Metode exponentielle Glättung adalah mengambil rata 8211 Glättung rata Dari nilai Pada beberapa periode untuk menaksir nilai Pada Suatu periode (Pangestu Subagyo, 1986: 3) Exponential Glättung adalah Suatu metode peramalan rata-rata bergerak Yang melakukan pembobotan menurun Secara exponentiellen terhadap nilai 8211 nilai observasi Yang Lebih tua (Makridakis, 1993: 79) Metode explonentielle Glättung merupakan pengembangan dari metode gleitender Durchschnitt. Dalam metode ini peramalan dilakukan dänischen mengulang perhitungan secara terus menerus dengan menggunakan data baru. 1. Metode Einzel exponentielle Glättung Metode einzelne exponentielle Glättung merupakan perkembangan Dari metode gleitenden Durchschnitt Sederhana, yang Mula Mula 8211 dengan rumus sebagai berikut: (1.1) (1.2) dan (1.3) (1.4) Perbedaan antara St1 dan St adalah sebgai berkut: ( a) Pada St1 terdapat sedangkan Pada St tidak terdapat (b) Pada St terdapat sedangkan Pada St1 tidak terdapat (Pangestu Subagyo, 1986: 18) Dengan Melihat hubungan di atas maka kalau nilai St sudah diketahui maka nilai St1 dapat dicari berdasarkan nilai St itu Kalau diganti dengan nilai Prognose pada tahun t (yaitu St) maka persamaan diubah Menjadi: (1.5) bisa diubah Menjadi: (1.6) Di dalam metode Exponential smothing nilai diganti dengan sehingga rumus Prognose Menjadi: St1 Xt (1 8211) St (1.7) ( Pangestu Subagyo, 1986: 19) Penerapan Teknik peramalan ini menghasilkan Tisch di bawah ini Tabelle I Nilai St contoh penggunaan metode Saingle exponentielle Glättung Keine Xt St 20 2 21 1 20 3 19 20,10 4 17 19,19 5 22 19,69 6 24 19,92 Sumber (Pangestu subagyo, 1986: 21) Nilai ramalan untuk periode ke 7 dapat dihitung sebagai berikut: S7 X6 (1 8211) S6 0,1 (24) (0,9) 19,92 20,33 Metode Einzel Exponentielle Glättung lebih cocok digunakan untuk meramal hal 8211 hal yang fluktuasinya secara random (tidak teratur). 2. Metode Doble Exponentielle Glättung Metode ini merupakan Modell linearen yang dikemukakan oleh Brown. Didalam Merode Doble exponentielle Glättung dilakukan proses Glättung dua kali, sebagai berikut: St Xt (1 8211) St-1 (1.8) St S8217t (1 8211) (1.9) Rumusan ini agak berbeda dengan rumus Einzel exponentielle Glättung karena Xt dapat dipakai untuk mencari St bukan St1 Prognose dilakukan dengan rumus: Stm bei BTM (1.10) m jangka Waktu Prognose kedepan (1,11) (1,12) Metode doppelt exponentielle Glättung ini biasanya Lebih tepat untuk meramalkan Daten yang mengalami Trend naik. Agar dapat menggunakan rumus (1.8) dan (1.9) maka nilai St-1 dan St-1 Harus tersedia tetapi Pada saat t 1, nilai 8211 nilai tersebut tidak dapat tersedia. Jadi nilai 8211 nilai ini harus ditentukan pada awal Periode. Hal ini dilakukan dengan hanya menetapkans St dan Stan Sama dengan Xt atau dengan menggunakans suatu nilai pertama sebagai nilai awal. Contoh penggunaan Metode doble exponentielle Glättung untuk penjualan barang X. Tabelle 2 Volume penjualan barang X NO PERMINTAAN Barang 1 120 2 125 3 129 4 124 5 130 Sumber (Pangestu Subagyo, 1986: 26) Akan dicari ramalan Minggu ke-6 dengan menggunakan rumus ( 1,10) dengan 0,2. Perhitungan di mulai dengan menghitung St172 dengan rumus (1.8) yaitu St Xt (1-) St-1. X1 120, karena belum cukup Daten St dianggap sebesar 120 dan selanjutnya dengan rumus (1.8) Secara berangkai didapatkan kemudian mencari nilai dengan rumus (1,9) yaitu dengan 0,2. 120 dan harga-harga hat ein neues Objekt erhalten: harga-harga hat ein neues Objekt erhalten: harga-harga hat eine neue Auszeichnung erhalten: vor 1 Jahr (en). Dari Secara berangkai didapat harga Dari Secara berangkai didapat harga-harga Harga ramalan tahun ke-6 diperoleh dengan rumus (1.10) yaitu Stm bei btm172 dengan m 1 dan 0,2 S6 a5 b5 126,84 0,64 127,48. Jadi ramalan penjualan Tunai ke-6 adalah 127,48 3. Metode Triple-exponentielle Glättung Metode ini merupakan metode Prognose Yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadrat. Metode ini lebih cocok kalau dipakai untuk Membranvorhersage yang berfluktuasi atau mengalami gelombang pasang surut. (Pangestu Subagyo, 1986: 26). Prosedür pembuatan Prognose dengan metode ini sebagai berikut: Carilah nilai dengan rumus sebagai berikut: (1.13) Untuk tahun pertama nilai belum bisa dicari dengan rumus di atas, maka boleh ditentukan dengan bebas. Biasanya ditentukan sama seperi nilai yang telah terjadi pada tahun pertama. Carilah nilai dengan rumus: (1.14) Pada tahun pertama biasanya nilai ditentukan seperti nilai Yang terjadi Pada tahun pertama: Carilah nilai (1,15) Untuk nilai tahun pertama biasanya dianggap sama dengan Daten tahun pertama. Carilah nilai (1,16) Carilah nilai (1,17) Carilah nilai (1.18) Buat persamaan forecastnya (1,19) m adalah jangka Waktu maju ke depan, yaitu berapa tahun yang akan datang Prognose dilakukan. Bei, bt, ct adalah nilai yang telah dihitung sesuai dengan rumus di depan. Contoh penggunaan metode Triple Exponential Glättung untuk peramalan penjualan kita gunakan Datentabelle 2. Akan tetapi ramalan tahun ke-6 menggunakan rumus (1.19) dengan 0,2. Dari contoh di atas kita, sudah mendapatkan, nilai, dan, maka, kita, harus, mencari, nilai. Bei, bt, ct dengan. (1.16) (0) (0) (0) (0) (0) (0) (0) (0) (0) Dengan mengggunakan rumus (1.16) (1.17) (1.18) Das ist die automatische Übersetzung des englischen Originaltextes. Das ist der englische Originaltext. Hier ist die automatische deutsche Übersetzung von anderen Unterkünften auf LetsBuyDev Einzelne exponentielle Glättung) Mungkin sebagian besar diantara kita pernah mendengar tentang teknik peramalan. Tentunya bukan dukun peramal, melainkan tekni untuk meramalkan prognose suatu daten deret waktu zeitreihen. Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah dalam mengambil kebijakan. Dalam meramal suatu nilai pada masa yang kan datang bukan berarti hasil yang didapatk ialah sama persis, melainkan merupakan suatu pendekatan abwechselnd yang lumrah dalam ilmu statistik. Pada tulisan ini akan dibahas contoh kasus peramalan menggunakan teknik Beweglicher Durchschnitt Dan Exponentielle Glättung. Kedua teknik ini merupakan tekni prognose yang sangat sederhana karena tidak melibatkan asumsi yang kompleks seperti pada tekni prognose ARIMA, ARCHGARCH, ECM, VECM, VAR, dsb. Meskipun demikian, asumsi Daten stasioner haruslah terpenuhi untuk meramal. Beweglicher Durchschnitt merupakan teknik peramalan berdasarkan rata-rata bergerak dari nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. Akan tetapi teknik ini tidak disarankan untuk Daten Zeitreihe yang menunjukkan adanya pengaruh Trend dan musiman. Moving durchschnittlich terbagi menjadi einzigen gleitenden Durchschnitt als doppelten gleitenden Durchschnitt. Exponentielle Glättung . hampir sama dengan gleitenden Durchschnitt yaitu merupakan Teknik prognostiziert Yang Sederhana, tetapi Telah menggunakan Suatu penimbang dengan besaran antara 0 hingga 1. Jika nilai w mendekati nilai 1 maka hasil Prognose cenderung mendekati nilai obseervasi, sedangkan jika nilai w mendekati nilai 0, maka hasil Prognose mengarah Ke nilai ramalan sebelumnya. Exponentielle Glättung terboi menjadi einzigen exponentiellen Glättung als doppelte exponentielle Glättung. Kali ini, akan dibahas perbandingan metode einzeln gleitenden Durchschnitt dengan einzigen exponentiellen Glättung. Pemimpin Safira Strand Resto ingin mengetahui omzet restoran Pada Januari 2013 Ia meminta sang manajer untuk mengestimasi nilai tersebut dengan Daten omzet bulanan Dari bulan Juni 2011 sampai Desember 2012 Berbekal pengetahuan di bidang statistik, sang manajer melakukan forcast dengan metode Einzel Durchschnitt 3 bulanan dan bewegen Einzelne exponentielle Glättung (w0,4). Einzelne Moving Durchschnittliche Pada tabel di atas prognose ramalan bulan September 2011 yaitu 128,667 juta rupiah diperoleh dari penjumlahan omzet bulan Juni, August, Agustus 2011 dibagi dengan angka gleitender Durchschnitt (m3). Angka vorausschau pada bulan Oktober 2011 yaitu 127 juta rupiah diperoleh dari penjumlah omzet bulan Juli, Agustus, September 2011 dibagi dengan angka gleitender durchschnitt tiga bulanan (m3). Perhitungan serupa dilakukan hingga ditemukan hasil vorausschau bulan Januar 2013 sebesar 150,667 juta rupiah. Dapat diinterpretasikan bahwa omzet bulan Januari 2013 diperkirakan senilai 150, 667 juta Rupiah atau mengalami penurunan sebesar 1333 juta Rupiah dibanding dengan omzet Desember 2012 sebesar 152 juta Rupiah. Perhatikan baris pada bulan Juni-Agustus 2011 kolom Vorhersage hingga Fehler tidak memiliki nilai, karena peramalan pada bulan-bulan tersebut tidak tersedia Daten gleitenden Durchschnitt 3 bulanischen, bulan sebelumnya. Selanjutnya untuk Melihat kebaikan hasil ramalan digunaka RMSE (root mean square error) Untuk RMSE perhitungan, Mula-Mula dicari nilai Fehler atau Selisih antara nilai aktual dan ramalan (omzet Prognose), kemudian kuadrat nilai-nilai tersebut untuk Masing-Masing Daten bulanan. Lalu, jumlahkan seluruh nilai Fehler yang telah dikuadratkan. Terakhir geschlagen nilai RMSE dengan rumus di atas atab lebih gambangnya, bagi nilai penjumlahan Fehler yang telah dikuadratkan dengan banyaknya beobachtungen dan hasilnya lalu di akarkan. Pada tabel di atas, banyaknya observasi yaitu 16 (mulai dari September 2011-Desember 2012). Einzelne Exponentialglättung. Selanjutnya kita akan melakukan peramalan dengan metode Einzelne Exponentialglättung. Metode ini menggunak nilai penimbang yang dapat diperoleh dari operationen statistik tertentu (bisa proporsi tertentu), namun dapat juga ditentukan oleh peneliti. Kali ini Akan digunakan nilai w 4. Prognose W0,4 YCAP (t1) (juta rp). Nilai ramalan Pada bulan Juni 2011 yaitu 137.368 juta Rupiah diperoleh Dari rata rata omzet Dari bulan Juni 2011 hingga bulan Desember 2012 Nilai ramalan Pada bulan Juli 2011 yaitu 134.821 juta Rupiah diperoleh Dari perhitungan dengan rumus di atas, dengan kata gelegen nilai ramalan bulan Juli 2011 diperoleh Dari hasil kali w0,4 dan nilai aktual omzet bulan Juli 2011 dijumlahkan dengan hasil kali (1-0,4) serta Nila ramalan Bulan Juni 2011 von sebesar als Favorit markiert 134,821 juta rupiah. Lakukan perhitungan tersebut hingga mendapatkan angka ramalan untuk bulan Januari 2013 Hasil ramalan omzet untuk bulan Januari 2013 yaitu 149.224 juta Rupiah atau turun sebesar 2776 juta Rupiah. Kemudian hitung nilai RMSE dengan rumus seperti pada perhitungan RMSE gleitenden Durchschnitt. Hanya saja jumlah observasi berbeda. Pada Tabel di atas Anzahl der Beiträge obervasi (m) yaitu 19 Lebih banyak dibanding dengan metode einfachen gleitenden Durchschnitt 3 bulanan (16) karena Pada metode eksponensial perhitungan ramalan dapat dimulai Dari Daten Pada periode awal. RMSE metode einzelne exponentielle Glättung sebesar 1,073. Selanjutnya dari kedua metode di atas akan dibandingkan mana hasil yang terbaik. Untuk hal tersebut maka, bandingkan nilai RMSE dari kedua metode. Metode daneben RMSE terkecil dapat dinyatakan sebagai metode terbaik untuk meramal. RMSE mov. average 0,946, RMSE exp. smoothing 1,073. RMSE mov. average lt RMSE exp. smoothing. Kesimpulanya bahwa metode gleitender Durchschnitt lebih baik dalam melakukan peramalan, sehingga omzet pada bulan Januar 2013 diperkirakan sebesar 150,667 juta rupiah (meskipun memiliki nilai yang lebih rendah daripada bulan sebelumnya). (Untuk Materi Yang Lebih jelas, silakan dicari di buku-buku referensi Analisis Time Series, misalnya Enders, Walter 2004. Angewandte Ökonometrie Time Series Second Edition New Jersey:.... Willey Kalo contoh soal dalam tulisan ini, Saya kutip Dari buku modul kuliah. Moving Durchschnitt merupakan indikator yang paling standar sering digunakan dan Lattenzaun. Jika di Indonesiakan artinya kira-kira adalah rata-rata bergerak. gleitender Mittelwert sendiri memiliki aplikasi yang sangat luas meskipun Sederhana. Dikatakan Sederhana karena pada dasarnya metode ini hanyalah Pengembangan Dari metode rata - rata yang kita kenal disekolah (nah, ada gunanya juga bukan kita bersekolah). rata-rata bergerak Tunggal (gleitender Durchschnitt) untuk n Anzahl der Beiträge Daten terbaru t adalah untuk periode nilai rata-rata. Dengan munculnya Daten Baru, maka nilai rata-rata yang Baru dapat dihitung dengan menghilangkan Daten yang terlama dan menambahkan Daten yang terbaru. gleitender Mittelwert ini digunakan untuk memprediksi nilai pada periode berikutnya. Modell ini sangat cocok digunakan pada Daten yang stasioner atau Daten yang Konstant terhadap variansi, tetapi tidak dapat bekerja dengan Daten yang mengandung unsur Trend atau musiman. Rata-Rata bergerak Pada Orde 1 Akan menggunakan Daten terakhir (F t), dan menggunakannya untuk memprediksi Daten Pada periode selanjutnya. Metode ini sering digunakan pada daten kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (Glättung). Dibanding dengan rata-rata sederhana (dari satu-daten masa lalu) rata-rata bergerak berger T mempunyai karakteristik sebagai berikut. Hanya menyangkut T-Periode tarakhir dari Daten Yang diketahui. Jumlah titik Daten dalam setiap rata-rata tidak berubah dengan berjalannya waktu. Kelemahan dari metode ini adalah: Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan. Tidak hanya nilai rata-rata. Metode ini tidak dapat menanggulangi dengan baik adanya tendenz atau musiman, walaupun metode ini lebih baik dibanding rata-rata gesamt. Diberikanische N titikdaten dan diputuskan untuk menggunakan T pengamatan pada setiap rata-rata (Yang-Erbsen-Dengan-Rata-Rata-Bergerakorde (T) atau MA (T), sehingga keadaannya adalah sebagai berikut:
No comments:
Post a Comment