ACARA I

PERAMALAN
A. Tujuan
Tujuan prraktikum Acara I Peramalan adalah
1. Mahasiswa mampu melakukan peramalan dengan menggunakan beberapa
metode seperti regresi, moving averange, exponent smooth.
2. Mahasiswa mampu menentukan nilai angka peramalan dengan
menggunakan beberapa metode peramalan seperti regresi, moving
averange, exponent smooth.
3. Mahasiswa mampu membandingkan hasil peramalan dengan berbagai
metode seperti regresi, moving averange, exponent smooth.
B. Tinjauan Pustaka
Forecasting adalah memprakirakan sesuatu yang akan terjadi. Kalau
forecast permintaan berarti prakiraan jumlah produk yang akan dibutuhkan
konsumen. Forecast bedaa dengan rencana, karena rencana itu merupakan
penentuan terlebih dahulu apa yang akan kita lakukan pada waktu yang akan
datang. Macam – macam forecasting antara lain, kualitatif dan kuantitatif.
Forecasting kualitatif adalah memprakirakan sifat atau hal-hal yang tidak dapat
diukur dengan satuan angka. Sedangkan forecasting secara kuantitatif
memprakirakan hal-hal yang dapat diukur dengan satuan angka, misalnya
jumlah penduduk, income per capita dan jumlah permintaan konsumen
(Subagyo, 2000).
Penerapan metode peramalan dengan mempertimbangkan pengaruh
special event terhadap fluktuasi permintaan akan mengakomodasi perencanaan
produksi yang lebih akurat. Perencanaan produksi dapat memperlihatkan
dampak dari segi biaya yang dikaluarkan untuk Inventori dan biaya backlog
pada sistem eksisting yang nantinya dibadingkan dengan dengan sistem yang
menggunakan metode peramalan dengan konsep manajemen permintaan pada
setiap special event yng terjadi. Yang nantinya akan berdampak terhadap
rencana dari rencana produksi dengan total biaya yang lebih murah
(Putra, 2010).
 Aktivitas peramalan merupakan sesuatu fungsi bisnis yang berusaha
memperkirakan penjualan dan penggunaan sehingga produk-produk itu dapa
dibuat dalam kuantitas yang tepat. Dengan demikian peramalan suatu dugaan
terhadap permintaan yang akan datang berdasarkan pada variable peramalan,
sering berdasarkan data derat waktu historis. Peramalan dapat menggunakan
teknik teknik peramalan yang bersifat formal maupun informal
(Gaspersz, 2005).
Peramal terus mencari produksi pola dan mempengaruhi harga ketika
mereka mencoba untuk menguasai pola trading. Pola permalan stabil karena itu
tidak mungkin untuk bertahan selama jangka waktu yang lama dan akan
merusak pola tersebut ketika ditemukan oleh sebagian besar investor. Hal ini
menimbulkan non stationarities dalam seri waktu pengembalian keuangan dan
mempersulit kedua tes efisiensi pasar dan mencari pendekatan peramalan
suskses. Peramalan digunakan untuk membandingkan harga dan keuntungan
dan harga dihasilkan oleh model permalan untuk yang berasal dari indeks pasar
(Timmerman, 2004).
Salah satu manfaat peramalan penjualan ini adalah dapat diperkirakannya
penjualan secara akurat dari waktu ke waktu sehingga dapat dibuat rencana
produksi yang sesuai dengan perkiraan penjualan. Hal ini penting mengingat
rencana produksi yang disusun tanpa memperhatikan perkiraan penjualan dapat
menyebabkan inefisiensi atau kehilangan kesempatan untuk memperoleh
keuntungan yang besar.Dari berbagai pendekatan peramalan penjualan,
pemilihan salah satu metode terbaik dilakukan dengan membandingkan
penjualan yang sebenarnya terjadi dengan ramalannya. Pembandingan ini
dilakukan dengan menghitung rata-rata persentase kesalahan absolut (mean
absolut pecentage error) dari setiap meode tersebut. Metode terbaik adalah
metode yang kesalahan peramalannya kecil (Munawar, 2003).
Penerapan exponential smoothing untuk meramalkan time series biasanya
mengandalkan tiga metode dasar: exponential smoothing sederhana, trend,
exponential smoothing, dan seasonal. Pendekatan yang umum untuk memilih
metode yang tepat untuk serangkaian waktu tertentu didasarkan pada validasi
 prediksi pada bagian yang dipotong dari sampel menggunakan kriteria seperti
kesalahan persentase rata-rata mutlak. Pendekatan kedua adalah dengan
mengandalkan kasus umum yang paling tepat dari tiga metode. Pendekatan
ketiga mungkin didasarkan pada kriteria informasi ketika metode kemungkinan
maksimum yang digunakan dalam hubungannya dengan exponential smoothing
untuk memperkirakan parameter smoothing. Hasil penelitian menunjukkan
bahwa pendekatan kriteria informasi muncul untuk memberikan dasar terbaik
untuk pendekatan otomatis untuk pemilihan metode, asalkan didasarkan pada
kriteria informasi A Kaike ini (Safi, 2013).
Peramalan dibagi menjadi 3 teknik yaitu peramalan ekstrapolatif yaitu
dilakukan dengan analisis rangkaian-waktu, teknik benang-hitam teknik OLS
dan pembobotan eksponensial, transformasi data, hasil yang didapat berupa
projeksi. Lalu peramalan teoritis, yaitu dilakukan dengan pemetaan teori,
analisis jalur dan pemrograman linear hasil yang didapatkan berupa prediksi.
Terakhir peramalan intuitif, yaitu dengan cara penilaian kelayakn dan hasil nya
berupa konjektur (Putra, 2010).
Fungsi ramalan permintaan melayani banyak tujuan manajerial yang luas
dalam organisasi-organisasi yang mencari keuntungan ataupun yang tidak
mencari keuntungan. Supaya berguna untuk operasi-operasi perencanaan dan
pengawasan, adalah penting tersedianya data atau bahan-bahan keterangan
mengenai ramalan permintaan dalam suatu bentuk yang dapat diterjemahkan
ke dalam permintaan – permintaan akan bahan – bahan (material), waktu dalam
penggolongan/klasifikasi alat yang khas, dan permintaan – permintaan akan
ketrampilan buruh yang spesifik. Oleh karena itu, ramalan ramalan akan
permintaan dollar secara kotor, permintaan menurut penggolongan langganan
atau klien atau permintaan menurut klasifikasi produk atau pelayanan yang
luas, mempunyai nilai yang terbatas bagi operasi – operasi (Buffa, 1991).
C. Soal
PT. Bekasam adalah perusahaan yang bergerak dibidang pengolahan
tepung terigu. Jumlah penjualan PT. Bekasam mengalami kenaikan 1 tahun
terakhir. Divisi marketing inginmengetahui besr niali penjualan di bulan
 selanjutnya, dengan tiga metode peramalan (regresi, moving average, dan
exponen smooth). Tentukan besar estimasi error pada setiap metode
peramalan untuk menentukan metode peramalan terbaik untuk menentukan
nilai penjualan PT. Bekasam.
D. Hasil dan Pembahasan
Tabel 1.1 Data Umum PT. Bekasam
Bulan Ke- Jumlah penjualan (ton) Di

1 345 350
2 454 459
3 544 549
4 566 571
5 550 555
6 566 571
7 623 628
8 643 648
9 650 655
10 711 716
11 745 750
12 765 770

Tabel 1.2 Metode Regresi

x y xy x2 ŷ ei ei2
1 350 350 1 425,603 -75,603 5715,748
2 459 918 4 457,645 1,355 1,837
3 549 1647 9 489,686 59,314 3518,094
4 571 2284 16 521,728 49,272 2427,687
5 555 2775 25 553,770 1,230 1,512
6 571 3426 36 585,812 -14,812 219,406
7 628 4396 49 617,854 10,146 102,935
8 648 5184 64 649,896 -1,896 3,596
9 655 5895 81 681,938 -26,938 725,668
10 716 7160 100 713,980 2,020 4,080
11 750 8250 121 746,022 3,978 15,823
12 770 9240 144 778,064 -8,064 65,030
SSE 12801,415
MSE 1066,785
Tabel 1.3 Metode Moving Average
x y MA ei ei^2
1 350
2 459
3 549
4 571 452,667 118,333 14002,778
5 555 526,333 28,667 821,778
6 571 558,333 12,667 160,444
7 628 565,667 62,333 3885,444
8 648 584,667 63,333 4011,111
9 655 615,667 39,333 1547,111
10 716 643,667 72,333 5232,111
11 750 673 77 5929
12 770 707 63 3969
SSE 39558,778
MSE 3296,565

Tabel 1.4.1 Metode Exponen Smooth α= 0,1

x At Ft ei ei^2
α= 0,1
1 350 0,00 350,00 122500,00
2 459 35,00 424,00 179776,00
3 549 77,40 471,60 222406,56
4 571 124,56 446,44 199308,67
5 555 169,20 385,80 148838,55
6 571 207,78 363,22 131926,15
7 628 244,11 383,89 147375,19
8 648 282,49 365,51 133594,11
9 655 319,05 335,95 112865,60
10 716 352,64 363,36 132029,97
11 750 388,98 361,02 130337,86
12 770 425,08 344,92 118970,51
SSE 1779929,17
MSE 148327,43
Tabel 1.4.2 Metode Exponen Smooth α= 0,5
x At Ft ei ei^2
α= 0,5
1 350 0,00 350,00 122500,00
2 459 175,00 284,00 80656,00
3 549 317,00 232,00 53824,00
4 571 433,00 138,00 19044,00
5 555 502,00 53,00 2809,00
6 571 528,50 42,50 1806,25
7 628 549,75 78,25 6123,06
8 648 588,88 59,13 3495,77
9 655 618,44 36,56 1336,82
10 716 636,72 79,28 6285,52
11 750 676,36 73,64 5422,94
12 770 713,18 56,82 3228,55
SSE 306531,90
MSE 25544,325
Pada metode Exponen Smooth α= 0,5 diperoleh hasil Ft secara berturut-
turut sebesar 0., 175., 317., 433., 502., 528,50., 549,75., 588,88., 618,44.,
636,72., 676,36., dan 713,18 sehingga diperoleh hasil ei berturut-turut sebesar
350., 284., 232., 138., 53., 42,50., 78,25., 59,13., 36,56., 79,28., 73,64., dan
56,82. Dari hasil tersebut didapatkan nilai SSE sebesar 306531,90 dan MSE
sebesar 25544,325.

Tabel 1.4.3 Metode Exponen Smooth α= 0,9

x At Ft ei ei^2
α= 0,9
1 350 0,00 350,00 122500,00
2 459 315,00 144,00 20736,00
3 549 444,60 104,40 10899,36
4 571 538,56 32,44 1052,35
5 555 567,76 -12,76 162,72
6 571 556,28 14,72 216,81
7 628 569,53 58,47 3419,03
8 648 622,15 25,85 668,08
9 655 645,42 9,58 91,87
10 716 654,04 61,96 3838,85
11 750 709,80 40,20 1615,71
 12 770 745,9824,02 576,94
SSE 165777,71
MSE 13814,809
Pada metode Exponen Smooth α= 0,9 diperoleh nilai Ft secara berturut-
turut sebesar 0., 315., 444,60., 538,56., 567,76., 556,28., 569,53., 622,15.,
645,42., 654,04., 709,80., dan 745,98 sehingga diperoleh hasil ei berturut-turut
sebesar 350., 144., 104,40., 32,44., -12,76., 14,72., 58,47., 25,85., 9,58., 61,96.,
40,20., dan 24,02. Dari data tersebut diperoleh hasil SSE sebesar 165777,71
dan MSE sebesar 13814,809.
E. Kesimpulan
Berdasarkan praktikum acara I diketahui nilai MSE untuk metode regresi
adalah 1066,85; untuk metode moving average adalah 3296,565; untuk metode
exponen smooth dengan α = 0,1 adalah 148327,430; dengan α = 0,5 adalah
25544,325 dan dengan α = 0,9 adalah 13814,809 sehingga dapat disimpulkan
bahwa metode peramalan yang terbaik adalah metode regresi karena memiiki
nilai MSE yang paling kecil diantara metode yang lain karena semakin kecil
nilai MSE semakin baik metode peramalan itu.
 DAFTAR PUSTAKA
Buffa, Elwoods S. 1991. Manajemen Produksi / Operasi. Erlangga. Jakarta.
Gasperz, Vincent. 2005. Producting Planning and Inventory Control
Manufakturing 21. Gramedia Pustaka Utama. Jakarta.
Munawar, Aang. 2003. Penerapan Metode Peramalan Penjualan sebagai Dasar
Penetapan Rencana Produksi (Studi Kasus Di PT Varia Industri Tirta).
Jurnal Ilmiah Kesatuan Volume 4 No. 1. Bogor.
Putra, Ilsan Nur., I Nyoman Pujawan., Ninlet Indah Arvitrida. 2010. Peramalan
Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special
Event di PT. Coca Cola Bottling Indonesia (PT.CCBI) PLANT-PANDAAN.
Hal 1-13.
Safi, Samir K., and Issam A Dawoud. 2013. Comparative Study on Forecasting
Accuracy Among Moving Average Models With Simulation and PALTEL
Stock Market Data in Palestine. American Journal of Theoretical and
Applied Statistics.
Subagyo, Pangestu. 2000. Aplikasi Manajemen Operasi Terhadap Pemasaran.
Jurnal Manajemen Operasi. Vol.1 No.1
Timmermann, Allan and Granger, Clive W.J. 2004. Efficient Market Hypothesis
and Forecasting. International Journal of Forecasting Vol 20: 15 – 27.
Departement of Economic. USA.
 LAMPIRAN PERHITUNGAN

3 𝑥 10
1. Di = Pi + 3+3
3 𝑥 10
Di1 = 345 + 3+3
= 345 + 5 = 350
3 𝑥 10
Di2 = 454 + 3+3
= 454 + 5 = 459
3 𝑥 10
Di3 = 544 + 3+3
= 544 + 5 = 549
3 𝑥 10
Di4 = 566 + 3+3
= 566 + 5 = 571
3 𝑥 10
Di5 = 550 + 3+3
= 550 + 5 = 555
3 𝑥 10
Di6 = 566 + 3+3
= 566 + 5 = 571
3 𝑥 10
Di7 = 623 + 3+3
= 623 + 5 = 628
3 𝑥 10
Di8 = 643 + 3+3
= 643 + 5 = 648
3 𝑥 10
Di9 = 650 + 3+3
= 650 + 5 = 655
3 𝑥 10
Di10 = 711 + 3+3
= 711 + 5 = 716
3 𝑥 10
Di11 = 745 + 3+3
= 745 + 5 = 750
3 𝑥 10
Di12 = 765 +
3+3
= 765 + 5 = 770

2. ∑x
= 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 + 9 + 10 + 11 + 12
= 78

3. ∑y
= 350 + 459 + 549 + 571 + 555 + 571 + 628 + 648 + 655 + 716 + 750 + 770
= 7222
4. X
∑x
= ∑n
78
= 12
= 6,5

5. Y
∑y
= ∑n
7222
= 12
= 601,83

6. xy
x1y1 = 1x350 = 350

x2y2 = 2x459 = 918

x3y3 = 3x549 = 1647

x4y4 = 4x571 = 2284

x5y5 = 5x555 = 2775

x6y6 = 6x571 = 3426

x7y7 = 7x628 = 4396

x8y8 = 8+648 = 5184

x9y9 = 9x655 = 5895

x10y10 = 10x716 = 7160

x11y11 = 11x750 = 8250

x12y12 = 12x770 = 9240

7. ∑xy
= (1x350) + (2x459) + (3x549) + (4x571) + (5x555) + (6x571) + (7x628) +
(8+648) + (9x655) + (10x716) + (11x750) + (12x770)
= 350 + 918 + 1647 + 2284 + 2775 + 3426 + 4396 + 5184 + 5895 + 7160 +
8250 + 9240
= 51525
8. x2
= ∑ x2
= 1 + 4 + 9 + 16 + 25 + 36 + 49 + 64 + 49 + 64 + 81 + 100 + 121 + 144
= 650

9. (∑ x) 2 = 782 = 6084

10. b
(∑n x ∑xy)−(∑x∑y)
= { (∑n x ∑ x2 )−(∑x)2 }

(12 𝑥 51525)−(78 𝑥 7222)

={ (12 𝑥 650)−(6084)
}

618300−563316
={ }
7800−6084

54984
= 1716

= 32,042

11. a
= Y – (bX)
= 601,83 – (32,042 x 6,5)
= 393,561

12. ŷ = a + bx
ŷ 1 = 393,561 + (32,042 x 1)
= 425,603
ŷ 2 = 393,561 + (32,042 x 2)
= 457,645
ŷ 3 = 393,561 + (32,042 x 3)
= 489,686
ŷ 4 = 393,561 + (32,042 x 4)
= 521,728
ŷ 5 = 393,561 + (32,042 x 5)
= 553,770
ŷ 6 = 393,561 + (32,042 x 6)
= 585,812
ŷ 7 = 393,561 + (32,042 x 7)
= 617,854
ŷ 8 = 393,561 + (32,042 x 8)
= 649,896
 ŷ 9 = 393,561 + (32,042 x 9)
= 681,938
ŷ 10 = 393,561 + (32,042 x 10)
= 713,980
ŷ 11 = 393,561 + (32,042 x 11)
= 746,022
ŷ 12 = 393,561 + (32,042 x 12)
= 778,064

13. ei = y – ŷ
ei 1 = 350 – 425,602
= -75,602
ei2 = 459 – 457,644
= 1,3555
ei3 = 549 – 489,686
= 59,313
ei4 = 571 – 521,728
= 49,271
ei5 = 555-553,770
= 1,229
ei6 = 571 – 585,812
= -14,812
ei7 = 628 – 617,854
= 10,145
ei8 = 648 – 649,896
= -1,896
ei9 = 655 – 681,938
= -26,938
ei10 = 716 – 713,980
= 2,019
ei11 = 750 – 746,022
=3,977
ei12 = 770 – 778,064
= -8,064
14. ei2
ei12 = (-75,602)2 = 5715,747
ei22 = 1,3552 = 1,837
ei32 = 59,3132 = 3518,093
ei42 = 49,2712 = 2427,686
 ei52 = 1,2292 = 1,511
ei62 = (-14,812)2 = 219,405
ei72 = (10,145)2 = 102,934
ei82 = (-1,896)2 = 3,595
ei92 = (-26,938)2 = 725,668
ei102 = 2,0192 = 4,079
ei112 = 3,9972 = 15,823
ei122 = (-8,064)2 = 65,029

15. ∑ei2 = SSE

= 5715,747 + 1,837 + 3518,093 + 2427,686 + 1,511 + 219,405
+ 102,934 + 3,595 + 725,668 + 4,079 + 15,823 + 65,029
= 12801,414
𝑆𝑆𝐸
16. MSE = 𝑛
12801,414
= 12
= 1066,784
Perhitungan Metode Moving Average
𝑦1 +𝑦2 + 𝑦3
1. MA = 3
350+459+549
MA1 = = 452,667
3
459+549+571
MA2 = = 526,333
3
549+571+555
MA3 = = 558.333
3
571+555+571
MA4 = = 565,667
3
555+571+628
MA5 = = 584,667
3
571+628+648
MA6 = = 615,667
3
628+648+655
MA7 = = 643,667
3
648+655+716
MA8 = = 673
3
655+716+750
MA9 = = 707
3
 2. ei = y – MA
ei = 571 - 452,667 = 118,333
ei = 555 - 526,333 = 28,667
ei = 571 – 558,333 = 12,667
ei = 628 – 565,667 = 62,333
ei = 648 – 584,667 = 63,333
ei = 655 – 615,667 = 39,333
ei = 716 – 643,667 = 72,333
ei = 750 - 671 = 77
ei = 770 – 707 = 63
3. 𝑒𝑖 2
ei2 = (118,333)2 = 14002,778
ei2 = (28,667)2 = 821,778
ei2 = (12,6667)2 = 160,444
ei2 = (62,333)2 = 3885,444
ei2 = (63,333)2 = 4011,111
ei2 = (39,333)2 = 1547,111
ei2 = (72,333)2 = 5232,111
ei2 = (77)2 = 5929
ei2 = (63)2 = 3969
4. ∑𝑒𝑖 2 = SSE
= 39668,800
𝑆𝑆𝐸
5. MSE = 𝑛
39668,800
= = 3296,56
12

Perhitungan Metode Exponen Smooth

Untuk α = 0,1

1. Y = At
2. Ft (i) = Ft (i-1) + α (At (i-1) - Ft (i-1))
Ft (1) = Ft (1-1) + 0,1 (At (1-1) - Ft (1-1))
= Ft 0 + 0,1 (At 0 – Ft 0)
=0
Ft (2) = Ft (2-1) + 0,1 (At (2-1) - Ft (2-1))
= Ft 1 + 0,1 (At 1-Ft 1)
= 0 + 0,1 (350-0)
= 35,00
Ft (3) = Ft (3-1) + 0,1 (At (3-1) - Ft (3-1))
= Ft 2+0,1 (At 2 - Ft 2)
= 35,00+0,1 (459-35)
= 77,40
Ft (4) = Ft (4-1) + 0,1 (At (4-1) - Ft (4-1))
= Ft 3 + 0,1 (At 3 – Ft 3)
= 77,40 + 0,1 (549-77,40)
= 124,56
Ft (5) = Ft (5-1) + 0,1 (At (5-1) - Ft (5-1))
= Ft 4+0,1 (At 4 – Ft 4)
= 124,56 + 0,1 (571 – 433)
= 169,20
Ft (6) = Ft (6-1) + 0,1 (At (6-1) - Ft (6-1))
= Ft 5 + 0,1 (At 5 – Ft 5)
= 169,20 + 0,1 (555 – 502)
= 207,78
Ft (7) = Ft (7-1) + 0,1 (At (7-1) - Ft (7-1))
= Ft 6 + 0,1 (At 6 – Ft 6)
= 207,78 + 0,1 (571– 528,5)
= 244,11
Ft (8) = Ft (8-1) + 0,1 (At (8-1) - Ft (8-1))
= Ft 7 + 0,1 (At 7 – Ft 7)
= (244,11 + 0,1) (628 – 549)
= 282,49
 Ft (9) = Ft (9-1) + 0,1 (At (9-1) - Ft (9-1))
= Ft 8 + 0,1 (At 8 – Ft 8)
= 282,49 + 0,1 (648 – 588,88)
= 319,05
Ft (10) = Ft (10-1) + 0,1 (At (10-1) - Ft (10-1))
= Ft 9 + 0,1 (At 9 – Ft 9)
= 319,05 + 0,1 (655 – 618)
= 352,64
Ft (11) = Ft (11-1) + 0,1 (At (11-1) - Ft (11-1))
= Ft 10 + 0,1 (At 10 – Ft 10)
= 352,64 + 0,1 (716 – 636,72)
= 388,98
Ft (12) = Ft (12-1) + 0,1 (At (12-1) - Ft (12-1))
= (Ft 11 + 0,1) (At 11 – Ft 11)
= (388,98 + 0,1) (676,36 – 502)
= 344,92
3. еi = At – Ft
е1 = 350 – 0 = 350,00
е2 = 459 – 35 = 424,000
е3 = 549 – 77,40 = 471,60
е4 = 571 – 124,56 = 446,44
е5 = 555 – 168,20 = 385,80
е6 = 571 – 207,78 = 263,22
е7 = 628 – 244,11 = 383,89
е8 = 648 – 282,49 = 365,51
е9 = 655 – 319,05 = 335,95
е10 = 716 – 352,64 = 363,36
е11 = 750 – 388,98 = 361,02
е12 = 770 – 425,08 = 344,92
4. еi^2
е1^2 = 122.500,00
е2^2 = 179776,00
е3^2 = 222406,56
е4^2 = 199308,67
e5^2 = 148838,55
е6^2 = 131926,15
е7^2 = 147375,19
е8^2 = 133594,11
е9^2 = 112865,60
е10^2 = 132029,97
е11^2 = 130337,86
е12^2 = 118970,51
5. ∑(еi^2) = SSE = 1779929,17
SSE
6. MSE = 12
1779929
=
12
= 148327,43
Untuk α = 0,5

7. Y = At
8. Ft (i) = Ft (i-1) + α (At (i-1) - Ft (i-1))
Ft (1) = Ft (1-1) + 0,5 (At (1-1) - Ft (1-1))
= Ft 0 + 0,5 (At 0 – Ft 0)
=0
Ft (2) = Ft (2-1) + 0,5) (At (2-1) - Ft (2-1))
= Ft 1 + 0,5 (At 1-Ft 1)
= 0 + 0,5(350-0)
= (0,5) (350)
=175,00
Ft (3) = Ft (3-1) + 0,5 (At (3-1) - Ft (3-1))
= Ft 2+0,5 (At 2 - Ft 2)
 = 175+0,5 (459-175)
= 317,00
Ft (4) = Ft (4-1) + 0,5 (At (4-1) - Ft (4-1))
= Ft 3 + 0,5 (At 3 – Ft 3)
= 317 + 0,5 (549-317)
= 433,00
Ft (5) = Ft (5-1) + 0,5 (At (5-1) - Ft (5-1))
= Ft 4+0,5 (At 4 – Ft 4)
= 433 + 0,5 (571 – 433)
= 502,00
Ft (6) = Ft (6-1) + 0,5 (At (6-1) - Ft (6-1))
= Ft 5 + 0,5 (At 5 – Ft 5)
= 502 + 0,5 (555 – 502)
= 528,50
Ft (7) = Ft (7-1) + 0,5 (At (7-1) - Ft (7-1))
= Ft 6 + 0,5 (At 6 – Ft 6)
= 528 + 0,5 (571– 528,5)
= 549,75
Ft (8) = Ft (8-1) + 0,5 (At (8-1) - Ft (8-1))
= Ft 7 + 0,5 (At 7 – Ft 7)
= 549 + 0,5 (628 – 549)
= 588,88
Ft (9) = Ft (9-1) + 0,5 (At (9-1) - Ft (9-1))
= Ft 8 + 0,5 (At 8 – Ft 8)
= 588,88 + 0,5 (648 – 588,88)
= 618,44
Ft (10) =Ft (10-1) + 0,5 (At (10-1) - Ft (10-1))
= Ft 9 + 0,5 (At 9 – Ft 9)
= 618 + 0,5 (655 – 618)
= 636,72
Ft (11) = Ft (11-1) + 0,5 (At (11-1) - Ft (11-1))
 = Ft 10 + 0,5(At 10 – Ft 10)
= 636,72 + 0,5 (716 – 636,72)
= 676,36
Ft (12) = Ft (12-1) + 0,5 (At (12-1) - Ft (12-1))
= Ft 11 + 0,5 (At 11 – Ft 11)
= 676,36 + 0,5 (676,36 – 502)
= 713,18
9. еi = At – Ft
е1 = 350 – 0 = 350,00
е2 = 459 – 175 = 284,00
е3 = 549 – 175 = 232,00
е4 = 571 – 433 = 138,00
е5 = 555 – 53 = 53,00
е6 = 571 – 528,50 = 42,50
е7 = 628 – 549,75 = 78,25
е8 = 648 – 588,88 = 59,13
е9 = 655 – 618,44 = 36,56
е10 = 716 – 636,72 = 79,28
е11 = 750 – 676,36 = 73,64
е12 = 770 – 713,18 = 56,82
10. еi^2
е1^2 = 122.500,00
е2^2 = 80.656,00
е3^2 = 53.824,00
е4^2 = 19.044,00
e5^2 = 2809,00
е6^2 = 1806,25
е7^2 = 6123,06
е8^2 = 3495,77
е9^2 = 1336,82
е10^2 = 6285,52
 е11^2 = 5422,94
е12^2 = 3228,55
11. ∑(еi^2) = SSE = 306531,90
SSE
12. MSE = 12

306531,90
=
12
= 25544,325
Untuk α = 0,9
1. Y = At
Ft (i) = Ft (i-1) + α (At (i-1) - Ft (i-1))
Ft (1) = Ft (1-1) + 0,9) (At (1-1) - Ft (1-1))
= (Ft 0 + 0,9) (At 0 – Ft 0)
=0
Ft (2) = Ft (2-1) + 0,9) (At (2-1) - Ft (2-1))
= (Ft 1 + 0,9) (At 1-Ft 1)
= (0 + 0,5) (350 - 0)
= (0,5) (350)
= 315,00
Ft (3) = Ft (3-1) + 0,9) (At (3-1) - Ft (3-1))
= (Ft 2+0,9) (At 2 - Ft 2)
= (315+0,9) (459-315)
= 444,60
Ft (4) = Ft (4-1) + 0,9) (At (4-1) - Ft (4-1))
= (Ft 3 + 0,9) (At 3 – Ft 3)
= (444,60+ 0,9) (549-444,60)
= 538,56
Ft (5) = Ft (5-1) + 0,9) (At (5-1) - Ft (5-1))
= (Ft 4+0,9) (At 4 – Ft 4)
= (538,56 + 0,9) (571 – 538,56)
= 567,76
Ft (6) = Ft (6-1) + 0,9) (At (6-1) - Ft (6-1))
 = (Ft 5 + 0,9) (At 5 – Ft 5)
= (567,76 + 0,9) (555 – 567,76)
= 556,28
Ft (7) = Ft (7-1) + 0,9) (At (7-1) - Ft (7-1))
= (Ft 6 + 0,9) (At 6 – Ft 6)
= (556,28 + 0,9) (571– 556,28)
= 569,53
Ft (8) = Ft (8-1) + 0,9) (At (8-1) - Ft (8-1))
= (Ft 7 + 0,9) (At 7 – Ft 7)
= (569,53 + 0,9) (628 – 569,53)
= 622,15
Ft (9) = Ft (9-1) + 0,9) (At (9-1) - Ft (9-1))
= (Ft 8 + 0,9) (At 8 – Ft 8)
= (622,53 + 0,9) (648 – 622,53)
= 645,42
Ft (10) = Ft (10-1) + 0,9) (At (10-1) - Ft (10-1))
= (Ft 9 + 0,9) (At 9 – Ft 9)
= (645,53 + 0,9) (655 – 645,53)
= 654,04
Ft (11) = Ft (11-1) + 0,9) (At (11-1) - Ft (11-1))
= (Ft 10 + 0,9) (At 10 – Ft 10)
= (654,04+ 0,9) (716 – 654,04)
= 709,80
Ft (12) = Ft (12-1) + 0,9) (At (12-1) - Ft (12-1))
= (Ft 11 + 0,9) (At 11 – Ft 11)
= (709,80 + 0,9) (750 – 709,80)
= 745,98
2. еi = At – Ft
е1 = 350 – 0 = 350,00
е2 = 459 – 315 = 144,00
е3 = 549 – 444,60 = 104,40
 е4 = 571 – 538,56 = 32,44
е5 = 555 – 567,76 = -12,76
е6 = 571 – 556,28 = 14,72
е7 = 628 – 569,53 = 58,47
е8 = 648 – 622,15 = 25,85
е9 = 655 – 645,42= 9,58
е10 = 716 – 654,04= 61,96
е11 = 750 – 709,80 = 40,20
е12 = 770 – 745,98= 24,02
3. еi^2
е1^2 = 122.500,00
е2^2 = 20.736,00
е3^2 = 10.899,36
е4^2 = 1052,35
e5^2 = 162,72
е6^2 = 216,81
е7^2 = 3419,03
е8^2 = 668,08
е9^2 = 91,87
е10^2 = 3838,85
е11^2 = 1615,71
е12^2 = 576,94
4. ∑(еi^2) = SSE = 165777,71
SSE
5. MSE = = 13814,809
12