ARIMA 1,0,1 dinyatakan sebagai berikut:
atau
AR1 MA1
b. Proses ARIMA
Apabila nonstasioneritas ditambahkan pada campuran proses ARMA, maka model umum ARIMA
p,d,q
terpenuhi. Persamaan untuk kasus sederhana ARIMA 1,1,1 adalah sebagai berikut:
pembedaan AR 1 MA 1 pertama
1.3.2 Metode Pemulusan
Smoothing
Nilai rata-rata merupakan penaksir atau estimator yang meminimumkan nilai tengah kesalahan kuadrat MSE Assauri,1984. Jika nilai tengah tersebut dipakai sebagai
peramal maka metode peramalan memerlukan pengetahuan tentang kondisi yang menentukan kecocokannya. Untuk nilai rata-rata, maka kondisinya harus stasioner
data berada dalam keseimbangan disekitar nilai rata-rata tersebut.
Universitas Sumatera Utara
Jika deret waktu mengandung trend kecenderungan keatas atau kebawah, atau pengaruh musiman atau keduanya sekaligus maka rata-rata sederhana tidak dapat
menggambarkan pola data tersebut.
Secara umum metode
smoothing
diklasifikasikan menjadi dua bagian Assauri, 1984, yaitu:
1. Metode Rata-rata
Tujuan dari metode rata-rata adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu sistem peramalan pada periode mendatang.
Metode rata-rata terdiri dari :
a. Nilai tengah kesalahan
b. Rata-rata bergerak tunggal
Single Moving Average
c. Rata-rata bergerak ganda
Double Moving Average
d. Kombinasi rata-rata bergerak lainnya
2. Metode Pemulusan
Smoothing
Eksponensial Dalam pemulusan eksponensial terdapat satu atau lebih parameter pemulusan yang
ditentukan secara eksplisit, dan hasil pemilihan ini menetukan bobot yang dikenakan pada nilai observasi.
Metode pemulusan eksponensial terdiri dari :
a.
Smoothing
Eksponensial Tunggal b.
Smoothing
Eksponensial Ganda 1.
Metode Linier satu parameter dari Brown 2.
Metode dua parameter dari Holt c.
Smoothing
Eksponensial
Triple
Universitas Sumatera Utara
1.3.3 Metode Pemulusan yang digunakan
Untuk mendapatkan suatu hasil yang baik harus diketahui cara peramalan yang tepat. Data deret berkala yang digunakan setelah diplot dalam grafis tidak menunjukkan pola
data trend linier dan dapat juga dilihat dari plot autokorelasi dan nilai-nilai korelasinya. Maka metode peramalan analisa
time series
yang digunakan untuk meramalkan data deret berkala yang digunakan adalah Metode
Smoothing
Eksponensial Tunggal Satu Parameter.
Bentuk umum dari Metode
Smoothing
Eksponensial Tunggal Satu Parameter adalah:
Keterangan: F
t+1
= ramalan satu periode kedepan Y
t
= data aktual pada periode t F
t
= ramalan pada periode t α
= parameter pemulusan 0 α 1
1.4 Tujuan Penelitian