3
2. Tinjauan Pustaka
Deret waktu merupakan serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Analisis deret waktu adalah suatu analisa yang dilakukan berdasarkan nilai
masa lalu dari suatu variabel masa lalu dengan tujuan untuk menemukan pola dalam deret data histori dan mengekstapolasikan pola tersebut ke masa yang akan
datang sebagai suatu perkiraan kondisi masa depan [3].
Langkah penting yang harus dilakukan untuk memilih metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga
metode yeng paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibagi menjadi 4 jenis yaitu [4]:
1 Pola Horizontal H dapat terterjadi apabila nilai data berfluktuasi disekitar
nilai rata-rata yang konstan. 2 Pola Musiman S yaitu terjadi apabila suatu deret dipengaruhi oleh faktor
musiman. 3 Pola Siklus C yaitu terjadi apabila datanya dipengaruhi oleh frekuensi
ekonomi jangka panjang dan berhubungan dengan siklus bisnis 4 Pola Trend T yaitu terjadi apabila terdapat kenaikan atau penurunan jangka
panjang dalam data.
Gambar 1. Bentuk Pola Data
Pola Horizontal pada nomor 1 dapat kita lihat di Gambar 1a terjadi apabila suatu deret dipengaruhi oleh faktor musiman. Pola musiman dapat di lihat di
Gambar 1b, pola ini terjadi apabila suatu deret dipengaruhi oleh faktor musiman. Sedangkan untuk pola siklus dapat di lihat di gambar 1c dan pola trend terlihat di
gambar 1d. Penggunaan analisis deret waktu dimulai dengan mengamati data deret waktu, karena akan terlihat komponen-komponen yang mempengaruhi suatu
pola data masa lalu dan sekarang, yang polanya cenderung berulang.
4 Menurut jurnal yang berjudul “Sistem Peramalan Harga Sembako Berbasis
Moving Average Dengan Brew Platform Sebagai Mobile Interface” moving
average di gunakan untuk meramalkan harga sembako dengan Brew Platform sebagai media interface untuk pengoperasian di ponsel [5]. Sedangkan dalam
jurnal yang berjudul “Pengembangan Model Ramalan Produksi Padi Dengan Pendekatan Bagging
Mars” penelitian ini dilakukan sebagai salah satu upaya untuk mendukung ketahanan pangan dengan informasi tentang ramalan produksi
padi dan luas panen padi ke depan. Data yang digunakan adalah data sekunder yang diperoleh dari BPS dan Deptan kabupaten Ngawi, serta Badan Metereologi
Klimatologi dan Geofisika BMKG stasiun klimatologi Karangploso tahun 1993- 2008 [6]. Penelitian yang akan dilakukan membahas tentang peramalan produksi
padi, dengan menggunakan variabel produksi padi, luas panen, curah hujan periode 2005-2010 dalam ruang lingkup kabupaten Boyolali dengan jumlah
kecamatan sebanyak 19.
Moving average banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala
dari data asli diubah menjadi deret rata-rata bergerak yang lebih baik. Metode ini tidak cocok digunakan untuk data musiman karena moving average sesuai untuk
data berpola horisontal berfluktuasi di awal. Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data permintaan
aktual dari n periode terakhir.
Ada empat model dari metode weighted moving average yang memiliki asumsi mengenai trend dan musiman [6]: 1 Simple Moving Average, model ini
mengasumsikan bahwa seri pengamatan tidak memiliki trend dan variasi musiman. 2 Double Moving Average, model ini mengasumsikan bahwa seri
pengamatan memiliki trend linier namun tidak memiliki variasi musiman. 3 Weighted Moving Average, model ini mengasumsikan bahwa seri pengamatan
memiliki trend linier dan variasi musiman. 4 Linier Moving Average, model ini memungkinkan untuk melakukan penetapan komponen trend dan variasi
musiman.
Ada tiga parameter yang perlu penetapan, bergantung dari komponen trend dan variasi musiman[7]:
1. Alpha α merupakan parameter yang mengontrol pembobotan relatif pada
pengamatan yang baru dilakukan. Parameter alpha digunakan pada semua model. Jika nilai alpha 1 maka hanya pengamatan terbaru yang digunakan. Jika
alpha bernilai 0 maka pengamatan yang lalu dihitung sepadan dengan bobot yang terbaru.
2. Beta merupakan parameter yang mengontrol pembobotan relatif pada
pengamatan yang baru dilakukan untuk mengestimasi kemunculan trend seri. Parameter beta digunakan pada model yang memiliki komponen trend linier
atau eksponenssial dengan tidak memiliki variasi musiman. Nilai beta berkisar
5 0 sampai 1. Jika nilai semakin besar akan menunjukkan pemberian bobot yang
semakin besar pada pengamatan terbaru. 3. Gamma
merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang baru dilakukan untuk mengestimasi kemunculan variasi
musiman. Parameter gamma digunakan pada model yang memiliki variasi musiman. Nilai gamma berkisar dari 0 sampai 1. Jika nilai gamma semakin
besar, menunjukkan pemberian bobot yang semakin besar pada pengamatan yang terbaru.
Metode weighted moving average merupakan perkembangan dari metode moving average sederhana, persamaan 1 [8]:
1 1
dengan : Data : nilai produksi sebelumnya.
Bobot : penilaian sesuai dengan panjang periode
Persamaan 1 adalah bentuk umum yang digunakan dalam penyususnan suatu ramalan dengan metode weighted moving average.
Timbangan yang digunakan untuk metode ini ialah koefisien binomial. Rata-rata bergerak tertimbang per 3 tahun di beri koefisien 1,2,1 sebagai
timbangannya. Pada metode ini hanya data observasi yang paling baru dan nilai ramalan yang terakhir yang harus disimpan [9]. Untuk mengetahui kesalahan
peramalan digunakan persamaan 2 sebagai berikut :
2
. Dimana ,
t : periode tahun
: nilai t pada periode tahun ke n
: total jumlah periode : nilai data asli periode tahun ke t
: ramalanforecast untuk periode ke t Persamaan 2 adalah bentuk umum yang digunakan untuk menghitung kesalahan
suatu ramalan. Semakin kecil mendekati nilai 0 jumah error yang di hasilkan maka prediksi dinyatakn valid.
3. Metode Penelitian