4.5.2.5. Metode Pelicinan Eksponensial Tunggal
Teknik ini dapat merevisi secara kontinu hasil peramalan dengan informasi terbaru. Metode ini berdasarkan pemulusan yang menurun secara eksponensial
Firdaus, 2006. Metode ini menyediakan rata-rata bergerak tertimbang secara eksponensial semua nilai pengamatan yang lalu Hanke, et al., 2003. Formula
dari metode ini adalah:
t b
a Y
S S
b S
S a
S S
S S
Y S
t t
t t
t t
t t
t t
t t
t t
t
. ˆ
1 2
1 1
1 1
+ =
− −
= −
= −
+ =
− +
=
− −
α α
α α
α α
Dimana : S
t
= pelicinan tahap 1
t
S
= pelicinan tahap 2 Y
t
= nilai aktual perriode t a
= konstanta pemulusan 0a 1 a
t
= nilai intersep b
t
= nilai slope
t
yˆ = nilai peramalan periode t t
= periode waktu
4.5.2.6. Metode Holt
Metode pelicinan eksponensial Holt menjelaskan bahwa ramalan merupakan hasil dari perhitungan dua kali pelicinan secara eksponensial. Tujuan
dari pelicinan kedua adalah untuk mengatasi masalah data yang tidak stasioner dengan model trend yang linear Makridakis, et al., 1999 . Formulasi untuk
metode ini adalah:
1 1
1 1
1
1 1
ˆ
− −
− −
+
− +
− =
+ −
+ =
⋅ +
=
t t
t t
t t
t t
t p
t
T A
A T
T A
Y A
P T
A Y
β β
α α
Dimana : A
t
= nilai intersep T
t
.P = nilai slope a
= konstanta pemulusan 0a 1 ß
= konstanta pemulusan 0a 1 t
= periode waktu
4.5.2.7. Metode Dekomposisi Aditif
Model ini memperlakukan nilai deret waktu sebagai jumlah dari komponen-komponen dalam model Hanke, et al., 2003. Formulasi dari model
ini adalah : Y
t
= T
t
+ C
t
+ S
t
+ ε
Dimana: T
t
= komponen trend pada periode t C
t
= komponen siklus pada periode t S
t
= komponen musiman pada periode t ε
= komponen galat pada periode t 4.5.2.8.
Metode Dekomposisi Multiplikatif
Model ini memperlakukan nilai deret waktu sebagai hasil perkalian dari komponen-komponen dalam model Hanke, et al., 2003 Formulasi dari model ini
adalah: Y
t
= T
t
x C
t
x S
t
x ε
t
Dimana: T
t
= komponen trend pada periode t C
t
= komponen siklus pada periode t S
t
= komponen musiman pada periode t ε
= komponen galat pada periode t
4.5.2.9. Metode Winters
Menurut Hanke, et al. 2003, metode ini memberikan cara mudah utuk menjelaskan musiman didalam model ketika data memiliki pola musiman. Metode
alternatif terdiri dari penghapusan musim atau penyesuaian musim pada data. Model peamalan diaplikasikan untuk data musim-terhapus desesasonalized data
Kategori