disepanjang waktu. Pola horizon ini dapat digambarkan pada Gambar 3.2.
berikut:
Gambar 3.2. Pola Data Horizon
b. Pola Musiman seasonal Pola ini terjadi bila deret berkala dipengaruhi oleh faktor-faktor musiman
misalnya tahunan, kwartalan, bulanan, mingguan atau harian. Model ini dapat dilihat pada Gambar 3.3. berikut.
Gambar 3.3. Pola Data Musiman
c. Pola Siklis cycle Pola ini terjadi bila data dipengaruhi oleh fluktuasi ekonomi yang waktunya
relative panjang dan gerakannya tidak beraturan. Pola siklis ini dapat digambarkan seperti terlihat pada Gambar 3.4.
Gambar 3.4. Pola Data Siklis
d. Pola Trend
Pola ini terjadi bila secara umum terjadi penambahan atau penurunan pada data yang ada. Pola ini dapat digambarkan seperti yang terlihat pada
Gambar 3.5.
Gambar 3.5. Pola Trend
Adapun metode peramalan yang termasuk model time series adalah : 1.
Metode Penghalusan Smoothing Metode ini digunakan untuk mengurangi ketidakteraturan musiman dari data
yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa lalu. Ketepatan dengan metode ini akan terdapat pada peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang kurang akurat. Metode ini terdiri dari:
a. Metode rata-rata bergerak moving average i. Single Moving Average
Merupakan peramalan untuk satu periode ke depan dari periode rata- rata. Rumus yang digunakan adalah:
N X
X X
F
t t
N t
t
+ +
+ =
+ +
− +
1 1
1
...
Dimana: X
i
: data pengamatan periode i N : jumlah deret waktu yang digunakan
F
t+1
: nilai peramalan periode t+1 ii. Linear Moving Avarage
Dasar dari metode ini adalah penggunaan moving average kedua untuk memperoleh penyesuaian bentuk pola trend.
iii. Double Moving Avarage Notasi yang diberikan adalah MA M x N, artinya M – periode MA
dan N – periode NA iv. Weigthed Moving Average
Weighted moving average adalah metode perhitungan dengan cara mengalikan tiap-tiap periode dengan faktor bobot dan membagikannya
dengan hasil produk yang merupakan penjumlahan faktor bobot. Formula metode Weighted Moving Average adalah:
n t
n t
t t
A w
A w
A w
F
− −
−
+ +
+ =
...
2 2
1 1
dimana : w
1
: bobot yang diberikan pada periode t-1 w
2
: bobot yang diberikan pada periode t-2 w
n
: bobot yang diberikan pada periode t-n n : jumlah periode
b. Metode Eksponensial Smoothing i. Single Eksponensial Smoothing
Pengertian dasar dari metode ini adalah: nilai ramalan pada periode t+1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian
yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t tersebut. Secara matematis dapat dinyatakan:
F
t+1
= α.χ
t
+ 1 – α. F
t
dimana : χ
t
= data permintaan pada periode – t α = Faktorkonstanta pemulusan
F
t+1
= Permalan untuk periode ke – t+1 ii. Double Exponensial Smoothing
Formula Double Exponential Smoothing adalah :
. .m
b a
f
t t
m t
+ =
+
sedangkan :
1
1
−
− +
=
t t
t
f X
f α
α
1
1
−
− +
=
t t
t
f f
f α
α
dimana
t
f
: single exponential smoothing
t
f
: double exponential smoothing
2
t t
t t
t t
f f
f f
f −
= −
+ =
α
1
t t
t
f f
− −
=
α α
β
iii. Exponential Smoothing dengan Musiman Formula untuk Exponential Smoothing dengan musiman adalah:
F = [S
t
+ b
t-1
m]I
t-L
S
t
= α
+
1- α S
t-1
+b
t-1
