PERBANDINGAN METODE WINTER ADITIF DAN

MULTIPLIKATIF UNTUK PERAMALAN JUMLAH

PENDERITA ASMA PADA TAHUN 2016 (JANUARI sd JUNI)

A. Tinjauan Pustaka

A.1 Pengertian Metode

Menurut Arsyad (2001:53), metode penghalusan eksponensial

(exponential smoothing) dari Winter’s adalah salah satu metode
peramalan yang dapat digunakan untuk data berpola musiman dan
metode yang tepat dalam permasalahan dengan pola trend. Pada metode
Winter terdapat 3 parameter penghalusan, yaitu alpha, delta dan gamma
dengan nilai parameter ketiganya mulai dari 0 sampai 1. Menurut Arsyad
(1993:118), keunggulan metode penghalusan adalahdapat memberikan
ketepatan dalam ramalan jangka pendek dan penyesuaian dapat
dilakukan dengan cepat dan pada biaya yang rendah.

A.2 Rumusan Masalah

Berdasarkan latar belakang diperoleh rumusan masalah yaitu:

1. Bagaiamana pola plot jumlah penderita asma pada data tahun 2015 ?
2. Bagaiamana perbedaan hasil analisis menggunakan Winter Additive
dan Winter Multiplicative ?
3. Bagaimana hasil peramalan jumlah penderita asma selama enam bulan
(Januari-Juni) pada tahun 2016?

A.3 Tahap-tahap

Adapun tahap-tahap yang dilakukan adalah sebagai berikut :

1. Membuat plot awal berdasarkan data jumlah penderita asma pada
tahun 2015
 2. Mengidentifikasi plot dengan asumsi menggunakan metode Winter
apabila berpola musiman dan trend
3. Membuat analisis metode Winter dengan nilai alfa sebesar 0.2, delta
0.1, dan gamma sebesar 0.3
4. Membandingkan nilai MAPE antara metode Winter Additive dan
Winter Multiplicative dengan asumsi lebih kecil dari 20% maka hasil
ramalah baik untuk digunakan.
5. Menginterpretasi hasil ramalan jumlah penderita asma pada enam
bulan (Januasi sd Juni) pada tahun 2016 sesuai metode terbaik Winter
yang diperoleh.

B. Hasil dan Pembahasan

B.1 Plot

Time Series Plot of Et

80

70

60

50
Et

40

30

20
4 8 12 16 20 24 28 32 36
Index

Berdasarkan plot dari data jumlah penderita asma pada tahun 2015
menunjukka pola data tersebut berbentuk pola musiman dan trend. Oleh
karena itu, untuk kasus ini metode yang tepat digunakan adalah metode
Winter.
B.2 Winter Multiplikatif

Winters' Method Plot for Et

Multiplicative Method

Variable
90 Actual
Fits
80 Forecasts
95.0% PI
70
Smoothing Constants
60 Alpha (lev el) 0.2
Gamma (trend) 0.3
50 Delta (seasonal) 0.1
Et

Accuracy Measures
40
MAPE 19.122
MAD 9.008
30
MSD 126.338
20
10

0
4 8 12 16 20 24 28 32 36 40
Index

Berdasarkan plot diatas dengan metode Winter Multiplicative diperoleh

nilai MAPE sebesar 19,122%. Asumsi yang digunakan untuk akurasi
nilai MAPE ialah jika nilai yang diperoleh lebih kecil dari pada 20%,
maka hasil ramalan baik untuk digunakan. Oleh karena itu, hasil ramalan
jumlah penderita asma untuk enam bulan pada tahun 2016 dengan
menggunakan metode Winter Multiplicative baik untuk digunakan.

B.3 Winter Additive

Winters' Method Plot for Et

Additive Method

90 Variable
A ctual
80 Fits
Forecasts
70 95.0% PI

Smoothing C onstants
60 A lpha (lev el) 0.2
Gamma (trend) 0.3
50 Delta (seasonal) 0.1
Et

40 A ccuracy Measures
MA PE 18.761
30 MA D 8.489
MSD 126.158
20

10

0
4 8 12 16 20 24 28 32 36 40
Index
 Berdasarkan plot diatas dengan metode Winter Additive diperoleh nilai
MAPE sebesar 18,761%. Asumsi yang digunakan untuk akurasi nilai
MAPE ialah jika nilai yang diperoleh lebih kecil dari pada 20%, maka
hasil ramalan baik untuk digunakan. Oleh karena itu, hasil ramalan
jumlah penderita asma untuk enam bulan pada tahun 2016 dengan
menggunakan metode Winter Additive baik untuk digunakan.

C. Kesimpulan

Kesimpulan dari analisis di atas adalah sebagai berikut:

1. Pola data membentuk pola musiman dan trend, sehingga dapat dilakukan
analisis menggunakan metode Winter.
2. Metode terbaik yang digunakan adalah metode Winter Additive
berdasarkan nilai MAPE memiliki nilai yang lebih kecil dibandingkan nilai
Winter Multiplicative.
3. Peramalan jumlah penderita asma selama enam bulan pada tahun 2016
(Januari-Juni) secara berturut turut yaitu 63.7061, 60.6680, 60.6876,
33.6347, 68.0328 dan 58.4896.