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”
a. Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari
Brown
Metode ini merupakan model linier yang dikeluarkan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Linier satu Parameter dari
Universitas Sumatera Utara
Brown adalah serupa dengan rata – rata bergerak linier karena kedua nilai
pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan
kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Linier Satu Parameter dari Brown
adalah sebagai berikut : a.
Menentukan nilai pemulusan eksponensial tunggal α + 1 –
..................2.3 Nilai pemulusan eksponensial tunggal
Parameter pemulusan eksponensial Nilai rill periode t
b. Menentukan nilai pemulusan eksponensial ganda
α + 1- ...............2.4
Nilai pemulusan eksponensial ganda c.
Menentukan besarnya konstanta +
- 2
- ..............2.5
besarnya konstanta periode t d.
Menentukan besarnya Slope .....................2.6
slope nilai trend dari data yang sesuai
Universitas Sumatera Utara
b. Beberapa Kesalahan dan ukuran Statistik Standar, antara lain :
1. ME Mean Error Nilai Tengah Kesalahan :
2. MSE Mean Square Error Nilai Tengah Kesalahan Kuadrat :
3. MAE Mean Absolut Error Nilai Tengah Kesalahan Absolut :
4. SDE Standard Deviation of Error Deviasi Standar kesalahan :
5. MAPE Mean Absolute Percentage Error Nilai Tengah Kesalahan
Persentase Absolut:
Dengan : -
kesalahan pada periode t. Data aktual pada periode t.
x 100 Kesalahan persentase pada periode t. Nilai ramalan pada periode t.
N Banyaknya periode waktu.
Universitas Sumatera Utara
2.7 Pengertian Regresi
Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama
disebut dengan bermacam – macam istilah: variabel penjelas, variabel
eksplanotorik, variabel independen, atau secara bebas, variabel X karena
seringkali digambarkan dalam grafik sebagai absis, atau sumbu X. Variabel yang kedua adalah variabel yang dipengaruhi, variabel dependen, variabel terikat, atau
variabel Y. Kedua variabel ini dapat merupakan variabel acak random, namun variabel yang dipengaruhi harus selalu variabel acak.
Istilah “regresi” pada mulanya bertujuan untuk membuat perkiraan niali satu variabel terhadap satu variabel yang lain. Pada perkembangan selanjutnya
analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan
variabel tersebut. Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara suatu variabel tidak bebas dependent variabel
dengan variabel – variabel bebas independent variable lainnya
memiliki, hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis tertentu.
Universitas Sumatera Utara
2.8 Regresi Linear Sederhana
