secara eksponensial semua nilai pengamatan yang lalu. Modelnya cocok untuk data tanpa trend yang tidak dapat diprediksi meningkat atau menurun. Pemulusan
eksponensial secara berkesinambungan merevisi estimasi berdasarkan pengalaman terkini. Teknik ini berbasis rerata pemulusan nilai lampau deret
secara menurun eksponensial. Penerapan teknik pemulusan eksponensial tunggal dengan program komputer MINITAB Release 14 menyediakan nilai
α optimum, sehingga memudahkan dalam penentuan nilai
α yang memberikan nilai MSE terkecil tanpa perlakuan coba-coba. Nilai MSE terkecil terdapat pada Kota
Surabaya dengan α = 1,342 dan MSE = 2.276,74. Nilai MSE terbesar terdapat
pada Kota Yogyakarta dengan α = 1,263 dan MSE = 11158,40. Nilai MSE hasil
penerapan teknik pemulusan eksponensial tunggal dapat dilihat pada Tabel 5.
Tabel 5 Nilai MSE Hasil Penerapan Teknik Pemulusan Eksponensial Tunggal
No. Kota α MSE
1 Jakarta 1,392
4.682,06 2 Bandung
1,305 5.855,12
3 Yogyakarta 1,263
11.158,40 4 Surabaya
1,342 2.276,74
5 Denpasar 1,426
3.991,52
5.2.5 Teknik Pemulusan Eksponensial Ganda
Teknik pemulusan eksponensial ganda sangat mirip dengan pemulusan tunggal, bedanya pemulusan eksponensial ganda ada tambahan untuk trend.
Konstanta pemulusan kedua adalah β digunakan untuk memuluskan estimasi
trend . Program Komputer MINITAB Release 14 telah menyediakan kombinasi
nilai α dan β yang memberikan nilai MSE terkecil, sehingga bobot α dan β tidak
perlu dipilih secara subyektif. Kombinasi bobot α dan β akan menghasilkan nilai
yang meminimasi nilai MSE.
Tabel 6 Nilai MSE Hasil Penerapan Teknik Pemulusan Eksponensial Ganda No. Kota
α β MSE
1 Jakarta 1,399
0,013 4.661,48
2 Bandung 1,310
0,007 5.788,42
3 Yogyakarta 1,253
0,030 11.236,00
4 Surabaya 1,311
0,012 2.157,27
5 Denpasar 1,422
0,009 4.039,07
Penerapan dari teknik ini memberikan nilai MSE yang relatif kecil untuk kota Jakarta, Bandung, Surabaya, dan Denpasar dibandingkan dengan penerapan
pemulusan tunggal, kecuali Kota Yogyakarta yang mengalami peningkatan nilai MSE. Perbandingan nilai MSE untuk masing-masing kota menunjukkan bahwa
Kota Surabaya memiliki nilai MSE terkecil.
5.2.6 Teknik Winter
Teknik Winter yang diterapkan untuk peramalan harga beras IR II menggunakan konstanta
α = 0,2 , β = 0,2 dan µ = 0,2 dan panjang musiman L = 48. Panjang musiman tersebut merupakan periode musiman yang meminimalisasi
nilai MSE. Teknik ini memberikan cara yang mudah untuk menjelaskan musiman didalam model ketika data memiliki pola musiman. Dalam hal nilai parameter,
teknik winter tidak lebih baik dibandingkan dengan teknik pemulusan dalam meminimasi nilai MSE. Berdasarkan nilai MSE pada Tabel 7, menunjukkan
bahwa teknik winter aditif lebih meminimasi nilai MSE dibandingkan winter multiplikatif.
Tabel 7 Nilai MSE Hasil Penerapan Teknik Winter MSE
No. Kota Multiplikatif Aditif
1 Jakarta 24.651,10
22.041,70 2 Bandung
17.648,20 11.796,90
3 Yogyakarta 37.636,90
34.326,50 4 Surabaya
14.790,40 6.214,43
5 Denpasar 13.273,00
18.805,30
5.2.7 Teknik Dekomposisi
Teknik dekomposisi mengidentifikasi setiap komponen trend, musiman, siklis dan ketidak-beraturan secara terpisah. Proyeksi setiap komponen kemudian
dapat dikombinasikan yang menghasilkan nilai ramalan masa depan deret waktu. Teknik ini digunakan hanya sekedar menampilkan pertumbuhan dan penurunan
suatu deret, atau untuk menyesuaikan deret dengan cara menghilangkan satu atau beberapa komponen. Model yang memperlakukan nilai-nilai deret waktu sebagai
jumlah dari komponen-komponen disebut sebagai model komponen aditif. Model yang memperlakukan nilai-nilai deret waktu sebagai hasil perkalian dari
komponen-komponen disebut sebagai model komponen multiplikatif.
Tabel 8 Nilai MSE Hasil Penerapan Teknik Dekomposisi MSE
No. Kota Multiplikatif Aditif
1 Jakarta 38.476,30
41.941,30 2 Bandung
16.431,00 19.050,20
3 Yogyakarta 40.048,80
47.939,40 4 Surabaya
16.657,20 17.883,00
5 Denpasar 29.383,90
34.229,60
Berdasarkan Tabel 8 dapat dilihat bahwa teknik dekomposisi tidak meminimasi nilai MSE, hal ini ditunjukkan dengan nilai MSE yang semakin
meningkat. Dekomposisi multiplikatif memberikan nilai MSE lebih kecil dibandingkan dengan dekomposisi aditif. Perbedaan nilai MSE tersebut tidak
terlalu tinggi. Penerapan teknik ini kurang baik dibandingkan dengan teknik- teknik sebelumnya.
5.2.8 Teknik Box-Jenkins ARIMA-SARIMA
