Moving Average MA Relative Stärke Index RSI. Relative Stärke Index RSI Dan Moving Durchschnitt MA Salah Satu Penyusun Sistem Dalam Trading. Image über Wikipedia. Moving Durchschnitt MA Dan Relative Stärke Index RSI Akan Banyak Dibahas Dalam Bagian Ini, Kita Akan Mempelajari Penyusunan Metode Handel berdasarkan Analisa Teknikal untuk memudahkan proses penyusunan, dalam buku ini kita hanya akan membahas dan menggunakan dua indikator yang paling populer saja, yakni Moving Durchschnittlich als RSI Kedua Indikator tersebut akan digunakan dalam studi kasus selanjutnya. Moving Durchschnittliche merupakan indikator teknikal yang paling luas digunakan oleh investor dan trader Diseluruh dunia, karena kemampuannya menghilangkan faktor subjektif dari setiap analis Moving Durchschnittlich dapat diartikan sebagai perubahan harga rata-rata dalam satu Zeitrahmen tertentu Misalnya MA 20 Yang merupakan harga rata-rata selama 20 periode grafik tertentu Jika diaplikasikan kedalam grafik Täglich, MA 20 berarti harga rata - rata selama 20 hari perdagangan Demikian juga untuk H1, MA 20 rata-rata harga selama 20 jam terachhir. Tipe Moving Average. Dari cara perhitungan rata-rata harga, MA terbagi dalam 3 model.1 Einfache bewegliche durchschnittliche SMA. Model MA ini adalah Modell murni rata-rata pergerakan harga dan merupakan yang paling luas digunakan Perhitungannya diambil dari penjumlahan dari seluruh Daten kemudian dibagi dengan jumlah periode yang di observasi.2 Gewichteter beweglicher Durchschnitt WMA Perhitungan WMA diambil berdasarkan pembagian dari jumlah keseluruhan periode Misalnya, WMA 5 hari, merupakan Penjumlahan seluruh dibagi jumlah periode1 2 3 4 5 15 Perbedaan dengan SMA terletak pada tingkat sensitivasnya WMA lebih sensitif dibanding SMA Sehingga lebih cepat menghasilkan sinyal dibanding SMA, namun memiliki lebih Banyak Lärm.3 Exponential Moving Durchschnitt EMA. EMA adalah MA yang berusaha menjawab persoalan Antara SMA dan WMA, dengan perhitungan yang lebih rumit diantara ketiganya Misalnya, untuk membuat EMA 20 hari, maka diperlukan Daten MA 20 hari terlebih dahulu, baru kemudian Daten ini dijadikan sebagai titik perhitungan awal, untuk diambil selisih dan pembaginya Perhitungan EMA, sudah dilakukan otomatis Oleh Handelsplattform yang ada EMA mampu mengenali perubahan tren lebih awal, dibanding SMA, namun memiliki Lärm yang lebih Rendah Dibanding WMA. Gambar 1 Tiga jenis gleitend Durchschnitt. Dalam gambar 1 diatas kita dapat melihat perbedaan dari ketiga jenis Umzug Durchschnittlich gewichtet bergerak lebih cepat, Sementara Exponential bergerak lebih cepat dibanding Simpe MA, namun masih mampu memberikan sinyal lebih cepat dibanding einfach Moving Average. Penggunaan gleitenden Durchschnitt. Ada banyak cara untuk menggunakan MA sebagai alat dalam menentukan tren dan perubahan nya, dan cara tersebut semakin hari semakin berkembang Beberapa gambaran umum Penggunaan MA dibawah ini dapat dijadikan panduan. Moving durchschnittlich dapat dijadikan sebagai indikator untuk mengenali tren dengan membandingkan pergerakan harga terhadap garis MA tren naik dapat dikatakan telah terjadi ketika harga bergerak di atas MA, turun ketika harga bergerak di bawah MA. Support und Resistance Bereich. MA juga berfungsi sebagai Unterstützung dan Widerstand pergerakan harga Seperti pada gambar 2 MA berfungsi sebagai Unterstützung Ketika Euro mengalami Rallye dari bulan Februari hingga April 2008, setelah berhasil menembus Ebene Unterstützung pada bulan Agustus 08, garis MA kemudian berfungsi sebagai Widerstand hingga Mei 2009.Gambar 2 MA sebagai Unterstützung dan Widerstand. Ketika harga berada diatas MA, MA bertindak sebagai Unterstützung dan ketika harga berada di bawah MA, MA bertindak sebagai Widerstand. MA juga dapat digunakan untuk mencari indikasi perubahan tren harga, sekaligus menemukan Ebene Eintrag dan Ausfahrt transaksi Ada dua cara Utama untuk mendapatkan hasil tersebut. Pemotongan garis MA oleh harga. Perubahan tren harga dapat dikenali ketika harga memotong ke atas atau ke bawah garis MA Jika harga memotong ke atas garis MA, maka tren naik sedang dimulai Dan jika harga memotong ke bawah garis MA, maka Tren turun dapat dikatakan sedang dimulai. Perpotongan antara garis MA. Perpotongan antara garis MA dikenal dengan istilah crossover methode Umumnya crossover menggunakan dua atau lebih garis MA yang saling berbeda periode Crossover yang paling terkenal dan masih memiliki validitas tinggi adalah doppelte Übergangsmethode Metode ini yang seterusnya Akan kita gunakan dalam pembahasan selanjutnya. Gambar 3 Double Crossover-Methode, Euro Stündlich, Mei 2009.Konsep Crossover Berarti, MA Akan Menghasilkan sinyal Trend naik Ketika Garis MA Periode Yang Lebih Pendek Memotong Ke Atas Garis MA Periode Yang Lebih Panjang, Dan Sinyal Tren Turne Terjadi ketika garis MA pendek memotong ke bawah garis MA periode yang lebih panjang Kombinasi klasik yang populer untuk metode ini adalah 5 dan 10, 10 dan 50, 20 dan 50.Dalam gambar 3, di dalam grafik euro sejak tanggal 5 hingga 14 Mei 2009, Terdapat dua kali crossover, yang pertama menghasilkan kerugian dan yang kedua menghasilkan keuntungan cukup besar. Crossover bekerja dalam kondisi terbaik pada saat harga mengalami tren satu arah, seperti yang diilustrasikan dalam figur 4, terhadap USD JPY Stündlich. Gambar 4 Crossover-Methode, USDJPY Stündlich, Mei 2000.Relative Strength Index RSI. Indikator Ini Adalah Indikator Ke dua Yang Akan Kita Bahas Dalam Buku Ini RSI Merupakan Salah Satu Indikator Yang Paling Luas Digunakan Oleh Trader Dan Investor. Dikembangkan Oleh J Welles Wilder Jr Sejak tahun 1970-an dan pertama kali dipublikasikan Melalui bukunya Neue Konzepte in technischen Handelssystemen. Ada banyak penggunaan RSI yang diperkenalkan oleh Wilder dalam bukunya tersebut, namun kita hanya akan membahas bagian terpenting yang masih memiliki validitas tinggi. RSI mungkin dapat didefinisikan sebagai indikator yang mengukur kekuatan relatif pasar berdasarkan perbandingan antara kenaikan dan Penurunan, yang ditampilkan dalam bentuk indeks yang bergerak antara level 0 nol hingga 100.Ada tiga variasi penggunaan RSI yang harus diperhatikan karena akurasi sinyalnya yang masih cenderung tinggi.1 identifikasi puncak dan lembah harga Oberseite untere Anerkennung. Puncak dan lembah harga diindikasikan melalui RSI yang Bergerak ke atas Bereich 70 atau turun kebawah Bereich 30 Beberapa analis lebih menyukai penggunaan 80 sebagai Bereich ekstrim atas atau lebih dikenal dengan istilah überbucht dan Bereich 20 sebagai Ebene ekstrim bawah atau oversold. Sebagai contoh, gambar 5 menunjukkan kepada Anda bagaimana RSI memberikan indikasi harga tertinggi Dan terendah yang terjadi pada grafik EURJPY Ketika harga mencapai level dasar, RSI telah memasuki Bereich überverkauft di bawah Ebene 30, kemudian harga bergerak naik membentuk puncak top yang diikuti oleh RSI di atas 70 überkauft, dan turun kembali membentuk dasar yang ditandai dengan penurunan RSI kembali Ke bawah level 30.Gambar 5 RSI indikasikan puncak dan lembah harga.2 Mengenali pola Pattern Recognition. Pola harga yang muncul dalam RSI mungkin tidak dapat diidentifikasikan hanya melalui grafik harga Terkadang beberapa pola muncul lebih jelas dalam RSI dibanding pada harga sendiri. Gambar 6 memperlihatkan Ketika harga bergerak naik, RSI telah membentuk pola kopf und schulter yang pertama, dan lebih dulu mengalami ausbruch dibanding harga ketika menembus garis tren Pada pola kopf schulter kedua, baik harga maupun RSI secara bersamaan menembus garis tahanan Setelah berhasil Ausbruch Ausschnitt HS, RSI kemudian membentuk Pola Dreieck Yang Hanya Diindikasikan Oleh Garis Unterstützung dalam harga. Gambar 6 Pola grafik dalam RSI terkadang lebih mudah dikenali.3 Ausfall schwingt atau Divergenz. Penggunaan yang ketiga ini adalah penggunaan yang paling banyak diawasi oleh trader karena kekuatannya yang cukup besar dalam menghasilkan pergerakan pasar Divergenz Terjadi ketika harga membentuk level tertinggi atau terendah baru namun tidak diikuti oleh pembentukan level tertinggi atau terendah baru RSI. Misalnya dalam tren naik seperti dalam gambar 7, harga membentuk waagerecht tertinggi baru namun RSI mengalami kegagalan membentuk waagerecht tertinggi baru, kegagalan ini disebut dengan versagen schwingen Dan akhirnya membentuk divergence. Gambar 7 Poweful divergence pada USDCHF, Daily. Maksud dari divergence adalah pasar telah kehilangan kekuatan ketika hoch terbaru tersebut dibentuk Demikian juga saat penurunan, harga membentuk niedrig baru namun RSI mengalami kegagalan sehingga membentuk bullish divergenz Divergenz memiliki implikasi Umkehrung, dalam Arti jika terjadi dibawah akan memberikan dorongan bullish dan jika terjadi di atas akan memberikan dorongan bearish. Kombinasi antara gleitenden Durchschnitt dan RSI. Penggunaan dua indikator diatas, seperti halnya penggunaan indikator yang lain, sangat tergantung pada pribadi penggunanya Hal yang perlu diperhatikan sebelum penyusunan metode handel , Adalah karakter, kemampuan modal dan strategi yang Anda pilih. Anda dapat menggunakan poin-poin di bawah ini sebagai panduan untuk menggabungkan dua indikator tersebut. Moving Durchschnittliche adalah indikator yang digunakan sebagai filter dari fluktuasi harga, ditujukan untuk mengenali tren dan perubahan tren yang terjadi. MA periode lebih pendek bergerak sangat dekat dengan harga Semakin kecil periode yangdipilih semakin kecil pula jarak MA dengan harga, sehingga swing yang terjadi selama pergerakan harga berlangsung tidak dapat diperhalus oleh MA, dengan demikian frekuensi terjadinya Lärm atau sinyal Ausfall-pun semakin tinggi. Namun Di sisi lain, penggunaan MA dengan periode ini akan menghasilkan sinyal yang relatif jauh lebih cepat Semakin panjang periode MA yang dipilih biasanya semakin jauh pula jaraknya dengan harga läuft MA ini dapat memperhalus pergerakan harga sehingga tren dapat dengan mudah dikenali Sinyal yang dihasilkan lebih lambat namun memiliki Tingkat akurasi yang jauh lebih tinggi. RSI adalah indikator kekuatan pasar yang bergerak dalam batasan 0 hingga 100 Ditujukan untuk mengenali peluang berbaliknya harga dalam interval waktu yang relatif pendek Gunakan RSI untuk Ebene überverkauft Ketika tren naik, untuk mencari peluang lebih murah Dan gunakan pola RSI untuk Mendapatkan level breakout terbaik, atau divergenz untuk mengenali peluang berbaliknya harga. Studi kasus ini ditujukan untuk membantu Anda dalam merumuskan sinyal yang akan Anda gunakan dalam transaksi Sehingga contoh dalam e-book ini selayaknya tidak dianggap sebagai rekomendasi, karena hanya bersifat ilustrasi yang memberikan panduan bagi Anda Dalam studi ini mari kita mengambil contoh Schweizer Franken Täglich, perioden Juni 2007 hingga 22 Mei 2009.Pada tanggal 31 Mei 2007 seperti yang terlihat pada gambar 9 8, MA mengalami doppelte crossover di bereich atas, namun RSI belum memberikan konfirmasi untuk membeli Pada tanggal 29 Juni 2007, RSI 14 berhasil melakukan ausbruch ke bawah dan beberapa waktu kemudian, terjadidouble crossover Dengan demikian, kedua indikator ini memberikan kesimpulan yang sama dan kita telah mendapatkan konfirmasi untuk menjual. Gambar 8 Breakout RSI dan konfirmasi MA. Dalam gambar 9, terlihat pada Bulan 9, 2008, CHF telah selesai membentuk pola berlanjut Kopf Schulter, sementara harga bergerak di bawah MA, yang mengindikasikan tren turun masih kuat Breakout RSI pada garis Ausschnitt Kopf und Schulter mengindikasikan bearish, yang berarti masih sejalan dengan posisi MA Disini, kita dapat membiarkan Posisi sebelumnya atau menambah posisi baru. Gambar 9 Leistungsstarke Divergenz RSI, USDCHF Täglich. Bulan Februar 2008, RSI Selesai Membran Pola Symmetrisches Dreieck Garis Biru Pada Gambar 10 Dan Ausbruch Ke Bawah, Dengan Kondisi MA Yang Masih Stabil Di Atas Keduanya Memberikan Indikasi Bahwa Penurunan Masai Berlanjut Kemudian pada bulan Maret, terjadi divergenz ditandai dengan garis merah, dimana harga berhasil membentuk niedrige baru namun RSI mengalami kegagalan, yang merupakan indikasi perubahan tren harga Disini kita dapat mengurangi posisi yang ada untuk berjaga-jaga atau bahkan melikuidasi seluruhnya. Gambar 10 Divergenz dan Triangle pada RSI, Breakout Garis Unterstützung pada harga. Dalam Gambar 11 Setela RSI Membran Divergenz, Harga Mengalami Kenaikan Hingga Bulan Mei 2008, Dan Mengalami Konsolidasi Dalam Bereich Terbatas Bersamaan Dengan Itu, RSI Membran-Pola Dreieck Yang Berhasil Ditembus Ke Atas Pada Bulan Juli, Yang Kemudian diikuti oleh ausbruch harga terhadap kanal linie dan crossover doppeltes MA di sini kita melikuidasi seluruh posisi yang tersisa dan merupakan waktu baik mengambil posisi beli. Gambar 11 Triangle RSI und Bruch der Linie im Preis gesehen. Dalam gambar 12 setela breakout, CHF mengalami kenaikan hingga Nopember 2008 Pada periode ini, RSI telah menyelesaikan pola Kopf und Schulter dan Triangle yang diikuti oleh divergenz pada puncak harga Disini kembali kita sebaiknya melikuidasi posisi Setelah harga dan RSI berhasil melakukan Ausbruch ke bawah, doppelte MA melakukan Kreuz Yang mengindikasikan tren turun Namun di saat yang Bersamaan, RSI membentuk divergenz kembali di dasar harga yang mengindikasikan reversal berlawanan dengan MA di level ini kita sebaiknya tidak mengambil posisi, sembari menunggu konfirmasi selanjutnya. Gambar 12 Pause Kopf und Schulter pada RSI dan Doppelkreuz pada MA. Dalam gambar 13, MA kemudian memberikan Konfirmasi kenaikan setelah divergence padatahap e sebelumnya Kita mendapatkan konfirmasi membeli Harga kemudian mengalami kenaikan sejak bulan Januari 2009, yang kemudian diikuti oleh crossover MA Pada fase ini kita kemudian kembali melikuidasi posisi dengan gewinn sangat tipis Pada fase berikutnya, harga mengalami konsolidasi hingga 8 Mei 2009 lalu , Dimana harga dan RSI secara bersamaan membentuk pola triangle. Gambar 13 Crossover MA dan Breakout Dreieck RSI. Breakout Harga dan RSI terjadi dibarengi dengan Kreuz MA Pada tahap ini kita kembali mendapatkan sinyal konfirmasi untuk menjual Posisi tersebut dapat kita pertahankan hingga satu atau dua indikator kita Saling memberikan sinyal yang berlawanan jika kita menemukan kedua indikator memberikan sinyal yang sama, maka dari sisi kombinasi, hal ini sudah cukup sebagai dasar untuk mengambil posisi baru atau menambah posisi lama. Gambar 14 Skenario lengkap USDCHF, Mei 2007-Mei 2009.Skenario secara lengkap Dapat disimak pada gambar 14 USD CHF menurun dari Maret 2007 hingga Februari 2008 dan pembalikan tren terjadi yang menyebabkan uptrend dari Maret 2008 sampai ke Nopember 2008 Setela ini, USD CHF memasuki pola harga seitlich Jika melihat gambaran secara keseluruhan, dapat dilihat tren dan pola pada harga Dan RSI. Seperti yang sudah kita diskusikan sebelumnya, tren dapat dikenali melalui penggunaan gleitend Durchschnitt Dan RSI dapat kita gunakan sebagai filter untuk mendapatkan konfirmasi lanjutan. Gunakan ilustrasi diatas sebagai panduan Anda dapat mencari, menyusun dan eksperimentasi dengan alat teknikal yang lain Namun ingatlah untuk menjamin Alat tersebut sederhana mungkin. Moving durchschnittlich adalah indikator untuk mengenali tren dan mengukur tren yang terjadi. Sebuah sinyal yang dihasilkan oleh gleitend Durchschnitt didasarkan pada crossover yang terjadi baik dengan harga maupun dengan MA yang berbeda periode. Relative Stärke Index adalah jenis dari Oszillator yang ditujukan untuk Mengukur kekuatan harga dan penggunaan terbaiknya terletak pada saat harga mengalami konsolidasi atau sideway. Anda dapat menggunakan gleitende durchschnittliche bersamaan dengan RSI untuk menghasilkan sinyal transaksi. 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 Membran Risalah untuk umat Manusia Adapun Makalah Yang Penulis Tulis Adalah PERAMALAN Vorhersage. 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 Memberikan Petunjuk, Bimbingan dan Dorongan Dalam Menyusun Vorschlag ini dari awal sampai akhir.2 J uga kepada rekan seperjuangan, dan semua pihak yang telah Membranen penulis dalam menyusun Vorschlag Ini. Atas semua batuan dan bimbingan dari semua pihak penulis serahkan kepada Allah SWAT, semoga Allah dapat Membranen 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 dan pengandalian produksi Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap suatu atau beberapa produk 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 jumlah kuantitas.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 perfekt, tetapi meskipun demikian hasil peramalan Akan memberikan 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 Pendefinisian Tujuan Peramalan. Tujuan peramalan dilihat dengan waktu.1 Jangka pendek kurzfristig. Menentukan kuantitas dan waktu dari item dijadikan produksi Biasanya bersifat harian ataupun mingguan dan ditentukan oleh Niedrige management.2 Jangka menengah mittelfristig. Menentukan kuantitas dan waktu dari kapasitas produksi Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh mittlere management.3 Jangka panjang langfristige. 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 Business Planning. Berisi rencana pendanaan, pembiayaan dan keuangan perusahaan sebagai dasar untuk membuat rencana pemasaran.2 Marketing Planung. Rencana tentang produkt yang akan dibuat, penjualan dan pemasaran, sebagai dasar untuk membuat produktionsplanung.3 Master Produktion Schdule. Rencana produk akhir yang harus dibuat pada tiap periode selama 1-5 tahun Produk 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 orang mesin yang diperlukan untuk tiap arbeitsplatz pada setiap periode Merupakan bahan pertimbangan untuk penambahan jam kerja atau sub kontrak.6 Demand Management. Aktivitas memprediksi kebutuhan di masa datang dikaitkan dengan kapasitas Terdiri dari aktivitas Prognose Verteilung Anforderung Planung Auftragseingang, Versand, Dan Service Teil Anforderung.7 Material Anforderung Planung. Menetapkan Rencana Kebutuhan Material untuk melaksanakan MPS Ausgabe MRP adalah Kauf als PAC Produktion Aktivität Kontrolle, dan MRP menghasilkan rencana pembelian meliputi jumlah Fälligkeit, Freigabe Datum.8 Kapazitätsbedarf Planning. 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 geplanten Auftrag Jika kapasitas tidak tersedia bisa ditambah dengan im Laufe der Zeit merubah routing dan lain-lain Jika tidak tercapai MPS harus Dirubah.9 Produktion Aktivität Kontrolle PAC. Sering-Krankheit Verteiler Geschäft Boden contro l SFC, aktivitas Membranprodukt Setela Bahan Dibeli PAC terdiri dari aktivitas awal-akhir suatu Job berdasarkan urutan kedatangan Job, lalu membebankan Job ke Arbeitsstation dan melakukan pelaporan Hasil laporan akan merupakan Rückmeldung bagi MPS. Merupakan aktivitas memilih vendor membuat bestellen pembelian, dan menjadwalkan vendor.11 Performance Measurement. Evaluasi sistem untuk melihat seberapa jauh hasil yang diperoleh dibandingkan dengan rencana yang telah ditetapkan Sebagai bahan evaluasi pencapaian bisnis planning.1 4 Karakteristik Peramalan yang Baik. Peramalan Yang baik mempunyai beberapa kriteria 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 bias 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 persediaan , Sehingga banyak modal tersia-siakan Keakuratan hasil peramalan berperan dalam menyeimbangkan persediaan ideal. Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan Ketiga faktor pemicu biaya tersebut akan mempengaruhi betapa banyak Daten yang diblutuhkan , Bagaimana pengolahannya manuell 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 item-item 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 Memberikan 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 vital bagi setiap organisasi bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat signifikan Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan Dalam Bereich fungsional keuangan, peramalan memberikan dasar dalam menentukan anggaran dan pengendalian biaya Pada bagian pemasaran, peramalan penjualan dibutuhkan Untuk merencanakan produk 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 Inventar Kontrolle Untuk menetapkan kebijakan ekonomi seperti 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 Wenn wir vorhersagen können was Die Zukunft wird sein, wie wir unser Verhalten jetzt ändern können, um in einer besseren Position zu sein, als wir sonst wäre, wenn die Zukunft kommt Artinya, jika kita dapat memprediksi apa yang terjadi di 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 lalu akan terus berulang setidaknya dalam masa mendatang yang relatif dekat. Peramalan merupakan teknik yang digunakan untuk memperkirakan suatu system dimasa yang akan diperlukan oleh suatu perusahaan karena setiap keputusan yang Diamil 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 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 dua metode yaitu. A Metode kuanlitatif. Metode kuanlitatif yaitu menggunakan perhitungan matematik dan statistic. Metode kuanlitatif dapat digolongkan menjadi 2 yaitu.1 Teknik Deret Berkala Zeitreihe yang memerlukan sistem seperti kotak hitamdan tidak ada usaha memerlukan faktor yang berpengaruh pada system tersebut. Metode ini cocok untuk peramalan jangka pendek dan jangka menengah.1 Single Moving Average.2 Single Exponential Smothing.2 Teknik Exponential Kausal 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 vertretung untuk meramalkan masa yang akan datang langfristige prognose Peramalan kualitatif menggunakan pertimbangan pendapat-pendapat para pakar yang ahli atau expere di bidangnya Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat Murah tanpa dahlie dämmerung santara kekurangannya yaitu bersifat subyektif sehingga seringkali dikatakan kurang ilmiah. Salah satu pendekatan peramalan dalam metode ini adalah Teknik Delphi dimana menggabungkan dan merata-ratakan pendapat para pakar dalam suatu forum yang dibentuk untuk memberikan estimasi suatu hasil permasalahan di masa yang Akan datang Misalnya berapa estimasi pelanggan yang dapat diperoleh dengan realisasi teknologi 3G. Metode kualitatif biasanya tidak menggunakan perhitungan matematis ataupun perhitungan secara 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 sebagai berikut. Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif Tahapan tersebut adalah.1 Definisikan Tujuan Peramalan. Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.2 Buillah diagramm pencar Plot Data. Misalnya memplot Nachfrage versus waktu, dimana Nachfrage sebagai ordinat Y dan waktu sebagai Achse X.3 Memilih Modell peramalan yang tepat. Melihat dari kecenderungan Daten pada Diagramm pencar, maka dapat dipilih beberapa Modell peramalan yang diperkirakan dapat mewakili pola tersebut .4 Lakukan Peramalan.5 Hitung Kesalahan ramalan Prognose Fehler. Keakuratan suatu Modell peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai Daten yang sebenarnya Perbedaan atau selisih antara nilai aktualisiert dan nilai ramalan krankheit sebagai kesalahan ramalan prognose fehler atau deviasi yang dinyatakan dalam. Dimana Y t Nilai Daten aktualisieren pada periode tY t Nilai hasil peramalan pada periode tt Periode peramalan. Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan Yang disingkat SSE Summe der quadratischen Fehler als Estimasi Standar Fehler SEE Standardfehler geschätzt. Pilih Metode Peramalan dengan kesalahan Yang terkecil. Apabila nilai Kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian 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 mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu daten yang ada untuk diramalkan Terdapat tiga kategori waktu yaitu jangka pendek minggu bulan, menengah bulan tahun, dan jangka panjang tahun dekade Tabel 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 prakteknya terdapat berbagai metode peramalan antara lain.1 Zeit Serie atau Deret Waktu. Analisis Zeitreihe merupakan hubungan antara variabel yang dicari abhängigen 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. a 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 Metode Box Jenkins, merupakan deret waktu dengan menggunakan Modell Matematis dan digunakan untuk peramalan jangka pendek. c Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang Metode ini merupakan garis trend 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. a 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 Model Input Output, 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 dan 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 Modell yang termasuk kategori Modell deret waktu yaitu 1 Modell Konstan, 2 Modell Siklis, 3 Modell Analisis Regresi, 4 Modell Moving Average , 5 Model Exponential Smoothing.2 4 1 Model Konstan Constant Forecasting. Persamaan garis yang menggambarkan pola konstan adalah. Y ta dimana a konstanta. Untuk mendapatkan nilai a maka dapat didekati melalui turunan kuadrat terkecilnya least square terhadap a sebagai berikut.2 4 2 Model Siklis Musiman. Untuk pola data yang bersifat siklis atau musiman, persamaan garis yang mewakili dapat didekati dengan fungsi trigonometri, yaitu. Dimana n adalah jumlah periode peramalan. Jumlah Kuadrat Kesalahan Terkecil didefinisikan sebagai.2 4 3 Model Regresi Linier Linier Forecasting. Persamaan garis yang mendekati bentuk data linier adalah. Konstanta a dan b ditentukan dari data mentah berdasarkan Kriteria Kuadrat Terkecil least square criterion Perhitungannya sebagai berikut Anggaplah data mentah diwakili dengan Y i, ti , dimana Y i adalah permintaan aktual di saat ti dimana i 1,2 n. 2 4 4 Model Rata-Rata Bergerak Moving Average. Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret waktu Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus Metode ini digunakan untuk data yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau seasonal Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data permintaan aktual dari n periode terakhir Terdapat tiga macam model rata-rata bergerak, yaitu.2 4 4 1 Simple Moving Average. Simple Moving Average SMA t.2 4 4 2 Centered Moving Average. Perbedaan utama antara Simple Moving Average dan Centered Moving Average terletak pada pemilihan observasi yang digunakan Simple Moving Average menggunakan data yang sedang diobservasi tambah data sebelum observasi Misalnya, menggunakan 5 periode moving average, maka untuk SMA menggunakan data periode ke-5 dan 4 data periode sebelumnya Sebaliknya untuk CMA, Center berarti rataan antara data sekarang dengan menggunakan data sebelumnya dan data sesudahnya Misalnya untuk 3 periode moving average, maka SMA menggunakan data periode 3 ditambah data sebelumnya dan data sesudahnya Didefinisikan sebagai berikut. Dimana Y t adalah nilai tengah dari interval L data observasi L-1 2 observasi merupakan data 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 Weighted Moving Average. Formula untuk Weighted Moving Average WMAt.2 4 5 Pelicinan Exponential Exponential Smoothing. Dalam model rata-rata bergerak Moving Average dapat dilihat bahwa untuk semua data obesrvasi memiliki bobot yang sama yang membentuk rata-ratanya Padahal, data observasi terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan data observasi di masa yang lalu Hal ini dipandang sebagai kelemahan model peramalan Moving Average Untuk itu, digunakanlah metode Exponential Smoothing agar kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai berikut. Metode exponential smoothing mempertimbangkan bobot data-data sebelumnya dengan estimasi untuk Y t 1 dengan periode t 1 dihitung sebagai. Dimana a disebut konstanta pelicinan dalam interval 0 a 1 Rumus ini memperlihatkan bahwa data yang lalu memiliki bobot lebih kecil dibandingkan dengan data yang terbaru Rumus tersebut dapat disederhanakan sebagai berikut. Dengan nilai Y 1 untuk inisial ramalan didekati dengan nilai rata-ratanya. Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang penting dalam menghasilkan hasil ramalan yang andal Model Exponential Smoothing digunakan untuk peramalan jangka pendek. permisi pak, saya pernah menulis tentang fungsi autocorrelation untuk penentuan pola data time series apakah musiman, tren, atau stationer, di artikel berikut yang ingin saya tanyakan, apakah ada teknik lain untuk mencari pola data time series selain fungsi autocorrelation ya pak terima kasih. Forecasting Metode Weighted Moving Average. Metode Smoothing merupakan salah satu jenis teknik yang digunakan dalam analisis time series runtun waktu untuk memberikan peramalan jangka pendek Dalam melakukan smoothing penghalusan terhadap data, nilai masa lalu digunakan untuk mendapatkan nilai yang dihaluskan untuk time series Nilai yang telah dihaluskan ini kemudian diekstrapolasikan untuk meramal nilai masa depan Tehnik yang kita kenal dalam metode smoothing yaitu Simple Moving Average dan Exponential smoothing Pada halaman ini, saya hanya akan membahas tentang Simple Moving Average. Simple Moving Average. Data time series seringkali mengandung ketidakteraturan yang akan menyebabkan prediksi yang beragam Untuk menghilangkan efek yang tidak diinginkan dari ketidak-teraturan ini, metode simple moving average 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 moving average akan lebih baik Meningkatkan jumlah observasi akan menghasilkan nilai peramalan yang lebih baik karena ia cenderung meminimalkan efek-efek pergerakan yang tidak biasa yang muncul pada data. Moving average juga mempunyai dua kelemahan yaitu memerlukan data masa lalu dalam jumlah 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 data kunjungan ke Bali dari Januari 2008 hingga Juni 2015 dalam format excel, data diambil dari website Dinas Pariwisata Provinsi Bali.1 Langkah pertama adalah memasukkan data ke dalam worksheet SPSS 23 sebagai berikut. Data View bagi yang belum jelas tentang cara impor data dari excel ke SPSS 23 lihat di step bahasan ini gt gt gt.2 Kemudian pada menubar SPSS 23 pilih Transform Create Time Series Seperti Gambar.3 Setelah itu akan muncul kotak dialog berikut, pilih Visit dan klik panah sehingga variabel visit berpindah ke kolom variabel New Variabel di sebelah kanan.4 Setelah itu pilih pada kotak function pilih Centered Moving Average, atau bisa juga Prior Moving Average.5 Kemudian isikan span dengan 3, dan klik change Span diisi dengan angka 3 artinya mengalami proses 3 kali smoothing yang biasa kita kenal juga dengan Weighted Moving Average Adapun proses 1 dan 2 kali smoothing kita sebut Single Moving Average dan Double Moving Average Jangan lupa untuk klik change agar variabel visit1 berubah menjadi visi3, kemudian ok.6 Output yang didapat dari metode Centered Moving Average Weighted Moving Average adalah sebagai berikut. Dari output diatas, dapat diketahui bahwa Kunjungan pada bulan-bulan berikutnya dapat kita lihat dari variabel baru yang dihasilkan dari time series analysis metode centered moving average weighted moving average. Demikian juga jika kita memilih prior moving average, keduanya merupakan metode simple moving average dengan span 3, maka hasil peramalannya akan sama yoz. Aplikasi Metode Exponential Smoothing dengan SPSS akan dibahas pada bahasan selanjutnya.
No comments:
Post a Comment