Teknik peramalan Deret Berkala

3. Pola Siklis C Pola ini terjadi bila data dipengaruhi oleh fluktuasi ekonomi yang waktunya relatif panjang dan gerakanya tidak beraturan.pola siklis ini dapat dilihat pada gambar 2.3 berikut. 4. Pola Trend T Pola ini dapat terjadi bila secara umum terjadi penambahan atau penurunan pada data yang ada. Pola ini dapat digambarka seperti terlihat pada gambar 2.4 berikut.

2.1.1.2 Teknik peramalan Deret Berkala

Metode dan teknik peramalan deret berkala adalah metode peramalan berdasarkan periode waktu. Metode yang termasuk dalam deret berkala adalah : a. Metode Penghalusan Smoothing Universitas Sumatera Utara 1. Metode Rata-rata Bergerak Moving Average: Single Moving Average SMA dan Linier Moving Average LMA. 2. Metode Exponential Smoothing: Single Exponential Smoothing, Double Exponential Smoothing, Triple Exponential Smoothing, Adaptive Response Rate ES ARRES, Holt 2-Parameters Linier ES, dan Witer 3-Parameters Linier ES. b. Metode Regresi : Konstan, Regresi Linier Trend, kuadratis , Eksponensial dan Siklis. c. Metode Dekomposisi Metode yang akan digunakan pada peramalan dalam analisis masalah dan pemecahan masalah adalah: a. Metode Single Exponential Smooting Pengertian dasar dari metode ini adalah nilai ramalan pada t+1 merupakan nilai actual pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai peramalan yang terjadi pada periode t tersebut. Nilai peramalan dapat dicari dengan persamaan berikut: � �+1 = ∝ � � + 1 −∝� � Dimana: � � = data permintaan pada periode –t α = Faktorkonstanta pemulusan � �+1 = peramalan untuk period ke – t+1 b. Metode Regresi Linier Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan untuk satu persamaan, sehingga dengan persamaan tersebut, dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk peramalan jangka pendek dan jangka panjang, ketepatan peramalan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, semakin banyak data yang dimiliki semakain baik hasil yang diperoleh. fungsi peramalan untuk regresi adalah: � � = � + �� Universitas Sumatera Utara Dimana: � = � ∑ � � � � − ∑ �∑ � �� � 2 − ∑ � � 2 � = � ∑ � � − �∑ � � � Keterangan : c. Metode Dekomposisi Metode dekomposisi merupakan pendekatan peramalan yang tertua. Terdapat beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semuanya bertujuan memisahkan setiap komponen deret data seteliti mungkin. Konsep dasar pemisahan bersifat empiris dan tetap, yang mula-mula memisahkan unsur musiman, kemudaian trend dan akhirnya unsur siklis. Langkah peramalan secara umum adalah sebagai berikut: 1. Ramalkan fungsi regresi linier biasa 2. Hitung nilai indeks untuk unsur musiman yang ada 3. Gabungkan nilai perolehan indeks, lalu ramalakan nilai baru dengan mengalikan nilai indeks dengan nilai peramalan memakai fungsi regresi linier tersebut. d. Metode Pemulusan Eksponensial Musiman Winter’s Three Parameter Trend and Seasonality Method Salah satu metode peramalan yang daigunakan khusus untuk data musiman adalah metode pemulusan eksponensial musiman. Metode ini didasarkan pada tiga persamaan, yaitu unsure stasioner,trend dan musiman, yang dirumuskan sebagai berikut: � � = � � � � � �−� � + 1 − �� �−1 + � �−1 � � = �� � + � �−1 + 1 − �� �−1 � � = � � � � � � � + 1 − �� �−1 � �+� = � � + � � . �� �−�+� Universitas Sumatera Utara Dimana: L = jumlah periode dalam satu siklus I = faktor penyesuaian musiman indeks musiman Sebagaimana dengan perhitungan eksponensial tunggal, nilai inisial � � dapat disamakan dengan nilai aktualnya atau berupa rata-rata dari beberapa nilai pada musim yang sama. Sedangkan nilai inisial T dapat dicari dengan menggunakan rumus sebagai berikut: � � = 1 � �� � �+1 − � 1 � � + � � �+2 − � 2 � � + ⋯ + � � �+� − � � � ��

2.1.1.3 Kriteria Pemilihan Trend