68 eksponensial smoothing
, double eksponensial smoothing – Holt, dekomposisi aditif, dekomposisi multiflikatif. Validasi yang digunkan untuk menelaah tingkat
akurasinya adalah Mean Square Error MSE, semakin kecil nilai MSE yang dihasilkan maka semakin baik metode peramalan tersebut.
a. Model Rata-Rata Sederhana Simple Average
Model simple average
menggunakan nilai rata-rata semua pengamatan historis yang relevan sebagai ramalan periode berikutnya, teknik ini akan tepat
apabila gejolak yang membentuk deret waktu telah distabilkan atau deret data berkisar diantara nilai tengahnya. Nilai MSE yang dihasilkan untuk GT3 yaitu
sebesar 43 091 419, sedangkan penerapan model simple average untuk Eagle Ventura
menghasilkan nilai MSE sebesar 3 548 063.
b. Model Rata-Rata Bergerak Sederhana Simple Moving Average
Penerapan metode ini yaitu dengan menentukan terlebih dahulu ordo dari rata-rata bergerak, ordo yang digunakan yaitu tiga karena dengan semakin
kecilnya ordo, maka semakin besar bobot yang diberikan pada periode terkini. Orde yang semakin kecil adalah yang paling disukai ketika terjadi perubahan
mendadak pada deret. Hasil perhitungan dengan model ini pada ban model GT3 mendapatkan nilai MSE sebesar 42 105 834, sedangkan MSE yang dihasilakn
untuk ban model Eagle Ventura yaitu sebesar 3 740 811.
c. Model Rata-Rata Bergerak Ganda Double Moving Average
Model rata-rata bergerak ganda menghitung rata-rata deret data tiga
bulanan, kemudian menghitung rata-rata kelompok kedua dengan menggunakan deret data dari kelompok pertama tadi. Nilai MSE yang dihasilkan untuk ban
69 mobil model GT3 yaitu sebesar 43 798 276, Sedangkan nilai MSE untuk ban
model Eagle Ventura yaitu menghasilkan error sebesar 5 924 665.
d. Model Pemulusan Eksponensial Tunggal Single Eksponensial Smoothing
Penerapan model ini mengunakan nilai parameter α yang sesuai untuk
menghasilkan ramalan yang optimal dengan nilai MSE yang kecil. Selanjutnya penerapan dilakukan dengan menyimpan nilai
α, data aktual dan ramalan terakhir untuk menghasilkan ramalan berikutnya. Nilai MSE untuk ban model GT3 yang
dihasilkan dari perhitungan menggunakan program minitab yaitu sebesar 33 919 903, dengan nilai
α sebesar 0,75, sedangkan MSE untuk ban model Eagle Ventura yaitu sebesar 3 005 056, dengan
α yang digunakan yaitu 0,34.
e. Model Pemulusan Ganda-Holt Double Eksponensial Smoothing-Holt
Metode double eksponensial smoothing-Holt
memiliki tingkat kerumitan dan kompleksitas yang cukup tinggi, pada model ini harus menemukan dua
parameter α dan β yang optimal. Nilai MSE yang dihasilkan dari penggunaan
model peramalan ini yaitu, untuk ban model GT3 MSE yang diperoleh yaitu sebesar 38 653 025, dengan
α = 0,7 dan β = 0,1. Sedangkan untuk model Eagle Ventura
menghasilkan MSE sebesar 3 217 732, dengan α dan β yang digunakan
sebesar 0,3 dan 0,1.
f. Model Dekomposisi
Model dekomposisi memisahkan pola data atas unsur musiman, trend, siklus, dan error, pemisahan ini bertujuan untuk membantu pemahaman atas
perilaku deret data sehingga dapat diperoleh keakuratan peramalan yang lebih baik.
70
1. Dekomposisi Multiplikatif
Berdasarkan perhitungan menggunakan program minitab didapat hasil bahwa persamaan untuk ban mobil model GT3 pada metode dekomposisi
multiplikatif yaitu Y
t
= 19 147,3 + 210,132t, dengan nilai MSE yang dihasilkan sebesar 39 647 857. Adapun untuk ban mobil model Eagle Ventura persamaannya
yaitu Y
t
= 8702,77 – 46,6362t, dengan nilai MSE yang didapat yaitu 2 664 193.
2. Dekomposisi Aditif
Berdasarkan hasil pengolahan dengan menggunakan model dekomposisi aditif dapat diketahui bahwa persamaan permintaan ban mobil model GT3 yaitu
Y
t
= 19 147,3 + 210,132t. MSE yang dihasilkannya yaitu sebesar 38 566 687. Adapun untuk ban mobil model Eagle Ventura kecenderungan yang dihasilkan
dari persamaan menghasilkan slope negatif, hal ini berarti bahwa pola permintaan ban untuk model Eagle Ventura relatif berkurang. Persamaan untuk model ini
yaitu Y
t
= 8702,77 – 46,6362t, dari persamaan ini meghasilkan nilai MSE sebesar 2 572 985.
6.4. Penerapan Metode Peramalan Kausal Regresi
