Metode Time Series Peramalan Kuantitatif
2 Trend Eksponensial atau Pertumbuhan Bentuk persamaan umum :
Y = ae
bt
sedangkan peramalannya mempunyai bentuk persamaan : Yt = ae
bt
∑ ∑
∑ ∑ ∑
− −
=
2 2
ln ln
t t
n Y
t Y
t n
b
t t
n t
b Y
a
t
∑ ∑
− =
ln ln
3 Trend Logaritma Y = a + b log t
sedangkan bentuk peramalannya : Yt = a + b log t
∑ ∑
∑ ∑ ∑
− −
=
2 2
log log
log log
t t
n Y
t tY
n b
t t
n t
b Y
a
t
∑ ∑
− =
log
4 Trend Geometrik Bentuk persamaannya :
Y = at
b
sedangkan bentuk peramalannya : Yt = at
b
∑ ∑
∑ ∑ ∑
− −
=
2 2
log log
log log
log .
log t
t n
Y t
Y t
n b
t t
n t
b Y
a
t
∑ ∑
− =
log log
5 Trend Hiperbola Bentuk persamaan umumnya adalah :
Y =
t
b a
sedangkan peramalnnya : Yt =
t
b a
∑ ∑
∑ ∑ ∑
− −
=
2 2
log log
. log
t n
t Y
t Y
t n
b
t t
n t
b Y
a
t
∑ ∑
− =
log log
log
Adapun metode peramalan yang termasuk model Time Series adalah : 1 Metode Penghalusan Smoothing
Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data
masa lalu. Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek, sedangkan untuk peramalan jangka panjang kurang akurat.
2 Metode Proyeksi Kecenderungan dengan Regresi Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan,
sehingga dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang akan diteliti pada masa yang akan datang.
Bentuk fungsi dari metode ini dapat berupa: a. Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana
N Y
a
∑
=
1
dimana : Yt = nilai tambah N = jumlah periode
b. Linier, dengan fungsi peramalan: Yt = a + bt
dimana :
n bt
Y a
− =
∑ ∑
∑ ∑ ∑
− −
− =
2 2
t t
n y
t ty
n b
c. Kuadratis, dengan fungsi peramalan : Yt = a + bt + ct
2
dimana :
n t
c t
b Y
a
∑ ∑ ∑
− −
=
2
∂ −
=
α θ
b c
2
α β
θα δ
− ∂
− ∂
= b
∑ ∑
− =
∂
4 2
2
t n
t
∑ ∑ ∑
− =
tY n
Y t
δ
∑ ∑ ∑
− =
Y t
n Y
t
2 2
θ
∑ ∑ ∑
− =
3 2
2
t n
t t
α d. Eksponensial, dengan fungsi peramalan :
Yt = ae
bt
dimana :
n t
b Y
a
∑ ∑
− =
ln ln
2 2
ln ln
ln
∑ ∑
∑ ∑
∑
− −
= t
t n
Y t
Y t
n a
e. Siklis, dengan fungsi peramalan :
n t
c n
b a
Y
t
τ τ
2 cos
2 sin
ˆ +
+ =
dimana :
n t
c n
t b
na Y
τ τ
2 cos
2 sin
∑ ∑
+ +
=
n t
n t
c n
b n
t a
n t
Y
τ τ
τ τ
τ
2 cos
2 sin
2 sin
2 sin
2 sin
2
∑ ∑
∑
+ +
=
n t
n t
b n
c n
t a
n t
Y
τ τ
τ τ
τ
2 cos
2 sin
2 cos
2 cos
2 cos
2
∑ ∑
∑ ∑
+ +
=
3 Metode Dekomposisi Yaitu ramalan yang ditentukan dengan kombinasi dari fungsi yang ada
sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan funsi linier atau siklis, kemudian bagi t atas kwartalan sementara
berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat beberapa pendekatan
alternatif umtuk mendekomposisikan suatu derat berkala yang semuanya bertujuan memisahkan setiap komponen deret data seteliti mungkin.
2. Metode Kausal
Peramalan dengan metode kausal mendasarkan hasil ramalan yang disusun atas pola hubungan antara variabel yang dicari atau diramalkan dengan
variabel-variabel yang mempengaruhinya yang bukan waktu. Dalam analisa ini, diasumsikan bahwa faktor atau variabel yang menunjukkan suatu
hubungan pengaruh sebab akibat dengan satu atau lebih variabel bebas. Sebagai contoh, permintaan akan baju baru mungkin berhubungan dengan
banyaknya populasi pendapatan masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus.
Jadi, maksud dari analisa metode kausal adalah untuk menemukan bentuk pola hubungan yang saling mempengaruhi antara variabel yang dicari dan
variabel-variabel yang mempengaruhinya, serta menggunakannya untuk meramalkan nilai-nilai dari variabel pada masa yang akan datang. Metode
kausal dapat dipergunakan dalam peramalan dengan keberhasilan yang lebih besar, sehingga sering dipergunakan untuk pengambilan keputusan.
Metode kausal terdiri dari : a. Metode Regresi dan Korelasi
Metode regresi dan korelasi didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik “least squares”. Ketepatan peramalan
dengan metode ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata ketepatannya kurang begitu baik.
b. Model Ekonometrik
Metode ini didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Baik untuk peramalan jangka pendek
maupun untuk jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk penggunaan metode peramalan
ini adalah data kwartalan beberapa tahun. c. Model Output-Input
Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Model ini kurang baik ketepatannya untuk peramalan jangka
pendek, dan sangat baik ketepatannya untuk peramalan jangka panjang. Data yang digunakan untuk metode ini adalah data tahunan selama sekitar
sepuluh sampai lima belas tahun.