Analisis deret berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian lainnya.
Metode deret berkala merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan
dengan variabel waktu. Tujuan deret berkala ini mencakup pola data yang digunakan untuk meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa
yang akan datang. Stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan ataupun penurunan data. Data seharusnya horizontal sepanjang waktu atau dengan
kata lain fluktasi data tetap konstan setiap waktu.
2.6 Metode Pemulusan Smoothing
Metode Smoothing adalah suatu metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk
menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu:
1. Metode Rata-rata Metode Rata-rata dibagi atas empat bagian, yaitu:
a. Nilai Tengah Mean b. Rata-rata bergerak tunggal Single Moving Average
c. Rata-rata bergerak ganda DoubleMoving Average d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
Universitas Sumatera Utara Universitas Sumatera Utara
2. Metode Pemulusan Eksponensial Bentuk umum dari Metode Pemulusan Eksponensial
F
t +1
=
α
X
t
+ 1
−
α
F
t
Keterangan : F
t+1
= Ramalan satu periode ke depan X
t
= Data aktual pada periode ke-t F
t
= Ramalan pada periode ke-t α = Parameter pemulusan
Metode Pemulusan Eksponensial terdiri atas: 1. Pemulusan Eksponensial Tunggal
a. Satu parameter b. Pendekatan adaptif
2. Smoothing Eksponensial Ganda a. Metode Linier Satu Parameter dari Brown
b. Metode Dua Parameter dari Holt 3. Smoothing Eksponensial Tripel
a. Metode Kuadratik Satu Parameter dari Brown b. Metode Tiga Parameter untuk kecenderungan dan musiman dari Winter
4. Smoothing Eksponensial menurut klasifikasi Pegels.
Universitas Sumatera Utara Universitas Sumatera Utara
2.7 Metode Pemulusan yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan Time series yang digunakan untuk meramalkan produksi karet
pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smoothing Eksponensial Linier Satu Parameter dari
Brown” . Persamaan yang dipakai dalam pelaksanaan Pemulusan Eksponensial Linier
Satu Parameter dari Brown adalah sebagai berikut:
F
t+m
=
a
t
+
b
t
m
′
= α + 1 − α
′′ ′′
= α
′
+ 1 − α
′′
at =
′
+
′
−
′′
= 2
′
−
′′
b
t
=
α α
′
−
′′
Keterangan :
′
= Nilai pemulusan eksponensial tunggal
′′
= Nilai pemulusan eksponensial ganda a
t
= Konstanta untuk m periode ke depan b
t
= Komponen kecenderungan F
t+m
= Hasil ramalan untuk m periode ke depan yang akan diramalkan
α = Parameter pemulusan eksponensial besarnya adalah 0 α 1
Universitas Sumatera Utara Universitas Sumatera Utara
2
.8 Penentuan Pola Data
Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat
dengan pola tersebut dapat diuji. Secara umum pola data dapat dibedakan menjadi empat, yaitu:
1. Pola Horisontal H : Pola ini terjadi bila nilai berfluktuasi di sekitar nilai
rata-rata yang konstan. y
waktu
Gambar 2.1 Pola Data Horizontal 2. Pola Musiman S
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
waktu
Gambar 2.2 Pola Data Musiman
Universitas Sumatera Utara Universitas Sumatera Utara
3. Pola Siklis C
Pola data yang menunjukkan gerakkan naik turun dalam jangka panjang dari suatu kurva trend, terjadi bilamana datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang yang berhubungan dengan siklus bisnis
. y
waktu
Gambar 2.3 Pola Data Siklis
4. Pola Trend T
Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data. y
waktu
Gambar 2.4 Pola Data Trend
Universitas Sumatera Utara Universitas Sumatera Utara
BAB 1 PENDAHULUAN
