29 4.
Teknik peramalan data trend Teknik yang perlu dipertimbangkan ketika peramalan deret ber-trend adalah
rata-rata bergerak, pemulusan eksponensial linier Holt, regresi linier sederhana, kurva pertumbuhan, model eksponensial, dan model rata-rata
terintegrasi bergerak autoregresif ARIMA. Peramalan metode time series terdiri atas beberapa model, pembagian
model tersebut bervariasi namun pada dasarnya memiliki maksud dan tujuan yang sama.
a. Model Naive
Digunakan untuk mengembangkan model sederhana yang mengasumsikan bahwa periode yang baru berlalu adalah prediktor terbaik masa depan. Teknik ini
hanya cocok untuk meramal variabel yang gerakannya relatif konstan, sedangkan untuk variabel yang memiliki unsur trend penggunaan metode ini akan
menghasilkan ramalan yang kurang baik mulyono 2000.
b. Model Rata-rata
Jenis teknik ini menggunakan suatu bentuk rata-rata tertimbang dari observasi masa lalu dalam memuluskan fluktuasi jangka pendek. Asumsi pada teknik ini
adalah bahwa fluktuasi masa lampau mewakili selisih acak dari suatu kurva yang mulus Hanke, at,al, 2001. Metode ini dikelompokkan menjadi :
1. Model Rata-rata Sederhana Simple Average
Metode ini menggunakan rata-rata semua pengamatan historis yang relevan sebagai ramalan periode mendatang. Metode rata-rata sederhana adalah teknik
30 yang akan tepat apabila gejolak yang membentuk deret waktu telah distabilkan
dan lingkungan dimana deret-deret berada secara umum tidak berubah.
2. Model Rata-rata Bergerak Sederhana Simple Moving Average
Metode ini menggunakan rata-rata semua data untuk meramal, begitu setiap ada data baru maka rata-rata baru dihitung dengan memasukan data baru tersebut
dan membuang data yang paling lama. Model rata-rata bergerak sederhana tidak mampu menangani trend atau musiman dengan baik, walau model ini lebih baik
daripada rata-rata sederhana.
3. Model Rata-rata Bergerak Ganda Double Moving Average
Salah satu cara peramalan data deret waktu dengan trend linier adalah dengan menggunakan rata-rata bergerak ganda. Pada metode ini menghitung rata-rata
bergerak yang dihitung dari rata-rata bergerak sebelumnya.
c. Model Pemulusan Eksponensial
Menurut Hanke,at,al 2001 bahwa Pemulusan Eksponensial merevisi estimasi berdasarkan pengalaman terkini, metode ini berbasis rerata pemulusan nilai
lampau deret secara menurun eksponensial, terjadi karena adanya pemberian bobot yang lebih pada pengamatan terkini.
1. Model Pemulusan Eksponensial Tunggal Single Eksponensial Smoothing
Metode ini cocok untuk peramalan jangka pendek dengan pola data stasioner, selain itu dapat mengurangi masalah mengenai penyimpanan data, karena tidak
perlu lagi menyimpan semua data historis hanya pengamatan terakhir, ramalan terakhir, dan suatu nilai
α yang harus disimpan.
31
2. Model Pemulusan Eksponesial Ganda: Metode Dua Parameter dari Holt
Teknik Holt memuluskan tingkatan dan slope secara langsung dengan menggunakan konstanta pemulusan yang masing-masing berbeda. Konstanta
pemulusan ini menyediakan estimasi dari tingkatan dan slope yang disesuaikan sepanjang waktu begitu observasi yang baru tersedia.
d. Model Dekomposisi
