Peramalan Dengan Menggunakan Metode Double Exponential Smoothing Dari Brown (Studi Kasus: Indeks Harga Konsumen (IHK) Kota Samarinda)
Peramalan Dengan Menggunakan Metode Double Exponential Smoothing Dari Brown (Studi Kasus: Indeks Harga Konsumen (IHK) Kota Samarinda)
Abstract
Consumer Price Index (CPI) is one of the economic indicator that givethe information about the price of
goods andservices which paid by consumer. CPI in Samarinda City increases so long which the pattern of
the data is indicating a trend pattern. Time series forecasting designed to handle the trend of data which
used a double exponential smoothing method. The purpose of this study is to determine the using of the
parameters α and the forecasting amount of CPI in Samarinda City for three months that use double
exponential smoothing method. The best parameter α which use to forecast CPI in Samarinda City is
(0,61). To forecast CPI in Samarinda City is using double exponential smoothing method obtained
F72+m=119,83+1,62 m. The forecasting result of CPI in Samarinda City from January to March 2015 are
121,44, 123,06, and 124,68.
pengamatan memiliki model deret waktu jika menghitungnya, tetapi kelemahan dari metode ini
memenuhi dua hal berikut: adalah memberikan bobot yang sama pada setiap
1. Interval waktu antar indeks waktu t dapat data. Untuk mengatasi hal ini maka dapat
dinyatakan dalam satu waktu yang sama digunakan metode pemulusan eksponensial
(identik). (exponential smoothing).
2. Adanya ketergantungan antara pengamatan
dengan yang dipisahkan oleh jarak Pemulusan Eksponensial (Exponential
waktu berupa kelipatan ∆ sebanyak k kali Smoothing)
(dinyatakan sebagai lagk). Pemulusan eksponensial (exponential
Tujuan analisis deret waktu antara lain untuk: smoothing) adalah suatu metode yang
a. Meramalkan kondisi di masa yang akan menunjukkan pembobotan menurun secara
datang. eksponensial terhadap nilai pengamatan yang lebih
b. Mengetahui hubungan antar peubah. tua. Oleh karena itu metode ini disebut prosedur
c. Kepentingan kontrol (untuk mengetahui exponential smoothing.Seperti halnya dengan
apakah proses terkendali atau tidak). moving average, metode exponential smoothing
(Aswi dan Sukarna, 2006) terdiri atas tunggal, ganda, dan metode yang lebih
rumit. Semuanya mempunyai sifat yang sama,
Metode Pemulusan (Smoothing) yaitu nilai yang lebih baru diberikan bobot yang
Menurut Subagyo (2002), metode smoothing relatif lebih besar dibanding nilai pengamatan yang
merupakan teknik meramal dengan cara lebih lama(Makridakis, Wheelwright dan McGee,
mengambil rata-rata dari nilai-nilai beberapa 2003).
periode yang lalu untuk menaksir nilai pada suatu Pada metode exponential smoothing ini,
periode yang akan datang. Metode smoothing ini perevisian secara berkelanjutan dilakukan atas
dibagi menjadi dua, yaitu metode rata-rata ramalan berdasarkan pengalaman yang lebih kini,
(average) dan metode pemulusan eksponensial yaitu melalui pengrata-rata (pemulusan) nilai dari
(exponential smoothing). serentetan data yang lalu dengan cara
menguranginya secara eksponensial. Hal itu
Metode Rata-rata (Average) dilakukan dengan memberikan bobot tertentu pada
Metode rata-rata menghasilkan peramalan tiap data.Jika data yang diperoleh stasioner, maka
berbasis pada rata-rata pengamatan masa lalu.Data dapat dikatakan cukup baik untuk digunakan
historis masa lalu dapat diratakan dalam berbagai (Makridakis, 2009).Bobotnya dilambangkan
cara, diantaranya adalah rata-rata bergerak tunggal dengan α (alpha) dan bergerak antara 0 sampai 1.
(single moving average) dan rata-rata bergerak Bobot yang lebih besar diberikan pada data yang
ganda (double moving average)(Hanke, Reitsch lebih kini, yaitu α untuk data yang paling kini, α (1
dan Wichern, 2003). – α) untuk data yang lebih kini berikutnya, dan α
Rata-rata bergerak tunggal (single moving (1 – α)2untuk data yang berikutnya, dan seterusnya
average) yaitu setiap muncul nilai pengamatan (Aritonang, 2002).
baru, nilai rata-rata dapat dihitung dengan
membuang nilai observasi yang paling tua dan Pemulusan Eksponensial Ganda (Double
memasukkan nilai pengamatan yang terbaru Exponential Smoothing) Dari Brown
(Makridakis, Wheelwright dan McGee, Menurut Makridakis (2003) pemulusan
2003).Metode ini lebih cocok digunakan untuk Eksponensial Ganda(Double Exponential
meramalkan hal-hal yang bersifat random. Smoothing) dari Brown merupakan model linear
Keterbatasan dari metode ini adalah bobot yang yang dikemukakan oleh Brown. Metode ini
sama digunakan untuk tiap data, tidak sesuai digunakan ketika data menunjukkan adanya trend.
digunakan bila ada fluktuasi, datanya tidak acak Trend adalah estimasi yang dihaluskan dari
(terdapat trend dan musiman), kurang peka atas pertumbuhan rata-rata pada akhir masing-masing
perubahan yang drastis, dan penentuan banyaknya periode. Dengan analogi yang dipakai pada waktu
data yang subyektif atau tidak praktis (Aritonang, berangkat dari rata-rata bergerak tunggal (Single
2002). Moving Average) ke pemulusan eksponensial
Rata-rata bergerak ganda (double moving tunggal (Single Exponential Smoothing) maka
average) merupakan rata-rata bergerak dari rata- dapat pula berangkat dari rata-rata bergerak ganda
rata bergerak (Makridakis, Wheelwright dan (Double Moving Average) ke pemulusan
McGee, 2003). Menurut Subagyo (2002), dalam eksponensial ganda (Double Exponential
metode ini pertama-tama dicari rata-rata bergerak, Smoothing). Perpindahan seperti itu mungkin
ditaruh pada periode terakhir. Kemudian dicari lagi menarik karena salah satu keterbatasan dari Single
rata-rata bergerak dari rata-rata bergerak yang Moving Average (yaitu perlunya menyimpan n
pertama, baru kemudian dibuat peramalan.Metode nilai terakhir) masih terdapat pada Double Moving
ini cocok untuk meramalkan data yang bersifat Average.Double Exponential Smoothing dapat
trend. Double moving average mudah dihitung hanya dengan tiga nilai data dan satu nilai
untuk α. Pendekatan ini juga memberikan bobot yang dipilih merupakan metode terbaik
yang semakin menurun pada observasi masa (Makridakis, Wheelwright dan McGee, 2003).
lalu.Dengan alasan ini Double Exponential Metode yang digunakan dalam penelitian ini
Smoothing lebih disukai daripada Double Moving telah ditetapkan yaitu metode double exponential
Average sebagai suatu metode peramalan dalam smoothing dari Brown, sehingga nilai MAPE ini
berbagai kasus utama. digunakan untuk mencari parameter α terbaik
Dasar pemikiran dari Double Exponential dengan caratrial and error. Penentuan parameter α
Smoothing dari Brown adalah serupa dengan dalam praktek hanya mengambil kisaran nilai yang
Double Moving Average karena kedua nilai Single terbatas, walaupun secara teoritis α dapat dianggap
Smoothing dan Double Smoothing ketinggalan bernilai 0 dan 1. Karena adanya himpunan pilihan
dari data yang sebenarnya bilamana terdapat unsur nilai α yang dipersempit ini, maka metode double
trend.Perbedaan antara nilai Single Smoothing dan exponential smoothing dari Brown ini biasanya
Double Smoothing (S − S ) dapat ditambahkan dipandang sebagai metode yang lebih mudah
dengan kepada nilai single smoothing (S )dan diterapkan (Makridakis, Wheelwright dan McGee,
disesuaikan untuk trend.Rumus yang dipakai 2003).
dalam implementasi Double Exponential
Smoothing dari Brown ditunjukkan di bawah Indeks Harga Konsumen
ini:(Makridakis, Wheelwright dan McGee, 2003). Indeks harga konsumen (IHK) adalah indeks
1. Menentukan Nilai Smoothing Pertama (S ) yang mengukur rata-rata perubahan harga antar
S = α X + (1 − α)S (1) waktu dari suatu paket jenis barang dan jasa yang
2. Menentukan Nilai Smoothing Kedua (S ) dikonsumsi oleh penduduk/rumah tangga di daerah
S = α S + (1 − α)S (2) perkotaan dengan dasar suatu periode tertentu.IHK
3. Menentukan Nilai Konstanta (a t ) sendiri dibuat pertama kali pada tahun 1913 dan
a = 2S − S (3) telah diterbitkan rutin sejak 1921.Pada Januari
4. Menentukan Nilai Slope (bt ) 1978, Bureau of Labor Statistics mulai
α memperkenalkan IHK untuk dua kelompok
bt = (St − St ) (4)
1 α populasi. Indeks yang pertama, disebut Consumer
5. Menentukan Nilai Peramalan Price Index-All Urban Consumers, meliputi sekitar
F =a +b m (5) 87% dari populasi total. Indeks lainnya adalah
Untuk dapat menggunakan rumus, maka nilai untuk pekerja di kota dan para pekerja
St-1 danSt-1 harus tersedia. Tetapi pada saat t = 1, administratif, yang meliputi sekitar 32% dari
populasi (Lind, Marchal dan Mathen, 2008).
nilai-nilai tersebut tidak tersedia. Karena nilai-nilai
Di Indonesia sendiri, IHK pertama kali
ini harus ditentukan pada awal periode, untuk
dipublikasikan pada tahun 1950. IHK sudah
mengatasi masalah ini dapat dilakukan dengan
mengalami perubahan beberapa kali baik tentang
menetapkan S1 danS1 sama dengan nilai X1 (data
cakupan (coverage) kota, tahun dasar, paket
aktual)(Makridakis, Wheelwright dan McGee,
komoditas maupun metode penghitungannya. Pada
2003). tahun 1998, kota yang tercakup dalam
penghitungan inflasi sebanyak 44 kota (seluruh
Pemilihan Parameter α Terbaik ibukota provinsi ditambah beberapa kota).
Dalam banyak situasi peramalan, ketepatan Cakupan tersebut bertambah menjadi 45 kota pada
dipandang sebagai kriteria penolakan untuk tahun 2004, dan meningkat menjadi 66 kota sejak
memilih suatu metode peramalan. Bagi pemakai tahun 2008 yang terdiri dari 33 ibukota propinsi
ramalan, ketepatan ramalan yang akan datang dan 33 kota/kabupaten. Barang dan jasa yang
adalah sangat penting. Ketepatan metode ramalan dipilih bervariasi antara 284 - 441 jenis komoditas
dilihat dari kesalahan peramalan.Kesalahan per kota dan secara keseluruhan terdiri dari 774
peramalan merupakan ukuran ketepatan dan komoditas yang diklasifikasikan menjadi 7
menjadi dasar untuk membandingkan kelompok, yaitu: (Prahara, 2011)
kinerja.Dalam penelitian ini digunakan Mean 1. Bahan Makanan.
Absolute Percentage Error (MAPE)untuk 2. Makanan jadi, minuman, rokok dan
pemilihan metode terbaik serta mengetahui tembakau.
ketepatan peramalan. 3. Perumahan
MAPE = ∑ |PE | (6) 4. Sandang.
dimanan adalah banyaknya periode dan PE adalah 5. Kesehatan.
kesalahan persentasenya (percentage error): 6. Pendidikan, rekreasi dan olah raga.
PE = 100% (7) 7. Transportasi, komunikasi dan jasa
keuangan.
Semakin kecil nilai MAPE berarti nilai taksiran Perhitungan IHK dilakukan oleh BPS setiap
semakin mendekati nilai sebenarnya, atau metode bulan berdasarkan Survei Biaya Hidup (SBH).
SBH tersebut digunakan sebagai dasar untuk
menentukan paket komoditas, penimbang dan Karena tidak ada dasar yang obyektif untuk
tahun dasar dalam pengolahan IHK.Perhitungan penentuan besarnya parameter α yang
IHK dilakukan untuk merekam perubahan harga digunakan, maka dalam penelitian ini
beli di tingkat konsumen (purchasing cost) dari parameter α yang ditentukan 2 angka
sekelompok tetap barang dan jasa (fixed basket) dibelakang desimal yaitu yang dicari dengan
yang pada umumnya dikonsumsi trial and error dan dipilih berdasarkan nilai
masyarakat.Observasi harga dilakukan secara MAPE terbaik (terkecil).
harian, mingguan dua mingguan dan bulanan 2. Menghitung nilai smoothing pertama.
(Prahara, 2011).Dari setiap kota, beberapa pasar Melakukan perhitungan smoothing yang
tradisional dan pasar modern dipilih untuk pertama menggunakan pemulusan
mewakili harga-harga dalam kota tersebut. Data eksponensial tunggal (Single Exponential
harga masing-masing komoditi diperoleh dari 3 Smoothing) dan dituliskan dengan
atau 4 tempat penjualan, yang didatangi oleh mengunakan persamaan (1)
petugas pengumpul data dengan wawancara 3. Menghitung nilai smoothing kedua.
langsung (Warsidi, 2012). Melakukan perhitungan smoothing yang
kedua menggunakan pemulusan eksponensial
Metodologi Penelitian ganda (Double Exponential Smoothing)
Waktu pelaksanaan penelitian dimulai dari dengan memperhatikan besarnya nilai
bulan JanuarisampaiMaret 2015 di Laboratorium smoothing pertama dan dituliskan dengan
Statistika Komputasi Fakultas Matematika dan menggunakan persamaan (2).
Ilmu Pengetahuan Alam Universitas Mulawarman 4. Menentukan nilai Konstanta at.
dan pengambilan data berasal dari Badan Pusat Pengujian ini dilakukan dengan mengacu
Statistik (BPS) Kota Samarinda.Dalam penelitian terhadap penyesuaian pemulusan eksponensial
ini menggunakan rancangan non-eksperimen, tunggal dengan perbedaan pemulusan
karena data tidak diperoleh dari pengamatan eksponensial tunggal dan pemulusan
langsung, melainkan dilakukan dengan cara eksponensial ganda dengan menggunakan
pengambilan data yang sudah tersedia. Penelitian persamaan (3).
ini menggunakan rancangan kausal komparatif 5. Menentukan nilai Slope bt .
yang bersifat ex post facto yaitu data dikumpulkan
setelah semua kejadian yang dipersoalkan Perhitungan ini dilakukan untuk menentukan
berlangsung (Makridakis, Wheelwright dan taksiran trend dari periode waktu yang satu ke
McGee, 2003). periode waktu berikutnya dengan
Dalam penelitian ini yang menjadi populasi menggunakan persamaan (4).
adalah IHK Kota Samarinda yang tercatat di BPS 6. Hasil peramalan IHK Kota Samarinda.
KotaSamarinda. Sedangkansampel penelitian ini Setelah dilakukan perhitungan nilai smoothing
adalah IHK Kota Samarinda dari bulan Januari pertama, nilai smoothing kedua, nilai at dan
2009 sampai dengan bulan Desember 2014, nilai b t dengan menggunakan parameter α
dengan sampel sebanyak 72. Pada penelitian ini
terbaik, maka selanjutnya dapat digunakan
metode yang digunakan untuk penarikan sampel
untuk meramalkan IHK Kota Samarinda
adalah purposive samplingyang juga dikenal
dengan menggunakan persamaan (5).
sebagai sampling pertimbangan, dimana sampel
digunakan dengan mempertimbangkan
Hasil Dan Pembahasan
ketersediaan data IHK Kota Samarinda
Data IHK (Indeks Harga Konsumen) Kota
berdasarkan Survei Biaya Hidup (SBH) tahun
Samarinda yang digunakan diperoleh dari BPS
dasar 2007sehingga sampel dipilih 65 data terbaru
Kota Samarinda dari bulan Januari 2009 hingga
yang diperoleh dari BPS KotaSamarinda.
Desember 2014. Pada bagian ini akan dibahas
Variabel yang digunakan dalam penelitian ini mengenai deskripsi variabel IHK Kota Samarinda.
yaitu variabel IHK Kota Samarinda. Variabel IHK
Kota Samarinda merupakan variabel kuantitatif
berupa Indeks Harga Konsumen dan dinotasikan
dengan X t .Teknik pengumpulan data dilakukan
dengan cara mengambil data sekunder, yaitu IHK
Kota Samarinda dari bulan Januari 2009 sampai
dengan bulan Desember 2014 yang diperoleh dari
BPS KotaSamarinda.
Adapun beberapa tahap yang harus ditempuh
dalam model Double Exponential Smoothing dari Gambar 1.Plot Time Series Indeks Harga
Brown adalah sebagai berikut: Konsumen Kota Samarinda
1. Menentukan besarnya parameter α antara 0 Berdasarkan Gambar 1, terlihat bahwa nilai
sampai 1. IHK Kota Samarinda cenderung mengalami
peningkatan secara terus menerus tiap bulannya, adalah α = 0,61 dengan nilai MAPE sebesar
sehingga dapat disimpulkan bahwa nilai IHK Kota 2,1421. Berdasarkan nilai MAPE terbaik yang
Samarinda cenderung berpola trend. telah diperoleh dengan cara trial and error, maka
selanjutnya dapat dilakukan peramalan
Tabel 1.Analisis Statistika Deskriptif Variabel IHK Kota menggunakan metode Double Exponential
Samarinda Smoothing dari Browndengan nilai parameter
Variabel Minimum Maksimum
Rata- Standar α = 0,61.
rata Deviasi
8 119,81 119,46 119,23 119,69 0,36 119,59 Gambar 3.Grafik Hasil Peramalan Indeks Harga
Konsumen (IHK) Kota Samarinda.
9 121,25 120,55 120,04 121,07 0,81 120,84
Dari hasil peramalan yang telah
10 121,40 121,07 120,67 121,47 0,63 121,30 didapatkan, diketahui bahwa IHK Kota Samarinda
untuk 3 bulan yang akan datang yaitu dari bulan
11 121,29 121,20 120,99 121,41 0,33 121,32
Januari, Februari dan Maret 2015 mengalami
12 121,60 121,45 121,27 121,62 0,28 121,54 peningkatan setiap bulannya. Hal ini juga dapat
- dilihat pada Gambar 3. Yang menunjukkan
13 112,74 116,14 118,14 114,13 3,13 115,01 kecenderungan pola data pada garis peramalan
mengalami peningkatan untuk 3 bulan yang
14 123,89 120,87 119,80 121,93 1,66 121,47 diramalkan yaitu bulan Januari 2015 sebesar
15 124,54 123,11 121,82 124,40 2,02 123,83 121,44, bulan Februari 2015 sebesar 123,06, dan
bulan Maret 2015 sebesar 124,68.
16 124,40 123,90 123,09 124,71 1,27 124,35
Kesimpulan
17 124,48 124,25 123,80 124,71 0,71 124,51 Berdasarkan analisis dan pembahasan yang
18 125,03 124,73 124,36 125,09 0,57 124,93 telah dilakukan, dapat diambil kesimpulan sebagai
berikut:
19 127,66 126,52 125,68 127,36 1,31 126,99 1. Parameter α terbaik yang didapat untuk
peramalan IHK Kota Samarinda dari bulan
20 128,86 127,95 127,06 128,83 1,38 128,45 Januari 2009 sampai dengan Desember
21 129,89 129,13 128,32 129,94 1,26 129,59 2015 adalah α = 0,61 dengan nilai MAPE
sebesar 2,1421dan dipilih dengan cara trial
Berdasarkan hasil perhitungan pada Tabel 4 maka and error.
dapat dilakukan peramalan IHK Kota Samarinda 2. Hasil peramalan IHK Kota Samarinda dari
untuk 3 bulan yang akan datang. Untuk menghitung bulan Januari sampai dengan Maret 2015
nilai peramalan dapat menggunakan persamaan (5) menggunakan parameter α = 0,61 dengan
sebagai berikut: metode Double Exponential Smoothing dari
F =a +b m Brown menunjukkan bahwa IHK Kota
1. Ramalan periode 73 (m = 1) yaitu untuk bulan Samarinda adalah mengalami peningkatan
Januari 2015: tiap bulannya, dimana diramalkan IHK Kota
F =a +b m Samarinda pada bulan Januari sampai
dengan Maret 2015 secara berturut-turut
F = a + b (1)
sebesar 121,44, 123,06, dan 124,68.
F = 119,83 + 1,62(1) = 121,44
2. Ramalan periode 74 (m = 2) yaitu untuk bulan
Februari 2015: Saran
Dari hasil penelitian pada skripsi ini, penulis
F =a +b m
menyarankan agar dalam penelitian selanjutnya
F = a + b (2)
hendaknya menambahkan variabel-variabel lain
F = 119,83 + 1,62(2) = 123,06
yang berpengaruh kuat terhadap suatu deret output.
3. Ramalan periode 75 (m = 3) yaitu untuk bulan
Selain itu hendaknya menggunakan metode
Maret 2015:
tambahan agar dapat menambah kevalidan has
F =a +b m
F = a + b (3)