Nov 26, 2009 Exponentielle Glättung 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, Beobachtungen Terbaru Akan Diberikan Prioritas Lebih Tinggi Bagi Peramalan Daripada Observasi Yang Lebih Lama. 1. Einfache exponentielle Glättung Juga dikenal einfacher exponentieller Glättung yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Modell mengasumsikan bahwa Daten berfluktuasi di sekitar nilai bedeuten yang tetap, tanpa Trend atau pola pertumbuhan konsisten. Rumus untuk einfaches exponentielles Glätten adalah sebagai berikut: diman: S t peramalan untuk periode t. X t (1) Nilai aktual Zeitreihe F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan antara nol dan 1 2. Double Exponential Glättung Metode ini digunakan Ketika Daten menunjukkan adanya Trend. Exponentielle Glättung dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponieren harus diupdate setiap periode 8211 level dan trend nya. Ebene adalah estimasi yang dimuluskan dari nilai Daten pada akhir masing-masing Periode. Tendenz adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing Periode. Rumus doppelt exponentielle Glättung adalah: 3. Triple exponentielle Glättung Metode ini digunakan ketika Daten menunjukan adanya Trend dan perilaku musiman. Untuk menangani musiman, telah dikembangkan Parameter persamaan ketiga yang disebut metode 8220Holt-Winters8221 sesuai dengan nama penemuya. Terdapat Dua Modell Holt-Winters tergantung pada Tip musimannya yaitu Multiplikative saisonale Modell dan Additive saisonale Modell yang akan dibahas pada bagian lain dari Blog ini. Kembali kita lihat Daten Bali Besuch 2015 Yang diambil Dari Disbudpar Provinsi Bali berikut ini: Daten berbentuk Zeitreihe Yang diambil Sejak Januari 2008 hingga September 2015, Daten ini 92 pengamatan terdiri Dari, untuk datanya dapat diambil disini gtgtgt Untuk bahasan metode pemulusan eksponensial berikut kita Akan Gunakan perangkat lunak evies versi 8.1. 1.Tahap Bedeu Daten: buka Software ezensionen kamu, pilih öffnen vorhandene Dateien, 2. Setelah keluar Jendela ezensionen pilih Datei gt Import gt Import aus einer Datei, 3. Kemudian ambil Daten kamu gt offen, 4. Setelah terbuka tampilannya sebagai berikut: langsung klik Weiter, lalu Ende, 5. Nah sekarang workfile kita telah terbaca oleh eviews, 6. Klik 2x pada variabel besuchen maka akan ditampilkan datanya pada jendela eviews. 7. Untuk Masuk ke pemulusan eksponensial pilih di Registerkarte proc gt exponentielle Glättung gt einzelne exponentielle Glättung, 8. Kemudian setelah Muncul Jendela exponentielle Glättung pilih Tingkat pemulusannya, misalnya Doppel, visitsm adalah hasil estimasi, kemudian Glättungsparameter biarkan ezensionen Yang menentukan, kemudian ok, 9. Kemudian outputnya akan ditampilkan sebagai Berikut. Dari Ausgabe dapat kita lihat nilai Parameter Alpha sebesar 0,0240, dimana metode pemulusan eksponensial dinyatakan dengan Formel: 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 doppelte exponentielle Glättung adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan dengan doppelte exponentielle Glättung. Untuk Hasil estimasi dengan einzigen exponentiellen Glättung adalah sebagai berikut, ulangi kembali proses dari langkah nomor 8 diatas, pilih einzelne exponentielle Glättung. Dari Ausgang diatas, einzelne exponentielle Glättung memberikan nilai Yang Lebih baik yaitu 0,64, artinya pengamatan Lebih menitikberatkan Pada pengamatan Yang Lebih Baru daripada nilai doppelte exponentielle Glättung sebesar 0.024. Semakin besar nilai (mendekati 1) maka nilai peramalan Yang diperoleh Akan mendekati peramalan metode naiv (lihat bahasannya disini gtgtgt), dimana Titik Berat pengamatan Akan mendekati nilai rata-rata Daten aktual, pada kasus ekstrim dimana 1, Y T1T Y T. maka nilai Peramalan akan sama dengan peramalan metode naiv. Semakin besar nilai, 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 einzelne exponentielle Glättung adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan menggunakan metode einzelne exponentielle Glättung. Garis yang berwarna merah adalah Daten setelah proses pemulusan tingkat 1, kita dapat melihat tidak banyak penyesuaian yang terjadi terhadap Daten aktualisieren. Berikut ini adalah grafik perbandingan nilai peramalan dengan metode pemulusan eksponensial terhadap Daten aktual, dapat kita lihat bahwa nilai peramalan dengan Doppel eksponential Glättung tidak mengikuti pola Dari grafik Daten aktual dan einzelne exponentielle Glättung Yang Lebih dekat terhadap nilai rata-rata, perbedaan mendasar ini terjadi Ketika Doppelte eksponential Glättung telah memasukkan komponen Trend dalam estimasinya. Untuk data aktual, nilai single und doppelt exponentiell beserta dan grafiknya dapat kamu unduh disini gtgtgt sumber data. disbudpar Provinsi Bali (diolah oleh Statistik 4 Life) von ariyoso Teori amp Konsep Statistik Konsep Variabel Kualitatif dan Kuantitatif Tipe Daten Statistik Deskriptif Konsep Parametrik dan Non Parametrik Statistika Inferensia Penyusunan hipótesis Teknik Pengukuran Statistik Teknik Sampling Sebaran probabilitas Diskret Sebaran Normale Sebaran Binomiale Sebaran Poisson Transformasi Posted Daten Korelasi bivariat Pemaparan Daten Kualitatif dengan Tabulasi Silang neue IBM SPSS Ver.23Single Moving Average (Metode rata-rata Bergerak Tunggal) Einzel Moving Average (Metode rata-rata Bergerak Tunggal) Einzel Moving Average (Metode rata-rata Bergerak Tunggal) Metode einzigen beweglichen Durchschnittliche merupakan metode yang mudah penghitungannya. Tujuan utama dari penggunaan metode ini adalah untuk menghilangkan atau mengurangi acakan (zufälligkeit) dalam deret waktu. Metode einzeln gleitender Durchschnitt mula-mula memisahkan unsur tren siklus dari daten dengan menghitung rata-rata bergerak yang jumlah unsurnya sama dengan panjang musiman. Nilai rata-rata baru dapat dihitung dengan Membran Nilai Observasi Yang Paling Lama Dan Memasukkan Nilai Observasi Baru. Rata-rata berggerak inilah yang kemudian dijadikan ramalan untuk periode yang akan datang. Adapun pendekatan Yang dapat digunakan adalah: Dimana: Ft1 peramalan Pada periode t1 X1 nilai aktual t Anzahl der Beiträge observasi rata-rata bergerak Contoh: Selaku manajer Garmen, Anda ingin melakukan peramalan Tingkat permintaan jaket Anda Pada tahun 2013 Adapun Daten masa lampau untuk Tingkat permintaan jaket Tahun (3) 2003 390 Stk Tahun (4) 2004 368 Stk Tahun (5) 2005 425 Stk Tahun (6) 2006 440 Stk Tahun (7) 2007 410 Stück Tahun (8) 2008 466 Stück Tahun (9) 2009 330 Stück Tahun (10) 2010 350 Stück Tahun (11) 2011 375 Stück Tahun (12) 2012 380 Stück Jika menggunakan Rata-Rata Bergerak Tiga bulanischen Maka cara penghitungan untuk periode 13 (tahun 2013) adalah Jika ingin melakukan peramalan pada periode 14 (tahun 2014 maka Daten yang digunakan untuk melakukan rata rata bergerak Dari periode Kedua sampai keempat, yaitu. dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya Apabila menggunakan rata rata bergerak lima bulanan maka cara penghitungan untuk periode 13 dan 14 (tahun 2013 2014) adalah dengan cara Merata-rata lima Daten, yaitu: dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya. C. Einzelne Exponentielle Glättung (Pemulusan Eksponensial Tunggal) Metode ini menunjukkan adanya karakteristik dari pemulusan Daten dengan menambahkan suatu faktor yang sering disebut dengan konstanta pemulusan (Glättung konstant) dengan simbol alpha (). Pemulusan eksponensial salam bentuk sederhana tidak memperhitungkan pengaruh tren sehingga nilai sangat kecil und dapat dihilangkan. Nilai rendah cocok pada permintaan Erzeugnis yang stabil (tanpa tren atau variasi siklikal). Sedangkan nilai tinggi untuk perubahan-perubahan yang sesungguhnya cenderung terjadi karena lebih tanggap terhadap permintaan yang fluktuatif. Nilai tinggi ini digunakan pada analisis Daten Pada pengenalan produk baru, kampanye promosi, antisipasi terhadap resesi, dan juga sesuai bagi industri pakaian jadi yang memerlukan tanggapan yang cepat. Metode einzelne exponentielle Glättung ini dapat didekati dengan rumus: diman: Xt nilai aktual terbaru Ft peramalan terakhir Ft1 peramalan untuk periode yang akan datang konstanta pemulusan Contoh. Selaku manajer Garmen, Anda ingin melakukan peramalan Tingkat permintaan jaket Anda Pada bulan Januari dan Februari 2013 Adapun Daten masa lampau untuk Tingkat permintaan jaket adalah (dalam ribuan Stück): Bulan (1) 386 Stück Bulan (7) 410 Stück Bulan (2) 345 Stück Bulan (8) 466 Stück Bulan (3) 390 Stück Bulan (9) 330 Stück Bulan (4) 368 Stück Bulan (10) 350 Stück Bulan (5) 425 Stück Bulan (11) Bulan (12) 380 Stück Tabel 8. Rekapitulasi permintaan jaket dan perhitungan dengan metode einzelne exponentielle Glättung Periode (bulan) Daten permintaan Nilai ramalan dengan konstanta pemulusan 0,2 Januari 2012 386 Februari 340 F13 0,2 (386) (1-0, 2) (386) 386 Maret 390 F14 0,2 (340) (1-0,2) (386) 376,8 April 368 F15 0,2 (390) (1-0,2) (376,8) 379 , 44 Mei 425 F16 0,2 (368) (1-0,2) (379,44) 377,152 Juni 440 F17 386,722 Juli 410 F18 397,377 Agustus 466 F19 399,901 September 330 F20 413,121 Oktober 350 F21 396,497 November 375 F22 387,197 Desguent 380 F23 384,758 Jadi dari peramalan dengan menggunakan metode einzeln exponentieller Glättung dapat diketahui bahwa tingkat permintaan jaket pada Januar 2013 adalah sebanyak 386.000 Stück Dan Pada Februar 2013 sebesar 376.800 Stk.
No comments:
Post a Comment