Prediksi Jumlah Pegawai

Data

• Menyimpan data empat belas tahun Dari Tahun 2003 sd 2016 secara time series
• Memprediksi Jumlah penjualan di tahun 2016,2017,2018

library(forecast)

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

## Loading required package: timeDate

## This is forecast 7.3

sales <- c(3613, 3748, 3880, 4095, 4283, 4446, 4646, 4821, 5031, 5196, 5396, 5531, 5731, 5650)
myts <- ts(sales, start=c(2003, 1), end=c(2016, 1), frequency=1) 

Grafik dari perkembangan penjualan dari tahun ke tahun

Prediksi dengan Model Eksponensial

Berikut hasil prediksi dengan model eksponensial dari data yang ada, nilai prakiraan, 80% itu artinya tingkat prediksinya dan terdapat dua nilai taksiran yakni pendekatan pesimis dan optimis, terdapat dua taksiran yakni 80% dan 95%.

##      Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
## 2017       5794.529 5692.737 5896.321 5638.852 5950.206
## 2018       5830.249 5678.455 5982.044 5598.100 6062.399
## 2019       5865.970 5638.876 6093.064 5518.659 6213.280

Prediksi dengan Automated forecasting dengan model exponensial

Berikut hasil prediksi dengan model automated eksponensial dari data yang ada, nilai prakiraan, 80% itu artinya tingkat prediksinya dan terdapat dua nilai taksiran yakni pendekatan pesimis dan optimis, terdapat dua taksiran yakni 80% dan 95%.

##      Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
## 2017       6023.489 5932.660 6114.317 5884.579 6162.399
## 2018       6197.164 6103.717 6290.611 6054.249 6340.079
## 2019       6370.840 6274.773 6466.906 6223.919 6517.760

Prediksi dengan Model ARIMA

Berikut hasil prediksi dengan model ARIMA dari data yang ada, nilai prakiraan, 80% itu artinya tingkat prediksinya dan terdapat dua nilai taksiran yakni pendekatan pesimis dan optimis, terdapat dua taksiran yakni 80% dan 95%.

##      Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
## 2017       5806.692 5707.871 5905.514 5655.558 5957.826
## 2018       5963.385 5823.630 6103.139 5749.649 6177.121
## 2019       6120.077 5948.913 6291.240 5858.305 6381.849

Kita harus memutuskan salah satu model prediksi diatas

Untuk contoh ini kita ambil model ARIMA sebagai keputusan, nilai penjualan untuk prakiraan tahun 2017 model ARIMA yang kita gunakan adalah 95%, nilai pesimisnya adalah : 5656 orang dan optimisnya diangka : 5958 orang.

Langkah Selanjutnya melakukan regresi atas jumlah orang dan Tingkat Penjualan

Diasumsikan hubungan jumlah orang dengan tingkat penjualan linier.

Plot Scattergram dan garis regresinya

Nilai nilai diatas garis itulah saat jumlah orang berlebih dan ketika dibawah kekurangan orang sehingga kita bisa lihat kapan itu terjadi dan selisihnya berapa?

Regresi antara jumlah orang dan tingkat Penjualan

## 
## Call:
## lm(formula = employee ~ sales, data = prediction)
## 
## Coefficients:
## (Intercept)        sales  
##    21.89752      0.07685

## 
## Call:
## lm(formula = employee ~ sales, data = prediction)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -27.405  -9.472  -3.910  10.252  27.058 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 21.897524  32.357070   0.677    0.511    
## sales        0.076853   0.006782  11.331 9.14e-08 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 17.78 on 12 degrees of freedom
## Multiple R-squared:  0.9145, Adjusted R-squared:  0.9074 
## F-statistic: 128.4 on 1 and 12 DF,  p-value: 9.136e-08

Dari perhitungan tersebut hubungan antara jumlah orang dengan tingkat penjualan bisa dijelaskan dengan rumus Y = 0.07685 X + 21.89752, dimana X = Tingkat sales dan Y = Jumlah orang yang diperlukan. Hubungan antara jumlah orang dengan tingkat penjualan berhubungan sebesar = 0.9145 dengan koefisien determinasi 90,74% artinya hubungan ini bisa diterangkan sebesar angka itu. angka prediktornya tingkat sales lebih kecil dari 0.05 artinya sudah sangat signifikan untuk mempredik jumlah orang.

Memprediksi jumlah orang ditahun 2017

setelah kita tahu model regresinya maka kita bisa memprediksi di tahun 2017 akan memerlukan jumlah orang sebesar :

##        1        2 
## 456.5770 479.7866

• Maka pada tahun 2017 kita akan memerlukan orang dengan pendekatan pesimis sebanyak : 457 orang sedang pendekatan optimis: 480 orang dengan tingkat prediksi 95%. Jika bandingkan dengan tahun 2016 dimana terdapat 481 orang karyawan, maka perusahaan ini disarankan untuk mempertahankan jumlah karyawan atau “zero growth” untuk pendekatan optimis, jika dipergunakan pendekatan pesimis justru harus mengurangi sebanyak 24 orang ditahun 2017.

• Terjawablah sudah pertanyaan manajemen akan jumlah prediksi jumlah orang

Demikian saya mengilustrasikan pendekatan prediktif di dunia HR. Semoga menjadikan barokah bagi kita semua

Depok Nov 2016 Heru Wiryanto