Bahan Bacaan:
Makridakis, S. et al, 2008, Forecasting: Methods & Applications, John Willey & Son, New York.
2 Simple Moving
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
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
(1 − )2 t t
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
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
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
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
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
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
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
Meramal
X t = I t Tt Ct Et
Thank You