Sedangkan data deret berkala adalah serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Pada analisis data deret berkala ada empat komponen
salah satunya adalah variasi musim. Variasi musim merupakan gerakan suatu deret berkala yang diklasifikasikan kedalam periode kurang dari satu tahun seperti
kwartalan, bulanan atau harian, atau gerakan periodik yang berulang Kustituanto,1984.
Data sebuah deret berkala dapat mempunyai atau tidak variasi musim, oleh karena itu perlu dilakukan identifikasi terlebih dahulu untuk mengetahui apakah
deret tersebut mempunyai variasi musim atau tidak sebelum dilakukan perhitungan. Metode yang paling sederhana untuk mengetahui adanya variasi
musim adalah dengan melihat pola yang ada pada plot time series. Pola variasi musim dapat diklasifikasikan dalam dua bentuk yakni spesifik dan tipical. Pola
spesifik menunjukkan variasi musim dalam periode misalnya kwartalan. Sedangkan pola tipical menunjukkan rata-rata variasi musim dalam sejumlah
periode seperti lima tahunan.
2.4 Metode Pemulusan
Smoothing
Metode pemulusan smoothing adalah suatu metode peramalan dengan melakukan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata
dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan.
2.4.1 Pemulusan
Smoothing Eksonensial Tunggal
Teknik eksponensial tunggal linier satu parameter digunakan dengan menetapkan bobot tertentu atas data yang tersedia dan berdasarkan bobot itu akan diketahui
pula bobot atas hasil peramalan sebelumnya. Penentuan besarnya bobot yang digunakan dapat ditentukan dengan menghitung MSE untuk tiap alternatif bobot
yang akan dipilih. Bobot yang menghasilkan MSE terkecil adalah yang lebih baik.
Universitas Sumatera Utara
2.4.2 Pemulusan
Smoothing Eksponensial Ganda Linier Satu Parameter dari
Brown
Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari metode pemulusan smoothing eksponensial ganda linier satu
parameter dari Brown adalah sama dengan rata-rata bergerak linier karena dua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Persamaan
yang dipakai dalam penggunaan smoothing eksponensial ganda linier satu parameter dari Brown adalah sebagai berikut:
′
= ∝ + 1−∝
′
2.1 = ∝
′
+ 1−∝
′
2.2 =
′
+
′
− = 2
′
− 2.3
=
∝ ∝
′
− 2.4
= + 2.5
di mana:
′
= Nilai pemulusan eksponensial tunggal = Nilai pemulusan eksponensial ganda
∝ = Parameter pemulusan eksponensial yang besarnya 0 α 1
, = Konstanta pemulusan = hasil peramalan untuk periode ke depan yang diramalkan
2.4.3 Ketetapan Ramalan Beberapa Kriteria Digunakan Untuk Menguji
1. MSE
Mean Square Error atau Rata-Rata Kesalahan Kuadrat = ∑
+
, ,
2.6 MSE
Mean Square Error adalah metode lain untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisi dikuadratkan. Kemudian
dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini mengatur
Universitas Sumatera Utara
kesalahan peramalan
yang besar
karena kesalahan-kesalahan
itu dikuadratkan.
2. SSE Sum of Square Error atau Jumlah Kuadrat Kesalahan
= ∑
- ,
2.7 Sedangkan SSE menyatakan jumlah kuadrat penyimpangan, yang biasa
disebut jumlah kuadrat kesalahan sum of square for error. SSE diperoleh dengan cara mengkuadratkan kesalahan dan kemudian menjumlahkan seluruh
kesalahan. Dimana semakin kecil nilai SSE, maka semakin baik hasil ramalan.
di mana: = kesalahan pada periode ke t
= data aktual pada periode ke t = nilai ramalan pada periode ke t
. = banyaknya periode waktu
2.5 Identifikasi Pola Data