PRESENTASI TUGAS AKHIR – KS091336 Penyusun Tugas Akhir : PENGGUNAAN METODE REGRESI BERGANDA UNTUK MERAMALKAN PERMINTAAN MOBIL DENGAN N VARIABEL INDEPENDEN ADAPTIF 31 Januari 2011 Tugas Akhir KS09-1336 1 Fitri Linawati (NRP : 5207.100.114) Dosen Pembimbing : Wiwik Anggraeni, S.Si. M.Kom Retno Aulia Vinarti, S.Kom
54
Embed
PRESENTASI TUGAS AKHIR –KS091336 PENGGUNAAN … · memberikan gambaran tentang penggunaan metode regresi berganda dalam peramalan permintaan. dari segi aplikasi 7 ... Memasukkan
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
PRESENTASI TUGAS AKHIR – KS091336
Penyusun Tugas Akhir :
PENGGUNAAN METODE REGRESI BERGANDA UNTUK
MERAMALKAN PERMINTAAN MOBIL DENGAN N
VARIABEL INDEPENDEN ADAPTIF
31 Januari 2011 Tugas Akhir KS09-1336 1
Penyusun Tugas Akhir :
Fitri Linawati
(NRP : 5207.100.114)
Dosen Pembimbing :
Wiwik Anggraeni, S.Si. M.Kom
Retno Aulia Vinarti, S.Kom
LATAR BELAKANLATAR BELAKANGG
Peramalan perlu dilakukan karena permintaan tidak dapatdiketahui secara pasti.
Peramalan permintaan menjadi dasar dari seluruhperencanaan dalam rantai pasok.
Diperlukan metode peramalan yang tepat untuk
Tugas Akhir KS09-1336 2
Diperlukan metode peramalan yang tepat untukmendapatkan hasil yang sesuai.
Berdasarkan karakteristik data yang ada, maka digunakanmetode regresi berganda dalam melakukan peramalan.
LATAR BELAKANLATAR BELAKANGG--22
An-Shing Chen et.al (2004) dalam penelitiannya mencobamenggabungkan metode regresi dan metode artificial neural network untuk melakukan peramalan terhadap mata uang. Dalam penelitian tersebut diungkapkan alasan menggunakanmetode regresi dikarenakan kebanyakan model-model ekonometrik memiliki fungsi yang linear.
Tugas Akhir KS09-1336 3
ekonometrik memiliki fungsi yang linear.
Masters T. (1995) dalam bukunya mengungkapkan bahwametode regresi relatif membutuhkan lebih sedikit waktu danusaha untuk melakukan training.
Metode regresi linear berganda merupakan metode yang umumdigunakan untuk melakukan peramalan ketika data hubunganvariabel independen (atau isyarat) tersedia (Nikolopoulos et al., 2007).
PERMASALAHANPERMASALAHAN
Permasalahan yang diangkat dalam tugas akhir ini
adalah:
� Bagaimana mencari variabel-variabel bebas yang mempengaruhi variabel permintaan?
� Bagaimana melakukan peramalan permintaan
4
Bagaimana melakukan peramalan permintaanmenggunakan metode regresi berganda?
� Bagaimana tingkat akurasi dari hasil peramalan yang telahdilakukan?
Tugas Akhir KS09-1336
BATASAN BATASAN PERMASALAHANPERMASALAHAN
Batasan-batasan pada pengerjaan tugas akhir ini adalah :
� Data yang digunakan adalah data penjualan mobil dariperusahaan retail mobil Austria, diambil dari paper acuanyang ditulis oleh Reiner Gerald & Johannes Fichtinger(2009).
Metode peramalan yang digunakan adalah metode regresi
5
� Metode peramalan yang digunakan adalah metode regresiberganda dengan menggunakan beberapa variabelindependen adaptif.
Tugas Akhir KS09-1336
TUJUAN
Tujuan dari tugas akhir ini adalah :
� melakukan peramalan permintaan mobil dari suatuperusahaan retail mobil Austria dengan menggunakanmetode regresi berganda yang memiliki n variabelindependen yang jumlahnya bisa berubah secara
6
independen yang jumlahnya bisa berubah secaraadaptif.
Tugas Akhir KS09-1336
MANFAAT
Manfaat dari tugas akhir ini adalah :
� dari segi keilmuan
memberikan gambaran tentang penggunaan metode regresiberganda dalam peramalan permintaan.
� dari segi aplikasi
7
� dari segi aplikasi
memberikan informasi bagi pihak retailer sehingga dapat
melakukan perencanaan replenishment yang matang.
Tugas Akhir KS09-1336
METODOLOGI
8Tugas Akhir KS09-1336
MODEL DAN IMPLEMENTASI
9
Metode Peramalan Regresi Berganda
Salah satu metode peramalan yang masuk pada model kausal atau eksplanatoris
Regresi berganda digunakan untuk peramalan yang melibatkan satu variabel terikat, dan n buah variabelbebas.
10
bebas.
Variabel terikat dan variabel bebas memiliki hubunganyang signifikan
Tugas Akhir KS09-1336
Model Regresi Berganda
Bentuk umum :
Y = b0 + b1X1 + b2X2 + ... + bkXk
11
Y = variabel terikat
Xi = variabel bebas ( i = 1, 2, 3, …, k)
b0 = intersep
bi = koefisien regresi ( i = 1, 2, 3, …, k)
Tugas Akhir KS09-1336
Langkah – langkah Metode Regresi Berganda
1. Uji korelasi
� Menguji korelasi variabel bebas dan terikat
2. Pencarian Koefisien
� Pencarian nilai koefisien regresi
3. Penyusunan Model
Melakukan penyusunan model regresi
12
� Melakukan penyusunan model regresi
4. Peramalan
� Melakukan peramalan menggunakan model yang telahterbentuk
5. Evaluasi
� Melakukan perhitungan nilai kesalahan danmembandingkan hasil peramalan dengan metode lain
Tugas Akhir KS09-1336
Uji Korelasi
Uji korelasi untuk mencari variabel-variabel bebas yang memilikipengaruh signifikan terhadap variabel terikat
Metode pengujian korelasi menggunakan fungsi:
[r,p] = corrcoef(trainingdata);
13
dimana:
[r,p] = matriks yang menyimpan nilai korelasi dari setiapvariabel
(trainingdata) = variabel yang menyimpan data yang akan diujikorelasinya
Jika nilai r > 0.5 maka dikatakan nilai korelasinya signifikan.
Tugas Akhir KS09-1336
Pencarian Koefisien Regresi
Dilakukan untuk mencari nilai koefisien untuk model regresi.
Metode pencariaan koefisien regresi � OLS
Fungsi yang digunakan:
X=[ones(size(X1)) X1 X2 X3];
14
X=[ones(size(X1)) X1 X2 X3];
a=X\Y;
Tugas Akhir KS09-1336
Matriks satuan
dengan ukuran X1
Matriks yang menyimpan nilai
data variabel bebas 1, 2, dan 3
Pembagian terbalik =
operasi invers (X-1 * Y)
Matriks yang
menyimpan
nilai
koefisien
Penyusunan Model
Memasukkan variabel bebas dan nilai koefisien ke dalampersamaan regresi
Y = b0 + b1X1 + b2X2 + ... + bkXk
15Tugas Akhir KS09-1336
Peramalan
Peramalan dilakukan menggunakan bentuk umum model Regresi Berganda.
Peramalan dilakukan untuk memperoleh nilai Y (variabelterikat) dengan menggunakan nilai X (variabel bebas) yang sudah ada.
16
yang sudah ada.
Tugas Akhir KS09-1336
Evaluasi
Metode evaluasi kesalahan yang digunakan yaitu :
Mean Absolute Percentage Error (MAPE) :
17
Dimana:
n = jumlah sampel
= data aktual
= data hasil peramalan
Suatu model mempunyai kinerja sangat bagus jika nilai MAPE berada di bawah 10%, dan mempunyai kinerja bagus jika nilai MAPE berada di antara 10% dan 20% (Zainun dan Majid, 2003).
Tugas Akhir KS09-1336
Data-1
Data penjualan mobil dari perusahaan retail mobil Austria dengan N = 171 observasi
Data tersebut terdiri dari 5 variabel, yaitu:
� Net Price (Milyar)
� Discount (%)
18
Discount (%)
� On Promotion (1:sedang dipromosikan, 0:sedang tidakdipromosikan)
� Price (Milyar)
� Demand (unit)
Tugas Akhir KS09-1336
Data-2
Data dibagi menjadi 2 kelompok:
� Kelompok Analisis
Data dari N = 1 - 137
� Kelompok Tes
Data dari N = 138 – 171 (34 periode)
19
Data dari N = 138 – 171 (34 periode)
Tugas Akhir KS09-1336
UJI COBA DAN ANALISIS HASIL
Tugas Akhir KS09-1336 20
Uji Korelasi
Net Price DiscountOn
PromotionPrice Demand
Net Price 1 -0,7055 -0,8046 0,9926 -0,6876
Discount -0,7055 1 0,7920 -0,6149 0,9875
On
21
Tanda negatif menunjukkan bahwa hubungan antarkeduanya berkebalikan. Contoh: jika Net Price bernilaitinggi maka Demand rendah, begitu juga sebaliknya.
.
Tugas Akhir KS09-1336
On Promotion
-0,8046 0,7920 1 -0,7640 0,7785
Price 0,9926 -0,6149 -0,7640 1 -0,5975
Demand -0,6876 0,9875 0,7785 -0,5975 1
Penentuan Variabel Bebas
Variabel yang digunakan adalah variabel-variabel yang memiliki korelasi tinggi terhadap variabel terikat
Korelasi tinggi : > 0,5
Berdasarkan hasil uji korelasi sebelumnya, keempatvariabel (Net Price, Price, Discount, On Promotion) memenuhi syarat untuk dijadikan sebagai variabel bebas
22
memenuhi syarat untuk dijadikan sebagai variabel bebas
Tugas Akhir KS09-1336
Penentuan Koefisien Regresi
Dengan menggunakan metode OLS, koefisien yang diperoleh:
b0 = 9,9642
b1 = 32,5040
b2 = 589,7307
23
b2 = 589,7307
b3 = -0,4993
b4 = -31,0944
Ket:
Jumlah variabel bebas = 4
Tugas Akhir KS09-1336
Penyusunan Model Regresi
Y = b0 + b1X1 + b2X2 + b3X3 + b4X4
Demand =
9,9642 + 32,5040 x Net Price + 589,7307 x Discount –0,4993 x On Promotion – 31,0944 x Price
24
0,4993 x On Promotion – 31,0944 x Price
Tugas Akhir KS09-1336
Peramalan-1
Hasil peramalan untuk data kumpulan tes :
N Ke- Y Ramal138 42,6860139 42,6860140 38,0889141 34,2530
N Ke- Y Ramal162 47,0991163 51,6962164 38,0026165 60,3383
N Ke- Y Ramal150 47,0991151 51,8803152 30,0240153 25,9360
Model Regresi Berganda menghasilkan peramalan yang sangat baik karena nilai MAPE dari model ini berada di bawah 10%.
27
bawah 10%.
Tugas Akhir KS09-1336
Skenario 1-1
Peramalan dilakukan terhadap beberapa kombinasivariabel bebas
Kombinasi Ke- Kombinasi 2 Variabel1 Net Price - Price2 Net Price - On Promotion3 Net Price - Discount
28Tugas Akhir KS09-1336
3 Net Price - Discount4 Price - On Promotion5 Price - Discount6 On Promotion - Discount
Kombinasi 3 Variabel7 Net Price - Price - On Promotion8 Net Price - On Promotion - Discount9 Net Price - Price - Discount10 Price - On Promotion - Discount
Kombinasi 4 Variabel11 Net Price - Price - On Promotion - Discount
Model regresi yang terbentuk:Kombinasi Model Regresi Berganda
1 15,4601 + 0,2681 x Net Price + 437,5130 x Price2 42,2110 - 2,5499 x Net Price + 13,0240 x On Promotion3 35,3797 - 93,5862 x Net Price + 89,7684 x Discount4 16,8471 + 435,2238 x Price - 0,1965 x On Promotion5 15,5859 + 436,0613 x Price + 0,2436 x Discount
30Tugas Akhir KS09-1336
5 15,5859 + 436,0613 x Price + 0,2436 x Discount6 30,1104 + 15,7670 x On Promotion - 0,1029 x Discount
715,3473 + 0,2934 x Net Price + 436,8238 x Price + 0,0719 x On Promotion
810,0671+ 28,1066 x Net Price + 564,1414 x On Promotion - 26,7068 x Discount
9 31,0808 - 88,9692 x Net Price + 2,0536 x Price + 86,0848 x Discount
1015,4976 + 435,4163 x Price + 0,0580 x On Promotion + 0,2635 x Discount
119,9642 + 32,5040 x Net Price + 589,7307 x Price - 0,4993 x On Promotion - 31,0944 x Discount
On Promotion -8,837737 -3,478911 -2,882748 -2,578158
41
Semua variabel bersifat stasioner. Hal ini dapat dilihat darinilai ADF statistik (tanda diabaikan) lebih besar daripadanilai kritis Mac Kinnon pada level 5%.
Tugas Akhir KS09-1336
On Promotion -8,837737 -3,478911 -2,882748 -2,578158Price -7,527229 -3,478911 -2,882748 -2,578158
Demand -8,717549 -3,478911 -2,882748 -2,578158
Perbandingan dengan Metode VAR-4
Uji granger casuality
untuk mengetahui hubungan sebab akibat antara variabelbebas (Net Price, Price, Discount, On Promotion) denganvariabel terikat (Demand).
42
Variabel demand tidak berpengaruh pada variabel net price. Sedangkan variabel net price berpengaruh terhadapvariabel demand. Hal ini dapat dilihat dari probabilitasyang dihasilkan oleh hipotesa ke dua lebih kecil dari nilaialpha (5%).
Tugas Akhir KS09-1336
Hipotesa F - Statistik ProbabilitasDemand does not GrangerCause Net Price
0,56338 0,57066
Net Price does not GrangerCause Demand
0,90746 0,40609
Perbandingan dengan Metode VAR-5
Penentuan Lag Optimal
untuk menentukan model VAR mana yang akan digunakanuntuk proses peramalan.
Kriteria penentuan nilai lag optimal berdasarkan pada nilaiterkecil yang diambil dari Akaike Information Criterion
43
terkecil yang diambil dari Akaike Information Criterion(AIC).
Hasil peramalan permintaan menggunakan model regresiberganda pada kasus ini lebih baik dari pada metode VAR
46
berganda pada kasus ini lebih baik dari pada metode VAR karena nilai MAPE-nya lebih kecil dibandingkan dengannilai MAPE model VAR.
Tugas Akhir KS09-1336
PENUTUP
Tugas Akhir KS09-1336 47
Kesimpulan-1
Beberapa hal yang dapat disimpulkan berkaitan dengan metodeperamalan Regresi Berganda adalah sebagai berikut :
� Fungsi corcoeff pada matlab terbukti dapatmenghasilkan nilai korelasi antar variabel dengan baik.
� Variabel Price, Net Price, Discount, dan On Promotion dapat
48
Variabel Price, Net Price, Discount, dan On Promotion dapatdigunakan sebagai variabel bebas dalam meramalkanpermintaan karena nilai korelasinya terhadap permintaan diatas 0,5.
� Uji coba dengan skenario satu, yaitu melakukan peramalanmenggunakan beberapa kombinasi variabel bebas, memilikievaluasi kesalahan (MAPE) yang berada pada interval 2 –12%.
Tugas Akhir KS09-1336
Kesimpulan-2
� Uji coba dengan skenario dua, yaitu melakukan perubahanterhadap nilai beberapa variabel, menunjukkan bahwa model regresi berganda yang digunakan memiliki kinerja yang baikmeskipun nilai variabel bebasnya diubah-ubah.
� Uji coba dengan skenario tiga, yaitu melakukan perubahanterhadap nilai koefisien regresi, menunjukkan bahwa nilai
49
terhadap nilai koefisien regresi, menunjukkan bahwa nilaikoefisien awal yang diperoleh dari penerapan metode OLS merupakan nilai koefisien yang optimal.
� Pada kasus ini, model Regresi Berganda mempunyai kinerjayang lebih bagus dibandingkan dengan Model VAR yang memiliki nilai MAPE di atas 20%.
Tugas Akhir KS09-1336
Saran-1
Berikut ini merupakan saran yang dapat dipertimbangkan jikatugas akhir ini akan dikembangkan lebih lanjut:
� Model Regresi Berganda hanya diujikan pada data-data yang disediakan pada jurnal acuan. Uji coba pada kasus-kasusnyata diperusahaan sangat diperlukan untuk memberikanhasil-hasil yang sesuai dengan kasus nyata pada dunia
50
hasil-hasil yang sesuai dengan kasus nyata pada duniaindustri.
� Program yang dikembangkan pada tugas akhir ini hanya bisamengakomodasi jumlah variabel bebas sebanyak 2 – 4 variabel. Perlu dikembangkan lebih lanjut agar dapatmengakomodasi jumlah variabel bebas yang lebih banyak.
Tugas Akhir KS09-1336
Saran-2
� Hasil dari tugas akhir ini dapat dikembangkanlebih lanjut sebagai inputan pada proses pricing, market share, dll.
� Peramalan menggunakan metode VAR sebaiknyahanya menyertakan variabel-variabel yang telah
51
hanya menyertakan variabel-variabel yang telahlolos dalam uji granger casuality untukmemperoleh hasil peramalan yang lebih baik.
Tugas Akhir KS09-1336
Daftar Pustaka-1
Chen, An-Shing & Mark T. 2004, Regression Neural Network for Error Correction in Foreign Exchange Forecasting and Trading. 1049-1068.
Diah, Indriani. Regresi Linear Berganda. Diambil pada 17 Oktober 2010, dariwww.fkm.unair.ac.id
Gerald, Reiner & Fichtinger, Johannes. 2009, Demand Forecasting for Supply Process in Consideration of Pricing and Market Information. 55-62.
Kurniawati, Devi. 2010. Peramalan Jumlah Perawat untuk Meningkatkan
52
Kurniawati, Devi. 2010. Peramalan Jumlah Perawat untuk MeningkatkanKualitas Pelayanan Pasien di Instalasi Rawat Darurat RSUD Dr.SoetomoSurabaya Menggunakan Model Vector Autoregression (Var). Tugas AkhirJurusan Sistem Informasi FTIf ITS Surabaya.
Makridakis, Spyros & Wheelwright, Steven C. 1999, Metode dan Aplikasi Peramalan. Edisi Kedua. Jakarta : Erlangga.
Masters, T. 1995, Advanced Algorithm for Neural Networks. New York: Willey.
Nachrowi, N.D., 2006. Pendekatan Populer dan Praktis Ekonometrika untukAnalisis Ekonomi dan Keuangan. Jakarta:Lembaga Penerbit Fakultas EkonomiUniversitas Indonesia.
.
Tugas Akhir KS09-1336
Daftar Pustaka-2
Nikolopoulos, K., Goodwin, P., Patelis, A., Assaimakopoulos, V. 2007. Forecasting with cue information: A comparison of multiple regression with alternative forecasting approaches. 354-368.
Pindyck, Rober S. and Daniel L., 1998. Economic Models and Econometric Forecast, 4th edition. New York: N.Y. McGraw Hill.
Rahardi, Dicky. 2009. Pola Data dalam Statistik. Diambil pada 6 Oktober, 2010, dari http://dickyrahardi.blogspot.com.
53
dari http://dickyrahardi.blogspot.com.
Verbeck, M.,2000, A Guide Modern Econometrics, Singapore: John Wiley & Sons, Ltd.