Senin, 31 Oktober 2016

Single Exponential Smoothing : Tahapan-tahapan Analisis dan Peramalan



Meramalkan nilai yang akan datang adalah suatu kebutuhan yang hampir semua orang butuhkan, baik itu pada aspek pemasaran produk, perencanaan bahkan dalam aspek investasi. Salah satu metode peramalan yang sering digunakan adalah Exponential Smoothing. Menurut Montgomery (2008) dalam bukunya yang berjudul Introduction to Time Series Analysis and Forecasting, Metode Smoothing dapat dilihat sebagi teknik dalam memisahkan signal dan noise. Dalam hal ini signal mewakili pola pada data, sedangkan noise adalah kesalahan pada waktu ke t. Metode ini cenderung sederhana dalam hal aplikasi karena pada software MINITAB terdapat toolbox dengan tampilan yang mudah. Dalam artikel ini akan dibahas Single Exponential Smoothing, untuk Double maupun Triple akan dibahas pada artikel-artikel selanjutnya. Single Exponential Smoothing mempunyai model umum sebagai berikut (Makridakis, 1998):
                                                         

dimana alpha adalah pembobot yang akan diduga, F adalah nilai ramalan dan X adalah data asli. Dalam artikel  ini akan dijelaskan tahapan-tahapan analisis Exponential Smoothing Single menggunakan bantuan software MINITAB. Berikut tahapan-tahapan yang digunakan:

1.      Tampilan awal software MINITAB
Minitab yang digunakan pada artikel adalah MINITAB 16


2.      Menggunakan data contoh dari MINITAB
MINITAB telah menyediakan banyak sekali contoh data untuk proses pembelajaran. Oleh karena itu pada artikel ini kita akan menggunakan data contoh dari MINITAB dengan tahapan sebagai berikut:
-          Klik FileOpen Worksheet
-          Klik Look in Minitab Sample Data Folder
-          Pilih dan buka file dengan nama Employ.mtw
-          Klik OK
3.      




      Pemodelan Single Exponential Smoothing
Tahapan-tahapan dalam pemodelan dijelaskan sebagai berikut:
-          Klik StatTime SeriesSingle Exp Smoothing
-          Isikan kotak Variable dengan Metals. Pada pilihan Weight to Use in Smoothing terdapat 2 pilihan yaitu Optimal Arima dan Use ‘optional’. Jika memilih Optimal ARIMA maka pemodelan yang digunakan untuk mendapatkan pearameter pembobot alpha adalah dengan menggunakan pendekatan ARIMA. Sedangkan pilihan Use ‘optional’ memungkinkan untuk memasukan secara acak nilai parameter alpha (coba-coba/trial error) dengan nilai antara 0 sampai 1 dan melihat keakuratan. Cara yang sering digunakan dan dianggap efektif adalah dengan menggunakan pilihan Optimal ARIMA.
-          Klik Storage – pilih Smoothed Data (menampilkan data pemulusan), Fits (menampilkan hasil ramalan 1 priode kedepan), Residuals (menampilkan kesalahan waktu ke t) – OK.
-          Klik OK.
4.      



Mengecek Hasil
Setelah tahapan point 3 selesai, selanjutnya MINITAB akan mengeluarkan hasil dengan:
Alpha : 1,04170 (nilai parameter pembobot yang dihasilkan pendekatan ARIMA pada Single Exponential Smoothing.
Accuracy Measures (nilai kesalahan untuk variabel Metals pada data Employ.mtw menggunakan metode Single Exponential Smoothing. Jika pada tahapan point 3 menggunakan pilihan Use ‘optional’ maka nilai-nilai Accuracy Measures digunakan untuk membandingkan beberapa percobaan nilai acak parameter alpha.


5.      Meramalkan beberapa periode ke depan
Setelah mengetahui nilai kesalahan pada tahapan point 4 dan mendapatkan nilai kesalahan terkecil, selanjutnya adalah melakukan peramalan beberapan priode ke depan dengan tahapan sebagai berikut:
-          Kembali ke tahapan point 3 dengan mnambahkan pilihan Generate Forecasts. Isikan kotak Number of Forecast (banyaknya ramalan priode ke depan) dengan angka misalnya 12. Isikan kotak Starting from Origin (memulai peramalan dengan data asli pada periode ke t) dengan t terakhir yaitu 60 karena banyaknya data sebanyak 60 series.
-          Klik Storage pilih Forecast (menampilkan nilai ramalan), Upper dan Lower menampilkan batas selang kepercayaan – OK.
-          Klik OK.
6.    
  

Hasil Akhir
Setelah tahapan point 1 sampai 5 selese, maka didapat hasil sebagai berikut:
Plot Hitam                  : Data asli
Plot Merah                 : Hasil pemulusan
Plot Hijau                   : Nilai permalan ke depan
Plot Biru                     : Batas selang kepercayaan
SMOO1/SMOO2      : Hasil pemulusan untuk tiap t
FITS1/FITS2              : Hasil peramalan untuk tiap t
RESI1/RESI2             : Nilai kesalahan untuk tiap t
FORE2                       : Nilai peramalan 12 periode ke depan
UPPE2                        : Nilai batas kepercayaan atas
LOWE2                      : Nilai batas kepercayaan bawah


Hasil peramalan pendekatan Metode Single Exponential Smoothing pada waktu ke t  sangat berhimpit dengan data asli, namun hasil permalan beberapa periode ke depan menunjukan hasil yang sama untuk masing-masing t. Hal ini menunjukan bahwa Metode Single Exponential Smoothing kurang sesuai jika digunakan untuk permalan jangka panjang beberapa waktu ke depan.

Demikian artikel tentang SINGLE EXPONENTIAL SMOOTHING :Tahapan-tahapan analisis dan peramalan. Semoga dapat bermanfaat dan digunakan sebaik mungkin. Jika ada kritik, saran atau pertanyaan mengenai artikel ini dapat langsung mengisi kotak komentar.

Penulis             : Dani Al Mahkya
Sumber Buku

Montgomery, C. Douglas., Jennings, L. Cheryl., Kulahci, Murat. (2008). Introduction to Time Series Analysis and Forecasting. John Wiley & Sons. Hoboken, New Jersey.

Makridakis, Spyros., Wheelright, C. Steven., McGee, E. Victor. (1998). Forcasting: Methods and       Application, Second Edition. John Wiley & Sons. Hoboken, New Jersey.



Reaksi:

0 komentar:

Posting Komentar

Mohon Maaf Jika Terdapat Komentar yang Tidak Terbalas
Karena Admin Tidak Selalu Online