Pendahuluan
PT Telkom, satu-satunya perusahaan telekomunikasi milik negara di
digunakan sebagai ukuran untuk membandingkan kinerja metode ini. Ada dua data
time series yang digunakan dalam penelitian ini, yang meliputi permintaan bulanan
Speedy dari tahun 2011 hingga 2013 dan PT Telkom mikro.
2.
Studi Literatur
Peramalan permintaan untuk layanan internet yang dibahas dalam beberapa
karya
menggunakan
berbeda
metode.
Karya
Chvalinadisajikan
permintaan
Moving Average
Moving average tunggal adalah rata-rata dari sejumlah konstan pengamatan.
Ini berarti didasarkan pada jumlah yang sama pengamatan dalam rentang waktu geser
yang bergerak titik asal satu periode waktu pada suatu waktu, dari awal sampai yang
paling terbaru dari seri pengamatan. Jumlah observasi digunakan untuk perhitungan
mean disebut urutan seri. Rata-rata yang dihitung dan dicatat untuk nomor ini
pengamatan dari awal sampai akhir seri. Metode moving average untuk waktu
peramalan seri didasarkan pada data.
b.
Exponential Smoothing
Pemulusan eksponensial menggunakan rata-rata tertimbang dari data masa
Holts Model
Untuk memahami perhitungan tren di pemulusan eksponensial, kami juga
ARIMA
ARIMA Prosedur analisis dan prakiraan sama spasi univariat time series data,
data fungsi transfer, dan data intervensi dengan menggunakan autoregressive yang
terpadu rata-rata bergerak (ARIMA) atau autoregressive moving-rata (ARMA)
Model ARIMA memprediksi nilai dalam time series masalah dengan linear
kombinasi nilai masa lalu sendiri, kesalahan masa lalu (juga disebut guncangan atau
inovasi), nilai-nilai dan saat ini dan masa lalu time series lainnya. Urutan model
ARIMA adalah biasanya dilambangkan dengan notasi ARIMA (p, d, q), di mana p
adalah urutan autoregressive, d adalah urutan differencing, dan q adalah urutan yang
bergerak rata rata.
e.
Fungsi Transfer
Dalam banyak kasus, time series tidak hanya berkaitan dengan masa lalu
sendiri, tetapi juga mungkin dipengaruhi oleh nilai-nilai sekarang dan masa lalu dari
time series lainnya. Sebuah model yang dapat mengakomodasi situasi seperti ini
disebut sebagai model fungsi transfer. Transfer fungsi untuk pemodelan time series
adalah cara multivariat pemodelan berbagai struktur lag ditemukan dalam data.
Transfer sederhana model fungsi menganggap hubungan antara jelas (input) variabel
dependen dan variabel independen.
f.
Kesalahan Peramalan
Beberapa langkah-langkah yang digunakan dalam praktek untuk menghitung
kesalahan perkiraan keseluruhan, termasuk kesalahan mutlak berarti (MAE) dan ratarata error persen absolut (MAPE). MAE, disebut juga MAD (mean deviasi absolut),
dihitung dengan mengambil jumlah dari nilai absolut dari kesalahan individu
perkiraan (penyimpangan) dan membagi oleh jumlah periode data (n).
Masalah dengan MAE adalah bahwa nilainya tergantung pada besarnya item
yang perkiraan. Jika item perkiraan diukur dalam ribuan, nilai MAE bisa sangat
besar. Untuk menghindari masalah ini, kita bisa menggunakan MAPE. Hal ini
dihitung sebagai rata-rata dari perbedaan mutlak antara nilai diperkirakan dan aktual,
yang dinyatakan sebagai persentase dari nilai yang sebenarnya. Artinya, jika kita
telah diperkirakan dan nilai-nilai aktual untuk n periode.
3.
Metodologi Penelitian
Data yang digunakan dalam peramalan permintaan terdiri dari hasil
permintaan mikro PT Telkom dari tahun 2011 hingga 2013 dan permintaan bulanan
untuk Speedy dari tahun 2011 sampai tahun 2013 di Timur Wilayah Bandung.
Dilakukan permintaan peramalan untuk Speedy di Bandung Timur daerah
menggunakan lima metode, yang terdiri dari Moving Average, Exponential
Smoothing, Holt Model, ARIMA. SAS / JMP dan Microsoft Excel yang digunakan
sebagai alat untuk time series peramalan. Secara khusus, SAS / JMP digunakan untuk
meramalkan kebutuhan berdasarkan ini metode, kecuali Moving Average yang
dihitung dengan menggunakan MS Excel.
Data Time series permintaan yang sebenarnya diterapkan untuk meramalkan
diprediksi permintaan di Moving Average, Exponential Smoothing, Holt Model, dan
ARIMA. Dalam kasus Fungsi Transfer, time series permintaan yang sebenarnya
dianggap sebagai output dan mikro permintaan time series dianggap sebagai input.
Hasil survei permintaan mikro untuk Speedy di wilayah Bandung Timur dari
2011 sampai 2013. Tidak ada tanggal yang tepat pada saat survei dilakukan pada
rekapitulasi. Karena terbatasnya ketersediaan data, hasil permintaan mikro bulanan
dirata-ratakan untuk setiap empat bulan. Hasil survei dapat dilihat pada gambar 3.2.
depan. Oleh karena itu, dalam Transfer Function ini, kami menggunakan prediksi
permintaan mikro sebagai input data untuk periode perkiraan masa depan.
4.
Kesimpulan
Artikel ini mempelajari lima metode peramalan berdasarkan analisis Time