Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.
2.5 Analisis Deret Berkala
Data berkala time series adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan dengan kejadian lainnya.
Metode time series merupakan metode peramalan kwantitatif didasarkan atas penggunaaan analisis pola hubungan antara variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer itu sendiri berarti bahwa tidak
terdapat pertumbuhan penurunan data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.
2.6 Penentuan Pola Data
Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan jenis pola data hitorisnya. Sehingga pola data yang tepat dengan pola data historis
tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :
Universitas Sumatera Utara
1. Pola Horizontal H
Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan.
2. Pola Musiman S
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh
faktor musiman. Misalnya kwartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu.
3. Pola Siklis C
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. 4.
Pola Trend T Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.
2.7 Metode Pemulusan Smoothing
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai bebrapa tahun untuk
menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu :
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian, yaitu : a.
Nilai Tengah Mean
Universitas Sumatera Utara
b. Rata-rata bergerak tunggal Single Moving Average
c. Rata-rata bergerak ganda Double Moving Average
d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah : F
1 +
t
= α X
t
+1- α F
t
Dengan : F
1 +
t
= Ramalan satu periode ke depan X
t
= Data aktual pada periode ke-t F
t
= Ramalan aktual pada periode ke-t α = Parameter pemulusan
Metode smoothing eksponensial terdiri atas : 1.
Smoothing Eksponensial Tunggal a.
Satu Parameter b.
Pendekatan Adaptif 2.
Smoothing Eksponensial Ganda a.
Metode linier satu parameter dari Brown b.
Metode dua parameter dari Holt 3.
smoothing Eksponensial Tripel a.
Metode kuadratik satu parameter dari Brown b.
Metode tiga parameter untuk kecendrungan dan musiman dari Winter
Universitas Sumatera Utara
4. Smoothing Eksponensial menurut klasifikasi Pegels.
2.8 Metode Smoothing Yang Digunakan
