mewakili pertumbuhan atau penurunan pada deret waktu dari suatu periode yang diperluas.
c. Pola siklik cyclus Pola data ini terjadi ketika observasi data memperlihatkan kenaikkan
dan penurunan pada periode yang tidak tetap. Komponen siklik mirip fluktuasi gelombang di sekitar trend yang sering dipengaruhi oleh kondisi ekonomi.
Fluktuasi siklik sering dipengaruhi oleh perubahan pada ekspansi dan kontraksi ekonomi, yang umum dikenal dengan siklik bisnis.
d. Pola musiman seasonality Pola musiman muncul, apabila observasi data dipengaruhi oleh faktor
musiman. Komponen musiman mengacu pada suatu pola perubahan yang berulang dengan sendirinya dari tahun ke tahun. Untuk deret triwulan, ada
empat elemen musim, masing-masing satu untuk setiap triwulan. Variasi musiman mencerminkan kondisi cuaca, liburan, atau panjangnya hari bulan-
kalender.
3.1.3 Teknik Peramalan Model Time Series
Teknik peramalan time series didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang
merupakan data deret waktu time series. Teknik-teknik yang digunakan dalam peramalan time series terdiri dari:
a. Teknik Rata-Rata Sederhana
Teknik rata-rata sederhana menggunakan rata-rata semua pengamatan histories yang relevan sebagai ramalan periode mendatang. Teknik yang tepat
apabila gejolak yang membentuk deret waktu telah distabilkan dan lingkungan
dimana deret-deret berada secara umum tidak berubah. Teknik ini tidak terlalu memperhatikan fluktuasi dari deret waktu, cocok untuk data stasioner.
Kekurangan dari metode ini adalah hanya mampu meramal satu periode ke depan serta kurang praktis karena peramal harus menyimpan seluruh data
historisnya. Setiap penyusunan ramalan periode yang baru akan menggunakan data yang semakin banyak Henke, Reitsch dan Wichern,
2003.
b. Teknik Rata-Rata Bergerak Sederhana Moving Averages
Teknik rata-rata bergerak digunakan untuk menghilangkan kekurangan pada teknik rata-rata sederhana. Teknik ini meramal periode yang akan datang
menggunakan nilai rataan, mengeluarkan nilai dari periode yang lama dan memasukkan nilai dari periode terbaru dari sekelompok data yang jumlahnya
konstan. Kelebihan teknik ini adalah fleksibel dengan jumlah data yang dimasukkan ke dalam nilai rataan sehingga dapat divariasikan sesuai dengan
pola datanya. Teknik ini sangat cocok untuk data stasioner yang cenderung bergerak tidak menaik atau menurun Makridakis et al.,1995.
c. Teknik Trend
Teknik trend menggambarkan pergerakkan jangka panjang didalam deret waktu yang seringkali dijelaskan sebagai garis lurus atau kurva halus.
Teknik ini menunjukkan hubungan antara periode dan variabel yang diramal. pola data yang mengandung unsur musiman dapat dimasukkan dalam teknik
ini.
d. Teknik Pemulusan Eksponensial
Teknik pemulusan eksponensial adalah prosedur yang dapat merevisi hasil ramalan secara kontinyu dengan menggunakan informasi terbaru.
Teknik ini berdasarkan pemulusan yang menurun secara eksponensial. Prediksi dilakukan dengan memberi bobot yang lebih tinggi untuk informasi
yang lebih baru. Teknik ini terdiri dari dua yaitu: 1. Teknik Pemulusan Eksponensial Tunggal
Teknik ini sangat cocok untuk pola data stasioner dan tidak efektif dalam menangani peramalan yang pola datanya memiliki komponen trend
dan pola musiman. Teknik ini hanya menyimpan data terakhir, ramalan terakhir dan konstanta pemulusan
α sehingga dapat mengurangi masalah penyimpanan data.
2. Teknik Pemulusan Eksponensial Ganda Teknik ini menetapkan bahwa ramalan merupakan hasil dari
perhitungan dua kali pemulusan eksponensial dengan tujuan mengatasi masalah data yang tidak stasioner dengan trend linear. Hasil yang
diperoleh dari pemulusan eksponesial tunggal dilakukan pemulusan kembali dengan memberi bobot yang menurun secara eksponensial.
e. Dekomposisi