Anda di halaman 1dari 3

1.

Pemulusan Eksponensial Tripel : Metode Kuadratik Satu-Parameter dari Brown


Dasar pemikiran dari pemulusan metode eksponensial dari brown adalah serupa dengan
rata-rata bergerak linear karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data
sebenarnya bilamana terdapat unsur tren, perbedaannya antara nilai pemulusan tunggal dan
berganda dapat ditambahkan pada nilai pemulusan tunggal dan nilai trend disesuaikan.
Persamaan yang dipakai dalam pemulusan ini adalah :
= + (1 )1 (pemulusan pertama)
= + (1 ) 1 (pemulusan kedua)
= (1 )1 (pemulusan ketiga)
= 3 3 +

= 1 ( )

+ = +
Dimana : = nilai pemulusan eksponen tunggal
= nilai pemulusan eksponensial ganda
m = jumlah periode ke muka yang diramalkan

2. Pemulusan Eksponensial Tripel : Metode Kecenderungan dan musiman Tiga-Parameter


dari winter
Metode winters didasarkan atas tiga persamaan yaitu satu unsur stationer, satu untuk trend
dan satu untuk musiman. Musiman hal ini serupa dengan metode Holt dengan satu persamaan
tambahan untuk mengatasi musiman.
Persamaan dasar untuk metode winter adalah sebagai berikut :

= + (1 )(1 1 )

Pemulusan trend = ( + 1 ) + (1 )1

Pemulusan musiman = + (1 )

Ramalan + = ( + )
Jika datanya stationer maka metode rata-rata bergerak atau pemulusan eksponensial
tunggal adalah tepat. Jika datanya menunjukkan suatu trend linear, maka baik model linear
brown atau holt adalah tepat. Tetapi jika datanya musiman, metode ini sendiri tidak dapat
mengatasi masalah tersebut dengan baik. Walau demikian metode Winters dapat menangani
faktor musiman secara langsung.
Salah satu masalah yang menggunakan metode winters adalah menentukan nilai
, , yang akan meminimumkan MSE atau MAPE. Pendekatan untuk menentukan nilai ini
adalah biasanya secara coba dan salah walaupun juga digunakan algoritma optimasi non linear
untuk mendapatkan nilai parameter optimal. Untuk menganalisis metode peramalan winters
yang diterangkan kita menggunakan paling sedikit satu data musim lengkap, untuk menentukan
estimasi awal dari indeks musiman yaitu menaksir faktor trend dari satu periode yang
selanjutnya.

5. Pemulusan Eksponensial : Klasifikasi Pegels


Dalam menghadapi metode pemulusan eksponensial yang menyangkut pemisahan-
pemisahan aspek kecenderungan dan musiman adalah apa modelnya bersifat aditif(linear) atau
multiplikatif (non linear). Pegels telah menyediakan kerangka kerja yang sederhana tetapi
berguna untuk membahas dan klasifikasi dua jalurnya adalah sebagai berikut:

Komponen Musiman

1 2 3
(tidak
(aditif) (multiplikatif)
ada)

A A-1 A-2 A-3

(tidak ada)
Komponen Trend

B B-1 B-2 B-3

(aditif)

C C-1 C-2 C-3

(multiplikatif)

Rumus umum untuk seluruh eksponensial adalah:


= + (1 )
Aspek umum dari metode pemulusan adalah sebagai berikut:
Kelebihan utama :
a. kemudahan dan biayanya yang rendah,
b. metode pemulusan eksponensial lebih disukai
c. metode ini jumlah parameternya sedikit
Jika deret datanya bersifat stasioner, maka pemulusan ekponensial tunggal dengan tingkat
respons adaptif lebih disukai dari pada pemulusan eksponensial tunggal.
Pemulusan eksponensial linear satu parameter dari brown merupakan metode yang lebih
disukai untuk data non stationer, karena metode ini mempunyai satu parameter.
Pemulusan kuadratik dari brown mudah digunakan karena hanya mempunyai satu
parameter yang nilainya biasanya mendekati 0,1 dan juga bersifat kuadratik.
Kelemahan metode ini adalah bahwa metode brown dapat bereaksi terlalu berlebihan
terhadap perbahan random dengan menganggap perubahan ini menunjukkan trend
kuadratik.

///