PENDAHULUAN
1
suatu data runtun waktu dengan cara menurun (exponential). Analisis exponential
smoothing merupakan salah satu analisis deret waktu, dan merupakan metode
peramalan dengan memberi nilai pembobot pada serangkaian pengamatan
sebelumnya untuk memprediksi nilai masa depan (Menurut Trihendradi,2005).
Dalam Exponential Smoothing terdapat 3 macam metode yaitu Single
Exponentials Smoothing, Double Exponentials Smoothing, dan Triple
Exponentials Smoothing.
Pada kasus ini peneliti menggunakan metode Single Exponentials
Smoothing. Metode ini digunakan untuk peramalan jangka pendek. Model
mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa
trend atau pola pertumbuhan konsisten. Tidak seperti Moving
Average, Exponential Smoothing memberikan penekanan yang lebih besar
kepada time series saat ini melalui penggunaan sebuah konstanta smoothing
(penghalus). Dengan demikian, Pada kasus ini peniliti ingin melihat nilai
peramalan kemunculan kecoa dan kodok pada hari ke -15,16,dan 17 dari data
yang dikumpulkan selama 14 hari (2 minggu) dengan alpha 0,3 ; 0,4 ; 0,5 ; dan
0,6. Kemudian ingin diketahui pula nilai MAD,MSD,dan MAPE dari masing-
masing alpha yang sudah diketahui untuk mengetahui nilai alpha terbaik.
1.2 Rumusan Masalah
Berdasarkan latar belakang, yang menjadi rumusan masalah pada penelitian
ini adalah :
1. Bagaimana hasil peramalan jumlah kemunculan kecoa pada hari ke-15, 16
dan 17 pada alpha 0,3 ; 0,4 ; 0,5 dan 0,6 menggunakan metode Single
Exponential Smoothing ?
2. Bagaimana hasil peramalan jumlah kemunculan kodok pada hari ke-15, 16
dan 17 pada alpha 0,3 ; 0,4 ; 0,5 dan 0,6 menggunakan metode Single
Exponential Smoothing ?
3. Manakah nilai alpha terbaik yang dapat digunakan pada peramalan jumlah
kemunculan kecoa berdasarkan perbandingan nilai MAD, MSD dan MAPE
?
2
4. Manakah nilai alpha terbaik yang dapat digunakan pada peramalan jumlah
kemunculan kodok berdasarkan perbandingan nilai MAD, MSD dan MAPE
?
1.3 Tujuan Penelitian
Berdasarkan rumusan masalah, tujuan dari penelitian ini adalah :
1. Untuk mengetahui hasil peramalan jumlah kemunculan kecoa pada hari ke-
15, 16 dan 17 pada alpha 0,3 ; 0,4 ; 0,5 dan 0,6 menggunakan metode Single
Exponential Smoothing.
2. Untuk mengetahui hasil peramalan jumlah kemunculan kodok pada hari ke-
15, 16 dan 17 pada alpha 0,3 ; 0,4 ; 0,5 dan 0,6 menggunakan metode Single
Exponential Smoothing.
3. Untuk mengetahui nilai alpha terbaik yang dapat digunakan pada peramalan
jumlah kemunculan kecoa berdasarkan perbandingan nilai MAD, MSD dan
MAPE.
4. Untuk mengetahui nilai alpha terbaik yang dapat digunakan pada peramalan
jumlah kemunculan kodok berdasarkan perbandingan nilai MAD, MSD dan
MAPE.
3
BAB II
TINJAUAN PUSTAKA
4
2.2.2 Mean Square Error (MSE)
Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode
peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian
dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini mengatur
kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan.
Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih
baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.
∑(𝑋𝑖 − 𝐹𝑖 )2
𝑀𝑆𝐸 =
𝑛
5
2.3.2 Kelebihan dan Kekurangan
Kelebihan :
Beberapa kelebihan kecoa antara lain sebagai berikut :
a) Kecoa bisa terbang
b) Kecoa tidak membutuhkan kepala untuk dapat bertahan hidup
c) Penelitian menunjukkan bahwa kecepatan kecoa tercatat mendekati 2 mil
per jam (75 cm per detik).
d) Umumnya, Kecoa dijadikan bahan tes ketepatan dosis obat anti serangga.
Kecoa juga bisa dijadikan hewan piliharaan Hanya saja, yang bisa dijadikan
peliharaan itu yang Kecoa jenis Madagaskar.
e) Kecoa dipakai sebagai pendeteksi bom. Hal ini karena kecoa mempunyai
tingkat memori atau ingatan yang tinggi. Bahkan lebih tinggi dari anjing.
f) Para ilmuwan di india yg sedang mengembangkan teknologi jantung buatan
menggunakan jantung kecoak sebagai model, sebuah prototype yg
dihasilkan mampu memberikan sebuah jantung buatan yang lebih murah
dan lebih bisa diandalkan untuk dicangkok dibanding dengan jantung buatan
yang sekarang ada.
g) Selain itu kecoak juga termasuk hewan yg mempunyai protein yg sangat
tinggi dan bisa disantap.
h) Ada pembicaraan yang menyatakan kecoa merupakan satu-satunya yang
dapat bertahan hidup dalam serangan bom nuklir.
Kekurangan :
Beberapa kekurangan dari kecoa sebagai berikut :
a) Menyebabkan global warming
b) Kecoa menyebabkan asma
c) Kecoak dapat Mengotori Makanan
d) Meracuni Makanan
e) Penyebab Alergi
f) Penyebarluasan Bakteri dan Penyakit.
6
2.3.3 Fungsi Kecoa
Beberapa manfaat dari kecoa untuk manusia yaitu sebagai berikut :
a) Umumnya, Kecoa dijadikan bahan tes ketepatan dosis obat anti serangga.
Kecoa juga bisa dijadikan hewan peliharaan. Hanya saja, yang bisa
dijadikan peliharaan itu Kecoa jenis Madagaskar.
b) Kecoa dipakai sebagai pendeteksi bom. Hal ini karena kecoa mempunyai
tingkat memori atau ingatan yang tinggi. Bahkan lebih tinggi dari anjing.
c) Para ilmuwan di india yang sedang mengembangkan teknologi jantung
buatan menggunakan jantung kecoa sebagai model, sebuah prototype yg
dihasilkan mampu memberikan sebuah jantung buatan yang lebih murah
dan lebih bisa diandalkan untuk dicangkok dibanding dengan jantung buatan
yang sekarang ada.
d) Kecoa termasuk hewan yang mempunyai protein yang sangat tinggi dan
bisa disantap.
e) Ada pembicaraan yang menyatakan kecoa merupakan satu-satunya yang
dapat bertahan hidup dalam serangan bom nuklir.
2.4 Kodok
2.4.1 Pengertian Kodok
Kodok (bahasa Inggris: frog) dan katak alias bangkong (b. Inggris: toad)
adalah hewan amfibia yang paling dikenal orang di Indonesia. Kedua macam
hewan ini bentuknya mirip. Adapun perbedaan antara keduanya adalah:
Kodok bertubuh pendek, gempal atau kurus, berpunggung agak bungkuk,
berkaki empat dan tak berekor (anura: a tidak, ura ekor). Kodok umumnya
berkulit halus, lembab, dengan kaki belakang yang panjang. Sebaliknya katak atau
bangkong berkulit kasar berbintil-bintil sampai berbingkul-bingkul, kerapkali
kering, dan kaki belakangnya pendek, sehingga kebanyakan kurang pandai
melompat jauh. Katak mempunyai mata berukuran besar, dengan pupil mata
horisontal dan vertikal. Pada beberapa jenis katak, pupil matanya berbentuk
berlian atau segi empat yang khas bagi masing-masing kelompok. Pada
kebanyakan jenis, binatang betina lebih besar daripada yang jantan. Ukuran katak
dan kodok di Indonesia bervariasi dari yang terkecil hanya 10 mm, dengan berat
7
hanya satu atau dua gram sampai jenis yang mencapai 280 mm dengan berat lebih
dari 1500 gram (Iskandar, 1998).
2.4.2 Kelebihan Dan Kekurangan
Kelebihan :
a) Kulit dan kelenjar, kulit dan kelenjar ini penting dalam respirasi dan
proteksi. Pada beberapa kodok atau katak kulit ini dapat mengeluarkan
kelenjar racun.
b) Warna tubuh, terdapat variasi warna pada berbagai macam amfibi, hal ini
dipengaruhi oleh pigmen yang terdapat pada kromatofora kulit. Warna ini
juga dapat digunakan sebagai proteksi.
c) Alat gerak, Pada tungkai belakang memanjang yang berpotensi untuk
melompat.
d) Pada kodok sawah, terdapat ciri utama yaitu bentuk timpanium bulat utuh
tanpa ada lapisan kulit yang menutupi.
Kekurangan :
a) Mengandung Racun.
b) Banyak Cacing Dalam Tubuh Kodok
c) Rentan Penyakit Kanker
d) Rentan Terkena Gagal Ginjal.
e) Banyak Mahzab Melarang dan Membolehkan.
f) Membuat Pusing.
g) Mengganggu Kinerja Hati.
h) Kurang Baik untuk Kesehatan Ginjal
2.4.3 Fungsi Kodok
a) Racun bufotalin dan bufotenin yang dihasilkan oleh kodok bufo marinus
dimanfaatkan sebagai penguat denyut jantung.
b) Sebagai bahan makanan.
c) Merangsang pembuahan buatan.
d) Indikator pencemaran lingkungan.
e) Sebagai penghasil devisa negara
8
BAB III
PEMBAHASAN
Berikut merupakan data jumlah kemunculan kodok pada salah satu lapangan
dengan luas 10x10 meter yang berlokasi di BTN Bumi Roviga. Data dikumpulkan
selama empat belas (14) hari pengamatan. Dari data tersebut akan diramalkan
jumlah kemunculan kodok pada hari ke - 15, 16 dan 17 pada alpha 0,3 ; 0,4 ; 0,5
dan 0,6 dengan menggunakan metode Single Exponential Smoothing. Ingin
diketahui pula nilai MAD, MSD dan MAPE dari masing-masing alpha (𝛼) untuk
mengetahui nilai alpha (𝛼) terbaik yang dapat digunakan pada data jumlah
kemunculan kodok.
Tabel 3.2 Data Jumlah Kemunculan Kodok
Periode (t) 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Xt 1 2 1 2 1 1 2 1 1 1 1 1 1 1
9
Tabel 3.3 Nilai Ramalan Kecoa Untuk 𝛼 = 0,3 (Lanjutan)
Periode (t) Xt St Ft
6 3 2 2
7 2 2 2
8 3 2 2
9 2 2 2
10 2 2 2
11 2 2 2
12 7 4 2
13 2 3 4
14 2 3 3
15 3
16 3
17 3
Interpretasi :
Berdasarkan peramalan yang telah dilakukan dengan metode Single
Exponential Smoothing dengan nilai alpha (𝛼) = 0,3, diperoleh ramalan data
jumlah kemunculan kecoa pada hari ke 15, 16 dan 17 adalah sebanyak 3 ekor
kecoa.
3.2.2 Menentukan Nilai Ramalan Kecoa Untuk 𝜶 = 𝟎, 𝟒
Tabel 3.4 Nilai Ramalan Kecoa Untuk 𝛼 = 0,4
Periode (t) Xt St Ft
1 3 2
2 2 2 2
3 1 2 2
4 2 2 2
5 2 2 2
6 3 2 2
7 2 2 2
8 3 3 2
9 2 2 3
10 2 2 2
11 2 2 2
12 7 4 2
13 2 3 4
14 2 3 3
15 3
16 3
17 3
10
Interpretasi :
Berdasarkan peramalan yang telah dilakukan dengan metode Single
Exponential Smoothing dengan nilai alpha (𝛼) = 0,4, diperoleh ramalan data
jumlah kemunculan kecoa pada hari ke 15, 16 dan 17 adalah sebanyak 3 ekor
kecoa.
3.2.3 Menentukan Nilai Ramalan Kecoa Untuk 𝜶 = 𝟎, 𝟓
Tabel 3.5 Nilai Ramalan Kecoa Untuk 𝛼 = 0,5
Periode (t) Xt St Ft
1 3 2
2 2 2 2
3 1 2 2
4 2 2 2
5 2 2 2
6 3 2 2
7 2 2 2
8 3 3 2
9 2 2 3
10 2 2 2
11 2 2 2
12 7 5 2
13 2 3 5
14 2 3 3
15 3
16 3
17 3
Interpretasi :
Berdasarkan peramalan yang telah dilakukan dengan metode Single
Exponential Smoothing dengan nilai alpha (𝛼) = 0,5, diperoleh ramalan data
jumlah kemunculan kecoa pada hari ke 15, 16 dan 17 adalah sebanyak 3 ekor
kecoa.
3.2.4 Menentukan Nilai Ramalan Kecoa Untuk 𝜶 = 𝟎, 𝟔
Tabel 3.6 Nilai Ramalan Kecoa Untuk 𝛼 = 0,6
Periode (t) Xt St Ft
1 3 2
2 2 2 2
3 1 1 2
4 2 2 1
11
Tabel 3.6 Nilai Ramalan Kecoa Untuk 𝛼 = 0,6 (Lanjutan)
Periode (t) Xt St Ft
5 2 2 2
6 3 3 2
7 2 2 3
8 3 3 2
9 2 2 3
10 2 2 2
11 2 2 2
12 7 5 2
13 2 3 5
14 2 2 3
15 2
16 2
17 2
Interpretasi :
Berdasarkan peramalan yang telah dilakukan dengan metode Single
Exponential Smoothing dengan nilai alpha (𝛼) = 0,6, diperoleh ramalan data
jumlah kemunculan kecoa pada hari ke 15, 16 dan 17 adalah sebanyak 2 ekor
kecoa.
3.3 Menentukan Nilai Ramalan Kodok
3.3.1 Menentukan Nilai Ramalan Kodok Untuk α = 0,3
Tabel 3.7 Menentukan Nilai Ramalan Kodok Untuk α = 0,3
Periode (t) Xt St Ft
1 1 1
2 2 2 1
3 1 1 2
4 2 2 1
5 1 1 2
6 1 1 1
7 2 2 1
8 1 1 2
9 1 1 1
10 1 1 1
11 1 1 1
12 1 1 1
13 1 1 1
14 1 1 1
15 1
12
Tabel 3.7 Menentukan Nilai Ramalan Kodok Untuk α = 0,3 (Lanjutan)
Periode (t) Xt St Ft
16 1
17 1
Interpretasi :
Dari tabel diatas menunjukkan bahwa ramalan jumlah kemunculan kodok
pada hari ke 15, 16, dan 17 untuk orde 0,3 yaitu sebanyak 1 ekor kodok.
3.3.2 Menentukan Nilai Ramalan Kodok Untuk α = 0,4
Tabel 3.8 Menentukan Nilai Ramalan Kodok Untuk α = 0,4
Periode (t) Xt St Ft
1 1 1
2 2 2 1
3 1 1 2
4 2 2 1
5 1 1 2
6 1 1 1
7 2 2 1
8 1 1 2
9 1 1 1
10 1 1 1
11 1 1 1
12 1 1 1
13 1 1 1
14 1 1 1
15 1
16 1
17 1
Interpretasi :
Dari tabel diatas menunjukkan bahwa ramalan jumlah kemunculan kodok
pada hari ke 15, 16, dan 17 untuk orde 0,4 yaitu sebanyak 1 ekor kodok.
3.3.3 Menentukan Nilai Ramalan Kodok Untuk α = 0,5
Tabel 3.9 Menentukan Nilai Ramalan Kodok Untuk α = 0,5
Periode (t) Xt St Ft
1 1 1
2 2 2 1
3 1 1 2
4 2 2 1
5 1 1 2
6 1 1 1
13
Tabel 3.9 Menentukan Nilai Ramalan Kodok Untuk α = 0,5 (Lanjutan)
Periode (t) Xt St Ft
7 2 2 1
8 1 1 2
9 1 1 1
10 1 1 1
11 1 1 1
12 1 1 1
13 1 1 1
14 1 1 1
15 1
16 1
17 1
Interpretasi :
Dari tabel diatas menunjukkan bahwa ramalan jumlah kemunculan kodok
pada hari ke 15, 16, dan 17 untuk orde 0,5 yaitu sebanyak 1 ekor kodok.
3.3.4 Menentukan Nilai Ramalan Kodok Untuk α = 0,6
Tabel 3.10 Menentukan Nilai Ramalan Kodok Untuk α = 0,6
Periode (t) Xt St Ft
1 1 1
2 2 2 1
3 1 1 2
4 2 2 1
5 1 1 2
6 1 1 1
7 2 2 1
8 1 1 2
9 1 1 1
10 1 1 1
11 1 1 1
12 1 1 1
13 1 1 1
14 1 1 1
15 1
16 1
17 1
Interpretasi :
Dari tabel diatas menunjukkan bahwa ramalan jumlah kemunculan kodok
pada hari ke 15, 16, dan 17 untuk orde 0,6 yaitu sebanyak 1 ekor kodok.
14
3.4 Menentukan Nilai MAD, MSD dan MAPE Kecoa
3.4.1 Menentukan Nilai MAD Kecoa
a. Untuk 𝛼 = 0,3
Tabel 3.11 Nilai MAD Kecoa Untuk 𝛼 = 0,3
Periode (t) Xt St Ft |𝑿𝒕 − 𝑭𝒕| MAD
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,3
5 2 2 2 0,21
6 3 2 2 1,147
7 2 2 2 0,197
8 3 2 2 0,862
9 2 2 2 0,397 0,935
10 2 2 2 0,278
11 2 2 2 0,194
12 7 4 2 4,864
13 2 3 4 1,595
14 2 3 3 1,117
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,3 adalah 0,935.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,3 adalah sebesar 0,935.
b. Untuk 𝛼 = 0,4
Tabel 3.12 Nilai MAD Kecoa Untuk 𝛼 = 0,4
Periode (t) Xt St Ft |𝑿𝒕 − 𝑭𝒕| MAD
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,4
1,008
5 2 2 2 0,24
6 3 2 2 1,144
7 2 2 2 0,314
8 3 3 2 0,812
15
Tabel 3.12 Nilai MAD Kecoa Untuk 𝛼 = 0,4
Periode (t) Xt St Ft |𝑿𝒕 − 𝑭𝒕| MAD
9 2 2 3 0,513
10 2 2 2 0,308
11 2 2 2 0,185
12 7 4 2 4,889
13 2 3 4 2,066
14 2 3 3 1,240
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,4 adalah 1,008.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,4 adalah sebesar 1,008.
c. Untuk untuk 𝛼 = 0,5
Tabel 3.13 Nilai MAD Kecoa Untuk 𝛼 = 0,5
Periode (t) Xt St Ft |𝑿𝒕 − 𝑭𝒕| MAD
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,5
5 2 2 2 0,25
6 3 2 2 1,125
7 2 2 2 0,4375
8 3 3 2 0,78125
9 2 2 3 0,60938 1,069
10 2 2 2 0,30469
11 2 2 2 0,15234
12 7 5 2 4,92383
13 2 3 5 2,53809
14 2 3 3 1,26904
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,5 adalah 1,069.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,5 adalah sebesar 1,069.
16
d. Untuk 𝛼 = 0,6
Tabel 3.14 Nilai MAD Kecoa Untuk 𝛼 = 0,6
Periode (t) Xt St Ft |𝑿𝒕 − 𝑭𝒕| MAD
1 3 2
2 2 2 2 0
3 1 1 2 1
4 2 2 1 0,6
5 2 2 2 0,24
6 3 3 2 1,096
7 2 2 3 0,5616
8 3 3 2 0,77536
9 2 2 3 0,68986 1,118
10 2 2 2 0,27594
11 2 2 2 0,11038
12 7 5 2 4,95585
13 2 3 5 3,01766
14 2 2 3 1,20706
15 2
16 2
17 2
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,6 adalah 1,118.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,6 adalah sebesar 1,118.
e. Perbandingan Nilai MAD pada tiap alpha
Tabel 3.15 Nilai MAD Kecoa
𝜶 = 0,3 𝜶 = 0,4 𝜶 = 0,5 𝜶 = 0,6
MAD 0,935 1,008 1,069 1,118
Interpretasi :
Berdasarkan tabel diatas dapat diketahui nilai MAD dari 𝛼 = 0,3 yaitu
0,935, nilai MAD dari 𝛼 = 0,4 yaitu 1,008, nilai MAD dari 𝛼 = 0,5 yaitu 1,069
dan nilai MAD dari 𝛼 = 0,6 yaitu 1,118. Hal tersebut menandakan bahwa nilai
MAD pada 𝛼 = 0,3 lebih kecil daripada nilai MAD pada alpha lainnya (𝛼 = 0,4,
𝛼 = 0,5 dan 𝛼 = 0,6). Sehingga dapat disimpulkan bahwa berdasarkan
perbandingan nilai MAD pada tiap alpha, nilai alpha terbaik yang dapat
17
digunakan pada data jumlah kemunculan kecoa adalah alpha (𝛼) = 0,3 karena
memiliki nilai error terkecil.
3.4.2 Menentukan Nilai MSD Kecoa
a. Untuk 𝛼 = 0,3
Tabel 3.16 Nilai MSD Kecoa Untuk 𝛼 = 0,3
Periode (t) Xt St Ft (𝑿𝒕 − 𝑭𝒕)𝟐 MSD
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,09
5 2 2 2 0,0441
6 3 2 2 1,31561
7 2 2 2 0,039
8 3 2 2 0,743
9 2 2 2 0,157 2,381
10 2 2 2 0,077
11 2 2 2 0,038
12 7 4 2 23,658
13 2 3 4 2,545
14 2 3 3 1,247
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MSD untuk 𝛼 = 0,3 adalah 2,381.
Hal ini menandakan bahwa tingkat akurasi nilai error MSD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,3 adalah sebesar 2,381.
b. Untuk 𝛼 = 0,4
Tabel 3.17 Nilai MSD Kecoa Untuk 𝛼 = 0,4
Periode (t) Xt St Ft (𝑿𝒕 − 𝑭𝒕)𝟐 MSD
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,16
5 2 2 2 0,058 2,568
6 3 2 2 1,309
7 2 2 2 0,098
8 3 3 2 0,659
9 2 2 3 0,263
18
Tabel 3.17 Nilai MSD Kecoa Untuk 𝛼 = 0,4 (Lanjutan)
Periode (t) Xt St Ft (𝑿𝒕 − 𝑭𝒕)𝟐 MSD
10 2 2 2 0,095
11 2 2 2 0,034
12 7 4 2 23,904
13 2 3 4 4,270
14 2 3 3 1,537
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MSD untuk 𝛼 = 0,4 adalah 2,568.
Hal ini menandakan bahwa tingkat akurasi nilai error MSD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,4 adalah sebesar 2,568.
c. Untuk 𝛼 = 0,5
Tabel 3.18 Nilai MSD Kecoa Untuk 𝛼 = 0,5
Periode (t) Xt St Ft (𝑿𝒕 − 𝑭𝒕)𝟐 MSD
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,25
5 2 2 2 0,063
6 3 2 2 1,266
7 2 2 2 0,191
8 3 3 2 0,610
9 2 2 3 0,371 2,782
10 2 2 2 0,093
11 2 2 2 0,023
12 7 5 2 24,244
13 2 3 5 6,442
14 2 3 3 1,610
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MSD untuk 𝛼 = 0,5 adalah 2,782.
Hal ini menandakan bahwa tingkat akurasi nilai error MSD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,5 adalah sebesar 2,782.
19
d. Untuk 𝛼 = 0,6
Tabel 3.19 Nilai MSD Kecoa Untuk 𝛼 = 0,6
Periode (t) Xt St Ft (𝑿𝒕 − 𝑭𝒕)𝟐 MSD
1 3 2
2 2 2 2 0
3 1 1 2 1
4 2 2 1 0,36
5 2 2 2 0,058
6 3 3 2 1,201
7 2 2 3 0,315
8 3 3 2 0,601
9 2 2 3 0,476 3,017
10 2 2 2 0,076
11 2 2 2 0,012
12 7 5 2 24,560
13 2 3 5 9,106
14 2 2 3 1,457
15 2
16 2
17 2
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MSD untuk 𝛼 = 0,6 adalah 3,017.
Hal ini menandakan bahwa tingkat akurasi nilai error MSD pada data jumlah
kemunculan kecoa selama 14 hari untuk 𝛼 = 0,6 adalah sebesar 3,017.
e. Perbandingan Nilai MSD pada tiap alpha
Tabel 3.20 Nilai MSD Kecoa
𝜶 = 0,3 𝜶 = 0,4 𝜶 = 0,5 𝜶 = 0,6
MSD 2,381 2,568 2,782 3,017
Interpretasi :
Berdasarkan tabel diatas dapat diketahui nilai MSD dari 𝛼 = 0,3 yaitu 2,381,
nilai MSD dari 𝛼 = 0,4 yaitu 2,568, nilai MSD dari 𝛼 = 0,5 yaitu 2,782 dan nilai
MSD dari 𝛼 = 0,6 yaitu 3,017. Hal tersebut menandakan bahwa nilai MSD pada
𝛼 = 0,3 lebih kecil daripada nilai MSD pada alpha lainnya (𝛼 = 0,4, 𝛼 = 0,5 dan
𝛼 = 0,6). Sehingga dapat disimpulkan bahwa berdasarkan perbandingan nilai
MSD pada tiap alpha, nilai alpha terbaik yang dapat digunakan pada data jumlah
kemunculan kecoa adalah alpha (𝛼) = 0,3 karena memiliki nilai error terkecil.
20
3.4.3 Menentukan Nilai MAPE Kecoa
a. Untuk 𝛼 = 0,3
Tabel 3.21 Nilai MAPE Kecoa Untuk 𝛼 = 0,3
𝑿𝒕−𝑭𝒕
Periode (t) Xt St Ft | | MAPE
𝑿𝒕
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,15
5 2 2 2 0,105
6 3 2 2 0,38233
7 2 2 2 0,099
8 3 2 2 0,287
9 2 2 2 0,198 34,679%
10 2 2 2 0,139
11 2 2 2 0,097
12 7 4 2 0,695
13 2 3 4 0,798
14 2 3 3 0,558
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAPE untuk 𝛼 = 0,3 adalah
34,679%. Hal ini menandakan bahwa tingkat persentase error MAPE pada data
jumlah kemunculan kecoa selama 14 hari untuk 𝛼 = 0,3 adalah sebesar 34,679%.
b. Untuk 𝛼 = 0,4
Tabel 3.22 Nilai MAPE Kecoa Untuk 𝛼 = 0,4
𝑿𝒕−𝑭𝒕
Periode (t) Xt St Ft | 𝑿𝒕
| MAPE
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,2
5 2 2 2 0,120
6 3 2 2 0,381 38,331%
7 2 2 2 0,157
8 3 3 2 0,271
9 2 2 3 0,256
10 2 2 2 0,154
11 2 2 2 0,092
21
Tabel 3.22 Nilai MAPE Kecoa Untuk 𝛼 = 0,4 (Lanjutan)
𝑿𝒕−𝑭𝒕
Periode (t) Xt St Ft | | MAPE
𝑿𝒕
12 7 4 2 0,698
13 2 3 4 1,033
14 2 3 3 0,620
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAPE untuk 𝛼 = 0,4 adalah
38,331%. Hal ini menandakan bahwa tingkat persentase error MAPE pada data
jumlah kemunculan kecoa selama 14 hari untuk 𝛼 = 0,4 adalah sebesar 38,331%.
c. Untuk 𝛼 = 0,5
Tabel 3.23 Nilai MAPE Kecoa Untuk 𝛼 = 0,5
𝑿𝒕−𝑭𝒕
Periode (t) Xt St Ft | | MAPE
𝑿𝒕
1 3 2
2 2 2 2 0
3 1 2 2 1
4 2 2 2 0,25
5 2 2 2 0,125
6 3 2 2 0,375
7 2 2 2 0,219
8 3 3 2 0,260
9 2 2 3 0,305 41,303
10 2 2 2 0,152
11 2 2 2 0,076
12 7 5 2 0,703
13 2 3 5 1,269
14 2 3 3 0,635
15 3
16 3
17 3
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAPE untuk 𝛼 = 0,5 adalah
41,303%. Hal ini menandakan bahwa tingkat persentase error MAPE pada data
jumlah kemunculan kecoa selama 14 hari untuk 𝛼 = 0,5 adalah sebesar 41,303%.
22
d. Untuk 𝛼 = 0,6
Tabel 3.24 Nilai MAPE Kecoa Untuk 𝛼 = 0,6
𝑿𝒕−𝑭𝒕
Periode (t) Xt St Ft | | MAPE
𝑿𝒕
1 3 2
2 2 2 2 0
3 1 1 2 1
4 2 2 1 0,3
5 2 2 2 0,120
6 3 3 2 0,365
7 2 2 3 0,281
8 3 3 2 0,258
9 2 2 3 0,345 43,716
10 2 2 2 0,138
11 2 2 2 0,055
12 7 5 2 0,708
13 2 3 5 1,509
14 2 2 3 0,604
15 2
16 2
17 2
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAPE untuk 𝛼 = 0,6 adalah
43,716%. Hal ini menandakan bahwa tingkat persentase error MAPE pada data
jumlah kemunculan kecoa selama 14 hari untuk 𝛼 = 0,6 adalah sebesar 43,716%.
e. Perbandingan Nilai MAPE pada tiap alpha
Tabel 3.25 Nilai MAPE Kecoa
𝜶 = 0,3 𝜶 = 0,4 𝜶 = 0,5 𝜶 = 0,6
MAPE 34,679% 38,331% 41,303% 43,716%
Interpretasi :
Berdasarkan tabel diatas dapat diketahui nilai MAPE dari 𝛼 = 0,3 yaitu
34,679%, nilai MAPE dari 𝛼 = 0,4 yaitu 38,331%, nilai MAPE dari 𝛼 = 0,5 yaitu
41,303% dan nilai MAPE dari 𝛼 = 0,6 yaitu 43,716%. Hal tersebut menandakan
bahwa nilai MAPE pada 𝛼 = 0,3 lebih kecil daripada nilai MAPE pada alpha
lainnya (𝛼 = 0,4, 𝛼 = 0,5 dan 𝛼 = 0,6). Sehingga dapat disimpulkan bahwa
berdasarkan perbandingan nilai MAPE pada tiap alpha, nilai alpha terbaik yang
23
dapat digunakan pada data jumlah kemunculan kecoa adalah alpha (𝛼) = 0,3 karena
memiliki tingkat persentase error terkecil.
3.5 Menentukan Nilai MAD, MSD dan MAPE Kodok
3.5.1 Menentukan Nilai MAD Kodok
a. Untuk α = 0,3
Tabel 3.26 Nilai MAD Kodok Untuk α = 0.3
Periode (t) Xt St Ft |Xt-Ft| MAD
1 1 1.4
2 2 1.58 1.4 0.6
3 1 1.406 1.58 0.58
4 2 1.584 1.406 0.594
5 1 1.409 1.584 0.584
6 1 1.286 1.409 0.409
7 2 1.5 1.286 0.714
8 1 1.35 1.5 0.5
9 1 1.245 1.35 0.35 0.385
10 1 1.172 1.245 0.245
11 1 1.12 1.172 0.172
12 1 1.084 1.12 0.12
13 1 1.059 1.084 0.084
14 1 1.041 1.059 0.059
15 1.041
16 1.041
17 1.041
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,3 adalah 0,385.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kodok selama 14 hari untuk 𝛼 = 0,3 adalah sebesar 0,385.
b. Untuk α = 0,4
Tabel 3.27 Nilai MAD Kodok Untuk α = 0.4
Periode (t) Xt St Ft |Xt-Ft| MAD
1 1 1.4
2 2 1.64 1.4 0.6
3 1 1.384 1.64 0.64
4 2 1.63 1.384 0.616 0.38
5 1 1.378 1.63 0.63
6 1 1.227 1.378 0.378
7 2 1.536 1.227 0.773
24
Tabel 3.27 Nilai MAD Kodok Untuk α = 0.4 (Lanjutan)
Periode (t) Xt St Ft |Xt-Ft| MAD
8 1 1.322 1.536 0.536
9 1 1.193 1.322 0.322
10 1 1.116 1.193 0.193
11 1 1.069 1.116 0.116
12 1 1.042 1.069 0.069
13 1 1.025 1.042 0.042
14 1 1.015 1.025 0.025
15 1.015
16 1.015
17 1.015
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,4 adalah 0,38.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kodok selama 14 hari untuk 𝛼 = 0,4 adalah sebesar 0,38.
c. Untuk α = 0,5
Tabel 3.28 Nilai MAD Kodok Untuk α = 0.5
Periode (t) Xt St Ft |Xt-Ft| MAD
1 1 1.4
2 2 1.7 1.4 0.6
3 1 1.35 1.7 0.7
4 2 1.675 1.35 0.65
5 1 1.338 1.675 0.675
6 1 1.169 1.338 0.338
7 2 1.584 1.169 0.831
8 1 1.292 1.584 0.584
9 1 1.146 1.292 0.292 0.381
10 1 1.073 1.146 0.146
11 1 1.037 1.073 0.073
12 1 1.018 1.037 0.037
13 1 1.009 1.018 0.018
14 1 1.005 1.009 0.009
15 1.005
16 1.005
17 1.005
25
Interpretasi :
Berdasarkan tabel diatas diperoleh nilai MAD untuk 𝛼 = 0,5 adalah 0,381.
Hal ini menandakan bahwa tingkat akurasi nilai error MAD pada data jumlah
kemunculan kodok selama 14 hari untuk 𝛼 = 0,5 adalah sebesar 0,381.
d. Untuk α = 0,6
Tabel 3.29 Nilai MAD Kodok Untuk α = 0.6
Periode
Xt St Ft |Xt-Ft| MAD
(t)
1 1 1
2 2 2 1 0.6
3 1 1 2 0.76
4 2 2 1 0.696
5 1 1 2 0.722
6 1 1 1 0.289
7 2 2 1 0.885
8 1 1 2 0.646
9 1 1 1 0.258 0.387
10 1 1 1 0.103
11 1 1 1 0.041
12 1 1 1 0.017
13 1 1 1 0.007
14 1 1 1 0.003
15 1
16 1
17 1
Interpretasi :
Untuk ramalan jumlah kodok pada hari ke 15, 16, dan 17 menggunakan
metode single eksponensial α = 0,6 , menghasilkan nilai MAD sebesar 0,387.
Artinya bahwa untuk jumlah kecoa pada hari ke 15, 16, dan 17 memiliki tingkat
akurasi nilai error MAD sebesar 0,387.
a. Perbandingan Nilai MAD pada tiap alpha
Tabel 3.30 Menentukan Nilai MAD Kodok
𝜶 = 0,3 𝜶 = 0,4 𝜶 = 0,5 𝜶 = 0,6
MAD 0,385 0,38 0,381 0,387
Interpretasi :
Berdasarkan tabel diatas menunjukkan bahwa nilai MAD kodok dengan α =
0,3 ; 0,4 ; 0,5 dan 0,6 masing-masing yaitu sebesar 0,385 ; 0,380 ; 0,381 dan
26
0,387. Sehingga dapat disimpulkan bahwa berdasarkan perbandingan nilai MAD
pada tiap alpha, nilai alpha terbaik yang dapat digunakan pada data jumlah
kemunculan kodok adalah alpha (𝛼) = 0,4 karena memiliki nilai error terkecil.
3.5.2 Menentukan Nilai MSD Kodok
Tabel 3.15 Menentukan Nilai MSD Kodok
𝜶 = 0,3 𝜶 = 0,4 𝜶 = 0,5 𝜶 = 0,6
MSD 0,197 0,21 0,23 0,254
Interpretasi :
Berdasarkan tabel diatas menunjukkan bahwa nilai MSD kodok dengan α =
0,3 ; 0,4 ; 0,5 dan 0,6 masing-masing yaitu sebesar 0,197 ; 0,21 ; 0,23 dan 0,254.
Sehingga dapat disimpulkan bahwa berdasarkan perbandingan nilai MSD pada
tiap alpha, nilai alpha terbaik yang dapat digunakan pada data jumlah kemunculan
kodok adalah alpha (𝛼) = 0,3 karena memiliki nilai error terkecil.
3.5.3 Menentukan Nilai MAPE Kodok
Tabel 3.16 Menentukan Nilai MAPE Kodok
𝜶 = 0,3 𝜶 = 0,4 𝜶 = 0,5 𝜶 = 0,6
MAPE 31,212 30,354 30,098 30,275
Interpretasi :
Berdasarkan tabel diatas menunjukkan bahwa nilai MAPE kodok dengan α
= 0,3 ; 0,4 ; 0,5 dan 0,6 masing-masing yaitu sebesar 31,212% ; 30,354% ;
30,098% dan 30,275%. Sehingga dapat disimpulkan bahwa berdasarkan
perbandingan nilai MAPE pada tiap alpha, nilai alpha terbaik yang dapat
digunakan pada data jumlah kemunculan kodok adalah alpha (𝛼) = 0,5 karena
memiliki tingkat persentase error terkecil.
27