Prosiding Seminar Nasional Matematika dan Terapannya … fileMETODE PENELITIAN Model Holt-Winter...
Transcript of Prosiding Seminar Nasional Matematika dan Terapannya … fileMETODE PENELITIAN Model Holt-Winter...
Prosiding Seminar Nasional Matematika dan Terapannya 2016
p-ISSN : 2550-0384; e-ISSN : 2550-0392
PERAMALAN PADA DATA IRREGULAR SINUSOIDAL DENGAN
MENGGUNAKAN MODEL HOLT-WINTERS
Gumgum Darmawan
Departemen Statistika FMIPA UNPAD
Resa Septiani Pontoh
Departemen Statistika FMIPA UNPAD
Bertho Tantular
Departemen Statistika FMIPA UNPAD
Septiadi Padmadisastra
Departemen Statistika FMIPA UNPAD
Budhi Handoko
Departemen Statistika FMIPA UNPAD
Yeny Krista F.
Departemen Statistika FMIPA UNPAD
ABSTRACT. Irregular Sinusoidal time series data is a time series data that have
unusual seasonal pattern. Data such as this appears on rainfall data, such as rainfall
data in Ciamis, West Java. Sinusoidal Irregular pattern emerged, probably caused by
erratic weather changes. Changes erratic pattern will cause modeling and forecasting
processes more difficult. In this study, we would predict rainfall Sinusoidal Irregular
pattern data by Holt Winters Model. R Software is used to analyse this data.
Keywords:Holt-Winters, Irregular Sinusoidal data,OSSR
ABSTRAK. Irregular Sinusoidal data deret waktu adalah suatu data deret waktu yang
mempunyai pola musiman tidak lazim. Data seperti ini muncul pada data alam seperti
curah hujan, seperti data curah hujan di Ciamis Jawa Barat. Pola Irregular Sinusoidal
muncul, mungkin disebabkan oleh perubahan cuaca yang tidak menentu. Perubahan pola
yang tidak menentu akan menyebabkan proses pemodelan dan peramalan semakin sulit.
Dalam penelitian ini akan di dilakukan peramalan Model Holt Winters untuk data Curah
Hujan yang mempunyai pola Irregular Sinusoidal. Komputasi pada penelitian ini
menggunakan OSSR (Open Source Software R).
Kata Kunci: Holt-Winters, Irregular Sinusoidal Data, OSSR.
Peramalan pada Data Irregular Sinusoidal 180
Purwokerto, 3 Desember 2016
1. PENDAHULUAN
Metode Holt Winters adalah metode peramalan eksponensial yang
terkenal. Metode ini biasa digunakan untuk data yang mempunyai pola trend dan
musiman. Penelitian tentang metode Holt winters sudah banyak dikaji seperti
Haryanto Tanuwijaya (2010) yang menerapkan metode Holt Winters untuk data
pengadaan obat rumah sakit. Evalina Padang, Gim Tarigan,Ujian Sinulingga
(2013), meramalkan jumlah penumpang Kereta Api Medan-Rantau Prapatan
dengan menggunakan Metode Holt-Winters.
Neswinindara Widiarsi, Retno Subekti (2015), melakukan perbandingan
Holt-Winters dan SARIMA untuk data wisatawan asing di Kraton Jogja. Brian L
Djumaty, Andeka Rocky Tanaamah dan Alz Danny Wowor (2013),
membandingkan metode Holt-Winters dan Polinomial Newton untuk meramalkan
produksi ubi kayu.
Pada penelitian ini akan di lakukan peramalan dengan menggunakan
metode Holt Winters untuk data musiman tak seragam (Irregular). Musiman yang
irregular terjadi jika periode untuk tiap bagian data deret waktu sifatnya berubah-
ubah. Data seperti ini terjadi pada data curah hujan yang akan di kaji dalam
penelitian ini.
2. METODE PENELITIAN
Model Holt-Winter digunakan untuk data deret waktu yang mempunyai
komponen tren dan musiman. Metode ini mempunyai tiga parameter penghalusan,
yaitu untuk menghaluskan level, untuk penghalusan tren, untuk komponen
musiman. Terdapat dua model Holt_Winters, yaitu model Musiman Aditif dan
Model Musiman Multiplikatif. Untuk menentukan apakah data kita mempunyai
pola musiman aditif atau pola musiman multiplikatif dapat dilihat dari plot data
deret waktunya.
181 G. Darmawan d.k.k.
Purwokerto, 3 Desember 2016
(a) Musiman Aditif (b) Musiman Multiplikatif
Gambar 1. Dua Jenis Pola Musiman
Dari Gambar 1, tampak ada dua pola musiman, (a) adalah pola musiman
aditif ciri-cirinya periode dari pola musiman tidak mengalami perubahan sedangka
(b) adalah pola musiman multiplikatif, ciri-cirinya periode dari pola musiman
berubah.
2.1 Penghalusan Metode Holt-Winter Untuk Pola Data Musiman Aditif.
Model umum untuk data yang mempunyai pola musiman aditif adalah
sebagai berikut ;
ttt StX 21 , (1)
dengan :
1 adalah konstanta ( komponen tetap dari data deret waktu),
2 adalah komponen tren linier,
St adalah komponen/indeks musiman,
t adalah komponen galat (acak).
Persamaan penghalusan dari Metode Holt-Winters untuk data yang mempunyai
pola musiman aditif adalah :
1. Pemulusan Level
111 ttLttt TSIXS
2. Pemulusan Tren
11 1 tttt TSST
3. Pemulusan Musiman
Time
co
2
1960 1970 1980 1990
32
03
30
34
03
50
36
0
Time
Air
Pa
sse
ng
ers
1950 1952 1954 1956 1958 1960
10
02
00
30
04
00
50
06
00
Peramalan pada Data Irregular Sinusoidal 182
Purwokerto, 3 Desember 2016
11 tttt ISXI
4. Peramalan
LmITmSF Lmtttmt ,..,2,1,*
LLLmITmSF Lmtttmt 2,..,2,1,* 2
2.2 Penghalusan Metode Holt-Winters Untuk Pola Data Musiman
Multiplikatif.
Model umum untuk data yang mempunyai pola musiman aditif adalah
sebagai berikut ;
ttt StX 21 , (2)
dengan :
1 adalah konstanta ( komponen tetap dari data deret waktu),
2 adalah komponen tren linier,
St adalah komponen/indeks musiman,
t adalah komponen galat (acak).
Persamaan penghalusan dari Metode Holt-Winters untuk data yang mempunyai
pola musiman multiplikatif adalah :
1. Pemulusan Level
111
tt
Lt
t
t TSI
XS
2. Pemulusan Tren
11 1 tttt TSST
3. Pemulusan Musiman
11 t
t
t
t IS
XI
4. Peramalan
1,11 mITSF Ltttt
,....3,2,* mITmSF Lmtttmt
dengan inisialisasi sebagai berikut :
183 G. Darmawan d.k.k.
Purwokerto, 3 Desember 2016
L
XXXS L
L
...21
L
XX
L
XX
LT LLLL
L ..1 11
L
L
L
LL S
XI
S
XI
S
XI ,.., 2
2
1
1
dengan :
L : panjang periode musiman,
T : komponen tren,
I : faktor penyesuaian musiman
3. HASIL DAN PEMBAHASAN
Sering secara visual kita cukup sulit untuk memutuskan model manakah
yang tepat digunakan data. Untuk itu, kita bisa menggunakan pendekatan lain,
dengan membandingkan sum/mean square error (SSE/MSE) dari kedua metode
tersebut, kemudian metode terpilih adalah metode yang memberikan SSE/MSE
(Dedi Rosadi,2010).
Gambar 2. Pola Musiman Irregullar
Untuk mendapatkan model yang terbaik dilakukan tracking parameter
dengan dimulai dari nilai terkecil yaitu 0 sampai bernilai 0,99. Hasil tracking
parameter diperlihatkan pada Tabel 1 di bawah ini.
Peramalan pada Data Irregular Sinusoidal 184
Purwokerto, 3 Desember 2016
Tabel 1. Hasil Komputasi
No MAPE
1 0,10 0,00 0,00 94.20
2 0,10 0,00 0,10 123.8
3 0.05 0,08 0,15 130.68.
4 0.65 0,08 0,15 68.39
. . . . .
K 0,75 0,08 0,15 45.81
. . . . .
0,75 0,1 0,15 46.92
. 0,75 0,08 0,2 53.53
N 0,99 0,99 0,99 143.9
Tabel 1 merupakan hasil komputasi untuk semua nilai parameter yang mungkin di
mulai dari nilai ,, = (0,0;0,0;0,0) sampai ,, = (0,99;0,99;0,99). Hasil
terbaik ditemukan pasangan ,, = (0,75;0,08;0,15), menghasilkan nilai
MAPE = 45,81. Model Holt-Winters Multiplikatif tidak dapat diaplikasikan pada
data ini karena mengandung data nol.
4. KESIMPULAN
Pada data ini tidak dapat diaplikasikan Model Holt-Winters yang
multiplikatif karena datanya mempunyai nilai nol. Untuk Model Holt-Winter yang
Aditif ternyata parameter yang terbaik adalah ,, = (0,75;0,08;0,15),
menghasilkan nilai MAPE = 45,81.
DAFTAR PUSTAKA
Brian, L. D., Andeka, R. T., dan Alz, D. W., Newton, Analisis Perbandingan
Metode Holt-Winters,Single Exponential Smoothing Dan Polinomial
185 G. Darmawan d.k.k.
Purwokerto, 3 Desember 2016
Dalam Meramalkan Data Produksi Ubi Kayu, Prosiding Seminar
Matematika, Sains dan TI, FMIPA UNSRAT, 2013.
Rosadi, D., Analisis Ekonometrika & Runtun Waktu Terapan dengan R, Penerbit
ANDI, Yogyakarta, 2010.
Evalina, P., Gim T., Ujian S., Peramalan Jumlah Penumpang Kereta Api Medan-
Rantau Prapat Dengan Metode Pemulusan Eksponensial Holt-Winters,
Saintia Matematika, 1(2) (2013), 161-174.
Tanuwijaya, H., Penerapan Metode Winter’s Exponential Smoothing Dan Single
Moving Average Dalam Sistem Informasi Pengadaan Obat Rumah Sakit,
Prosiding Seminar Nasional Manajemen Teknologi XI, Program Studi
MMT-ITS, 2010.
Neswinindara, W. dan Retno S., Analisis Komparasi Holt Winter dan SARIMA
Pada Peramalan Statistik Wisatawan Asing Kraton Yogyakarta, Seminar
Nasional Matematika dan Pendidikan Matematika, Universitas Negeri
Yogyakarta, 2015.