Professional Documents
Culture Documents
Ahsanul Rizky
Herry Sinaga
Irwan Sinaga
140610120055
140610120091
140610120106
Statistika
Universitas Padjadjaran
Jatinangor
2014
Makalah ini akan membahas mengenai metode pemulusan menggunakan Naive dan Linear
Moving Average dan juga metode pemulusan eksponensial, yaitu SES, ARRSES . Metode
pemulusan merupakan metode peramalan yang didasarkan pada pola data secara empiris
untuk meramalkan masa yang akan datang.
Data empiris yang digunakan adalah data produktivitas padi sawah di provinsi Jawa Barat
selama 3 tahun yang disajikan bulanan dari Januari 2005 sampai dengan Desember 2007.
Tahun
2005
2006
2007
Bulan
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Deskripsi data
Sebelum melakukan pemulusan data maka perlu dilakukan pengecekan asumsi kenormalan dan
keacakan residu data. Dengan menggunakan program spss maka dapat dihasilkan output sebagai
berikut.
Normalitas residu data
Dari grafik di atas dapat kita lihat bahwa nilai residu bergerak mengikuti kurva normal . Hal ini
menjelaskan bahwa residu telah memenuhi asumsi normalitas.
Dari scatter plot di atas dapat disimpilkan bahwa data telah memenuhi asumsi linearitas karena
nilai residual -residual didistribusikan secara random dan terkumpul disekitas garis lurus yang
melalui titik 0.
Metode Peramalan
1. Naive Method
Naive 1
Naive 1 merupakan model sederhana yang digunakan untuk data stasioner. Persamaan model untuk
naive 1 adalah sebagai berikut.
Persamaan di atas menjelaskan bahwa data peramalan atau taksiran pada satu periode yang akan
datang (t+1) akan sama dengan data masa yang sekarang (t). Dengan menggunakan model naive 1
maka data produktivitas padi sawah dapat diprediksikan sebagai berikut.
Tahun
2005
2006
2007
Bulan
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Y
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
0.11
0.88
0.94
-1.7
0.12
0.07
-0.5
-0.63
0.38
0.02
-0.57
1.74
0.14
0.2
-0.07
-0.38
0.32
0.21
-0.34
0.1
0.07
-0.3
-0.28
1.51
0.04
0.27
4
5
6
7
8
9
10
11
12
28
29
30
31
32
33
34
35
36
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
1.19
-0.85
-0.49
-0.29
0.41
1.37
-0.01
-0.24
0.61
Dari tabel di atas, dapat kita lihat bahwa jika data yang dimiliki dianggap memiliki pola stasioner
maka produktivitas padi sawah yang dapat diramalkan pada bulan Januari tahun 2008 (t= 37) adalah
sebanyak 56.93 ton.
Naive 2
Naive 2 merupakan model sederhana yang digunakan untuk data trend. Persamaan model untuk naive
2 adalah sebagai berikut.
Persamaan di atas menjelaskan bahwa data peramalan atau taksiran pada satu periode yang akan
datang (t+1) akan sama dengan data masa yang sekarang (t) ditambah dengan selisih dari data pada
masa sekarang (t) dan data pada masa sebelumnya (t-1). Dengan menggunakan model naive 2 maka
data produktivitas padi sawah dapat diprediksikan sebagai berikut.
Tahun
2005
2006
Bulan
1
2
3
4
5
6
7
8
9
10
11
12
1
2
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Y
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
53.1
54.75
55.75
51.41
53.35
53.37
52.3
51.54
52.93
52.59
51.43
55.48
0.77
0.06
-2.64
1.82
-0.05
-0.57
-0.13
1.01
-0.36
-0.59
2.31
-1.6
2007
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
54.08
54.01
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
54.02
54.28
53.94
53.25
54.27
54.37
53.48
54.02
54.06
53.39
53.13
56.43
55
55.5
57.61
54.72
54.59
54.5
55.61
57.94
56.55
56.08
57.54
0.06
-0.27
-0.31
0.7
-0.11
-0.55
0.44
-0.03
-0.37
0.02
1.79
-1.47
0.23
0.92
-2.04
0.36
0.2
0.7
0.96
-1.38
-0.23
0.85
Dari tabel di atas, dapat kita lihat bahwa jika data yang dimiliki dianggap memiliki pola trend maka
produktivitas padi sawah yang dapat diramalkan pada bulan Januari tahun 2008 (t= 37) adalah
sebanyak 57.54 ton/ha.
Naive 3
Naive 3 merupakan model sederhana yang digunakan untuk data musiman. Persamaan model untuk
naive 3 adalah sebagai berikut.
Persamaan di atas menjelaskan bahwa data peramalan atau taksiran pada satu periode yang akan
datang (t+1) akan sama dengan data masa yang akan datang dikurangi periode musiman. Dengan
menggunakan model naive 3 maka data produktivitas padi sawah dapat diprediksikan sebagai berikut.
Tahun
2005
2006
2007
Bulan
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Y
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
0.86
0.89
0.21
-0.8
0.52
0.72
0.86
1.02
1.75
1.44
1.12
1.41
1.18
1.08
1.15
2.41
1.94
1.13
0.63
1.38
2.65
2.57
2.63
3.52
Dari tabel di atas, dapat kita lihat bahwa jika data yang dimiliki dianggap memiliki pola musiman
maka produktivitas padi sawah yang dapat diramalkan pada periode bulan Januari-Desember tahun
2008 (t= 37-48) adalah sebagai berikut.
T
(ton)
37
38
39
40
41
42
43
44
45
46
47
48
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
nave 2
nave 3
52
50
48
1 3 5 7 9 11131517192123252729313335373941434547
Dari ketiga naive di atas menghasilkan suatu angka untuk meramalkan satu bulan mendatang (untuk
data stasioner dan data trend) dan untuk meramalkan satu tahun mendatang (untuk data musiman).
Keakuratan naive memprediksi dalam kasus ini dapat dilihat dengan mengukur besarnya error dari
masing- masing naive (measuring forecating error). Ada 4 (empat) macam teknik mengukur error,
yaitu:
| |
dimana
Naive 2
Naive 3
MSE
0.47629
1.07684
2.6303792
MAD
0.49571
0.76176
1.41125
MPE
0.20277
0.02351
2.4302572
MAPE
0.91696
1.4014
2.5536911
Berdasarkan tabel di atas, dapat dilihat bahwa dari keempat teknik mengukur eror, naive-1 memiliki
angka yang lebih rendah dibandingkan naive-2 dan nave-3 .Hal ini menunjukkan bahwa naive-1 yang
paling cocok dan akurat dalam meramalkan data produktivitas padi sawah untuk masa yang akan datang.
Untuk lebih jelasnya, berikut adalah plot MSE untuk setiap naive.
4
3
2
e1
e2
0
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35
e3
-1
-2
-3
Dari plot data di atas, dapat dilihat nilai error dari masing- masing naive begitu fluktuaktif, namun hanya
error dari naive-3 yang bergerak di sekitar angka 0. Hal ini memperkuat bahwa naive-1 yang paling cocok
dan akurat dalam meramalkan data produktivitas padi sawah untuk masa yang akan datang.
Perhitungan linear moving average ini menggunakan rata rata bergerak 4 bulan. Berikut perhitungan
untuk linear moving average .
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Xt
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
53.95
54.16
MA4
MA 4x4
53.6375
53.695
53.755
53.6125
53.11
52.875
52.705
52.5225
52.3225
52.715
53.0475
53.425
53.9275
53.9
53.9175
53.9375
53.675
53.54313
53.33813
53.07563
52.80313
52.60625
52.56625
52.65188
52.8775
53.27875
53.575
53.7925
53.92063
53.55
52.67688
52.41188
52.33438
52.24188
52.03875
52.86375
53.44313
53.9725
54.57625
54.225
54.0425
53.95438
-0.0417
-0.2888
-0.3088
-0.2471
-0.1871
-0.1892
0.0992
0.2637
0.365
0.4325
0.2167
0.0833
0.0112
53.5083
52.3881
52.1031
52.0873
52.0548
51.8496
52.9629
53.7069
54.3375
55.0088
54.4417
54.1258
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
53.89
53.9625
53.9725
53.855
53.7525
54.0025
54.245
54.63
55.3825
55.545
55.575
55.465
55.16
55.41
55.78
56.1625
56.595
53.91125
53.92688
53.94063
53.92
53.88563
53.89563
53.96375
54.1575
54.565
54.95063
55.28313
55.49188
55.43625
55.4025
55.45375
55.62813
55.98688
53.86875
53.99813
54.00438
53.79
53.61938
54.10938
54.52625
55.1025
56.2
56.13938
55.86688
55.43813
54.88375
55.4175
56.10625
56.69688
57.20313
-0.0142
0.0238
0.0212
-0.0433
-0.0888
0.0713
0.1875
0.315
0.545
0.3963
0.1946
-0.0179
-0.1842
0.005
0.2175
0.3563
0.4054
53.9656
53.8546
54.0219
54.0256
53.7467
53.5306
54.1806
54.7138
55.4175
56.745
56.5356
56.0615
55.4202
54.6996
55.4225
56.3238
57.0531
57.6085
Dari tabel di atas, dapat kita lihat bahwa dengan menggunakan metode rata- rata bergerak ganda didapat
nilai peramalan untuk bulan Januari tahun 2008 (t=37) sebesar 57.6085 ton.
Berikut adalah grafik perbandungan dari pergerakan data produktivitas padi, rata- rata bergerak 4 bulan
(tunggal), rata- rata bergerak 4 bulan (ganda), dan nilai taksiran.
59
58
57
Produktivitas padi
56
55
rata-rata bergerak 4
bulan
54
53
rata-rata bergerak 8
bulan
52
51
50
49
48
1 3 5 7 9 1113151719212325272931333537
average .
average :
Xt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
52,88
52,99
53,87
54,81
53,11
53,23
53,3
52,8
52,17
52,55
52,57
52
53,74
53,88
54,08
54,01
53,63
53,95
54,16
53,82
53,92
53,99
53,69
53,41
54,92
54,96
55,23
56,42
55,57
55,08
54,79
55,2
56,57
56,56
56,32
56,93
MSE
et
et2
-0,70833 0,501736
-0,21812 0,047579
0,446875 0,199697
0,482708 0,233007
-0,05479 0,003002
1,890,417 3,573675
0,917083 0,841042
0,373125 0,139222
-0,3275
0,107256
-137,875 1,900,952
-0,49167 0,241736
0,034167 0,001167
-0,14562 0,021207
0,065417 0,004279
-0,03188 0,001016
-0,33562 0,112644
-0,33667 0,113344
1,389,375 1,930363
0,779375 0,607425
0,51625 0,266514
10,025
1,005006
-1,175
1,380625
-145,563 2,118,844
-127,146 1,616606
-0,22021 0,048492
1,870,417 3,498459
11,375
1,293,906
-0,00375 1,41E-05
-0,12313
0,01516
0,752551
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Xt
52,88
52,99
53,87
54,81
53,11
53,23
53,3
52,8
52,17
52,55
52,57
52
53,74
53,88
54,08
54,01
53,63
53,95
54,16
53,82
53,92
53,99
53,69
53,41
54,92
54,96
55,23
56,42
55,57
55,08
54,79
55,2
56,57
56,56
56,32
56,93
MAPE
|Pei|
5,350,833
5,238,813
5,210,313
5,208,729
5,205,479
5,184,958
5,296,292
5,370,688
543,375
5,500,875
5,444,167
5,412,583
5,396,563
5,385,458
5,402,188
5,402,563
5,374,667
5,353,063
5,418,063
5,471,375
554,175
56,745
5,653,563
5,606,146
5,542,021
5,469,958
554,225
5,632,375
5,705,313
134,154
0,418104
0,850381
0,91822
0,105369
3,517709
1,702085
0,68995
0,606369
2,570856
0,911338
0,063085
0,270578
0,121322
0,059039
0,625116
0,630344
2,529816
1,418077
0,934728
1,776,852
211,445
2,642747
2,320603
0,398928
3,306,376
2,011139
0,006658
0,216274
1,209588
Berdasarkan perhitungan linear moving average didapatkan prediksi permintaan perbaikan besar untuk
tahun 2008 pada bulan pertama adalah 57.60854 dengan nilai MSE : 0,752551 dan MAPE : 1,209588.
3. Metode Pemulusan Eksponensial Tunggal : SES
Pada metode ini banyak mengurangi masalah penyimpanan data karena tidak perlu lagi menyimpan
semua data historis atau sebagai dari data, hanya pengamatan terakhir, ramalan terakhir dan suatu nilai
yang diperlukan. Nilai yang ditentukan disini bersifat trial and error, sehingga pada metode ini muncul
permasalahan dalam menentukan nilai yang optimum. Berikut adalah perumusan dengan menggunakan
metode SES.
Karena pada metode ini nilai yang digunakan bersifat coba- coba, maka dalam makalah ini digunakan
nilai dari mulai mendekati 0 hingga mendekati satu, yaitu 0,1; 0,5; dan 0,9.
Dengan menggunakan perumusan di atas tersebut, maka didapat nilai peramalan untuk bulan Januari 2008
(t=37) dengan masing- masing nilai sebagai berikut.
Tahun
Bulan
Xt
2005
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
10
52.55
11
52.57
12
52
53.74
53.88
54.08
54.01
53.63
53.95
2006
0,1
52,88
53,782
54,716
53,28
53,218
53,293
52,85
52,233
52,512
52,568
52,057
53,566
53,866
54,06
54,017
53,668
53,918
SES
0,5
52,88
53,43
54,34
53,96
53,17
53,265
53,05
52,485
52,36
52,56
52,285
52,87
53,81
53,98
54,045
53,82
53,79
0,9
52,88
53,078
53,964
54,64
53,122
53,237
53,25
52,737
52,208
52,552
52,513
52,174
53,754
53,9
54,073
53,972
53,662
2007
54.16
53.82
53.92
10
53.99
11
53.69
12
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
10
56.56
11
56.32
12
Peramalan ke 37
56.93
54,139
53,854
53,91
53,983
53,72
53,438
54,769
54,956
55,203
56,301
55,655
55,129
54,819
55,159
56,433
56,561
56,344
56,869
56,8751
54,055
53,99
53,87
53,955
53,84
53,55
54,165
54,94
55,095
55,825
55,995
55,325
54,935
54,995
55,885
56,565
56,44
56,625
56,7775
53,971
54,126
53,83
53,927
53,96
53,662
53,561
54,924
54,987
55,349
56,335
55,521
55,051
54,831
55,337
56,569
56,536
56,381
56,8751
Dari tabel di atas dapat dilihat bahwa data peramalan dengan menggunakan =0,1 menghasilkan nilai
peramalan sebesar 56,8751, dengan menggunakan =0,5 menghasilkan nilai peramalan sebesar 56,7775
dan
dengan
menggunakan
=0,9
menghasilkan
nilai
peramalan
sebesar
Nilai peramalan untuk data di atas dapat dilihat dalam grafik berikut.
58
57
56
55
54
0.1
53
0.5
52
0.9
51
50
49
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
56,8751
Untuk analisis selanjutnya akan dilakukan perhitungan Mean Square Error (MSE) dan Mean Absolte
Percentage Error (MAPE).
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Xt
52,88
52,99
53,87
54,81
53,11
53,23
53,3
52,8
52,17
52,55
52,57
52
53,74
53,88
54,08
54,01
53,63
53,95
54,16
53,82
53,92
53,99
53,69
53,41
54,92
54,96
55,23
56,42
55,57
55,08
54,79
55,2
56,57
56,56
56,32
56,93
Jumlah
MSE
0,1
ei
ei^2
0,5
SES
ei
52,88
53,782
54,716
53,28
53,218
53,293
52,85
52,233
52,512
52,568
52,057
53,566
53,866
54,06
54,017
53,668
53,918
54,139
53,854
53,91
53,983
53,72
53,438
54,769
54,956
55,203
56,301
55,655
55,129
54,819
55,159
56,433
56,561
56,344
56,869
0,11
0,088
0,094
-0,17
0,012
0,007
-0,05
-0,063
0,038
0,002
-0,057
0,174
0,014
0,02
-0,007
-0,038
0,032
0,021
-0,034
0,01
0,007
-0,03
-0,028
0,151
0,004
0,027
0,119
-0,085
-0,049
-0,029
0,041
0,137
-0,001
-0,024
0,061
0,0121
0,007744
0,008836
0,0289
0,000144
4,9E-05
0,0025
0,003969
0,001444
4.00E-06
0,003249
0,030276
0,000196
0,0004
4,9E-05
0,001444
0,001024
0,000441
0,001156
1.00E-04
4,9E-05
0,0009
0,000784
0,022801
1,6E-05
0,000729
0,014161
0,007225
0,002401
0,000841
0,001681
0,018769
1.00E-06
0,000576
0,003721
0,17868
0,005105
52,88
53,43
54,34
53,96
53,17
53,265
53,05
52,485
52,36
52,56
52,285
52,87
53,81
53,98
54,045
53,82
53,79
54,055
53,99
53,87
53,955
53,84
53,55
54,165
54,94
55,095
55,825
55,995
55,325
54,935
54,995
55,885
56,565
56,44
56,625
0,11
0,44
0,47
-0,85
0,06
0,035
-0,25
-0,32
0,19
0,01
-0,29
0,87
0,07
0,1
-0,04
-0,19
0,16
0,105
-0,17
0,05
0,035
-0,15
-0,14
0,755
0,02
0,135
0,595
-0,43
-0,25
-0,15
0,205
0,685
-0,01
-0,12
0,305
ei^2
0,9
ei
ei^2
0,0121
0,1936
0,2209
0,7225
0,0036
0,001225
0,0625
0,099225
0,0361
1.00E-04
0,081225
0,7569
0,0049
0,01
0,001225
0,0361
0,0256
0,011025
0,0289
0,0025
0,001225
0,0225
0,0196
0,570025
0,0004
0,018225
0,354025
0,180625
0,060025
0,021025
0,042025
0,469225
2,5E-05
0,0144
0,093025
41,766
0,119331
52,88
53,078
53,964
54,64
53,122
53,237
53,25
52,737
52,208
52,552
52,513
52,174
53,754
53,9
54,073
53,972
53,662
53,971
54,126
53,83
53,927
53,96
53,662
53,561
54,924
54,987
55,349
56,335
55,521
55,051
54,831
55,337
56,569
56,536
56,381
0,11
0,792
0,846
-1,53
0,108
0,063
-0,45
-0,57
0,342
0,018
-0,51
1,566
0,126
0,18
-0,06
-0,34
0,288
0,189
-0,31
0,09
0,063
-0,27
-0,25
1,359
0,036
0,243
1,071
-0,77
-0,44
-0,26
0,369
1,233
-0,01
-0,22
0,549
0,0121
0,627264
0,715716
23,409
0,011664
0,003969
0,2025
0,321489
0,116964
0,000324
0,263169
2,452,356
0,015876
0,0324
0,003969
0,116964
0,082944
0,035721
0,093636
0,0081
0,003969
0,0729
0,063504
1,846,881
0,001296
0,059049
1,147,041
0,585225
0,194481
0,068121
0,136161
1,520,289
8,1E-05
0,046656
0,301401
1,350,508
0,385859
Berdasarkan analisis perhitungan MSE , nilai MSE terkecil adalah pada alpha yaitu 0,1 yaitu sebesar
0,005105. Untuk peramalan SES ini analisis nya akan cukup baik pada alpha 0,1.
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Xt
0,1
ei
|Pei|
0,5
SES
ei
52,88
52,99
53,87
54,81
53,11
53,23
53,3
52,8
52,17
52,55
52,57
52
53,74
53,88
54,08
54,01
53,63
53,95
54,16
53,82
53,92
53,99
53,69
53,41
54,92
54,96
55,23
56,42
55,57
55,08
54,79
55,2
56,57
56,56
56,32
56,93
MAPE
52,88
53,782
54,716
53,28
53,218
53,293
52,85
52,233
52,512
52,568
52,057
53,566
53,866
54,06
54,017
53,668
53,918
54,139
53,854
53,91
53,983
53,72
53,438
54,769
54,956
55,203
56,301
55,655
55,129
54,819
55,159
56,433
56,561
56,344
56,869
0,11
0,088
0,094
-0,17
0,012
0,007
-0,05
-0,06
0,038
0,002
-0,06
0,174
0,014
0,02
-0,01
-0,04
0,032
0,021
-0,03
0,01
0,007
-0,03
-0,03
0,151
0,004
0,027
0,119
-0,09
-0,05
-0,03
0,041
0,137
-0,01
-0,03
0,061
0,207586337
0,163356228
0,171501551
0,320090378
0,022543678
0,013133208
0,09469697
0,120759057
0,072312084
0,003804451
0,109615385
0,323781169
0,025983667
0,036982249
0,012960563
0,070855864
0,05931418
0,038774003
0,063173541
0,018545994
0,012965364
0,055876327
0,05242464
0,274945375
0,00727802
0,048886475
0,210918114
0,15296023
0,088961511
0,052929367
0,074275362
0,242177833
0,001768034
0,042613636
0,107149131
0,096454285
52,88
53,43
54,34
53,96
53,17
53,265
53,05
52,485
52,36
52,56
52,285
52,87
53,81
53,98
54,045
53,82
53,79
54,055
53,99
53,87
53,955
53,84
53,55
54,165
54,94
55,095
55,825
55,995
55,325
54,935
54,995
55,885
56,565
56,44
56,625
0,11
0,44
0,47
-0,85
0,06
0,035
-0,25
-0,32
0,19
0,01
-0,29
0,87
0,07
0,1
-0,04
-0,19
0,16
0,105
-0,17
0,05
0,035
-0,15
-0,14
0,755
0,02
0,135
0,595
-0,43
-0,25
-0,15
0,205
0,685
-0,01
-0,12
0,305
|Pei|
0,9
ei
|Pei|
0,207586
0,816781
0,857508
1,600,452
0,112718
0,065666
0,473485
0,603795
0,36156
0,019022
0,548077
1,618,906
0,129918
0,184911
0,064803
0,354279
0,296571
0,19387
0,315868
0,09273
0,064827
0,279382
0,262123
1,374,727
0,03639
0,244432
1,054,591
0,764801
0,444808
0,264647
0,371377
1,210,889
0,00884
0,213068
0,535746
0,458547
52,88
53,078
53,964
54,64
53,122
53,237
53,25
52,737
52,208
52,552
52,513
52,174
53,754
53,9
54,073
53,972
53,662
53,971
54,126
53,83
53,927
53,96
53,662
53,561
54,924
54,987
55,349
56,335
55,521
55,051
54,831
55,337
56,569
56,536
56,381
0,11
0,792
0,846
-1,53
0,108
0,063
-0,45
-0,567
0,342
0,018
-0,513
1,566
0,126
0,18
-0,063
-0,342
0,288
0,189
-0,306
0,09
0,063
-0,27
-0,252
1,359
0,036
0,243
1,071
-0,765
-0,441
-0,261
0,369
1,233
-0,009
-0,216
0,549
0,207586
1,470,206
1,543,514
2,880,813
0,202893
0,118199
0,852273
1,086,832
0,650809
0,03424
0,986538
2,914,031
0,233853
0,33284
0,116645
0,637703
0,533828
0,348966
0,568562
0,166914
0,116688
0,502887
0,471822
2,474,508
0,065502
0,439978
1,898,263
1,376,642
0,800654
0,476364
0,668478
21,796
0,015912
0,383523
0,964342
0,82064
Berdasarkan analisis perhitungan MAPE , nilai MAPE terkecil ada pada alpha yaitu 0,1 sebesar
0,096454285 . Untuk peramalan SES ini analisis nya akan cukup baik pada alpha 0,1 , sama seperti MSE
nya. Oleh karena itu, prediksi menggunakan metode SES pada data produktifitas padi sawah adalah
menggunakan alpha 0,1.
Berikut adalah grafik analisis kesalahan dari metode SES .
2
1.5
1
0.5
e 0.1
e 0.5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
-0.5
e 0.9
-1
-1.5
-2
Pada grafik di atas dapat dilihat bahwa kecenderungan garis untuk =0,1 bergerak di sekitar angka nol
dan tingkat kecenderungan garis untuk mendekati nol semakin berkurang diiringi dengan peningkatan
nilai . Sehingga grafik tersebut memperkuat penyataan bahwa error cenderung menurun dengan nilai
yang mendekati nol.
Pada metode ini nilai di awal harus ditentukan, yaitu sebesar 0,2.
Dengan menggunakan perumusan di atas tersebut, maka didapat nilai peramalan produktivitas padi sawah
untuk bulan Januari 2008 (t=37) dengan penetapan awal sebesar 0,2 sebagai berikut.
Produktivitas
Tahun Bulan
t
Padi(ton/ha)
2005
1
1
52.88
2
2
52.99
3
3
53.87
4
4
54.81
5
5
53.11
6
6
53.23
7
7
53.3
8
8
52.8
9
9
52.17
10
10
52.55
11
11
52.57
12
12
52
2006
1
13
53.74
2
14
53.88
3
15
54.08
4
16
54.01
5
17
53.63
6
18
53.95
7
19
54.16
8
20
53.82
9
21
53.92
10
22
53.99
11
23
53.69
12
24
53.41
2007
1
25
54.92
2
26
54.96
3
27
55.23
4
28
56.42
5
29
55.57
6
30
55.08
7
31
54.79
8
32
55.2
9
33
56.57
10
34
56.56
11
35
56.32
12
36
56.93
Nilai peramalan untuk t=37
Ramalan
(F)
Galat
(et)
Galat
Pemulusan
(Et)
Galat
Absolut
Pemulusan
(Mt)
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
0.11
0.88
0.94
-1.7
0.12
0.07
-0.5
-0.63
0.38
0.02
-0.57
1.74
0.14
0.2
-0.07
-0.38
0.32
0.21
-0.34
0.1
0.07
-0.3
-0.28
1.51
0.04
0.27
1.19
-0.85
-0.49
-0.29
0.41
1.37
-0.01
-0.24
0.61
0.022
0.1936
0.34288
-0.065696
-0.04583697
-0.03637985
-0.06873322
-0.1429451
-0.00306356
-0.00292027
-0.00629882
0.01612033
0.02006168
0.027354215
0.021841254
0.002747401
0.004659366
0.006761861
0.001580638
0.001925674
0.002217218
0.000721537
0.000268685
0.001176145
0.00127815
0.002047261
0.007499417
-0.00680749
-0.01401827
-0.02248995
-0.00094961
0.001946742
0.001895223
0.000875386
0.002063897
0.022
0.1936
0.34288
0.614304
0.561441255
0.521319202
0.519831458
0.534398176
0.493098517
0.490159214
0.490634889
0.506674354
0.495008259
0.483052172
0.459661908
0.4558767
0.455057821
0.452548658
0.450866987
0.449636926
0.448011043
0.447278532
0.447008683
0.447647619
0.44657657
0.446071189
0.449485479
0.456167843
0.456672727
0.451556453
0.449486717
0.451431453
0.449527834
0.448644458
0.448959292
0.2
0.2
0.2
0.2
0.1069438
0.0816416
0.0697842
0.1322221
0.267488
0.0062129
0.0059578
0.0128381
0.031816
0.040528
0.0566279
0.0475159
0.0060266
0.0102391
0.0149417
0.0035058
0.0042827
0.004949
0.0016132
0.0006011
0.0026274
0.0028621
0.0045895
0.0166844
0.0149232
0.0306965
0.0498054
0.0021127
0.0043124
0.004216
0.0019512
0.0045971
Dari tabel di atas dapat diihat bahwa nilai berfluktuasi sangat nyata. Nilai secara sistematis dan
otomatis berubah dari periode ke periode untuk memperhitungkan adanya perubahan struktur data.
Berdasarkan perhitungan yang telah dilakukan maka didapat nilai permalan produktivitas padi sawah
pada bulan Januari 2008 (t=37) adalah sebesar 56.93 dengan tingkat sebesar 0.0045971.
Nilai peramalan untuk data di atas dengan menggunakan metode ARRSES dapat digambarkan dalam
grafik berikut.
58
57
56
55
Produktivitas
Padi(ton/ha)
54
53
Ramalan (F)
52
51
50
49
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
2006
Bulan
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
53.63
52.88
52.99
53.87
54.81
53.11
53.23
53.3
52.8
52.17
52.55
52.57
52
53.74
53.88
54.08
54.01
et
| |
| |
0.11
0.88
0.94
-1.7
0.12
0.07
-0.5
-0.63
0.38
0.02
-0.57
1.74
0.14
0.2
-0.07
-0.38
0.11
0.88
0.94
1.7
0.12
0.07
0.5
0.63
0.38
0.02
0.57
1.74
0.14
0.2
0.07
0.38
0.0121
0.7744
0.8836
2.89
0.0144
0.0049
0.25
0.3969
0.1444
0.0004
0.3249
3.0276
0.0196
0.04
0.0049
0.1444
|
0.207586
1.633562
1.715016
-3.2009
0.225437
0.131332
-0.94697
-1.20759
0.723121
0.038045
-1.09615
3.237812
0.259837
0.369822
-0.12961
-0.70856
0.207586
1.633562
1.715016
3.200904
0.225437
0.131332
0.94697
1.207591
0.723121
0.038045
1.096154
3.237812
0.259837
0.369822
0.129606
0.708559
6
7
8
9
10
11
12
2007
1
2
3
4
5
6
7
8
9
10
11
12
Analisis
Kesalahan
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
56.93
53.63
53.95
54.16
53.82
53.92
53.99
53.69
53.41
54.92
54.96
55.23
56.42
55.57
55.08
54.79
55.2
56.57
56.56
56.32
0.32
0.21
-0.34
0.1
0.07
-0.3
-0.28
1.51
0.04
0.27
1.19
-0.85
-0.49
-0.29
0.41
1.37
-0.01
-0.24
0.61
0.32
0.1024
0.21
0.0441
0.34
0.1156
0.1
0.01
0.07
0.0049
0.3
0.09
0.28
0.0784
1.51
2.2801
0.04
0.0016
0.27
0.0729
1.19
1.4161
0.85
0.7225
0.49
0.2401
0.29
0.0841
0.41
0.1681
1.37
1.8769
0.01
0.0001
0.24
0.0576
0.61
0.3721
MAD
MSE
0.495714286 0.476289
0.593142
0.38774
-0.63174
0.18546
0.129654
-0.55876
-0.52425
2.749454
0.07278
0.488865
2.109181
-1.5296
-0.88962
-0.52929
0.742754
2.421778
-0.01768
-0.42614
1.071491
MPE
0.202772
0.593142
0.38774
0.631735
0.18546
0.129654
0.558763
0.524246
2.749454
0.07278
0.488865
2.109181
1.529602
0.889615
0.529294
0.742754
2.421778
0.01768
0.426136
1.071491
MAPE
0.911164
Berikut adalah grafik plot data analisis kesalahan dari metode ARRSES.
Galat (et)
2
1.5
1
0.5
0
-0.5
Galat (et)
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
-1
-1.5
-2
Dari plot grafik di atas dapat dilihat bahwa nilai galat (error) sangat fluktiaktif namun masih berkisar di
sekitar angka nol.
Kesimpulan
Metode Analisis
Kesalahan
MSE
MAPE
Nave 1
Moving average
SES 0.1
ARSES
0.47629
0,752551
0,005105
0.476289
0.91696
1,209588
0,096454
0.911164
Dari kempat metode diatas ,apabila dilihat dari nilai MSE dan MAPE ,dapat disimpulkan bahwa
metode yang paling tepat untuk meramalkan data produktivitas padi sawah di provinsi Jawa
Barat pada Januari 2008 adalah metode Simple Exponential Smoothing(SES).
Dafar Pustaka
Makridakis,Spyros.1991.Forecasting. 2 nd edition.John Willey & Sons,INC.
Mulyana.2004.Analisis Data Deret Waktu.Bandung: Universitas padjadjaran FMIPA Statistika.