Data Sekunder
Data Sekunder
Keterangan :
Y = Variabel dependen a = Konstanta
Xn = Variabel independen e = Error
bn = Koefisien regresi
2.2.2 Metode deret waktu
Metode deret waktu adalah metode yang menggunakan data masa lalu dari
beberapa tahun tertentu secara berurutan untuk meramalkan kondisi di masa yang
akan datang dengan variabel independen merupakan skala waktu. Jenis-jenis metode
deret waktu diantaranya single moving average, linear regression with time, metode
Holt-Winters, dan metode seasonally adjustment. Single moving average
menggunakan sekelompok nilai pengamatan yang dicari rata-ratanya untuk
meramalkan kejadian pada periode berikutnya dan kurang cocok untuk digunakan
pada tipe pola data trend. Rumus single moving average adalah :
dengan N adalah moving average width dan D adalah data jumlah permintaan.
Sedangkan, metode Holt-Winters digunakan untuk meramalkan data yang memiliki
pola data trend atau seasonal. Sementara, metode seasonally adjustment adalah
metode statistik untuk menghapus komponen musiman dari rangkaian deret waktu
yang menunjukkan pola musiman dengan rumus :
dengan Yt adalah nilai seri waktu pada periode t, St adalah komponen seasonal, Tt
adalah komponen trend cycle, dan Et adalah komponen irregular.
Metode deret waktu yang digunakan adalah linear regression with time.
Metode ini mengestimasi sebuah garis lurus yang memiliki intercept dan slope di
mana nilainya berubah seiring bertambahnya waktu. Pada metode ini, waktu
merupakan variabel independen. Model regresi linear yang digunakan yaitu :
a. Model regresi linear sederhana
Model ini digunakan untuk melihat hubungan antara variabel X dan Y yang
bersifat linier. Artinya, perubahan pada variabel X akan diikuti dengan perubahan
variabel Y secara tetap. Model ini digunakan untuk meramalkan pola data trend.
Untuk melihat kesesuaian prediksi, digunakan R2 untuk menyatakan persentase
total variasi Y yang dijelaskan oleh model regresi yang mengandung variabel X.
Keterangan :
D(i) = Jumlah permintaan pada periode ke-i a = intercept
n = Jumlah data pembentuk model f(t) = Hasil peramalan untuk
b = Koefisien regresi periode t
Untuk i = n observasi
Yi = Variabel dependen
Xi = Variabel independen
Βo = Konstanta
βp = Koefisien regresi untuk tiap
variabel independen
ϵ = Error
Keterangan :
e(t) = Galat pada periode ke-t
Y(t) = Data aktual pada periode ke-t
Ŷ (t) = Nilai peramalan pada periode ke-t
Keterangan :
Y(t) = Data aktual pada periode ke-t
Ŷ (t) = Nilai peramalan pada periode ke-t
N = Jumlah data historis