2.4 Analisis Deret Berkala
Data berkala time series adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan dengan kejadian lainnya.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa
yang akan datang. Stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan penurunan data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain
fluktuasi data tetap konstan setiap waktu.
2.5 Penentuan Pola Data
Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis
tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut: 1.
Pola Data Horizontal Pola ini terjadi bila nilai berfruktuasi di sekitar nilai rata-rata yang konstan.
Universitas Sumatera Utara
2. Pola Data Musiman Seasonal
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman
misalnya kwartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu. 3.
Pola Data Siklis Cyclical Pola data yang menunjukan gerak naik turun dalam jangka panjang dari suatu
kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola Data Trend
Pola yang menunjukan kenaikan atau penurunan jangka panjang dalam data.
2.6 Metode Pemulusan Smoothing
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun
menaksir nilai pada beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum metode smoothing diklasifikasikan menjadi 2dua bagian, yaitu:
1. Metode Rata-Rata
Metode rata-rata dibagi atas 4 empat bagian, yaitu: a.
Nilai tengah mean b.
Rata-rata bergerak tunggal Single Moving Average c.
Rata-rata bergerak ganda Double Moving Average d.
Kombinasi rata-rata bergerak lainnya
Universitas Sumatera Utara
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan
Bentuk umum dari metode pemulusan eksponensial adalah : F
t+1
= αX
t
+ 1- α F
t
Dimana : F
t+1
= ramalan satu period eke depan X
t
= data aktual pada periode ke-t F
t
= ramalan pada periode ke t α = parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah manjadi : F
t+1
= αX
t
+ α1-α X
t-1
+ α1-α
2
X
t-2
+……+1- α
N
F
t-N-1
Dari perluasan bentuk umum diatas dapatlah dikatakan bahwa metode smoothing eksponensial merupakan sekelompok metode yang menunjukkan
pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan
nilai observasi yang lebih tua. Metode ini terdiri atas : a.
Smoothing Eksponensial a.1 Satu Parameter one parameter
a.2 Pendekatan aditif ARRES Digunakan untuk yang bersifat stationer dan tidak menunjukan pola atau trend.
b. Smoothing Eksponensial Ganda
b.1 Metode Linier satu parameter dari Brown b.2 Metode dua Parameter Holt
Universitas Sumatera Utara
c. Smoothing Eksponensial Triple
c.1 Metode Kuadratik satu Parameter dari Brown Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi.
c.2 Metode kecenderungan dan musiman Tiga Parameter dari Winter dapat digunakan untuk data berbentuk trend dan musiman.
d. Smoothing Eksponensial Menurut Klasifikasi Pegels
2.6.1 Metode Smoothing yang digunakan
Metode peramalan analisa time series yang digunakan untuk meramalkan jumlah wisatawan yang datang ke Kabupaten Samosir pada pemecahan masalah ini adalah
dengan Metode Smoothing Eksponensial Ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.
a. Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari Brown
Metode ini merupakan metode linier yang dikemukakan 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. Bila terdapat unsur trend, perbedaan nilai
pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing
Eksponensial Linier Satu Parameter dari brown adalah sebagai beriku : S
t
= αX
t
+ 1 - α S
t – 1
S
t
= αS
t
+ 1 - α S
t – 1
a
t
= S
t
+ S
t
- S
t
= 2 S
t
- S
t
Universitas Sumatera Utara
b
t
=
1 −
α α
t t
S S
−
F
t+m
= a
t
+ b
t
m Dimana,
S
t
= nilai pemulusan eksponensial tunggal single eksponensial smoothing value S
t
= nilai pemulusan eksponensial ganda double eksponensial smoothing value α
= parameter pemulusan eksponensial dengan besar 0 α 1 a
t
, , b
t
= konstanta pemulusan
F
t+m
= hasil peramalan untuk m periode ke depan yang diramalkan
b. Ketepatan Ramalan Beberapa Kriteria yang digunakan untuk menguji antara
lain: 1.
ME Mean Error Nilai Tengah Kesalahan
ME = =
N e
N t
t
∑
=1
2. MSE Mean Square Error Nilai Tengah Kesalahan Kuadrat
MSE =
N e
N t
t
∑
=1 2
3. MAE Mean Absolute Error Nilai Tengah Kesalahan Absolut
MAE =
n e
N t
t
∑
=1
4. MAPE Mean Absolute Error Nilai Tengah Kesalahan Persentase Absolute
Universitas Sumatera Utara
MAPE =
N PE
N t
t
∑
=1
5. MPE Mean Percentage Error Nilai Tengah Kesalahan Persentase
MPE =
N PE
N t
t
∑
=1
6. SSE Sum Square Error Jumlah Kuadrat Kesalahan
SSE =
∑
= N
t t
e
1 2
7. SDE Standard Deviation of Error Deviasi Standar Kesalahan
SDE =
1
1 2
−
∑
=
N e
N t
t
Dimana :
t
e =
t t
F X
− kesalahan pada periode ke-t
t
X = data actual pada periode ke t
t
PE =
−
t t
t
X F
X
100 kesalahan persentase pada periode ke-t
t
F = nilai ramalan pada periode ke-t N = banyaknya periode waktu
Metode peramalan yang dipilih adalah metode peramalan yang memberikan nilai MSE yang terkecil.
Universitas Sumatera Utara
2.7 Pengertian Pariwisata dan Wisatawan