ANALISIS DERET

WAKTU
OLEH: LILIS LAOME
MATERI

• KONSEP DASAR ADW

• METODE PEMULUSAN
• METODE ARIMA
• MODEL DATA STASIONER
• MODEL DATA NONSTASIONER
• MODEL ARIMA MUSIMAN
KONSEP DASAR ANALISIS DERET WAKTU

• DATA DERET WAKTU

• ISTILAH-ISTILAH
• METODE DALAM ANALISIS DERET WAKTU
• UKURAN KEBAIKAN MODEL (ACCURACY MEASURES)
METODE PEMULUSAN

• PRINSIP DASAR : PENGENALAN POLA DATA DENGAN MENGHALUSKAN

VARIASI LOKAL
• PRINSIP PENGHALUSAN UMUMNYA BERUPA RATA-RATA
• BEBERAPA METODE PENGHALUSAN HANYA COCOK UNTUK POLA DATA
TERTENTU
METODE PEMULUSAN

• SINGLE MOVING AVERAGE (SMA)

• DOUBLE MOVING AVERAGE (DMA)
• SINGLE EXPONENTIAL SMOOTHING (SES)
• DOUBLE EXPONENTIAL SMOOTHING (DES)
• METODE WINTER UNTUK MUSIMAN ADITIF (WA)
• METODE WINTER UNTUK MUSIMAN MULTIPLIKATIFM (WM)
SINGLE MOVING AVERAGE

• IDE : DATA PADA SUATU PERIODE DIPENGARUHI OLEH DATA BEBERAPA

PERIODE SEBELUMNYA
• COCOK UNTUK POLA DATA KONSTAN/STASIONER
• PRINSIP DASAR:
* DATA SMOOTHING PADA PERIODE KE-t MERUPAKAN RATA-RATA DARI m
BUAH DATA DARI DATA PERIODE KE-t HINGGA KE- (t-m+1)
* DATA SMOOTHING PADA PERIODE KE-t BERPERAN SEBAGAI NILAI
FORECASTING PADA PERIODE KE-t+1
LANGKAH-LANGKAH METODE SMA

• BUAT PLOT DATA TIME SERIES

• PILIH PEMBOBOT m
• MEMODELKAN DENGAN SMA(m)
• HITUNG UKURAN KEAKURATAN MODEL
CONTOH

PERIODE (t) DATA (Zt)

BUAT PERAMALAN UNTUK SATU PERIODE
1 5
KEDEPAN DENGAN METODE SMA !
2 7
3 6
4 4
5 5
6 6
7 8
8 7
9 8
10 7
JAWABAN

DATA (Zt) MODEL SMA(3)

8 8 8 8
7.67
7.33
7 7 7 7 7 7 7
6.33
6 6 6 6 6
5.67
5 5 5 5 5 5
4 4

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

DATA (Zt) Zt SMA(3)