estimasi parameternya. Metode ini sangat baik ketepatannya untuk peramalan jangka pendek, sedangkan peramalan untuk jangka panjang
ketepatannya kurang baik. Data yang dibutuhkan penggunaan metode peramalan ini minimum dua tahun dan lebih baik bila data yang dimiliki
lebih dari dua tahun. 3.
Metode Proyeksi trend dengan regresi merupakan dasar garis trend untuk persamaan matematis, sehingga dengan dasar persamaan tersebut dapat
diproyeksikan hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek
maupun jangka panjang,
ketepatan peramalan
dengan menggunakan metode ini sangat baik.
Berdasarkan penjelasan diatas dan data yang diperoleh oleh penulis, maka pada tugas akhir ini penulis akan menggunakan metode proyeksi trend dengan
regresi yang akan dijelaskan pada pembahasan selanjutnya.
2.5 Metode Pemulusan Smoothing
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksirkan nilai pada beberapa tahun ke depan.
Secara umum Metode Smoothing di klasifikasikan menjadi dua bagian, yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi menjadi 4 bagian, yaitu: a.
Nilai tengah Mean b.
Rata-rata bergerak Tunggal Single Moving Avarage
Universitas Sumatera Utara
c. Rata-rata bergerak ganda Double Moving Average
d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah:
Dengan : = Ramalan satu periode ke depan
= Data aktual pada periode ke-t = Ramalan aktual pada periode ke-t
= 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 Triple
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
Untuk mendapatkan hasil ramalan yang baik dan benar harus diketahui cara peramaan yang tepat. Maka metode pemulusan analisis time series yang
digunakan untuk meramalkan atau memprediksi jumlah konsumsi kalori di provinsi Aceh. Pada pemecahan masalah ini adalah dengan menggunakan Metode
Smoothing Eksponensial Ganda yaitu “Smooting Eksponensial satu Parameter dari Brown”.
Metode ini merupakan metode yang di kemukakan oleh brown, dasar
pemikiran dari metode Smoothing Eksponensial Linier satu parameter dari brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan
tunggal dan ganda ketinggalan dari data sebenarnya. Persamaan yang tepat dipakai dalam pelaksanaan pemulusan eksponensial linier
satu parameter dari Brown adalah sebagai berikut: a
Menentukan Pemulusan Pertama
Dengan: =Pemulusan pertama periode t
= Nilai periode t = Pemulusan periode t-1
b Menentukan Pemulusan Kedua
Universitas Sumatera Utara
Dengan : = Pemulusan kedua periode t-1
c Menentukan Besarnya Konstanta
Dengan: = konstanta pemulusan
d Menentukan besarnya slope koefisien
Dengan: = konstanta pemulusan
e Menentukan Besarnya trend peramalanforecast
Dengan: = Hasil pengamatan untuk m periode kedepan yang akan
diramalkan = jumlah periode kedepan yang diramalkan
2.6 Ketepatan Ramalan
