Perbandingan metode peramalan time series :
1. Simple Average
Metode ini merupakan model yang menggunakan data historis untuk menghitung rata-rata demand yang lalu, di mana rata-rata ini digunakan
sebagai peramalan.
2. Moving Average
Metode ini digunakan jika mengasumsikan bahwa demand-nya akan tetap stabil pada periode waktu tertentu. Apabila tidak semua data masa lalu
mewakili asumsi pola data, maka dapat dipilih sejumlah periode waktu tertentu yang sesuai. Metode ini hanya cocok digunakan untuk jangka pendek.
Jika datanya stasioner maka penggunaan Simple Moving Average MA sudah cukup baik, sedangkan apabila terdapat suatu trend atau pola pattern, maka
digunakan Weighted Moving Average WMA.
3. Exponential Smoothing
Metode ini merupakan metode average dimana proses pembobotan terhadap data masa lalu yang menurun secara eksponensial terhadap periode yang lebih
tua.
4. Metode Peramalan Kausal Causal Forecasting
Model Causal Forecasting secara umum mempertimbangkan beberapa variabel yang dihubungkan terhadap variabel yang diprediksi, atau
mengembangkan model sebab akibat cause and effect model antara demand sebagai variabel terikat dengan variabel lainnya sebagai variabel bebas.
5. Decompotition Method
Merupakan salah satu metode peramalan yang didasarkan pada kenyataan bahwa biasanya apa yang telah terjadi akan berulang atau terjadi kembali
dengan pola yang sama. Artinya yang dulu selalu naik, pada waktu yang akan datang akan naik juga, yang biasanya berkurang akan berkurang juga, yang
biasanya berfluktuasi akan berfluktuasi juga dan yang biasanya tidak teratur akan tidak teratur juga. Metode ini dibangun atas filosofi bahwa suatu pola
data historis dipengaruhi oleh 4 faktor yaitu Makridakis, 1995 :
1. Trend Merepresentasikan
perubahan jangka
panjang long-term
yang disebabkan oleh perubahan dalam populasi, perubahan kinerja marketing
perusahaan, dan perubahan dalam selera pasar 2. Seasional variation
Variasi musim mengacu pada naik turunnya demand yang disebabkan oleh faktor musim, biasanya berulang dalam waktu jangka pendek.
3. Cyclical variation Variasi siklis mengarah kepada variasi musim jangka panjang lebih dari
satu tahun 4. Residual random factor
Faktor residual atau random merupakan variasi yang tidak tentu yang tidak dipengaruhi oleh komponen trend, seasonal maupun cyclical. Perubahan
suatu hal tersebut biasanya mempunyai pola yang agak kompleks, misalnya ada unsur kenaikan, befluktuasi dan tidak teratur maka masing-
masing faktor tersebut akan dihitung satu persatu dan setelah ditemukan akan digabungkan kembali menjadi nilai taksiran atau ramalan
b. Langkah-langkah Peramalan Deret Waktu