Ririez-Izah-Sunardi-Nita 12
mendingin dan harga saham mulai mundur? Permintaan untuk salespeople akan menurun dan jumlah tenaga penjual bahkan bisa menurun. Peramalan trend oleh
kurva eksponensial akan jauh terlalu tinggi. Kurva pertumbuhan Gompertz dan jenis logistik merupakan
kecenderungan banyak industri dan lini produk untuk tumbuh pada tingkat penurunan pada saat jatuh tempo. Jika plot data mencerminkan situasi di mana
penjualan mulai rendah, kemudian meningkat dan akhirnya kejenuhan tercapai, kurva Gompertz atau model logistik Pearl-Reed mungkin cocok. Gambar 5-7
menunjukkan perbandingan bentuk umum dari kurva Gompertz a dan model logistik Pearl-Reed b. Kurva logistik adalah kurva sangat mirip dengan
Gompertz, dengan kemiringan landai . Gambar 5-7 menunjukkan bagaimana Y- intercepts dan nilai-nilai maksimum untuk kurva ini terkait dengan beberapa
koefisien dalam bentuk fungsional. Rumus untuk kurva trend ini sangat kompleks dan tidak berada dalam lingkup teks ini. Banyak paket perangkat lunak statistik,
termasuk Mnitab, memungkinkan satu sampai beberapa sesuai model tren yang dibahas dalam bagian ini.
Meskipun ada beberapa kriteria objektif untuk memilih tren yang tepat, secara umum pilihan yang tepat adalah masalah pertimbangan dan dengan
demikian membutuhkan pengalaman dan akal sehat pada bagian analisis. Seperti yang akan dibahas di bagian berikutnya, garis atau kurva yang paling cocok dari
kumpulan poin data mungkin tidak masuk akal ketika diproyeksikan sebagai trend masa depan.
D. Peramalan Trend
Misalkan pada saat ini waktu t = n akhir seri dan diinginkan menggunakan model trend untuk meramalkan nilai Y, p langkah ke depan. Jangka
waktu di mana ramalan dibuat, n dalam hal ini, disebut awal peramalan. Nilai p disebut lead time. Untuk model trend linear, peramalan dapat dihasilkan dengan
mengevaluasi T.
Ririez-Izah-Sunardi-Nita 13
Dengan menggunakan garis trend yang dicocokkan dengan data
pendaftaran mobil di Contoh 5-1, peramalan dari tren tahun 1993 t = 34 yang dibuat pada tahun 1992 t = n = 33 akan menjadi p = 1 langkah ramalan ke depan
324 .
10 34
0687 .
988 .
7 1
33 0687
. 988
. 7
ˆ
1 33
T Demikian pula, p = 2 langkah ramalan ke depan 1994 diberikan oleh
393 .
10 35
0687 .
988 .
7 2
33 0687
. 988
. 7
ˆ
2 33
T Kedua peramalan ditunjukkan dalam Gambar 5-3 yang merupakan ekstrapolasi
dari garis trend yang disesuaikan. Gambar 5-5 menunjukkan kurva tren kuadratik untuk data pendaftaran
mobil. Dengan menggunakan persamaan yang ditunjukkan dalam gambar, kita dapat menghitung peramalan dari tren tahun 1993 dan 1994 dengan menetapkan t
= 33 +1 = 34 dan t = 33 +2 = 35. Pembaca dapat memverifikasi bahwa 690
. 8
ˆ
1 33
T dan
470 .
8 ˆ
2 33
T . Angka-angka ini diplotkan pada Gambar 5-5
sebagai ekstrapolasi dari kurva tren kuadratik. Karena pendaftaran mobil diukur dalam jutaan, dua peramalan trend yang
dihasilkan dari kurva kuadrat sangat berbeda dari ramalan yang dihasilkan oleh persamaan trend linier. Selain itu, kedua peramalan tersebut menuju ke arah yang
berlawanan. Jika diinginkan mengekstrapolasi trend linier dan tren kuadratik untuk periode trend tambahan, perbedaan keduanya akan semakin besar.
Contoh pendaftaran mobil menggambarkan mengapa harus hati-hati dalam menggunakan kurva trend yang cocok untuk tujuan peramalan trend masa depan.
Dua persamaan, baik yang mungkin cukup mewakili time series yang diamati, dapat memberikan hasil yang sangat berbeda ketika diproyeksikan selama periode
waktu yang akan datang. Perbedaan ini sangat besar untuk peramalan jangka panjang.
Model kurva trend didasarkan
pada asumsi sebagai berikut: 1. Kurva tren yang benar telah dipilih
2. Kurva yang sesuai dengan masa lalu merupakan indikasi dari masa depan. Asumsi ini menunjukkan bahwa penilaian dan keahlian memainkan peran
penting dalam pemilihan dan penggunaan kurva tren. Untuk menggunakan kurva
Ririez-Izah-Sunardi-Nita 14
tren untuk peramalan, kita harus mampu berpendapat bahwa tren yang benar telah dipilih, dan bahwa, kemungkinan besar, masa depan akan seperti masa lalu.
E. Musiman
