Renny Triana : Peramalan Nilai Penjualan Surat Kabar Harian Waspada Di Kota Medan Untuk Tahun 2008 – 2009, 2008.
USU Repository © 2009
Terdapat dua jenis model peramalan yang utama, yaitu model deret berkala dan model regresi kausal. Pada model deret berkala, penduga masa depan dilakukan
bendasarkan nilai masa lalu dari suatu variable dan atau kesalahan masa lalu. Tujuan metode peramalan deret berkala seperti itu adalah menemukan pola dalam deret data
histories mengekstrapolasikan pola tersebut ke masa depan. Model kausal di pihak lain mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu sebab akibat dengan
satu atau lebih variabel bebas.
2.4 Analisis Deret Berkala
Data berkala time series adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti 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 atau penurunan data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain
frekuensi data tetap konstan setiap waktu. Model time series mempunyai keuntungan dalam situasi tertentu. Metode ini sering kali dapat digunakan dengan mudah untuk
meramal.
Renny Triana : Peramalan Nilai Penjualan Surat Kabar Harian Waspada Di Kota Medan Untuk Tahun 2008 – 2009, 2008.
USU Repository © 2009
2.5 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. Dimana pola data umumnya dapat dibedakan sebagai berikut : 1.
Pola Data Horizontal Pola ini terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang
konstan. 2.
Pola Data Musiman Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam
deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu
tertentu. 3.
Pola Data Siklis Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari
suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka penjang, seperti yang berhubungan dengan siklus bisnis.
4. Pola Data Trend
Pola yang menunjukkan kenaikan dan penurunan jangka panjang dalam data.
2.6 Metode Pemulusan Smoothing
