Pengumpulan Data Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

BAB 3 ANALISA DATA

3.1 Pengumpulan Data

Untuk kebutuhan peramalan diperlukan data yang bersifat akurat, validity, reagility, kecukupan data dan dapat menggambarkan time series. Data diperoleh pada bagian penumpang di PT. Pelayaran Nasional Indonesia cabang Medan. Pengumpulan data yang diperoleh merupakan data dari tahun 2000-2008, yaitu data jumlah penumpang domestik baik yang naik maupun yang turun. Tabel 3.1 Data Jumlah Penumpang Domestik pada PT. Pelayaran Nasional Indonesia Cabang Medan Tahun 2000-2008 No. Tahun Jumlah Penumpang Turun Naik 1 2000 308.095 390.831 2 2001 280.110 326.946 3 2002 230.979 258.006 4 2003 149.347 155.126 5 2004 76.701 82.471 6 2005 75.586 86.025 7 2006 72.123 72.757 8 2007 67.343 64.878 9 2008 80.309 75.562 Universitas Sumatera Utara Grafik 3.1 : Nilai Aktual Penumpang Domestik Di Pelabuhan Belawan

3.2 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

Dalam pengumpulan dan pengolahan data, penulis mengaplikasikan data tabel 3.1 dengan metode peramalan forecasting berdasarkan metode smoothing eksponensial satu parameter dari Brown. Pada metode smooting eksponensial tunggal dilakukan peramalan dengan pemulusan sekali saja. Sedangkan pada metode smoothing eksponensial satu parameter dari Brown dilakukan dua kali pemulusan dan kemudian dilakukan peramalan. Sehingga metode ini sering juga disebut metode pemulusan eksponensial berganda Double Exponential Smoothing. Universitas Sumatera Utara Untuk memenuhi perhitungan smoothing eksponential satu parameter dari Brown maka terlebih dahulu kita menentukan parameter  yang biasanya secara trial and error coba dan salah. Suatu nilai  yang dipilih yang besarnya 0  1, dihitung Mean Square error MSE yang merupakan suatu ukuran perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai  yang lain. Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli yang dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi banyak error.

3.3 Pemilihan Metode