Duoble Exponential Smoothing

(Laporan Praktikum Analisis Deret Waktu)

Putri Wulan Anggoro Asih

1717031092

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
2019
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Time Series atau deret waktu merupakan barisan suatu nilai pengamatan
yang diukur dalam rentang waktu tertentu dalam interval waktu yang sama.
Analisis data deret waktu sangat aplikatif dalam dunia bisnis guna
meramalkan atau memprediksi nilai suatu perolehan data di masa yang akan
datang berdasarkan data-data masa lampau. Peramalan terhadap suatu data
bisnis yang bersifat deret waktu dimanfaatkan untuk perencanaan dan proyeksi
di masa yang mendatang. Suatu peramalan data deret waktu diperoleh dari
analisis deret waktu dalam bentuk pemodelan data. Pemodelan data deret
waktu biasanya menggunakan model klasik seperti Single Moving Average
(SMA), Duoble Moving Average (DMA), Single Exponential Smoothing
(SES), dan Duoble Exponential Smoothing (DES).
Exponential Smoothing adalah suatu metode yang menunjukan
pembobotan menurun secara exponential terhadap nilai pengamatan yang
lebih tua. Duoble exponential Smoothing digunakan ketika data menunjukan
adanya trend. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-
rata pada akhir masing-masing periode. Duoble Exponential Smoothing dapat
dihitung hanya dengan tiga nilai data dan satu nilai untuk α. Pembobotan ini
juga memberikan bobot yang semakin menurun pada observasi masa lalu.
Nilai smoothing data ke-t :
St = Lt-1 + Tt-1
Tt = γ (Lt – Lt-1) + (1-γ )Tt-1
Lt = α Xt + (1-α)(Lt-1 + Tt-1)

  Bila: Yt = a + b*t + e, maka L0 = a dan T0 = b

  Nilai forecasting diperoleh dengan formula

Ft,h = Lt + h*Tt
Beberapa ukuran yang dapat dipakai untuk penilaian seberapa baik metode
mengepas data :
 MAD
1
| Xt −Ft |
n∑
 MSD

1 2
∑ | Xt −ft|
n
 MAPE
 1 Xt −ft
n
∑ |Xt | ×100 %

Oleh karena itu, untuk memenuhi tugas laporan praktikum Analisis Deret
Waktu menggunakan metode Duoble Exponential Smoothing dengan
berdasarkan uraian di atas.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, perumusan masalah yang dapat disusun

dalam laporan ini adalah sebagai berikut.
a. Apakah data tersebut memiliki pola data trend atau tidak ?
b. Bagaimana menentukan nilai MAPE,MAD, dan MSD guna
menentukan model terbaik dari data tersebut ?

1.3 Tujuan

a. Mengetahui pola data tersebut merupakan pola data trend.

b. Mengetahui model terbaik dengan menentukan nilai MAPE, MAD dan
MSD.
 BAB II
PEMBAHASAN

Diberikan sebuah data, sebagai berikut :

t 1 2 3 4 5 6 7 8 9 10 11 12
Xt 12 11 12 13 13 14 15 16 16      

Pada data diatas akan di lakukan peramalan dengan metode Duoble Exponential
Smoothing dan menentukan nilai MAD, MSD, MAPE guna menentukan model
terbaik dari data tersebut.
St = Lt-1 + Tt-1
Tt = γ (Lt – Lt-1) + (1-γ )Tt-1
Lt = α Xt + (1-α)(Lt-1 + Tt-1)

  Bila: Yt = a + b*t + e, maka L0 = a dan T0 = b

  Nilai forecasting diperoleh dengan formula

Ft,h = Lt + h*Tt
Beberapa ukuran yang dapat dipakai untuk penilaian seberapa baik metode
mengepas data :
 MAD
1
| Xt −Ft |
n∑
 MSD

1 2
∑ | Xt −ft|
n
 MAPE
1 Xt −ft
n
∑ | Xt |
×100 %

a. Menentukan nilai L0 = a dan T0 = b dengan menggunakan minitab :

Regression Analysis: Xt versus t

The regression equation is

Xt = 10,4 + 0,633 t

Maka kita peroleh nilai L0 = a = 10,4

T0 = b = 0,633
b. Menentukan pola data dengan menggunakan minitab :

Trend Analysis Plot for xt

Linear Trend Model
Yt = 10,389 + 0,633*t
Variable
16 A ctual
Fits

15 A ccuracy Measures
MAPE 3,09774
MAD 0,39506
MSD 0,23951
14
xt

13

12

11

1 2 3 4 5 6 7 8 9
Index

c. Dengan perhitungan menggunakan Ms. Excel menggunakan metode

Duble Exponential Smoothing :

alpha 0,2
gamma 0,3

a 10,4 Xt 122
b 0,633 Ft 179,543

t Xt Lt Tt St Ft
1 12 11,2264 0,69102 11,033 11,91742
2 11 11,733936 0,6359748 11,91742 12,3699108
3 12 12,29592864 0,613780152 12,3699108 12,90970879
4 13 12,92776703 0,619197624 12,90970879 13,54696466
5 13 13,43757173 0,586379745 13,54696466 14,02395147
6 14 14,01916118 0,584942657 14,02395147 14,60410383
7 15 14,68328307 0,608696427 14,60410383 15,29197949
8 16 15,4335836 0,651177657 15,29197949 16,08476125
9 16 16,067809 0,646091982 16,08476125 16,71390098
10         16,71390098
11         17,35999297
12         18,00608495
Dan diperoleh nilai MAD, MSD, MAPE sebagai berikut :

MAPE 3,09774
MAD 0,39506
MSD 0,23951
 BAB III
KESIMPULAN

Berdasarkan uraian dan perhitungan diatas maka dapat kita simpulkan

bahwa, data tersebut memiliki pola data trend dengan begitu data tersebut dapat
memenuhi syarat perhitungan metode Duoble Exponential Smoothing. Dapat kita
lihat juga bahwa, data tersebut memiliki nilai L0 = a = 10,4 dan T0 = b = 0,633
serta nilai forcesting pada periode ke-1, ke-2, dan ke-3 berturut-turut adalah
16,71390098, 17,35999297, 18,00608495 yang dalam artian data tersebut akan
mengalami peningkatan pada tiga periode kedepan. Dapat kita lihat pula nilai
MAD , MSD , dan MAPE berturut-turut adalah 0,39506, 0,23951, 3,09774
dengan nilai alpha = 0,2, gamma = 0,3.
 DAFTAR PUSTAKA

http://scholar.unand.ac.id/16682/2/BAB%20I.pdf

http://digilib.unila.ac.id/10421/13/BAB%20I.pdf

https://www.academia.edu/28173469/Analisis_Deret_Waktu