknik musiman. Tendens n basiese pergerakan jangka Panjang punte suatu kurun waktu Yang kadang-kadang dapat digambarkan dengan Garis DanyWeb term of kurva mulus. Deret waktu teller aan Besigheid Dan Ekonomie, Yang Calabria n basiese teller aan melihat tendens (term of tendens-siklus) sebagai perubahan dengan halus dari waktu ke waktu. Pada kenyataannya, anggapan bahwa tendens dapat diwakili oleh beberapa fungsi sederhana seperti Garis DanyWeb sepanjang periode teller aan tydreekse Yang diamati jarang ditemukan. Seringkali fungsi tersebut FACILE dicocokkan dengan kurva tendens pada suatu kurun waktu Karena dua alasan, yaitu fungsi tersebut menyediakan beberapa indikasi Arag algemeen dari ernstig Yang diamati, dan dapat dihilangkan dari ernstig aslinya teller aan mendapatkan Gambar musiman lebih jelas. Ada Tiga tendens Yang diigunakan teller aan meramalkan pergerakan keadaan pada MVSA Yang Akan Datang, yaitu: Sering Kali data deret waktu Jika digambarkan ke punte plot mendekati Garis luruus. Deret waktu seperti inilah Yang termasuk punte tendens liniêre. Persamaan tendens liniêre n basiese sebagai berikut: dengan Waardering: 'n Dan b diperoleh dari formule: Dimana Yt menunjukan Waardering: taksiran Y pada Waardering: t tertentu. Sedangkan n n basiese Waardering: onderskep dari Y, artinya Waardering: Yt akkan SAMA dengan n Jika Waardering: t 0. Kemudian b n basiese Waardering: helling. artinya Besar kenaikan Waardering: Yt pada setiap Waardering: t. Dan Waardering: t die gebruiker n basiese Waardering: tertentu Yang menunjukan periode waktu. Tendens liniêre Positif 4. Memilih tendens Calabria teller aan membuat suatu keputusan yang akan dilakukan di masa yang akan Datang berdasarkkan deret waktu diperlukan suatu Metode peramalan yang paling Baik sehingga memiliki Waardering: kesalahan Yang cenderung kecil. Terdapat beberapa Cara teller aan menentukan Metode peramalan mana yang akan dipilih sebagai Metode peramalan yang paling Baik, diantaranya gemiddelde-kwadraat fout (MSE). Teller aan Mencari MSE digunakan rumus sebagai berikut: Dimana Waardering: e n basiese selisih Antara Waardering: Y dengan peramalan (Yt). Model Yang memiliki MSE paling kecil n basiese model persamaan yang paling baik. Daratan mencakup sekitar 30 persen dari seluruh permukaan Bumi sedangkan sisanya n basiese Lautan. Egter, 100 persen dari permukaan Bumi merupakan atmosfer. Hal ini menyebabkan manusia Niet dapat bertahan tanpa atmosfer dimana pada atmosfer inilah terkandung oksigen yang digunakan teller aan bernafas. Keadaan atmosfer didefinisikan sebagai cuaca Dan iklim. Cuaca merupakan keadaan atmosfer pada suatu SAAT, sedangkan iklim merupakan rata-rata dari cuaca punte periode Yang Panjang. Banyak kegagalan kegiatan manusia disebabkan oleh unsur cuaca Dan iklim yang salah satunya n basiese kecepatan ANGIN. ANGIN n basiese udara Yang bergerak Dan sejajar dengan permukaan Bumi. Menurut Soenarmo (2003), manifestasi Utama dari sirkulasi ANGIN n basiese Medan tekanan. ANGIN terjadi disebabkan oleh adanya perbedaan tekanan horisontale. Besarnya kecepatan ANGIN ditunjukkan oleh kecuraman Beda tekanan. Jika Beda tekanan Besar Maka ANGIN menjadi kencang, sedangkan Jika Beda tekanan lemah Maka ANGIN juga menjadi lemah (Tjasjono, 1995). ANGIN memberikan pengaruh Yang cukup penting punte kehidupan manusia. Hal ini ditunjukkan oleh pemanfaatan ANGIN punte kehidupan sehari-hari seperti punte pelayaran, pembangkit lisrik, Aviasie, dan Lain sebagainya. Terkadang ANGIN die gebruiker memberikan dampak-dampak negatif. Kecepatan ANGIN Yang melebihi batas Maksimum kondisi Aman (melebihi 40 km / konfyt) dapat mengakibatkan bencana, misalnya rusaknya bangunan akibat badai, tanaman rusak, nelayan Niet dapat melaut akibat gelombang Laut meninggi d 'n gelê-gelê. Besarnya k ecepatan ANGIN di daerah Sumenep menjadi Hal yang sangat dipertimbangkan mengingat Sumenep merupakan daerah Pesisir dimana terdapat pelabuhan yang digunakan teller aan aktivitas pelayaran antarpulau Dan nelayan melakukan aktivitasnya. Pada ervaring 2008 tercatat Vrae kasus kecelakaan Laut Yang terjadi di Indonesië sebanyak 138 dimana 38 diantar n nya akibat kondisi Alam, 37 akibat menslike foute. 23 kesalahan teknis, dan 2 akibat Ander. Kondisi ANGIN belakangan ini semakin Niet menentu Dan pada SAAT-SAAT tertentu kecepatan ANGIN sangat ekstrim. Aktivitas pelayaran di Pelabuhan Kalianget woordspeling terkadang tertunda akibat tingginya gelombang Dan ANGIN kencang. Keadaan ini mendorong penelitian-penelitian mengenai kecepatan ANGIN semakin Huidige ontwikkeling, Salah satunya punte Hal peramalan kecepatan ANGIN. Peramalan kecepatan ANGIN teller aan beberapa periode ke depan penting dilakukan teller aan membantu pihak terkait membuat perencanaan Dan Your. Teller aan daerah Sumenep peramalan kecepatan ANGIN diperlukan Antara gelê teller aan aktivitas pelayaran. Beberapa penelitian mengenai pemodelan kecepatan ANGIN di Sumenep Resef dilakukan dengan berbagai Metode. Nuryana (2001) meramalkan kecepatan ANGIN di Sumenep menggunakan Metode ARIMA. Kecepatan ANGIN memberikan inligting oor Yang penting punte kehidupan sehari-hari terutama bagi kelangsungan aktivitas pelayaran di Sumenep sehingga perlu mendapatkan ramalan kecepatan ANGIN beberapa periode ke depan. Metode peramalan woordspeling semakin Huidige ontwikkeling teller aan Mencari Waardering: ramalan dengan fout sekecil-kecilnya. Salah Satu Metode tersebut n basiese Metode ARIMA. Bagaimanakah hasil peramalan k ecepatan ANGIN teller aan periode tanggal 1, 2 Dan 3 Mei 2009 Peramalan hanya dilakukan teller aan meramalkan kecepatan ANGIN 1 minggu berikutnya Karena peramalan Yang algemeen dilakukan oleh pihak BMKG n basiese kecepatan ANGIN 1 minggu ke depan. Tujuan dari penelitian ini n basiese u ntuk my ramalkan kecepatan ANGIN di Sumenep dengan Metode A Rima. Análisis DAN PEMBAHASAN teller aan menganalisis Dan meramalkan data kecepatan ANGIN punte satuan knoop di daerah Sumenep periode Bulan Mei 2009 dilakukan dengan menggunakan Metode ARIMA. Langkah-langkah Yang dilakukan teller aan mendapatkan ramalan tersebut n basiese sebagai berikut. 1. Melakukan identifikasi stasioneritas data terhadap beteken dan Varian. Membuat plot tydreekse Dan ACF-PACF teller aan melihat stasioneritas data-punte beteken dan Varian. Jika Niet stasioner terhadap gemiddelde dilakukan breukmetodes. sedangkan Jika Niet stasioner terhadap Varian dilakukan transformasi Box-Cox. Dari deret Yang Resef stasioner, dibuat plot PACF. Gambar 4.1 Plot tydreeksdata kecepatan ANGIN pada Bulan April Dari Gambar 4.1 di op hierdie dapat dilihat bahwa data te plaas Nog geen stasioner. Teller aan dapat melakukan peramalan dengan Metode ARIMA pada data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009 Maka data yang digunakan harus stasioner. Maka langkah Next n basiese menganalisis data kecepatan ANGIN di Sumenep stasioner punte varians maupun beteken. Pengujian kantoorbenodigdheden punte Varian dengan menggunakan transformasi boks Cox Dan didapatkan hasil sebagai berikut. Gambar 4.2 Box Cox data kecepatan ANGIN pada Bulan April Dari Gambar 4.2 di op hierdie menunjukkan bahwa data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009 Uitnodiging stasioner punte varians dibuktikan dari Waardering: afgeronde waarde SAMA dengan 1 term of dengan kata gelê bernilai 1. Setelah didapat bahwa data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009 Uitnodiging stasioner punte varians, Maka langkah Next n basiese melakukan pengujian stasioner punte beteken dengan cara verskil as didapatkan hasil sebagai berikut. Gambar 4. 3 Plot tydreeksdata kecepatan ANGIN pada Bulan April Pada Gambar 4.3 di op hierdie, merupakan tydreekse plot setelah dilakukan deferensial Lag 1 pada data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009. Dapat dilihat secara visuele, data Uitnodiging stasioner punte beteken . Sehingga dapat dilanjutkan ke pengujian Next yaitu menduga orde pada ARIMA. Dengan langkah-langkah sebagai berikut. Gambar 4.4 PACF data kecepatan ANGIN pada Bulan April Dari Gambar 4.4 di op hierdie, dapat diketahui bahwa terdapat 1 lag Yang afgesny is ehingga dari Grafik PACF tersebut bisa menduga einde van vraag AR yaitu 1. Next dilakukan pengujian Outokorrelasie Function seperti berikut ini. Dari Gambar 4.5 di op hierdie, dapat diketahui bahwa Grafik ACF lag pada data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009 sterf af term of turun secara Lambat s ehingga dari Grafik ACF tersebut bisa menduga einde van vraag MA yaitu 1. Lid van vraag Grafik ACF Dan PACF dapat disimpulkan bahwa model (1,1,1) 1. Melakukan pengujian signifikansi parameter teller aan mengetahui apakah pada data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009 Uitnodiging signifikan term of Niet, Maka dilakukan pengujian seperti berikut. H 1. minimale Ada Satu Tabel 4.1 Estimasi Model Dari Tabel 4.1 di op hierdie menunjukkan bahwa pada AR 1 mempunyai Waardering: P - waarde 0,038 Dan MA 1 mempunyai Waardering: P - waarde 0.000. AR 1 Dan MA 1 mempunyai Waardering: P - waarde Minder dari 0,05 Maka tolak H 0. Jadi parameter signifikan sehingga bisa Ingevuld pada model. Dan pada constan Waardering: P - waarde 0,173 Yang berarti lebih dari 0,05 Maka gagal tolak Ho Maka parameter Niet signifikan sehingga Niet Ingevuld pada model. Melakukan pengujian model dengan menguji oorblywende dari model. Pemodelan tydreekse merupakan iterasi prosedur. Setelah mendapat Waardering: dugaan parameter, tahap Next n basiese menguji apakah asumsi model dipenuhi. Suatu model tydreekse harus Voldoet aan asumsi wit geraas, dan nawerking berdistribusi normaal. Maka dilakukan pengujian seperti berikut. Dari Tabel 4.2 di op hierdie menunjukkan bahwa Waardering: P - waarde n basiese 0598 as 0691 lebih dari 0,05 Maka gagal tolak H 0 berarti data kecepatan ANGIN di Sumenep teller aan periode Bulan April 2009 Resef Voldoet aan asumsi wit geraas. Setelah dilakukan pengujian asumsi wit geraas dilanjutkan dengan melakukan pengujian asumsi Distribution normale, langkah pengujiannya n basiese sebagai berikut. Pada hasil perhitungan handleiding didapatkan hasil bahwa data peramalan kecepatan ANGIN di Sumenep pada tanggal 1, 2 Dan 3 Mei 2009 n basiese 7,5697 8,2517 8,6190 Dan punte satuan knoop. Data peramalan tersebut SAMA dengan hasil uitset Minitab seperti berikut iniMetode peramalan (vooruitskatting) terdiri dari Metode kualitatif Dan kuantitatif. Metode kualitatif n basiese Metode Yang menganalisis kondisi obyektif dengan APA adanya term of peramalan Yang Dida Arkan op hierdie data kualitatif pada MVSA Lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Peramalan kualitatif memanfaatkan faktor-faktor penting seperti intuisi, pendapat, Jare persoonlik, as stelsel Waardering: pengambilan keputusan. Metode ini meliputi Metode Delphi, Metode nominale na Groep, opname pasar Dan Análisis historikal analogie en lewensiklus. Metode kuantitatif n basiese peramalan Yang Dida Arkan op hierdie data kuantitatif term of model matematis Yang beragam dengan data MVSA Lalu. Hasil peramalan yang dibuat sangat bergantung pada Metode Yang dipergunakan punte peramalan tersebut. Baik tidaknya Metode yang digunakan tergantung dengan perbedaan term of penyimpangan Antara hasil ramalan dengan kenyataan Yang terjadi. Semakin kecil penyimpangan Antara hasil ramalan dengan kenyataan yang akan terjadi Maka semakin Baik pula Metode yang digunakan. Metode kuantitatif dapat diterapkan apabila. a. Tersedia data van inligting oor MVSA Lalu b. Data van inligting oor tersebut dapat dikuantitatifkan punte bentuk numerik c. Diasumsikan beberapa aspek MVSA Lalu Akan terus berlanjut di masa Datang. Metode ini meliputi Metode kausal Dan tydreekse. A. Metode Tyd Reeks Metode tydreekse (deret waktu) Dida Arkan op hierdie of Use analisa Pola voorlichting Antar veranderlike Yang diperkirakan dengan veranderlike waktu. Metode tydreekse terdiri dari Metode naïef, Metode rata-rata bergerak (bewegende gemiddelde), Metode eksponential glad Dan Metode tendens projeksie. Cara sederhana teller aan peramalan ini mengasumsikan bahwa permintaan punte periode berikutnya n basiese SAMA dengan peramalan punte periode sebelumnya. Pendekatan naïef ini merupakan model peramalan objektif yang paling efektif Dan efisien dari SEGI biaya. Paling Niet pen-dekatan naïef memberikan titik Awal teller aan perbandingan dengan model gelê Yang lebih canggih. Hou voorsien. Jika penjualan sebuah Producten (mis: telepon genggam Motorolla) n basiese 68-eenheid pada Bulan Januarie, Kita dapat meramalkan penjualan pada Bulan Februarie Akan SAMA, yaitu sebanyak 68 eenheid juga. Metode Rata-rata Bergerak (bewegende gemiddelde) Rata-rata bergerak n basiese suatu Metode peramalan Yang menggunakan rata-rata periode Vriende laaste data teller aan meramalkan periode berikutnya. Metode eksponential glad merupakan pengembangan dari Metode bewegende gemiddeldes. Punte Metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data krabbels. Setiap data diberi bobot, data Yang lebih baru diberi bobot Yang lebih Besar. Rumus Metode eksponential glad. dimana. F t Peramalan pen F t-1 Peramalan sebelumnya Konstanta penghalusan (08804 88051) 'n T-1 Permintaan aktual periode Lalu Menghitung kesalahan peramalan Ada beberapa perhitungan yang biasa digunakan teller aan menghitung kesalahan punte peramalan. Tiga dari perhitungan yang paling terkenal n basiese Deviasi mutlak rata-rata (gemiddelde absolute afwyking MAD) MAD n basiese Waardering: Yang dihitung dengan mengambil Vrae Waardering: absolut dari setiap kesalahan peramalan dibagi dengan Vrae periode data (N). B. Metode Kausal Metode peramalan kausal mengembangkan suatu model SEBAB-akibat Antara permintaan Yang diramalkan dengan veranderlike-veranderlike gelê Yang dianggap berpengaruh. Sebagai hou voorsien, permintaan Akan baju baru mungkin berhubungan dengan banyaknya populasi, pendapat voorlichting, Account kelamin, Budaya daerah, dan Bulan-Bulan toegewezen (hari raya, Natal, ervaring pen). Data van vraag veranderlike-veranderlike tersebut dikumpulkan Dan dianalisa teller aan menentukan kevaliditasan dari model peramalan Yang diusulkan. Metode ini dipakai teller aan kondisi dimana veranderlike penyebab terjadinya item yang akan diramalkan Uitnodiging diketahui. Dengan adanya voorlichting tersebut, uitset dapat diketahui Jika insette diketahui. Metoda regresi Dan korelasi pada penetapan suatu persamaan estimasi menggunakan Teknik 8220least squares8221. Voorlichting yang ada pertama-Tama dianalisis secara statistieke. Ketepatan peramalan dengan menggunakan metoda ini sangat Baik teller aan peramalan jangka pendek, sedangkan teller aan peramalan jangka Panjang ternyata ketepatannya Minder begitu Baik. Metoda ini banyak digunakan teller aan peramalan penjualan, perencanaan keuntungan, peramalan permintaan Dan permalan keadaan Ekonomie. Data Yang dibutuhkan teller aan Use metoda ini n basiese data kuartalan dari beberapa ervaring Lalu. Hou voorsien: Data berikut berhubungan dengan Waardering: penjualan pada bar pada beberapa pecan di penginapan Marthy en Polly Starr di marathon, Florida. Jika peramalan menunjukkan bahwa Akan dating 20 Tamu pecan depan, berapakah penjualan Yang diharapkan. Metoda ini Dida Arkan op hierdie peramalan sistem persamaan regresi Yang diestimasikan secara simultaan. Baik teller aan peramalan jangka pendek maupun peramalan jangka Panjang, ketepatan peramalan dengan metoda ini sangat Baik. Metoda peramalan ini selalu dipergunakan teller aan peramalan penjualan menurut kelas Producten, term of peramalan keadaan Ekonomie voorlichting, seperti permintaan, harga Dan penawaran. Data Yang dibutuhkan teller aan Use metoda peramalan ini n basiese data kuartalan beberapa ervaring. Empat tahapan Yang termasuk di punte memformulasi voorspelling model ekonometrika ini Antara gelê membangun suatu model teori, mengumpulkan data, memilih bentuk persamaan fungsi Yang diestimasi, dan mengestimasi Dan menginterpretasi hasil. Hou voorsien. s ebagai hou voorsien disini misalnya kita menginginkan teller aan memprakirakan permintaan, Maka voorlichting Antar harga Dan kuantitas dapat menjadi Basic Configuration teori Yang LOGIS bagi suatu model. Faktor harga Yang mempengaruhi volume permintaan tersebut Sebenarnya tidaklah merupakan Satu-satunya faktor Yang mempengaruhi permintaan, tetapi banyak faktor gelê Yang juga ikut mempengaruhi permintaan. Maka secara spesifik voorlichting kausalistik permintaan itu dipengaruhi oleh selain harga, tetapi juga dipengaruhi misalnya oleh inkomste per kapita (I), harga Barang Lain (PO), Dan Advertensi (A), Dan gelê-gelê. Karena itu model fungsi Yang Huidige ontwikkeling punte persamaan ekonometri sebagaimana ditunjukkan pada pembahasan estimasi permintaan Yang dipengaruhi oleh sejumlah faktor term of veranderlike Antara gelê seperti yang dinyatakan sebagai: Qd f (P, ek, Po, dan A) Yang secara Ekonomie terbukti secara empirik bahwa fungsi permintaan dipengaruhi P, ek, Po, dan 'n itu dirumuskan sebagai fungsi: Qd n 8211 BP GI DPO eA Dimana Qd merupakan volume permintaan, 'n merupakan koefisiensi konstanta, b, c, d, dan e merupakan koefisiensi faktor Harga, Inkomste, Harga Barang Lain Dan Advertensi. Metoda ini dipergunakan teller aan menyusun proyeksi tendens Ekonomie jangka Panjang. Model ini Minder Baik ketepatannya teller aan peramalana jangka Panjang. Model ini banyak dipergunakan teller aan peramalan penjualan bedrijfs-, penjualan Telekommunikasie Industri as sub Telekommunikasie Industri, produksi dari Telekommunikasie as sub Telekommunikasie Industri. Data Yang dibutuhkan teller aan Use metoda term of model ini n basiese data tahunan selama sekitar sepuluh sampai Lima belas ervaring.
No comments:
Post a Comment