Exponencial Suavización merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia menitik-beratkán 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. Suavizado Exponencial Simple Juga dikenal sebagai simple exponencial suavizante yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Modelo de datos de la bahwa de los datos de los datos de la sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. Sueldo simple exponencial que suaviza adalah sebagai berikut: dimana: S t peramalan untuk periode t. X t (1-) Nilai aktual serie de tiempo F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan antara nol dan 1 2. Doble Exponencial Suavizado Metode ini digunakan ketika data menunjukkan adanya tendencia. Exponencial suavización dengan adanya tendencia seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate setiap periode 8211 nivel dan tendencia nya. Nivel adalah estimasi yang dimuluskan dari nilai datos pada akhir masing-masing periode. Tendencia adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing periode. Rumus doble exponencial alisado adalá: 3. Triples Exponencial Suavizado Metode ini digunakan ketika datos menunjukan adanya tendencia dan perilaku musiman. Unigiendo el menangani, el parámetro del parámetro de la parábola de la sensación del yang de la manzana 8220Holt-Winters8221 de la sonrisa de la novedad. Terdapat dua modelo Holt-Winters tergantung pada tipe musimannya yaitu modelo estacional multiplicativo ad aditivo modelo estacional yang akan dibahas pada bagian lain dari blog ini. Datos del kita del listo del kita de Bali 2015 yang diambil dari Disbudpar Provinsi Bali: Datos de la serie de tiempo de la serie yang de la fecha de enero de 2008, septiembre de 2015, datos de la fecha y de la fecha 92 de pengamatan, untuk datanya diambil disini gtgtgt Untuk bahasan metode pemulusan eksponensial berikut kita akan Gunakan perangkat lunak evies versi 8.1. 1.Tahap datos importantes: buka software eviews kamu, pilih abrir los archivos existentes, 2. Setelah keluar jendela eviews pilih archivo gt importación gt importación de archivo, 3. Kemudian ambil datos kamu gt abierto, 4. Setelah terbuka tampón sebagai berikut: langsung klik Siguiente, final de lalu, 5. Nah sekarang archivo de trabajo kita telah terbaca ole eviews, 6. Klik 2x pada variabel visita maka akan diceampilkan datanya pada jendela eviews. 7. Kemudian setelah muncul jendela exponencial suavizado pilih tingkat pemulusannya, misalnya doble, visitasm adalah hasil estimasi, kemudian suavizado parámetro biarkan eviews yang menentukan, ok kemudian, 9. El kimudian salenya akan ditampilkan sebagai berikut. Dari salida dapat kita lihat nilai parámetro Alfa sebesar 0,0240, dimana metode pemulusan eksponensial dinyatakan fórmula dengan: 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 doble exponencial suavizado adalá sebagai berikut: Berikut ini adalah perbandingan nilai aktual denan nilai peramalan dengan doble exponencial alisado. Untuk Hasil estimación exponencial simple que suaviza adalah sebagai el berikut, el ulangi prohíbe el dorsal de 8 diatas, pilih el único suavizado exponencial. Dari diatas de salida, suavizado exponencial simple nilai yang lebih baik yaitu 0,64, artinya pengamatan lebih menitikberatkan pada pengamatan yang lebih baru daripada nilai doble exponencial suavizado sebesar 0,024. Semakin besar nilai (mendekati 1) maka nilai peramalan yang diperoleh akan mendekati peramalan metode naaive (lihat bahasannya disini gtgtgt), dimana titik berat pengamatan akan mendekati nilai rata-rata datos aktual, pada kasus ekstrim dimana 1, Y T1 / TY T. maka Nilai peramalan akan sama dengan peramalan metodo ingenuo. 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 único exponencial suavizado adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan menggunakan metode único exponencial suavizado. Garis yang berwarna merah adalah datos setelah proses pemulusan tingkat 1, kita dapat melihat tidak banyak penyesuaian yang terjadi terhadap datos aktual. ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, Doble suavizante eksponencial telah memasukkan komponen tendencia dalam estimasinya. Untuk data aktual, nilai simple dan doble exponencial beserta dan grafiknya dapat kamu unduh disini gtgtgt sumber datos. Disbudpar provinsi Bali (Estadísticas diarias de 4 años) Peramalan Sederhana (Promedio móvil simple versus suavizado exponencial simple) Mungkin sebagian besar diantara kita pernah mendengar tentang teknik peramalan. Tentunya bukan dukun peramal, melainkan tekni untuk meramalkan / previsión de datos suatu deret waktu / series de tiempo. Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah dalam mengambil kebijakan. Dalam meramal suatu nilai pada masa yang akan datang bukan berarti hasil yang didapatkan ialah sama persis, melakan merupakan suatu pendekatan alternatif yang lumrah dalam ilmu statistik. Pada tulisan ini akan dibahas contoh kasus peramalan menggunakan teknik Media móvil y suavizado exponencial. Kedua teknik ini merupakan tekni previsión yang sangat sederhana karena tidak melibatkan asumsi yang kompleks seperti pada tekni pronóstico ARIMA, ARCH / GARCH, ECM, VECM, VAR, dsb. Meskipun demikian, asumsi stasioner de los datos haruslah terpenuhi untuk meramal. Moving average (en español) merupakan teknik peramalan berdasarkan rata-rata bergerak dari nilai-nilai masa lalu, misalcan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. Akan teknik ini tidak desinstalar los datos de la serie de tiempo yang menunjukkan adanya pengaruh tendencia dan musiman. Moving media terbagi menjadi único promedio móvil que el promedio móvil doble. Desvanecimiento exponencial . Hampir sama dengan media móvil yaitu merupakan teknik pronosticar yang sederhana, tetapi telah menggunakan suatu penimbang dengan besaran antara 0 hingga 1. Jika nilai w mendekati nilai 1 maka hasil pronosticar cenderung mendekati nilai obseervasi, sedan jika nilai w mendakati nilai 0, maka hasil forecasting mengarah Ke nilai ramalan sebelumnya. Suavizado exponencial terbagi menjadi único exponencial suavizado que doble suavizado exponencial. Kali ini, akan dibahas perbandingan metode único promedio móvil dengan único exponencial suavizado. Pemimpin Safira Beach Resto en el mes de mayo de 2013. Ia meminta cantó manjar para el mes de mayo de 2010 en el día de hoy. Suavizado exponencial simple (w0,4). Single Moving Average Pada tabel di atas pronosticado ramalan bulan septiembre 2011 yaitu 128,667 juta rupia diperoleh dari penjumlahan omzet bulan Junio, Juli, Agustus 2011 dibagi dengan angka media móvil (m3). Angka previsión pada bulan Oktober 2011 yaitu 127 juta rupia diperoleh dari penjumlah omzet bulan Juli, Agustus, septiembre 2011 dibagi dengan angka media móvil tiga bulanan (m3). Perhitungan serupa dilakukan hingga ditemukan previsión del hasil bulan Januari 2013 sebesar 150,667 juta rupiah. Dapat diinterpretasikan bahwa omzet bulan enero 2013 diperkirakan senilai 150, 667 juta rupia atau mengalami penurunan sebesar 1,333 juta rupia dibanding dengan omzet Diciembre 2012 sebesar 152 juta rupiah. Perhatikan baris pada bulan Junio-Agustus 2011 kolom Predicción hingga error tidak memiliki nilai, karena peramalan pada bulan bulan tersebut tidak tersedia datos promedio móvil 3 bulanan, bulan sebelumnya. Selanjutnya untuk melihat kebaikan hasil ramalan digunaka RMSE (error cuadrático medio) Unma de los resultados de la encuesta RMSE, mula-mula dicari nilai error atau selisih antara nilai aktual dan ramalan (previsión de omzet), kemudian kuadrat nilai-nilai tersebut masque-masing data bulanan. Lalu, jumlahkan seluruh error nilai yang telah dikuadratkan. Terakhir hitung nilai RMSE dengan rumbo di atas atau lebih gambangnya, bagi nilai penjumlahan error yang telah dikuadratkan dengan banyaknya observasi dan hasilnya lalu di akarkan. Pada tabel di atas, banyaknya observasi yaitu 16 (mulai dari septiembre 2011-diciembre 2012). Suavizado Exponencial Simple. Selanjutnya kita akan melakukan peramalan dengan metode Suavizado Exponencial Simple. (Bisa proporsi tertentu), el nombre de la familia y el nombre de la persona. Kali ini akan digunakan nilai w 4. Previsión W0,4 Ycap (t1) (juta rp.) Nilai ramalan pada bulan Junio 2011 yaitu 137,368 juta rupia diperoleh dari rata-rata omzet dari bulan Junio 2011 hingga bulan Desembre 2012. Nilai ramalan pada bulan Juli 2011 yaitu 134,821 juta rupia diperoleh dari perhitungan dengan rumor di atas, dengan kata lain 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 Junio 2011 sebesar 134,821 juta rupiah. Lakukan perhitungan tersebut hingga mendapatkan angka ramalan untuk bulan Enero 2013. Hasil ramalan omzet untuk bulan Enero 2013 yaitu 149,224 juta rupiah atau turun sebesar 2,776 juta rupiah. Kemudian hitung nilai RMSE mediano móvil. Hanya saja jumlah observasi berbeda. Pada tabular de atas jumlah obervasi (m) yaitu 19 lebih banyak dibanding dengan metode simple media móvil 3 bulanan (16) karena pada metode eksponensial perhitungan ramalan dapat dimulai dari data pada periode awal. RMSE metode único exponencial suavizado sebesar 1,073. Selanjutnya dari kedua metodo di atas akan dibandingkan mana hasil yang terbaik. Untuk hal tersebut maka, bandingkan nilai RMSE de la red de metadatos. Metode dengan RMSE terkecil dapat dinyatakán 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 moviendo el promedio de lebih baik dalam melakukan peramalan, sehingga omzet pada bulan enero 2013 diperkirakan sebesar 150,667 juta rupia (meskipun memiliki nilai yang lebih rendah daripada bulan sebelumnya). (Untuk materi yang lebih jelas, silkan dicari di buku-buku referensi Analisis Time Series, misalnya, Enders, Walter, 2004. Serie de tiempo econométrica aplicada Segunda edición Nueva Jersey: Willey. Kalo contoh soal dalam tulisan ini, saya kutip dari buku modul Kuliah. Double Moving Average vs Double Exponential Suavizante Sebelumnya telah dibahas tentang teknik permalan / previsión sederhana media móvil único dan solo exponencial suavizado. Akan tetapi pada kenyataannya banyak ditemui datos series de tiempo yang memiliki tendencia linier, ole karena itu peru suuenu teknik untuk mengatasinya. Permalan sederhana yang bisa mengatasinya yaitu media móvil doble de doble exponencial suavizado Sebagai informasi, sebenarnya terdapat banyak teknik pronóstico kompleks yang dapat mengatasi masalah tendencia linier yaitu dengan cara mentransformación de datos agar stasioner kemudian diterapkan teknik previsión, seperti ARIMA, ARCH / GARCH, dll Grafik di bawah ini menunjukan kecenderungan omzet restaurador yang memiliki tendencia meningkat. Doble Movimiento Medio Pada teknik ini dilakukan penghitungan rata-rata bergerak sebanyak dua kali kemudian dilanjutkan dengan meramal menggunakan suatu persamaan tertentu. Perhatikan tabel di atas, pada teknik ini proses mencari nilai rata-rata bergerak dilakukan sebanyak dua kali. Pada kolom Promedio móvil 3t baris 1 dan 2 kosong, sedangkan baris ketiga ialah nilai rata-rata dari nilai faktual omzet baris 1, 2, dan 3 (jumlah omzet bulan Juni-Agustus 2011 dibagi tiga (131130125) / 3 128,667). Baris berikutunya juga dilakukan dengan cara perhitungan yang sama. Selanjutnya pada kolom Media móvil doble. Dilakukan penghitungan rata-rata bergerak dengan cara yang sama pada kolom sebelumnya. Namun, pada kolom ini yang menjadi acuan penjumlahan nilai yaitu nilai pada kolom promedio móvil 3t dibagi dengan periode media móvil. Misalnya, nilai 127,444 pada bulan Oktober 2011 kolom doble media móvil diperoleh dari rata-rata bergerak bulan Jul-Oktober 2011 (128,667127126,667 dibagi 3). Lakukan penghitungan serupa pada baris-baris berikutnya hingga pada baris datos terakhir (sebelum periodeyang akan diramalkan). Pada kolom en, lakukan penghitungan dengan rumus di atas. Misalkan, angka 125,88889 pada baris bulan De octubre de 2011 Añadir a la cesta de la compra 2 x 126,6667 8211 127,4444. Lakukan juga pada baris-baris berikutnya. Untuk kolom bt, lakukan penghitungan juga berdasarkan rumus di atas. Ingat bahwa nilai n ialah jumlah periode yang digunakan dalam media móvil. Pada kasus ini nilai n yaitu 3. Selanjutnya hitung nilai ramalan / prevision menggunakan formula atat dengan nilai p1, arita kita hanya akan meramal sebanyak satu periode kedepan saja (meramal omzet pada bulan Januari 2013). Perhatikan bahwa, nilai ramalan, periode, selanjutnya, atau, t1, dihitung, berdasarkan, nilai, dan bt, periode, sekarang, atau, periode, t. Sehingga, nilai ramalan omzet bulan Enero 2013 Sebesar 157,11 juta rupia diperoleh dari penjumlahan nilai en dan bt bulan Desembre 2012 (153,88893,2222 (p1)). Selanjutnya kolom y dan y cuadrado digunakan untuk menghitung RMSE. Nilai RMSE yang didapat yaitu 3,8086. Doble Exponencial Suavizante Teknik ini hampir sama dengan teknik doble media móvil yaitu dua kali dalam melakukan penghitungan. Fórmula de la fórmula yang digunakan antara lain: Perhatikan pada baris pertama kolom exponencial suavizado (At) hingga en memiliki nilai yang sama dengan nilai omzet faktual bulan Junio 2011, nilai ini merupakan default. Selanjutnya nilai baris kedua kolom En dizitunga menggunakan rumus di atas, En omzet bulan Juli 2011 130,600 juta diperoleh dari (w0,4) dikali nilai omzet faktual bulan Juli 2011 (130) ditambah (1-w0,6) dikali nilai En omzet bulan Juni 2011 (131), atau secara matematis ditulis 0,4 x 130 (1-0,4) x 131 130.600 (juta rupiah). Kemudian lakukan penghitungan serupa pada baris-baris berikut. Setelah itu, lakukan penghitungan nilai doble exponencial suavizante (At) menggunakan rumus di atas. Cara penghitungannya sama dengan exponencial suavizado (At), tapi melibatkan data hasil penghitungan At. Nilai En omzet bulan Juli 2011 (130,840) diperoleh dari hasil 0,4 x 130,600 (1-0,4) x 131). Begitupun dengan penghitungan pada baris berikutnya sama. Mencari nilai en dan bt sama seperti teknik media móvil doble. Hanya saja pada bt, dikalikan dengan perbandingan penimbang w / 1-w. Ikuti rumus di atas untuk mencari nilai en dan bt. Kemudian, lakuka n peramalan / previsión sesuai rumus yang ada. Hasil ramalan periode t1 yaitu penjumlahan nilai en dan bt (p1) periode t. Nilai p1 karena pada kasus ini hanya ingin dicari nilai ramalan satu periode kedepan. Ramalan omzet bulan Enero 2013 yaitu (atdes.2012152,260) (btdes.2011 (p1) 2,024 (1)) 154,2833 (juta rupiah). Kemudian carilah nilai RMSE berdasarkan nilai y dan y cuadrado. Nilai RMSE dengan metode doble exponencial suavizado yaitu 3,133. Jika dibandingkan antara metode media móvil doble que el doble suavizado exponencial. Maka metode doble exponencial suavizante (3, 8086) y la métrica de doble media móvil RMSE (3,8086). Demikian, mohon koreksinya kebenaran isi materi di atas. Sumber lengkapnya dapat dibaca pada Enders, Walter. 2004. Serie Econométrica Aplicada de Tiempo Segunda Edición. Nueva Jersey: Willey. Dan Yulianto, M. A. 2011. Operación Dasar-dasar Research unguk Pengambilan Keputusan: Edisi Kedua. Jakarta: Sekolah Tinggi Estadísticas de usuarios.
No comments:
Post a Comment