36
3. Metode Exponential Smoothing, Menurut Handoko 2000:279,
dengan exponential smoothing sederhana, forecast dilakukan dengan cara ramalan periode
terakhir ditambah porsi perbedaan disebut α antara permintaan nyata periode terakhir dan ramalan periode terakhir.
Persamaannya adalah : Ft
= F
t-1
+ α A
t-1
– F
t-1
dimana, Ft
= ramalan untuk periode sekarang t F
t-1
= ramalan yang dibuat untuk periode terakhir t-1 α
= smoothing constant 0 ≤ α ≤ 1
A
t-1
= permintaan nyata periode terakhir
4. Metode Box-Jenkins ARIMA, Pada dasarnya ada dua model dari
metode Box-Jenkins, yaitu model linier untuk deret statis Stasionary Series dan model untuk deret data yang tidak statis Non Stasionary
Series. Model–model linier untuk deret data yang statis menggunakan teknik penyaringan filtering untuk deret waktu ,yaitu apa yang
disebut dengan ARMA Auto Regresive-Moving Average untuk suatu kumpulan data.
Metode Auto Regresive adalah model yang menggambarkan bahwa variabel dependen dipengaruhi oleh variabel dependen itu
sendiri pada periode-periode yang sebelumnya,atau autokorelasi dapat diartikan juga sebagai korelasi linier deret berkala dengan deret berkala
itu sendiri dengan selisih waktu lag 0,1,2 periode atau lebih. Bentuk
37
umum autoregressif dengan ordo p atau dituliskan dengan AR p mempunyai persamaan sebagai berikut:
X
t
= µ + Φ1 X
t-1
+ Φ µ X
t-2
+............... + Φ
p
X
t-p
+ e dimana :
Xt :variabel dependen
X
t-1
,........,X
t-p
:variable independen yang dalam ini merupakan lag beda waktu dari variable dependen pada satu
periode sebelumnya hingga p periode sebelumnya. µ
:nilai konstan Φ
:parameter autoregressive e : error
5. Proyeksi Trend
Proyeksi trend merupakan metode peramalan seri waktu. Teknik ini mencocokkan garis trend ke rangkaian titik data historis kemudian
memproyeksikan garis itu kedalam ramalan jangka menengah hingga jangka panjang.
Pendekatan ini menghasilkan garis lurus yang meminimalkan jumlah kuadrat perbedaan vertikal dari garis pada setiap observasi aktual.Rumus
trend garis lurus dengan metode kuadrat terkecil adalah: Y = a + bx
Dengan penyelesaian nilai a dan b pada dua persamaan normal berikut Handoko,2000:273.
∑ Y = n a + b
∑ X ∑ XY =
a ∑ X + b ∑ X
2
Bila titik tengah data sebagai tahun dasar, maka ∑ X = 0
∑Y
∑ Y = n a
a = n
∑ XY
∑ XY = b
∑ X
2
b =
∑ X
2
Kategori