4 Pemulusan Eksponensial Triple Winters
Metode ini dapat digunakan untuk data time series yang mempunyai pola
stasioner, pola trend konsisten, serta faktor musiman. Kelebihan metode ini adalah kemudahannya dalam update peramalan ketika data baru dihasilkan.
Kelemahan dari metode ini adalah tidak memperhitungkan komponen siklus sehingga jika ada pengaruh siklus hasil ramalannya menjadi tidak baik. Model
Winters memiliki dua bentuk Bowerman dan O’Connell,1993, yaitu : 1. Winters Aditif
Digunakan untuk data yang fluktuasi musiman relatif konstan atau stasioner.
2. Winters Multiplikatif Digunakan untuk pola data yang memiliki fluktuasi musiman cenderung
semakin besar.
5. Model Dekomposisi
Model Dekomposisi adalah salah satu pendekatan analisis deret waktu yang berupaya mengidentifikasi faktor- faktor komponen ya ng mempengaruhi
setiap nilai pada deret Hanke, 2003. Metode tersebut pada dasarnya bekerja dengan memecah pola deret waktu menjadi unsur trend, siklus, musiman, dan
acak serta mengidentifikasi masing- masing unsur tersebut secara terpisah. Kelemahan dari metode ini adalah tidak memiliki prosedur formal yang dapat
digunakan untuk meramalkan gerakan komponen siklus di masa mendatang. Gerakan siklus biasanya ditaksir dengan menggunakan metode peramalan
subjektif kualitatif atau pikiran manusia saja. Metode ini cukup efektif dalam
mengidentifikasi dan memisahkan unsur musiman dari deret waktu. Penjelasan dari masing- masing komponen tersebut adalah sebagai berikut Bowerman and
O’Connell, 1993 : 1. Trend, merupakan komponen yang mencerminkan pertumbuhan atau
penurunan suatu deret waktu. 2. Siklis, merupakan deret dengan bentuk seperti fluktuasi gelombang atau
siklis yang kejadiannya lebih dari satu tahun. Perubahan kondisi ekonomi umumnya menghasilkan siklis. Mempunyai jangka periode yang panjang
antara dua hingga sepuluh tahun. 3. Musiman, fluktuasi musiman umumnya terjadi triwulan, bulanan, atau
mingguan. Variasi musiman mengacu pada suatu pola perubahan yang muncul setiap tahun dan berulang dengan sendirinya di tahun-tahun
berikutnya. Umumnya diakibatkan oleh perubahan cuaca dan kebiasaan. 4. Ketidakteraturan, komponen acak terdiri dari fluktuasi tak terduga atau acak.
Model dekomposisi tersebut terdiri dari : 1 Model Dekomposisi Aditif, yaitu model yang digunakan untuk deret
waktu yang keragamannya kurang lebih sama sepanjang deret data. Jadi, semua nilai deret berada pada lebar yang konstan berpusat pada trend.
2 Model Dekomposisi Multiplikatif, yaitu model yang digunakan untuk deret waktu yang keragamannya menaik dengan tingkat tertentu. Jadi, nilai
deret tersebar mengikuti trend yang meningkat.
6. Metode Box-Jenkins ARIMA
