Rini Aprlianty Riadi - LP 3
Rini Aprlianty Riadi - LP 3
LAPORAN PRAKTIKUM
ANALISIS RUNTUN WAKTU
Modul 3 : Double Exponential Smoothing
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2019
i
Daftar Isi
Daftar Isi.................................................................................................................. ii
Daftar Gambar ........................................................................................................ iii
1 Pendahuluan .................................................................................................... 4
1.1 Exponential Smoothing............................................................................. 4
1.2 Double Exponentials Smoothing .............................................................. 4
2 Deskripsi Kerja................................................................................................ 5
2.1 Studi Kasus ............................................................................................... 5
2.2 Langkah Kerja .......................................................................................... 5
3 Pembahasan ................................................................................................... 10
4 Kesimpulan ................................................................................................... 14
5 Daftar Pustaka ............................................................................................... 15
ii
Daftar Gambar
iii
1 Pendahuluan
4
2 Deskripsi Kerja
5
3. Setelah itu, praktikan menginput data dengan menggunakan fungsi
sintaks data=read.csv("D://KULIAH//sem 5//prak arw//Praktikum
3//data3.csv").Lalu untuk melakukan pengecakan data, praktikan
memasukan syntax View(data).
7
10. Selanjutnya ,Menghitung DES selain menggunakan fungsi dasar R, dapat pula
menggunakan fungsi pada package forecast. Install package forecast. Panggil
package tersebut dengan library(forecast).
9
3 Pembahasan
Berdasarkan dari langkah kerja yang telah dilakukan pada bab sebelumnya
untuk menyelesaikan studi kasus yang ada praktikan akan menjawabnya lebih rinci
pada bagian pembahasan. Pada pratikum ini menggunakan aplikasi Rstudio.
10
Agar mengetahui nilai prediksi tingkat inflasi untuk 5 periode kedepan,
maka dapat dihitung menggunakan fungsi prediksi=predict(holt.data,5).
Didapatkan nilai prediksi dari bulan Oktober 2019 – Februari 2020 berbeda-beda,
yaitu bulan Oktober sebesar 0.03404468, bulan November sebesar 0.03418937,
bulan Desember 0.03433405, bulan Januari 0.03447873, bulan Februari
0.03462341. Karena double exponential smoothing untuk periode 1 ke periode
selanjutnya akan berbeda walaupun perbedaanya hanya sedikit.
11
9.063098 sebesar. Didapatkan nilai MAPE tersebut sangat baik karena bernilai <
10%, maka untuk kasus tingkat inflasi ini memiliki nilai MAPE yang sangat baik.
12
Gambar 3.7. Peramalan
Untuk ukuran kesalahan, didapatkan nilai MSE sebesar 2.906987x10-5.
Nilai RMSE sebesar 0.005391648. Nilai MAPE sebesar 8.560601. Nilai MAPE
tersebut sangat baik karena bernilai < 10%. Hasilnya tidak berbeda dengan hasil
pada subbabb sebelumnya yang menggunakan fungsi dasar.
13
4 Kesimpulan
14
5 Daftar Pustaka
15