1

Metoda Peramalan Kuantitatif

Metoda Peramalan Time Series (3)
Exponential Smoothing

Bahan Bacaan:
Makridakis, S. et al, 2008, Forecasting: Methods & Applications, John Willey & Son, New York.
2 Simple Moving

Jenis Metoda Peramalan

Average

Time Series Metode

Rata-Rata
Single Moving
Average

Double Moving
Average
Metode
Smoothing
Single
Exponential
Smoothing

Metode Double
Smoothing Exponential
METODE TIME
Exponential Smoothing
SERIES

Triple Exponential
Pola Data Trend
Smoothing

Metode
Pola Data Siklus
Dekomposisi

Pola Data
Musiman
3

Metode Peramalan Eksponensial

Triple Exponential
4

Exponential Smoothing
(Penghalusan Eksponensial)
Exponential smoothing → suatu metode peramalan rata-rata
bergerak yang memberikan bobot secara bertingkat pada data-data
terbarunya sehingga data-data terbaru akan mendapatkan bobot yang
lebih besar
5
METODE EXPONENTIAL SMOOTHING
4. Metode Triple Exponential Smoothing
Triple Exponential Smoothing:
Metoda Kuadrat Satu Parameter “Brown”
➢ Pola Data Trend→ dapat digunakan untuk pola yang mendasari
eksponesial: kuadrat, cubic atau order yang lebih tinggi.
➢ Pendekatan dasar: penambahan tingkat smoothing dan berurusan dengan
persamaan peramalan kuadrat.
6
METODE EXPONENTIAL SMOOTHING
4. Metode Triple Exponential Smoothing
Persamaan Dasar: St' = X t + (1 −  )St'−1
St" = St' + (1 −  )St"−1
St"' = St" + (1 −  )St"'−1
at = 3St' − 3St" + St"'

bt = (6 − 5 )S '
− (10 − 8 )S "
+ (4 − 3 )S t 
"'

2(1 −  )
2 t t

2
ct = (S '
− 2 S "
+ S t )
"'

(1 −  )2 t t

1
Ft + m = at + bt m + ct m 2
2

Inisialisasi Data: S = S = S = X1
'
1
"
1
"'
1
7
METODE EXPONENTIAL SMOOTHING
4. Penerapan Metode Triple Exponential Smoothing
Data Musiman (alpha: 0,15) S = S = S = X1
'
1
"
1
"'
1

Periode Xt S’t S”t S”’t at bt ct F t+m

1 143,00 143,00 143,00 143,00

2 152,00 144,35 143,20 143,03 146,47 0,561 0,030
3 161,00 146,84 146,74 143,13 152,43 1,463 0,077 147,05
4 139,00 145,67 144,03 143,27 148,17 0,608 0,027 153,93
5 137,00 144,37 144,08 143,39 144,24 -0,101 -0,012 148,79
6 174,00 148,81 144,79 143,60 155,65 1,750 0,088 144,13
7 142,00 147,79 145,24 143,85 151,49 0,873 0,035 157,45
8 141,00 146,77 145,47 144,09 147,99 0,199 -0,002 152,38
9 162,00 149,05 146,02 144,38 153,51 1,058 0,044 148,18
8
METODE EXPONENTIAL SMOOTHING
4. Penerapan Metode Triple Exponential Smoothing
Periode Xt S’t S”t S”’t at bt ct F t+m

10 180,00 153,69 147,16 144,80 164,40 2,689 0,129 154,59

11 164,00 155,24 148,37 145,33 165,93 2,621 0,119 167,15
12 171,00 157,60 149,76 146,00 169,53 2,889 0,127 168,61
13 206,00 164,86 152,02 146,90 185,42 5,109 0,240 172,49
14 193,00 169,08 154,58 148,05 191,55 5,496 0,248 190,65
15 207,00 174,77 157,61 149,49 200,96 6,357 0,281 197,17
16 218,00 181,25 161,16 151,24 211,53 7,296 0,316 207,46
17 229,00 188,41 165,24 153,34 222,85 8,238 0,350 218,98
18 225,00 193,90 169,54 155,77 228,84 8,198 0,329 231,26
19 204,00 195,42 173,42 158,42 224,39 6,454 0,217 237,21
20 227,00 200,15 177,43 161,27 229,43 6,424 0,204 230,95
21 223,00 203,58 181,36 164,28 230,95 5,819 0,160 235,95
22 242,00 209,34 185,55 167,47 238,84 6,301 0,177 236,85
23 239,00 213,79 189,79 170,82 242,82 6,089 0,156 245,23
24 266,00 221,62 194,56 174,38 255,55 7,308 0,214 248,99
 2
9
❑ Triple Exponential Smoothing:
ct = (S '
− 2 S "
+ S t )
"'

(1 −  )2 t t

Metoda Kuadrat Satu Parameter “Brown” 1

➢Peramalan: Ft + m = at + bt m + ct m 2
2
Periode Xt S’t S”t S”’t at bt ct F t+m

25 262,97

➢Analisis Error
Periode Uji 10-24
α=.15
Mean Error 3,36
Mean Absolute Error 12,13
Mean Absolute Percentage Error (MAPE) 5,77
Standard Deviation of Error (Unbiased) 16,05
Mean Square Error (MSE) 251,81
Durbin Watson Statistic 1,53
Theil’s Statistic 0,92
10
METODE EXPONENTIAL SMOOTHING
4. Metode Triple Exponential Smoothing

❑ Triple Exponential Smoothing:

Metoda Tiga Parameter Trend dan Seasonality “Holt-Winter”
➢Metoda sebelumnya berurusan dengan data stationer dan non stationer
(sepanjang tidak seasonal)
➢Metoda Winter dapat mengatasi pola data season
➢Metoda Winter mendasarkan peramalan pada 3 persamaan smoothing:
▪ Stationarity
▪ Trend
▪ Seasonality
11

Parameter
• α merupakan parameter yang mengontrol penghalusan relatif pada
pengamatan yang baru dilakukan,
• β merupakan parameter yang mengontrol penghalusan relatif pada
pengamatan yang baru dilakukan untuk mengestimasi kemunculan
unsur kecenderungan (trend), dan
• γ merupakan parameter yang mengontrol penghalusan relatif pada
pengamatan yang baru dilakukan untuk mengestimasi kemunculan
unsur musiman (seasonality).
Parameter α, β dan γ bernilai konstanta yang nilainya berada diantara
0 dan 1 dan ditentukan secara subjektif atau dengan meminimalkan
nilai kesalahan dari estimasi tersebut (Makridakis et al., 1998)
12
METODE EXPONENTIAL SMOOTHING
4. Metode Triple Exponential Smoothing

❑ Triple Exponential Smoothing:

Metoda Tiga Parameter Trend dan Seasonality “Holt-Winter”
➢Persamaan Dasar:
+ (1 −  )(Lt −1 + bt −1 )
Xt
Lt = 
I t −s
bt =  (Lt − Lt −1 ) + (1 −  )bt −1
 Xt 
St =    + (1 −  )St − s 𝐿 → panjang musim

 Lt 
𝑏 → komponen trend
𝑆𝑡 → faktor penyesuaian musim

Ft + m = (Lt + bt m )St − s + m
𝐹𝑡+𝑚 → ramalan
13
METODE EXPONENTIAL SMOOTHING
4. Metode Triple Exponential Smoothing
❑ Triple Exponential Smoothing:
Metoda Tiga Parameter Trend dan Seasonality “Holt-Winter”
➢Inisialisasi :
𝑋1 1
𝑆1 =
𝐿𝑡
Lt = ( X 1 + X 2 + ... + X L )
L
𝑋2
𝑆2 = 1  X − X 1 X L+2 − X 2 X − XL 
𝐿𝑡
𝑋3
b =  L +1 + + ............. + L + L 
𝑆3 = L L L L 
𝐿𝑡
𝑋4
𝑆4 =
𝐿𝑡
14
15
METODE EXPONENTIAL SMOOTHING
4. Penerapan Metode Triple Exponential Smoothing
❑ Triple Exponential Smoothing:
Metoda Tiga Parameter Trend dan Seasonality “Holt-Winter”
Penerapan α=0,822 ,β=0,055, γ=0,000 𝑋1
Periode Xt Lt bt St Ft 𝑆1 =
𝐿𝑡
1 362 0.953 𝑆2 =
𝑋2
𝐿𝑡
2 385 1.013 𝑋3
𝑆3 =
3 432 1.137
𝐿𝑡
𝑋4
4 341 380 9.75 0.897
𝑆4 =
𝐿𝑡
5 382 398.99 10.3 0.9 371.28
6 409 404.67 10.0 1.01 414.64
7 498 433.89 11.1 1.1 471.43
8 387 433.69 10.4 0.89 399.29
9 473 487.19 12.8 0.95 423.10
 Metoda Exponential Smoothing
16
❑Triple Exponential Smoothing:
Metoda Tiga Parameter Trend dan Seasonality “Winter” (Pengujian)
Periode Xt Lt bt St Ft
10 513 505.2111 13.09819 1.013158 506.5875
11 582 513.0774 12.81044 1.136842 589.2358
12 474 527.7976 12.91548 0.897368 471.9151
13 544 565.6498 14.287 0.952632 515.1003
14 582 575.4197 14.03856 1.013158 587.5675
15 681 597.3244 14.4712 1.136842 670.121
16 557 619.1182 14.87394 0.897368 549.0061
17 628 654.7348 16.01478 0.952632 603.9609
18 707 693 17.23856 1.013158 679.5752
19 773 685.3444 15.86938 1.136842 807.4291
20 592 667.095 13.99285 0.897368 629.2471
21 627 662.255 12.95704 0.952632 648.8258
22 725 708.3981 14.78227 1.013158 684.0964
23 854 746.2156 16.04921 1.136842 822.1419
24 661 741.1669 14.88882 0.897368 684.0323
 Lt =  + (1 −  )(Lt −1 + bt −1 )
I t −s
17
bt =  (Lt − Lt −1 ) + (1 −  )bt −1
 
St =    + (1 −  )St − s
❑Triple Exponential Smoothing: Xt
Metoda Tiga Parameter Trend dan Seasonality “Holt-Winter”
 Lt 
➢Peramalan
Ft + m = (Lt + bt m )St − s + m
Periode Xt Lt bt St Ft
25
0.952632 720.2425
26
1.013158 781.0885
27
893.3684
28
718.5428
18

❑Triple Exponential Smoothing:

Metoda Tiga Parameter Trend dan Seasonality “Winter”
➢Analisis Error
Periode Uji 10-24

Mean Error 21,27

Mean Absolute Error 31,36
Mean Absolute Percentage Error (MAPE) 5,13
Standard Deviation of Error (Unbiased) 38,31
Mean Square Error (MSE) 1200,77
Durbin Watson Statistic 0,55
Theil’s Statistic 0,40
19
METODE EXPONENTIAL SMOOTHING
4. Penerapan Metode Triple Exponential Smoothing

SES (α=0,35) LES(α=0,20)

Periode Xt
Ft Error Ft Error
1 362,00
2 385,00 362,00 23,00
3 432,00 370,05 61,95 371,20 60,80
4 341,00 391,73 -50,73 394,44 -55,44
5 382,00 373,98 8,02 377,62 4,38
6 409,00 376,76 32,22 380,50 28,50
7 498,00 388,06 109,94 393,21 104,79
8 387,00 426,54 -39,54 437,58 -50,58
9 473,00 412,70 60,30 423,99 49,01
20
SES (α=0,35) LES(α=0,20)
 Pengujian
Periode Xt
Ft Error Ft Error
10 513,00 433,81 79,19 448,21 64,79
11 582,00 461,52 120,48 480,70 101,30
12 474,00 503,69 -29,69 530,39 -56,39
13 544,00 493,30 50,70 521,06 22,94
14 582,00 511,04 70,96 541,20 40,80
15 681,00 535,88 145,12 569,40 111,60
16 557,00 586,67 -29,67 627,56 -70,56
17 628,00 576,29 51,71 617,31 10,69
18 707,00 594,39 112,61 636,75 70,25
19 773,00 633,60 139,20 680,43 92,57
20 592,00 682,52 -90,52 735,85 -143,85
21 627,00 650,84 -23,84 700,41 -73,41
22 725,25 642,49 82,51 687,39 37,61
23 654,00 671,37 182,63 715,84 138,16
34 661,00 735,29 -74,29 786,02 -125,02
21  Peramalan
SES (α=0,35) LES(α=0,20)
Periode Xt
Ft Error Ft Error
35 513,00 433,81 79,19 448,21 64,79

 Analisis Error
Periode Uji 10-24 SES(α=0,35) LES(α=0,20) TES (α=0,2 ,β=0,05, γ=0,1)
Mean Error 52,47 14,76 21,27
Mean Absolute Error 85,54 77,33 31,36
Mean Absolute Percentage 13,05 13,14 5,13
Error (MAPE)
Standard Deviation of Error 84,13 88,57 38,31
(Unbiased)
Mean Square Error (MSE) 9359,21 7539,65 1200,77
Durbin Watson Statistic 1,59 2,07 0,55
Theil’s Statistic 1,01 0,86 0,40
22

Metode Peramalan
Dekomposisi
23
METODE DEKOMPOSISI
Konsep Metode Dekomposisi
❑Metoda Dekomposisi mencoba mengidentifikasikan 3 Komponen
yang mendasari pola data, yaitu:
➢Trend (Kecenderungan)
➢Cyclical (Siklus)
➢Seasonal (Musim)
❑Dekomposisi mengasumsikan data:
Data = Pola + Error
Data = f (trend, cycle, seasonalit y) + error

Error diasumsikan perbedaan antara data aktual dengan pengaruh

ketiga komponen yang dikombinasikan
24
❑Pendekatan:
➢Ada beberapa alternatif untuk mengisolisasikan masing-
masing komponen secara empiris:
• Menghilangkan seasonality
• Menghilangkan trend
• Menghilangkan cycle
• Residu diasumsikan sebagai keacakan→ tidak dapat
diidentifikasikan.
❑Model Dasar: Bentuk pasti hubungan bergantung pada
metoda yang digunakan.

X t = f ( I t , Tt , Ct , Et ) X t Nilai data pengamatan pada periode t

I t Indeks Seasonal pada periode t
Tt Komponen Trend pada periode t
Ct Komponen Siklis pada periode t
Et Komponen Error pada periode t
25
❑Tahapan Umum Metoda Dekomposisi:
1.Menghilangkan pengaruh season dan keacakan→ MA periode N
pada hasil pengamatan.
2.Mendapatkan Komponen Trend dan Siklus →Memisahkan N periode
MA dari data
3.Isolasikan Komponen Season→ Membuat rata-rata setiap periode→
buat sepanjang season lengkap.
4.Mendapatkan Komponen Trend→ Mengidentifikasikan bentuk
kecenderungan paling sesuai→ hitung setiap perode (Tt)
5.Mendapatkan Komponen Siklis→ Pisahkan hasil tahap 4 dari hasil
tahap 2
6.Mendapatkan Keacakan→ Pisahkan seasonality, trend dan siklus dari
data
26

❑Pendekatan Ratio-to-Moving Average Klasik.

➢Asumsi:
Bentuk Hubungan Multiplikatif:

X t = I t  Tt  Ct  Et
➢Prosedur:
1. Mengisolasikan Trend dan Siklus dari data→ MA N periode:

M t = Tt  Ct
2. Memisahkan Komponen Trend dan Siklus dari data→ diperoleh
Komponen Season dan Error:

X t I t  Tt  Ct  Et
= = I t  Et
Mt Tt  Ct
27
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Prosedur:
3. Mengisolasikan Komponen Season:
• Medial average: Rata-rata setiap periode setelah nilai
terbesar dan terkeci dikeluarkan.
• Indeks Season: Nilai Medial Average yang telah
disesuaikan , sehingga rata-rata harganya dalam satu
rentang musim sama dengan 100.
4. Memisahkan Komponen Trend dari Komponen Siklis.
Definisikan Pola Kecenderungan data, misal linier:

Tt = a + bt
M t Tt  Ct
= = Ct
Tt a + bt
28

Contoh Soal
Data PDRB menunjukkan Kabupaten Temanggung memiliki sector
unggulan berupa pertanian. Salah satu komoditas unggul pertanian
yang ada di kabupaten ini adalah kentang. Informasi ini menjadi dasar
oleh pemda dan kelompok usaha tani untuk melakukan prediksi
produksi kentang pada tahun 1977.
Diketahui komponen Siklus → Tt= 975,37+6,035 (t)
29 Tabel Produksi Kentang Kabupaten Temanggung 1971-1976

Tahun Bulan Data MA 12 Data/MA Tahun Bulan Data MA 12 Data/MA

1971 Jan 894,0 - - 1972 Jan 931,00 1065,000 87,418
Peb 667,0 - - Peb 874,00 1082,750 80,720
Mar 858,0 - - Mar 937,00 1096,750 85,434
Apr 865,0 - - Apr 952,00 1113,5000 85,496
Mei 989,0 - - Mei 997,00 1122,750 88,800
Jun 1093,0 - - Jun 1178,00 1122,917 104,905
Jul 1191,0 1023,083 116,413 Jul 1404,00 1132,333 123,992
Agt 1159,0 1026,167 112,945 Agt 1327,00 1129,750 117,460
Sep 1046,0 1043,417 100,248 Sep 1247,00 1128,500 110,501
Okt 1191,0 1050,000 113,429 Okt 1302,00 1127,667 115,460
Nop 1203,0 1057,250 113,786 Nop 1205,00 1134,833 106,183
Des 1121,0 1057,917 105,963 Des 1234,00 1139,917 108,254
30 Tabel Produksi Kentang Kabupaten Temanggung 1971-1976

Tahun Bulan Data MA 12 Data/MA Tahun Bulan Data MA 12 Data/MA

1973 Jan 900,0 1158,167 77,709 1974 Jan 983,00 1199,417 81,957
Peb 859,00 1164,167 73,787 Peb 757,00 1199,417 63,114
Mar 927,00 1169,667 79,253 Mar 950,00 1206,083 78,767
Apr 1038,00 1175,417 88,309 Apr 1056,00 1210,417 87,243
Mei 1058,00 1179,667 89,686 Mei 1213,00 1215,917 99,760
Jun 1397,00 1184,883 117,907 Jun 1329,00 1234,750 107,663
Jul 1476,00 1190,333 123,999 Jul 1476,00 1220,000 120,984
Agt 1393,00 1197,250 116,350 Agt 1473,00 1230,167 119,740
Sep 1316,00 1188,750 110,705 Sep 1368,00 1244,667 109,909
Okt 1353,00 1190,667 113,634 Okt 1419,00 1251,583 113,376
Nop 1267,00 1192,167 106,277 Nop 1493,00 1239,583 120,444
Des 1300,00 1205,083 107,876 Des 1123,00 1234,667 90,956
31 Tabel Produksi Kentang Kabupaten Temanggung 1971-1976

Tahun Bulan Data MA 12 Data/MA Tahun Bulan Data MA 12 Data/MA

1975 Jan 1105,00 1229,833 89,850 1976 Jan 960,00 1292,833 74,256
Peb 931,00 1235,083 75,380 Peb 954,00 1311,250 72,755
Mar 1033,00 1243,583 83,066 Mar 996,00 1312,333 75,895
Apr 912,00 1240,000 73,548 Apr 1194,00 1323,667 90,204
Mei 1154,00 1240,333 93,040 Mei 1401,00 1341,750 104,416
Jun 1271,00 1240,250 102,479 Jun 1328,00 1337,333 99,302
Jul 1539,00 1257,250 122,410 Jul 1760,00 1351,000 130,274
Agt 1575,00 1245,167 126,489 Agt 1588,00 - -
Sep 1325,00 1247,083 106,248 Sep 1461,00 - -
Okt 1423,00 1244,000 114,389 Okt 1640,00 - -
Nop 1429,00 1267,500 117,712 Nop 1439,00 - -
Des 1327,00 1288,083 103,021 Des 1491,00 - -
32
1800

1600

1400

1200

1000

Series1
800

600

400

200

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
33 ❑Pendekatan Ratio-to-Moving Average Klasik.
➢Komponen Siklus → Tt= 975,37+6,035 t

Tahun Bulan Data MA 12 Indeks Trend Siklus

Seasonal
1971 Jan 894,0 - - - -
𝑋 𝑡
Peb 667,0 - - - - 𝑰 𝒕 = 100% 𝑥
𝑀(𝑡)
Mar 858,0 - - - -
Apr 865,0 - - - - Tt= 975,37+6,035 t
Mei 989,0 - - - -
𝑀 𝑡
Jun 1093,0 - - - - C 𝒕 = 100 𝑥 𝑇(𝑡)

Jul 1191,0 1023,083 116.41 1017,61 100,54

Agt 1159,0 1026,167 112.94 1023,65 100,25
Sep 1046,0 1043,417 100.25 1029,69 101,33
Okt 1191,0 1050,000 113.43 1035,72 101,38
Nop 1203,0 1057,250 113.79 1041,75 101,49
Des 1121,0 1057,917 105.96 1047,79 100,97
34 Metoda Dekomposisi
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Komponen Siklus
Tahun Bulan Data MA 12 Index Trend Siklus
Seasonal
1972 Jan 931,00 1065,000 87.42 1053,82 101,06
Peb 874,00 1082,750 80.72 1059,86 102,16
Mar 937,00 1096,750 85.43 1065,90 102,89
Apr 952,00 1113,500 85.50 1071,93 103,88
Mei 997,00 1122,750 88.80 1077,97 104,15
Jun 1178,00 1122,917 104.91 1084,00 103,59
Jul 1404,00 1132,333 123.99 1090,03 103,88
Agt 1327,00 1129,750 117.46 1096,07 103,07
Sep 1247,00 1128,500 110.50 1102,10 102,39
Okt 1302,00 1127,667 115.46 1108,14 101,76
Nop 1205,00 1134,833 106.18 1114,18 101,85
Des 1234,00 1139,917 108.25 1120,21 101,76
35 Metoda Dekomposisi
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Komponen Siklus
Tahun Bulan Data MA 12 Index Trend Siklus
Seasonal
1973 Jan 900,0 1158,167 77.71 1126,25 102,83
Peb 859,00 1164,167 73.79 1132,28 102,81
Mar 927,00 1169,667 79.25 1138,31 102,75
Apr 1038,00 1175,417 88.31 1144,35 102,71
Mei 1058,00 1179,667 89.69 1150,38 102,54
Jun 1397,00 1184,883 117.90 1156,42 102,46
Jul 1476,00 1190,333 124.00 1162,46 102,40
Agt 1393,00 1197,250 116.35 1168,49 102,46
Sep 1316,00 1188,750 110.70 1174,52 101,21
Okt 1353,00 1190,667 113.63 1180,56 100,85
Nop 1267,00 1192,167 106.28 1186,59 100,47
Des 1300,00 1205,083 107.88 1192,63 101,04
36 Metoda Dekomposisi
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Komponen Siklus
Tahun Bulan Data MA 12 Indeks Trend Siklus
Seasonal
1974 Jan 983,00 1199,417 1198,67 100,06
Peb 757,00 1199,417 1204,70 99,56
Mar 950,00 1206,083 1210,74 99,61
Apr 1056,00 1210,417 1216,77 99,48
Mei 1213,00 1215,917 1222,80 99,43
Jun 1329,00 1234,750 1228,84 100,48
Jul 1476,00 1220,000 1234,87 98,79
Agt 1473,00 1230,167 1240,91 99,13
Sep 1368,00 1244,667 1246,95 99,82
Okt 1419,00 1251,583 1252,98 99,89
Nop 1493,00 1239,583 1259,02 99,45
Des 1123,00 1234,667 1265,05 97,60
37 Metoda Dekomposisi
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Komponen Siklus
Tahun Bulan Data MA 12 Indeks Trend Siklus
Seasonal
1975 Jan 1105,00 1229,833 1271,08 96,75
Peb 931,00 1235,083 1277,12 96,71
Mar 1033,00 1243,583 1283,16 96,91
Apr 912,00 1240,000 1289,19 96,18
Mei 1154,00 1240,333 1295,23 95,76
Jun 1271,00 1240,250 1301,26 95,31
Jul 1539,00 1257,250 1307,29 96,17
Agt 1575,00 1245,167 1313,33 94,81
Sep 1325,00 1247,083 1319,36 94,52
Okt 1423,00 1244,000 1325,40 93,86
Nop 1429,00 1267,500 1331,44 95,20
Des 1327,00 1288,083 1337,47 96,31
38 Metoda Dekomposisi
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Komponen Siklus
Tahun Bulan Data MA 12 Indeks Trend Siklus
Seasonal
1976 Jan 960,00 1292,833 1343,51 96,23
Peb 954,00 1311,250 1349,54 97,16
Mar 996,00 1312,333 1355,57 96,81
Apr 1194,00 1323,667 1361,61 97,21
Mei 1401,00 1341,750 1367,65 98,10
Jun 1328,00 1337,333 1373,68 97,35
Jul 1760,00 1351,000 1379,72 97,92
Agt 1588,00 - - -
Sep 1461,00 - - -
Okt 1640,00 - - -
Nop 1439,00 - - -
Des 1491,00 - - -
39
❑Pendekatan Ratio-to-Moving Average Klasik.
➢Indek Season
Th Jan Feb Mrt Ap Mei Jun Jul Agt Sep Okt Nop Des Tot

1971 - - - - - - 116,4 112,9 100,2 113,4 113,8 106,0

1972 87,4 80,7 85,4 85,5 88,8 104,9 124,0 117,5 110,5 115,5 106,2 108,3
1973 77,7 73,8 79,3 88,3 89,7 117,9 124,0 116,4 110,7 113,6 106,3 107,9
1974 82,0 63,1 78,8 87,2 99,8 107,6 121,0 119,7 109,9 113,4 120,4 91,0
1975 89,9 75,4 83,1 73,5 93,0 102,5 122,4 126,5 106,2 114,4 117,7 103,0
1976 74,3 72,8 75,9 90,2 104,4 99,3 130,3 - - - - -

MAv 82,4 73,40 80,4 87,0 93,2 105,0 122,9 117,9 108,9 113,8 112,6 105,6 1205
SI 82,1 73,1 80,1 86,7 92,8 104,6 122,4 117,4 108,5 113,4 112,2 105,2 1200

MAv : Medial Average (rata-rata tanpa memperhitungkan nilai terbesar

dan terkecil dalam kolom)
SI :Seasonal Index (1200/Tot Med Average)*MAvi
40

Meramal

Berapakah nilai peramalan untuk bulan Januari thn 1977 jika

diasumsikan nilai siklus 98.2

X t = I t  Tt  Ct  Et

Fj1977=(0,821) x (975,37+6,035 x 73) x (0,982)

Fj1977=1140,8
CATATAN:
Tt= 975,37+6,035 t → t= 73 (urutan data)
Nilai Indeks Siklus masih dalam persentase → ubah dalam nilai asli
nilai Ct → diketahui dalam soal (98.2)
41

Jangan Lupa Assignment

Peramalan Time Series
Deadline: Selasa, 16 Maret 2021 (08.00 WIB)
42

Thank You