Metode esponenziale Smoothing Adalah mengambil rata 8211 rata dari nilai pada beberapa periode untuk menaksir nilai pada Suatu periode (Pangestu Subagyo 1986: 3) esponenziale Adalah Suatu metode peramalan bergerak rata-rata yang melakukan pembobotan menurun Secara esponenziale terhadap nilai 8211 Nilai observasi yang Lebih Tua (Makridakis 1993: 79) metode explonential levigante merupakan pengembangan dari metode media mobile. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan Secara Terus menerus dengan menggunakan dati Baru. perkembangan dari movimento Sederhana 1. Metode singolo esponenziale Metode singolo livellamento esponenziale merupakan metode media, 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 previsione pada tahun t (yaitu St) Maka persamaan diubah menjadi: (1.5) Bisa diubah menjadi: (1.6) Di Dalam metode esponenziale smothing nilai diganti dengan sehingga rumus previsione menjadi: St1 Xt (1 8211) St (1,7) ( Pangestu Subagyo 1986: 19) Penerapan Teknik peramalan ini menghasilkan tabella di bawah ini tabella I Nilai St contoh penggunaan metode Saingle esponenziale XT St 1 20 2 21 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 singolo esponenziale Lebih cocok digunakan untuk meramal hal 8211 hal yang fluktuasinya Secara casuale (Tidak teratur). 2. Metode Doble esponenziale Metode ini merupakan modello lineare yang Oleh dikemukakan Brown. Didalam Merode Doble esponenziale Smoothing prose dilakukan smoothing Dua kali, sebagai berikut: St Xt (1 8211) St-1 (1,8) St S8217t (1 8211) (1.9) Rumusan ini agak Berbeda dengan rumus singolo esponenziale Karena Xt dapat dipakai untuk mencari St Bukan previsioni St1 dilakukan dengan rumus: Stm a BTM (1,10) m jangka waktu previsione kedepan (1.11) (1.12) Metode livellamento doppio esponenziale ini biasanya Lebih tepat untuk meramalkan dati yang mengalami tendenza 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 Nilai 8211 tersebut Tidak dapat tersedia. Jadi Nilai 8211 nilai ini Harus ditentukan pada Awal periode. Hal ini dilakukan dengan Hanya menetapkan St dan St sama dengan Xt atau dengan menggunakan Suatu nilai Pertama sebagai Nilai Awal. Contoh penggunaan Metode doble esponenziale untuk penjualan barang X. Tabella 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) 0,2 dengan. perhitungan di Mulai dengan menghitung St172 dengan rumus (1.8) yaitu St Xt (1-) St-1. X1 120, Karena Belum cukup dati 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 di prezzo-di prezzo Secara berangkai didapatkan: Harga-di prezzo un dan b diperoleh dengan menggunakan rumus (1.11) Dan (1.12). Dari Secara berangkai didapat di prezzo: Dari Secara berangkai didapat di prezzo-di prezzo Harga ramalan tahun ke-6 diperoleh dengan rumus (1.10) yaitu Stm a 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 esponenziale Metode ini metode previsione merupakan yang dikemukakan Oleh Brown, dengan menggunakan persamaan Kwadrat. Metode ini Lebih cocok kalau dipakai untuk membuat previsione yang berfluktuasi atau mengalami gelombang Pasang surut. (Pangestu Subagyo 1986: 26). Prosedur previsione pembuatan 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 seperti 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 dati 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 Datang previsione akan dilakukan. a, bt, ct Adalah Nilai yang Telah dihitung sesuai dengan rumus di Depan. Contoh penggunaan metode Triple esponenziale untuk peramalan penjualan kita gunakan dati tabel 2. tetapi Akan ramalan tahun ke-6 rumus menggunakan (1.19) dengan 0,2. Dari contoh di ATAS kita Sudah mendapatkan nilai dan maka kita Harus mencari Nilai. a, bt, ct dengan. 120 dengan rumus (1.16) diperoleh di prezzo-di prezzo Dengan rumus mengggunakan (1.16) (1.17) (1.18) di prezzo a, bt, ct Bisa didapat Harga ramalan tahun ke-6 diperoleh dengan menggunakan rumus (1.19) Nov 26, 2009 esponenziale merupakan prosedur perbaikan Terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia menitik-beratkan pada penurunan Prioritas Secara eksponensial pada objek pengamatan yang Lebih Tua. Dengan KATA lain, observasi terbaru akan diberikan Prioritas Lebih Tinggi bagi peramalan daripada observasi yang Lebih Lama. 1. Single esponenziale Juga dikenal sebagai semplice livellamento esponenziale yang digunakan pada peramalan jangka Pendek, biasanya Hanya 1 Bulan ke Depan. Dati modello mengasumsikan bahwa berfluktuasi di sekitar Nilai significano yang tetap, tendenza Tanpa atau pola pertumbuhan konsisten. Rumus untuk semplice berikut esponenziale Adalah sebagai: dimana: S t peramalan untuk periode t. X t (1-) Nilai serie temporali aktual F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan Antara nol dan 1 2. Fare doppio esponenziale Metode ini digunakan ketika dati menunjukkan adanya tendenza. Esponenziale dengan tendenza adanya seperti pemulusan Sederhana kecuali bahwa dua komponen Harus diupdate setiap periode 8211 livello dan nya tendenza. Livello Adalah estimasi yang dimuluskan dari nilai dati pada Akhir Masing-Masing periode. Trend Adalah estimasi yang dihaluskan Dari pertumbuhan rata-rata pada Akhir Masing-Masing periode. Rumus doppio esponenziale Adalah: 3. Triple esponenziale Metode ini digunakan ketika dati menunjukan adanya tendenza dan perilaku musiman. Untuk musiman menangani, Telah dikembangkan parametro persamaan ketiga yang disebut metode 8220Holt-Winters8221 sesuai dengan nama penemuya. Terdapat modello di dua Holt-Winters tergantung pada tipe musimannya yaitu moltiplicativo modello stagionale dan additivo modello stagionale yang dibahas Akan pada bagian rimasto blog ini Dari. Kembali kita Lihat dati Bali visita 2015 yang diambil dari Disbudpar Provinsi Bali berikut ini: dati berbentuk sejak serie temporali yang diambil Januari 2008 hingga settembre 2015, ini dati terdiri Dari 92 pengamatan, untuk datanya dapat diambil disini gtgtgt Untuk bahasan metode pemulusan eksponensial berikut kita akan gunakan per software evies Versi 8.1. 1.Tahap impor dati: software buka Eviews Kamu, Pilih Aprire file esistenti, 2. Setelah keluar Jendela Eviews Pilih file di importazione gt gt importazione da file, 3. Kemudian ambil dati kamu GT Open, 4. Setelah TERBUKA tampilannya sebagai berikut: langsung klik prossimo, finitura Lalu, 5. Nah sekarang workfile Eviews kita Telah terbaca Oleh, 6. Klik 2x pada variabel visitare maka akan ditampilkan datanya pada Jendela Eviews. 7. Untuk masuk ke pemulusan eksponensial Pilih di scheda proc gt esponenziale gt singolo livellamento esponenziale, 8. setelah Kemudian Muncul Jendela livellamento esponenziale Pilih Tingkat pemulusannya, misalnya doppio, visitsm Adalah Hasil estimasi, parametro smoothing kemudian biarkan Eviews yang menentukan, ok kemudian, 9. Kemudian outputnya akan ditampilkan sebagai berikut. Dari uscita dapat kita Lihat parametro nilai Alpha sebesar 0,0240, dimana metode pemulusan eksponensial dinyatakan dengan formula: 2 (N1) atau n (2 -) Semakin Tinggi Nilai yang diperoleh, Maka Nilai peramalan akan Semakin mendekati Nilai aktual. Dengan demikian Nilai peramalan yang diperoleh dengan doppio esponenziale Adalah sebagai berikut: Berikut ini Adalah perbandingan nilai aktual dengan nilai peramalan dengan doppio livellamento esponenziale. Untuk Hasil estimasi dengan singolo esponenziale Adalah sebagai berikut, ulangi kembali prose dari Langkah Nomor 8 diatas, Pilih singolo livellamento esponenziale. diatas uscita Dari, unico livellamento esponenziale memberikan nilai yang Lebih Baik yaitu 0,64, artinya pengamatan Lebih menitikberatkan pada pengamatan yang Lebih Baru Nilai daripada doppio livellamento esponenziale sebesar 0,024. Semakin Nilai Besar (mendekati 1) Maka nilai peramalan yang akan diperoleh mendekati peramalan metode ingenuo (Lihat bahasannya Disini gtgtgt), dimana Titik Berat pengamatan akan mendekati Nilai rata-rata dati aktual, pada Kasus Ekstrim dimana 1, Y T1T Y T. maka Nilai peramalan Akan sama dengan peramalan metode ingenuo. Semakin Nilai Besar, Maka akan Semakin besar Pula penyesuaian yang terjadi terhadap Nilai peramalan, sebaliknya Semakin kecil Nilai, Maka akan Semakin kecil Pula penyesuaian yang terjadi pada nilai peramalan yang akan Datang. Nilai peramalan yang diperoleh dari singolo esponenziale Adalah sebagai berikut: Berikut ini Adalah perbandingan nilai aktual dengan nilai peramalan menggunakan metode singolo livellamento esponenziale. Garis yang berwarna Merah Proses dati Adalah setelah pemulusan Tingkat 1, Kita dapat Melihat Tidak banyak penyesuaian yang terjadi aktual dati terhadap. Berikut ini Adalah Grafik perbandingan nilai peramalan dengan metode pemulusan eksponensial terhadap dati aktual, dapat Kita Lihat bahwa nilai peramalan dengan doppia lisciatura eksponential Tidak mengikuti pola dari Grafik dati aktual dan singolo livellamento esponenziale yang Lebih Dekat terhadap Nilai rata-rata, perbedaan mendasar ini terjadi ketika doppio eksponential levigante Telah tendenza memasukkan komponen Dalam estimasinya. dati untuk aktual, Nilai singolo dan doppia esponenziale beserta dan grafiknya dapat Kamu unduh Disini gtgtgt dati Sumber. disbudpar Provinsi Bali (diolah Oleh Statistik 4 Life) Pubblicato da ariyoso Teori amp Konsep Statistik Konsep Variabel Kualitatif dan Kuantitatif Tipe dati Statistik Deskriptif Konsep Parametrik dan non Parametrik Statistika Inferensia Penyusunan hipótesis Teknik Pengukuran Statistik Teknik campionamento Sebaran probabilitas Diskret Sebaran Normale Sebaran binomiale Sebaran Poisson Transformasi dati Korelasi Bivariat Pemaparan dati Kualitatif dengan Tabulasi Silang nuovo IBM SPSS Ver.23Exponential smoothing Adalah Suatu prosedur yang Secara Terus menerus memperbaiki peramalan dengan Merata-rata (smoothing menghaluskan) nilai Masa Lalu dari Suatu dati runtut waktu dengan cara menurun (esponenziale). Menurut Trihendradi (2005) Analisis livellamento esponenziale merupakan salah Satu Analisis Deret waktu, dan merupakan metode peramalan dengan memberi nilai pembobot pada serangkaian pengamatan sebelumnya untuk memprediksi nilai masa Depan. B. MACAM-MACAM METODE 1. Single Exponentials Smoothing Atau biasa disebut sebagai semplice esponenziale. metode ini digunakan Untu peramalan jangka Pendek. Dati modello mengasumsikan bahwa berfluktuasi di sekitar Nilai significano yang tetap, tendenza Tanpa atau pola pertumbuhan konsisten. Tidak seperti media mobile. Esponenziale memberikan penekanan yang Lebih serie temporali besar kepada Saat ini melalui penggunaan Sebuah konstanta smoothing (penghalus). Konstanta smoothing mungkin berkisar dari 0 ke 1. Nilai yang Dekat dengan 1 memberikan penekanan terbesar pada nilai Saat ini sedangkan nilai yang Dekat dengan 0 memberi penekanan sebelumnya dati pada Titik. Rumus untuk semplice esponenziale Adalah sebagai berikut: dimana: S t peramalan untuk periode t. X t (1-) Nilai serie temporali aktual F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan Antara 0 dan 1
No comments:
Post a Comment