23
Gambar 2.5 Simbol Diagram Aktivitas
2.8 Teknik Prediksi Terdahulu
Suatu data runtun waktu yang bersifat musiman, didefinisikan sebagai suatu data runtun waktu yang memiliki pola perubahan berulang secara tahunan. Dalam teknik
prediksi musiman biasanya memperkirakan indeks musiman dari data tersebut. Indeks musiman ini nantinya digunakan untuk menghilangkan pengaruh seperti itu dari nilai-
nilai yang di observasi. Ada beberapa teknik yang biasa digunakan untuk prediksi musiman ini.
Ernawati 2007 menggunakan teknik Dekomposisi dalam memprediksi penjualan minuman botol. Adapun langkah-langkah metode Dekomposisi yang
dilakukan oleh Ernawati adalah:
1. Menghitung faktor musiman awal dengan melakukan penyesuaian musiman
terhadap data aktual.
Universitas Sumatera Utara
24 2.
Menghitung penyesuaian musiman akhir dengan rata-rata bergerak dari Spencer untuk menghilangkan setiap pengaruh musiman dan unsur acak yang
tidak terdeteksi sebelumnya.
3. Melakukan pengujian deret data untuk menentukan keberhasilan proses
dekomposisi yang telah dilakukan. Dalam hal ini dilakukan uji perubahan persentasi dari komponen acak dan trend-siklus.
4. Menghitung Bulan Dominasi Siklus MCD yang
digunakan untuk mengetahui berapa lama komponen acak mendominasi komponen trend siklus atau sebaliknya.
5. Menghitung taksiran trend-siklus dengan menghitung rata-rata bergerak dari
data akhir yang telah disesuaikan menurut musim. Dalam hal ini digunakan rata-rata bergerak tiga bulanan.
6. Membuat prediksi untuk jumlah penjualan minuman botol dua tahun kedepan.
Pada tahun 2007, Hermanto menggunakan metode Sarima dalam memprediksi tingkat penjualan motor berdasarkan pola data seasonality. Metode Sarima atau
Seasonal Autoregressive Integrated Moving Average yang dipakai Hermanto 2007 memiliki langkah-langkah sebagai berikut:
1. Tahap Identifikasi
Mengenali adanya fakor musiman dalam data yang digunakan.
2. Tahap estimasi
Setelah menetapkan model sementara, selanjutnya digunakan estimasi maksimum likelihood atau metode kuadrat terkecil untuk mendapatkan
parameter dari model.
3. Tahap pengecekan dignostik
Sebelum menggunakan model untuk prediksi, perlu adanya pengecekan terhadap model yang telah diidentifikasi. Model telah memadai apabila nilai
Universitas Sumatera Utara
25 residual dari model yang dipilih tidak dapat dipergunakan untuk memperbaiki
nilai prediksi.
Prediksi dengan data musiman lainnya yang pernah diteliti adalah menggunakan metode regresi time series dalam memprediksi penjualan produk
pakaian Rochmah, 2010. Langkah-langkah dalam memprediksi barang musiman dengan menggunakan metode regresi time series yang digunakan Rochmah adalah
sebagai berikut:
1. Data dibagi menjadi dua, yaitu data insample dan data outsample.
2. Identifikasi model untuk mengetahui apakah volume penjualan dipengaruhi
oleh pola tren atau musiman atau keduanya. 3.
Melakukan pemodelan dengan metode regresi 4.
Penaksiran model pengujian parameter. 5.
Melakukan prediksi.
Dari beberapa penelitian terdahulu yang telah disebutkan di atas memiliki kelemahan dan error dalam melakukan prediksi. Adapun kelemahan dan error pada
teknik di atas dirangkum pada Tabel 2.1.
Tabel 2.1 Penelitian Terdahulu untuk Prediksi Musiman No.
Peneliti Teknik Yang
Digunakan Kelemahan
Error
1. Ernawati
Dekomposisi Trend digambarkan sebagai
pencocokan data terhadap suatu
garis lurus.
Pencocokan data terhadap garis lurus menyebabkan
terjadi bias saat pemulusan mendekati akhir data deret
waktu. MAD = 0,12
Universitas Sumatera Utara
26
Tabel 2.1 Penelitian Terdahulu untuk Prediksi Musiman Lanjutan No.
Peneliti Teknik Yang
Digunakan Kelemahan
Error
2. Hermanto
Sarima Adanya
ketidakmampuan dalam menghasilkan prediksi
jangka panjang yang handal MSE = 84,726
3. Rochmah
Regresi Time
Series Tidak mampu menunjukkan
titik jenuh
fungsi yang
sedang diselidiki. Akibatnya selalu timbul kemungkinan
kesalahan prediksi
ektraspolasi. Untuk penelitian yang menggunakan metode Holt-Winters terdapat beberapa
studi kasus untuk prediksi data musiman. Beberapa dari penelitian tersebut seperti dalam Tabel 2.2.
Tabel 2.2 Penelitian Terdahulu dengan Holt-Winters
No .
Penulis Tahun
Judul Dipublikas
i Kesimpulan
1. Harsaputra,
Windy 2007
Sistem Pendukung Keputusan untuk
Monitoring Pendapatan Catering dengan
metode Winters Sekolah
Tinggi Manajemen
Informatika Teknik
Komputer Surabaya
Penggunaan metode ini sangat
membantu dalam pengambilan
keputusan bagi
pihak manajemen catering.
2. Hendra,
Legi 2008
Perancangan Aplikasi Peramalan dengan
Metode Winters Tripel Eksponential
Smoothing untuk Menentukan Kelayakan
Penambahan Mesin Rajut
Universitas Bina
Nusantara Jakarta
Dari hasil
evaluasi, metode ini
memberikan ketepatan
peramalan yang
untuk studi kasus yang diamati.
Universitas Sumatera Utara
27
Tabel 2.2 Penelitian Terdahulu dengan Holt-Winters Lanjutan
No .
Penulis Tahun
Judul Dipublikasi
Kesimpulan
3. Nurmaida,
Ai 2012
Penerapan Metode
Exponential Smoothing Holt-
Winters
dalam Sistem
Peramalan Curah Hujan
Universitas Pendidikan
Indonesia Metode
ini memiliki tingkat
keakuratan yang cukup
baik digunakan untuk
peramalan curah hujan
yang mengandung
unsur-unsur data pemulusan, trend
dan musiman.
Berdasarkan penelitian sebelumnya penulis akan melakukan penelitian mengenai prediksi permintaan barang musiman dengan objek penelitian data musiman
yaitu seragam sekolah dasar SD dengan metode Holt-Winters, dimana Holt-Winters merupakan metode yang dapat menangani faktor musiman dan trend yang muncul
secara sekaligus dengan memberikan indeks bobot yang berbeda untuk setiap parameternya Kalekar, 2004. Dengan cara ini diharapkan perhitungan untuk setiap
indeks-nya tidak lagi terlalu rumit dan nilai akurasi dari prediksi akan lebih tinggi.
Universitas Sumatera Utara
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
Bab ini secara garis besar membahas analisis metode Holt-Winters pada sistem dan tahap-tahap yang akan dilakukan dalam perancangan sistem yang akan dibangun.
3.1 Identifikasi Masalah
Kategori