Metode – metode yang dapat dimengerti dan mudah diapliksikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4 Analisa 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 sesuatu kejadian atau beberapa kejadian serta hubungannya dengan kejadian yang
lain. Metode Time Series merupakan metode peramalan kuantitatif yang
didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan Time Series ini mencakup penelitian
pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti
bahwa tidak terdapat pertumbuhan penurunan pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap
waktu.
2.5 Penentuan Pola Data
Hal yang penting yang diperhatikan dalam metode deret berkala adalah menentukan jenis pola dan historisnya. Sehingga pola data yang tepat dengan pola
data historis tersebut dapat di uji, dimana pola data pada umumnya dapat dibedakan sebagai berikut :
Universitas Sumatera Utara
1. Pola Data Horizontal :
Pola ini terjadi bila nilai berfluktasi di sekitar nilai rata
– rata yang konstan. 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 fakto musiman misalnya kwatal tahun tertentu, bulanan, atau hari
– hari pada minggu tertentu. 3.
Data Siklis Cyclical : Pola data yang menunjukkan 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 menunjukkan 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 untuk menaksir nilai pada beberapa tahun ke depan. Secara
umum metode smoothing diklasifikasikan menjadi 2 dua bagian, yaitu : 1.
Metode Rata
–Rata
Metode rata – rata dibagi 4 empat bagian, yaitu :
a. Nilai tengah mean.
b. Rata
– rata bergerak tunggal Singel Moving Average. c.
Rata – rata bergerak ganda Double Moving Average.
d. Kombinansi 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 Smoothing Eksponensial Bentuk umum dari Metode Pemulusan Smoothing Eksponensial ini
adalah : α + 1 – α ....................2.1
: ramalan suatu periode ke depan
data aktual periode t ramalan pada periode t
α parameter pemulusan 0 α1 Bila bentuk umum tersebut diperluas maka akan berubah menjadi :
α + α1 – α + α1 – α
2
+ .......... + α1 – α
N
.........................2.2 Dari perluasan bentuk umum di atas dapatlah bahwa Metode Smoothing
Eksponensial 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 ebih tua. Metode ini terdiri atas :
a. Smoothing Eksponensial Tunggal
1. Satu Parameter one parameter
2. Pendekatan aditif ARRES
Universitas Sumatera Utara
Digunakan untuk data – data yang bersifat stasioner dan tidak
menunjukkan pola atau trend. b.
Smoothing Eksponen Ganda 1.
Metode Linier Satu Parameter dari Brown 2.
Metode Dua Parameter Dari Holt c.
Smoothing Eksponensial Triple 1.
Metode Kuadratik Satu Parameter dari Brown Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih
tinggi. 2.
Metode kecenderungan dan musiman tiga parameter dari winter Dapat digunakan untuk data yang berbentuk trend atau musiman.
d. Smoothing Eksponensial Menurut Klasifikasi Pegels
2.6.1 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Data tingkat pengangguran di Provinsi Sumatera Utara sudah diplot ke
dalam grafis menunjukkan pola data linier. Maka Metode peramalan analisa Time Series yang digunakan untuk meramalkan tingkat pengangguran pada pemecahan
permasalahan ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda, yaitu “Smoothing Eksponensial Linier Satu Parameter dari Brown”
