4.

JELASKAN METODE RATA-RATA BERGERAK, PEMULUSAN EKSPONENSIAL, DAN

DEKOMPOSISI DARI TIME SERIES METHOD

Metode rata-rata bergerak

Metode yang termudah dalam teknik perkiraan deret waktu adalah metode rata-rata
bergerak (moving average). Dalam metode ini mengasumsikan bahwa komponen dalam
deret waktu hanyalah konstanta dan komponen acak. Tidak terdapat pola musiman, trend
atau komponen siklus pada data permintaan saat ini.

Metode rata-rata bergerak akan bermanfaat apabila permintaan diasumsikan cenderung

sepanjang waktu, rumus metode rata-rata bergerak sederhana adalah sebagai berikut :

Dimana :

n = jumlah periode yang dipakai dalam rata-rata bergerak, misalnya 3 atau 5 periode

Di = permintaan pada periode i

Contoh :

Berikut ini data penjualan sebuah perusahaan dalam 10 bulan terakhir yang digunakan
untuk meramalkan dengan rata-rata bergerak 3 dan 5 periode

Bulan Jan Feb Mar Apr Mei Juni Juli Agst Sept Okt
Penjualan 120 90 100 75 110 50 75 130 110 90

Berdasarkan data tersebut ramalan penjualan untuk bulan November dengan rata-rata 3
dan 5 periode dapat dihitung sebagai berikut :
Pemulusan Eksponsional

Dasar dari pemulusan eksponsional ini adalah rata-rata perkiraan permintaan yang akan
dating dapat dihitung dari rata-rata permintaan masa lalu dan permintaan saat ini. Rumus
pemulusan eksponsional adalah sebagai berikut ;

Dimana

Ft = Peramalan baru

Ft-1 =Peramalan sebelumnya

a = konstanta pemulusan dengan nilai antara 0 dan 1

At-1 = Permintaan actual periode lalu

Metode Dekomposisi

Metode dekomposisi adalah metode peramalan yang didasarkan kenyataan bahwa

apa yang telah terjadi itu akan terulang kembali dengan pola yang sama. Artinya, yang dulu
selalu naik biasanya pada waktu yang akan dating akan naik juga, yang biasanya dulu turun
biasanya akan turun juga, yang biasanya berfluktuasi akan cenderung berfluktuasi juga dan
yang biasanya tidak teratur yang akan dating akan tidak teratur juga.

Prinsip dasar dari metode dekomposisi deret waktu adalah mendekomposisi

(memecah) data deret waktu menjadi beberapa pola dan mengidentifikasi masing-masing
komponen dari deret waktu tersebut secara terpisah. Pemisahan ini dilakukan untuk
membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku
deret data secara lebih baik (Makridakis, Wheelwright dan McGee, 1992).

Subagyo (1986) menjelaskan bahwa perubahan sesuatu hal itu biasanya mempunyai
pola yang agak komplek, misalnya ada unsur kenaikan, penurunan, berfluktuasi dan tidak
teratur, sehingga untuk diramal dan dianalisis dengan sekaligus sangatlah sulit, sehingga
biasanya diadakan pendekomposisian data kedalam beberapa komponen. Masing-masing
komponen akan dipelajari dan dicari satu persatu, setelah ditemukan akan digabung lagi
menjadi nilai taksir atau ramalan.

Metode dekomposisi dilandasi oleh asumsi bahwa data yang ada merupakan
gabungan dari beberapa komponen,
Data = pola + kesalahan = f(trend, siklus, musiman) + kesalahan
Komponen kesalahan diasumsikan sebagai perbedaan dari kombinasi komponen trend,
siklus dan musiman dengan data sebenarnya (Assauri, 1984).
Asumsi di atas mengandung pengertian bahwa terdapat empat komponen yang
mempengaruhi suatu deret waktu, yaitu tiga komponen yang dapat diidentifikasi karena
memiliki pola tertentu yaitu : tren, siklus dan musiman, sedangkan komponen kesalahan
tidak dapat diprediksi karena tidak memiliki pola yang sistematis dan mempunyai gerakan
yang tidak beraturan (Awat, 1990).
Trend adalah kecenderungan gerak naik atau turun pada data yang terjadi dalam
jangka panjang. Variasi musim adalah gerak naik dan turun yang terjadi secara periodik
(berulang dalam selang waktu yang sama). Komponen siklis adalah perubahan gelombang
pasang surut yang berulang kembali dalam waktu yang cukup lama, misalnya : 10 tahun,
kuartal ke-20 dan lain-lain. Komponen kesalahan (random) adalah gerakan yang tidak
teratur dan terjadi secara tiba-tiba serta sulit untuk diramalkan. Gerakan ini dapat timbul
sebagai akibat adanya peperangan, bencana alam, krisis moneter dan lain-lain (Nugroho,
1993).
Menurut Hildebrand (1991), komponen tren, siklus, musiman dan kesalahan dari
deret waktu dapat diasumsikan dalam dua model yang berbeda yaitu model multiplikatif dan
model aditif.

Model multiplikatif dari metode dekomposisi adalah :

Xt = It . Tt . Ct .Et

sedangkan model aditifnya adalah :

Xt = It + Tt + Ct + Et

dimana,
Xt = data aktual pada periode ke-t

Tt = komponen Tren pada periode ke-t

Ct = komponen siklus pada periode ke-t

It = komponen musiman pada periode ke-t

Et = komponen kesalahan pada periode ke-t

Daftar pustaka

http://jurnal.pdii.lipi.go.id/admin/jurnal/81087379.pdf

http://arsyil.blogspot.com/2011/01/metode-dekomposisi-trend-siklus-musiman.html