Konsep Média Móvel

26 de novembro de 2009 Metode Smoothing merupakan salah satu jenis teknik yang digunakan dalam analisis série de tempo (runtun waktu) untuk memberikan peramalan jangka pendek. Dalam melakukan suavizando (penghalusan) terhadap data, nilai masa lalu digunakan untuk mendapatkan nilai yang dihaluskan untuk série de tempo. Nilai yang telah dihaluskan ini kemudian diekstrapolasikan untuk meramal nilai masa depan. Tehnik yang kita kenal dalam metode smoothing yaitu Média móvel simples do alisamento exponencial. Pada halaman ini, saya hanya akan membahas tentang Average Moving Simple. Simples dados médios em movimento série temporária seringkali mengandung ketidakteraturan yang akan menyebabkan prediksi yang beragam. Untuk menghilangkan efek yang tidak diinginkan dari ketidak-teraturan ini, metodo simples, móvel, médio, mengambil, beberapa, nilai, yang, sedang, diamati, memberikan, rataan, dan menggunakannya untuk memprediksi nilai untuk periode waktu yang akan datang. Semakin tinggi jumlah pengamatan yang dilakukan, maka pengaruh metode média móvel akan lebih baik. Meningkatkan jumlah observasi akan menghasilkan nilai peramalan yang lebih baik karena ia cenderung meminimalkan efek-efek pergerakan yang tidak biasa yang muncul pada dados. Moving average juga mempunyai dua kelemahan yaitu memerlukan dados masa lalu dalam jumlah besar untuk ketepatan prediksi, dan masing-masing observasi diberikan bobot yang sama, ini melanggar bukti empiris bahwa semakin observa terbaru seharusnya lebih dekat dengan nilai masa depan maka kepentingan bobotnya akan meningkat pula. Aplikasi Metode Moving Average software Dengan IBM SPSS 23 dapat dilihat pada contoh berikut ini: Berikut kita memiliki dados kunjungan ke Bali para Januari 2008 hingga Juni 2015 dalam format excel, dados diambil dari website Dinas Pariwisata Provinsi Bali: 1. Langkah pertama adalah memasukkan dados ke Folha de cálculo do DALAM SPSS 23 sebagai berikut: Data View. (Bagi yang belum jelas tentang cara impor dados dari excel ke SPSS 23 lihat di step bahasan in gtgtgt) 2. Kemudian pada menu SPSS 23 pilih Transformar 8211 Criar Time Series Seperti Gambar: 3. Setelah itu akan muncul kotak diálogo berikut, pilih Visita dan Klik panah sehingga variabel visita berpindah ke kolom variabel 8211 Novo Variabel di sebelah kanan. 4. Setelah itu pilih pada kotak função pilih Cented Moving Average, atau bisa juga Prior Moving Average. 5. Kemudian isikan span dengan 3, dan klik change. Span diisi dengan angka 3 artinya mengalami proses 3 kali suavizando yang biasa kita kenal juga dengan Média móvel ponderada. Adapun proses 1 dan 2 kali suavizando kita sebut Single Moving Average do Double Moving Average. Jangan lupa untuk klik change ágar variabel visit1 berubah menjadi visi3, kemudian ok. 6. Saída yang didapat dari metode Média móvel centrada 8211 Média móvel ponderada adalah sebagai berikut: Dari saída diatas, dapat diketahui bahwa Kunjungan pada bulan-bulan berikutnya dapat kita lihat dari variabel baru yang dihasilkan dari análise de séries de tempo metodo centrado média móvel - movimento ponderado média . Demikian juga jika kita memilih antes da média móvel, keduanya merupakan metode simples média móvel 3, maka hasil peramalannya akan sama. (Yoz) Aplikasi Metode Exponencial Suavização dengan SPSS akan dibahas pada halaman selanjutnya gtgtgt Publicado por ariyoso Teori amp Konsep Statistik Konsep Variabel Kualitatif Dan Kuantitatif Tipe Dados Statistik Deskriptif Konsep Parametrik dan Non Parametrik Statistika Inferensia Penyusunan Hipotesis Teknik Pengukuran Statistik Teknik Amostragem Sebaran Probabilitas Diskret Sebaran Normal Sebaran Binomial Sebaran Poisson Transformasi Dados Korelasi Bivariat Pemaparan Dados Kualitatif dengan Tabulasi Silang novo IBM SPSS Ver.23BOLLINGER BANDS Bollinger Bands Konsep dari Bollinger Bands sebenarnya hampir sama dengan envelope médio móvel. Envelope Berbeda Dari envelope. Bandas memliki tingkat fluktuasi yang fleksibel sedangkan envelope memiliki tingkat fluktuasi tetap. Ada banyak jenis bandas dalam analisis teknikal, dan Bollinger Bandas adalah salah satunya. Bollinger Bands ini dibuat berdasarkan prinsip relativitas dimana batas pergerakan harga akan disesuaikan dengan tingkat volatilitas dari pergerakan tren. Jika tren memiliki volatilitas yang tinggi, maka batas pergerakan harga (bandas) juga harus menyesuaikan (akan semakin tinggi juga). Jika harga cenderung de lado, maka batas pergerakan harga juga akan cenderung menyempit. Envelope Layaknya, Bollinger Bands juga terdiri dari dua pembatas di bagian atas média móvel. Perhitungan dari Bollinger Bandas ini didapat dari perhitugnan standar deviasi, dan bisa anda dapatkan disini. Mari kita lihat beda Bollinger Bandas dan Envelope pada gambar berikut: Terlihat pada gambar di atas, envelope yang berwarna merah dan bollinger yang berwarna hijau. Bollinger terlihat memiliki tingkat volatilitas yang lebih tinggi dibanding envelope biasa. Bollinger ini merupakan salah satu indikator yang paling sering digunakan oleh para comerciante maupun investidor. Banyak estratégia de negociação yang dapat dilahirkan dari konsep bollinger ini. Beberapa diantaranya adalah menggunakan bollinger sebagai apoio dan preço alvo seperti yang dapat dijumpai pada konsep envelope biasanya. Kalau anda lupa, bisa klik disini untuk mengingatkan anda dengan konsep envelope. Cara ini biasanya digunakan oleh para trader jangka pendek. Selain itu juga bollinger juga seringkali dijadikan sinyal buy dan sale oleh para trader. Sebagai contoh misalnya jika harga menyentuh bollinger atas, maka hal ini berarti sinyal comprar. Sinyal vende bisa didapat dari perpotongan harga ke bawah mudagenagen. Sesuaikan periode dan jumlah persentase standar deviasi yang sesuai dengan gaya trading anda. Estratégia de negociação dengan bollinger dapat anda dapatkan di buku Bolinger sobre Bolinger Bandas karangan John Bollinger. Sedikit dicas untuk anda dalam menggunakan Bollinger ini. Saya menggunakan Bollinger Hanya Sebagai filtro untuk saham-saham yang sekiranya layak untuk ditradingkan. Salah satu strategi saya adalah mentradingkan saham-saham yang bollingernya sudah mulai menyempit. Jika saham tersebut sudah ada sinyal dari trem seguidor indikator untuk comprar, maka saya akan segera mengambilnya. Cara ini sering disbut juga dengan squeeze play. Bollinger yang menyempit mengindikasikan bahwa jika harga break, maka akan rally dengan sangat kencang. Yang terjadi bisa 2 skenario, yang pertama adalah harga rally ke bawah dan harga rally ke atas. Tentu akan menjadi malapetaka jika harga rally ke bawah atau em baixa. Oleh karena itu harus ada konfirmasi dari tendência seguidor indicador seperti média móvel atau MACD untuk memastikan bahwa harga akan segera bullish. Lantas seberapa sempitkah sempit itu Jika anda melihatnya dengan kasat mata maka hasilnya akan sangat subyektif. Saya memiliki satu metodo yang cukup efektif untuk mengetahui apakah saham tersebut sudah cukup sempit untuk diperdagangkan atau tidak. Caranya adalah dengan mengurangkan nilai dari bollinger atas dengan bollinger bawah, kemudian bagi hasilnya dengan bollinger bawah. Jika ditulis maka akan seperti ini: (bollinger atas-bollinger bawah) bollinger bawah Umumnya yang dikategorikan cukup sempit adalah 0.1 0.15 atau kurang dari itu. Hanya saja ini bukan merupakan variabel yang baku. Untuk mendapatkan variabel yang tepat, anda dapat melakukan volta teste pada programa analisis teknikal anda. Good Luck8230 Compartilhar isto: Puji dan syukur penulis panjatkan kehadiran Allah SWT yang telah melimpahkan Rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Makalah ini, Shalawat dan salam tidak lupa penulis sampaikan kepangkuan baginda Rasullulah SAW yang telah membawa risalah untuk umat manusia Adapun Makalah yang penulis Tulis adalah 8220 PERAMALAN (previsão) Selama dalam proses penulisan Makalah ini banyak sekali hambatan dan kesulitan yang penulis alami di karenakan terbatasnya pengetahuan yang penulis miliki. Justru itu, penulis mengucapkan terima kasih kepada 1. Bapak Ir. Muhammad ST, MT yang telah banyak memberikan petunjuk, bimbingan dan dorongan dalam menyusun Proposta ini dari awal sampai akhir. 2. J uga kepada rekan seperjuangan, dan semua pihak yang telah membantu penulis dalam menyusun Proposta ini Atas semua batuan dan bimbingan sobre semua pihak penulis serahkan kepada Allah SWT, semoga Allah dapat membalas dengan rahmat yang berlimpah ganda. Makalah ini masih sangat jauh dari kesempurnaan, justru itu penulis megharapkan kritik dan saran dari semua pihak yang sifatnya membangun demi kesempurnaan Makalah ini, akhirnya harapan penulis, semoga Makalah ini dapat bermanfaat bagi semua pihak pembaca, terutama bagi penulis sendiri. 1.1. Latar Belakang Masalah Peramalan merupakan tahap awal dari perencanaan dan pengandalian produksi. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap suatu atau beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan merupakan suatu perkiraan terhadap keadaan yang akan terjadi di masa yang akan datang. Keadaan masa yang akan datang yang dimaksud adalah: 1. Apa yang dibutuhkan (jenis) 2. Berapa yang dibutuhkan (jumlahkuantitas) 3. Kapan dibutuhkan (waktu) Tujuan peramalan dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang Sebenarnya. Peramalan tidak akan pernah 8220 perfeito 8221, tetapi meskipun demikian hasil peramalan akan memberikan arahan bagi suatu perencanaan. Suatu perusahaan biasanya menggunakan prosedur tiga tahap untuk sampai pada peramalan penjualan, yaitu diawali dengan melakukan peramalan lingkungan, diikuti dengan peramalan penjualan industri, dan diakhiri dengan peramalan penjualan perusahaan. 1.2. Pendefinisian Tujuan Peramalan Tujuan peramalan dilihat dengan waktu: 1. Jangka pendek (curto prazo) Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian ataupun mingguan dan ditentukan oleh baixo gerenciamento. 2. Jangka menengah (médio prazo) Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh middle management. 3. Jangka panjang (longo prazo) Menentukan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh top management. 1.3. Peranan Peramalan Dalam Sistem Produksi Peranan peramalan dalam perencanaan proses produksi adalah sebagai berikut: 1. Planejamento de Negócios Berisi rencana pendanaan, pembiayaan dan keuangan perusahaan sebagai dasar untuk membuat rencana pemasaran. 2. Planejamento de Marketing Rencana tentang produk yang akan dibuat, penjualan dan pemasaran, sebagai dasar untuk membuat planejamento de produção. 3. Master Production Schdule Rencana produk akhir yang harus dibujo pada tiap periode selama 1-5 tahun. Produzir akhir, merupakan dekomposisi dari planejamento de produção. 4. Planejamento de Recursos Rencana kapasitas yang diperlukan untuk memenuhi plano de produção. Dapat dinyatakan dalam jam-orang atau jam-mesin. Merupakan bahan pertimbanagn untuk ekspansi orang, mesin, pabrik, dan lain-lain, yang ditetapkan berdasarkan kapasitas yang tersedia. 5. Rought Cut Capacity Planning (RCPP) Rencana untuk menentukan kapasitas yang diperlukan untuk memenuhi MPS. Hasilnya berupa jenis orangmesin yang diperlukan untuk tiap centro de trabalho pada setiap periode. Merupakan bahan pertimbangan untuk penambahan jam kerja atau sub kontrak. 6. Gestão da Demanda Aktivitas memprediksi kebutuhan di masa datang dikaitkan dengan kapasitas. Previsão de Terdiri dari aktivitas. Planejamento de requisitos de distribuição. Requisição de pedido, envio, requisito de peça de serviço dan. 7. Requisito de Material Planejamento Menetapkan rencana kebutuhan material untuk melaksanakan MPS. Saída MRP adalah comprando o PAC (controle de atividade de produção), e MRP menghasilkan rencana pembelian meliputi jumlah data de vencimento, data de lançamento. 8. Requisição de capacidade Planejamento Rencana kebutuhan kapasitas yang dibutuhkan untuk merelealisasikan MPS di tiap periode dan tiap mesin. CRP lebih teliti dan lebih rinci dibanding RCCP, karena disarkan pada ordem planejada. Jika kapasitas tidak tersedia bisa ditambah dengan ao longo do tempo. Merubah routing dan lain-lain. Jika tidak tercapai MPS harus dirubah. 9. Controle de atividade de produção (PAC) Sering disebut distribuidor shop floor contro l (SFC), aktivitas membuat produk setelah bahan dibeli. PAC terdiri dari aktivitas awal-akhir suatu trabalho berdasarkan urutan kedatangan trabalho, lalu membebankan trabalho ke estação de trabalho. Dan melakukan pelaporan. Hasil laporan akan merupakan feedback bagi MPS. Merupakan aktivitas memilih vendor. Membuat order pembelian, dan menjadwalkan vendedor. 11. Medição de desempenho Avaliação do sistema de armazenamento e armazenamento de dados. Seberapa jauh hasil yang diperoleh dibandingkan dengan rencana yang telah ditetapkan. Sebagai bahan evaluasi pencapaian bisnis planejamento. 1.4. Karakteristik Peramalan yang Baik Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut: Akurasi dari suatu peramalan diukur dengan hasil kebiasaan dan konsistensi peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau telalu rendah dibanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten jika besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya perusahaan kemungkinan kehilangan pelanggan dan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan barang persediaan, sehingga banyak modal tersia-siakan. Keakuratan hasil peramalan berperan dalam menyeimbangkan persediaan ideal. Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi betapa banyak dados yang diblutuhkan, bagaimana pengolahannya (manual atau komputerisasi), bagaimana penyimpanan datanya dan siapa dados ahli yang diperbantukan. Pemilihan metode peramalan harus sesuai dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto (Analisa ABC). Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metodo yang canggih tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi. 2.1. Pengertian Peramalan Peramalan (previsão) merupakan bagian vital bagi setiap organisasi bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam area fungsional keuangan, peramalan memberikan dasar dalam menentukan anggaran dan pengendalian biaya. Pada bagian pemasaran, peramalan penjualan dibutuhkan untuk merencanakan produk baru, kompensasi tenaga penjual, dan beberapa keputusan penting lainnya. Selanjutnya, pada bagian produksi dan operasi menggunakan dados-dados peramalan untuk perencanaan kapasitas, fasilitas, produksi, penjadwalan, dan pengendalian persedian (controle de estoque). Untuk menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan metode peramalan. Peramalan adalah penggunaan dados masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimas de nilainya di masa yang akan datang. Quando podemos prever o que o futuro será, podemos modificar nosso comportamento agora para estar em melhor posição, do contrário do que teríamos sido, quando chegar o futuro.8221 Artinya, jika kita Dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja de massa lalu akan terus berulang setidaknya dalam masa mendatang yang relativo dekat. Peramalan merupakan teknik yang digunakan untuk memperkirakan suatu sistema dimasa yang akan datang. Peramalan diperlukan oleh suatu perusahaan karena setiap keputusan yang diambil dapat memengaruhi keadaan diamasa yang akan datang. Menurut Horison waktu, nya, peramalan dapat dibagi menjadi 3 yaitu: 1. Peramalan jangka pendek yang memberikan hasil peramalan satu tahun mendatang. atau kurang 2. Peramalan jangka menengah untuk meramalkan keadaan satu hingga 5 tahun kedepan. 3. Peramalan jangka panjang digunakan untuk pengambilan keputusan mengenai perencanaan produk dan perencanaan pasar, pengeluaran biaya perusahaan, studi kelayakan pabrik, anggaran, ordem de compra, perencanaan tenaga kerja dan perencanaan kapasitas kerja serta pengambilan keputusan yang berhubungan dengan kejadian lebih dari 5 tahun yang akan datang . 1. Dalam metode peramalan dapat dibagi atas dua metode yaitu: A. Metode kuanlitatif Metode kuanlitatif yaitu menggunakan perhitungan matematik dan statistic. Metode kuanlitatif dapat digolongkan menjadi 2 yaitu: 1. Teknik Deret Berkala (série de tempo) yang memerlukan sistem seperti kotak hitamdan tidak ada usaha memerlukan faktor yang berpengaruh pada sistema tersebut. Metode ini cocok untuk peramalan jangka pendek dan jangka menengah. 1. Média de Movimento Único 2. Sorriso Exponencial Único, 2. Teknik Exponencial (causal) yang mengasumsikan adanya hubungan sebab akibat anatara output dan entrada de suatu sistem. 1. Analisis Regrasi Ganda 1. Metode kualitatif. Metode ini digunakan dimana tidak ada modelo matematik, biasanya dikarenakan dados yang ada tidak cukup representativo untuk meramalkan masa yang akan datang (previsão a longo prazo). Peramalan kualitatif menggunakan pertimbangan pendapat-pendapat para pakar yang ahli atau experd di bidangnya. Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat murah (dados de tanpa) dan cepat diperoleh. Sementara kekurangannya yaitu bersifat subyektif sehingga seringkali dikatakan kurang ilmiah. Salah satu pendekatan peramalan dalam metode ini adalah Teknik Delphi. Dimana menggabungkan dan merata-ratakan pendapat para pakar dalam suatu forum yang dibentuk untuk memberikan estimativa suatu hasil permasalahan di masa yang akan datang. Misalnya: berapa estimasi pelanggan yang dapat diperoleh dengan realisasi teknologi 3G. Metode kualitatif biasanya tidak menggunakan perhitungan matematis ataupun perhitungan secara statitik. Metode ini cukup dengan tanggapan atau buah pikiran dari orang orang yang cuku mengenai keadaan yang akan diramalakan. 1. Metode Juri Opinião 2. Metode Delphi. 2.2. Langkah Langkah dalam melakukan peramalan adalah sebagai berikut: Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah: 1. Definisikan Tujuan Peramalan Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan. 2. Buatlah diagram pencar (Plot Data) Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) e waktu sebagai axis (X). 3. Memilih modelo peramalan yang tepat Melihat dari kecenderungan dados pada diagrama pencar, maka dapat dipilih beberapa modelo peramalan yang diperkirakan dapat mewakili pola tersebut. 4. Lakukan Peramalan 5. Hitung kesalahan ramalan (erro de previsão) Keakuratan suatu modelo peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai 8220kesalahan ramalan (erro de previsão) 8221 atau deviasi yang dinyatakan dalam: Dimana. Y (t) Nilai data aktual pada periode t Y8217 (t) Nilai hasil peramalan pada periode tt Periode peramalan Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE (Sum of Squared Errors) dan Estimasi Standar Error (VER 8211 Erro padrão estimado) Pilih Metode Peramalan dengan kesalahan yang terkecil. Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut. Untuk mengevaluasi apakah pola dados menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya. 2.3. Metode Peramalan Salah satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu data yang ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka pendek (minggu 174 bulan), menengah (bulan 174 tahun), dan jangka panjang (tahun 174 dekade). Tabel berikut ini menunjukkan tipe-tipe keputusan berdasarkan jangka waktu peramalannya. Tabel 2. 3 Rentang Waktu dalam Peramalan 2.3.1. Jenis - Jenis Metode Peramalan Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dados dados de informática yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain. 1. Time Series atau Deret Waktu Analisis séries temporais merupakan hubungan antara variabel yang dicari (dependente) dengan variabel yang mempengaruhi-nya (variável independente), yang dikaitkan dengan waktu seperti mingguan, bulan, triwulan, catur wulan, semester atau tahun. Dalam analisis séries temporais yang menjadi variabel yang dicari adalah waktu. Metode peramalan ini terdiri dari. uma. Metode Smoting, merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan dados masa lampau seperti musiman. B. Metode Box Jenkins, merupakan deret waktu dengan menggunakan modelo matematis dan digunakan untuk peramalan jangka pendek. C. Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis. 2. Métodos causais atau sebab akibat Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari. uma. Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik mínimos quadrados yang dianalisis secara statis. B. Modelo de saída de entrada, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun tendência ekonomi jangka panjang. C. Modelo ekonometri, merupakan peramalan yang digunakan untuk jangka panjang e jangka pendek. Berikut ini akan dijabarkan cara melakukan peramalan dengan menggunakan modelo Time Series Analysis modelo yang terdiri dari beberapa. Adapun asumsi dasar dalam menggunakan modelo deret waktu ini adalah pola dados ramalan akan sama dengan pola data sebelumnya. Modelo modelo de modelo: modelo modelo, (2) modelo Siklis, (3) modelo Analisis Regresi, (4) modelo de média móvel, (5) suavização exponencial do modelo. 2.4.1. Modelo Konstan (Previsão Constante) Persamaan garis yang menggambarkan pola konstan adalah: Y8217 (t) a dimana a konstanta Untuk mendapatkan nilai (a) maka dapat didekati melalui turunan kuadrat terkecilnya (menos quadrado) terhadap (a) sebagai berikut: 2.4.2. Modelo Siklis (Musiman) Untuk pola dados yang bersifat siklis atau musiman, persamaan garis yang mewakili dapat didekati dengan fungsi trigonometri, yaitu: Dimana n adalah jumlah periode peramalan Jumlah Kuadrat Kesalahan Terkecil didefinisikan sebagai: 2.4.3. Modelo Regresi Linier (Previsão Linier) Persamaan garis yang mendekati bentuk data linier adalah: Konstanta a dan b ditentukan dados dados mentah berdasarkan Kriteria Kuadrat Terkecil (critério mínimo quadrado). Perhitungannya sebagai berikut: Anggaplah data mentah diwakili dengan (Y i, t i), dimana Y i adalah permintaan aktual di saat t i. Dimana i 1,2. N. 2.4.4. Modelo Rata-Rata Bergerak (Média em Movimento) Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dados dados asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk dados yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau sazonal. Modelo rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata dados permintaan aktual dari n periode terakhir. Terdapat tiga macam modelo rata-rata bergerak, yaitu: 2.4.4.1. Média móvel simples Média móvel simples (SMA t) 2.4.4.2. Média de Movimento Centrada Perbedaan utama antara Média de Movimento Simples e Média de Mudança Centrada terletak pada pemilihan observasi yang digunakan. Média de Movimento Simples, dados de menggunakan yang sedang diobservasi tambah data sebelum observasi. Misalnya, menggunakan 5 periode média móvel, maka untuk SMA menggunakan dados periode ke-5 dan 4 data periode sebelumnya. Sebaliknya untuk CMA, 8220Center8221 berarti rataan antara dados sekarang dengan menggunakan dados sebelumnya dan data sesudahnya. Misalnya untuk 3 periode média móvel, maka SMA menggunakan data periode 3 ditambah data sebelumnya dan data sesudahnya. Didefinisikan sebagai berikut: Dimana Y t adalah nilai tengah dari intervalo L data observasi. (L-1) 2 observasi merupakan data sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Y t Y 5 maka intervalnya dimulai dari Y 3 sampai Y 7 2.4.4.3. Fórmula média média ponderada a média móvel ponderada (WMAt): 2.4.5. Pelicinan Exponential (Suavização Exponencial) Dalam modelo rata-rata bergerak (Média Mover) dapat dilihat bahwa untuk semua dados obesrvasi memiliki bobot yang sama yang membentuk rata-ratanya. Padahal, data observasi terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan data observasi di masa yang lalu. Hal ini dipandang sebagai kelemahan modelo peramalan Moving Average. Untuk itu, digunakanlah metode Exponential Suavizar agar kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai berikut: Metode exponencial smoothing mempertimbangkan bobot dados-dados sebelumnya dengan estimasi untuk Y8217 (t1) 173 dengan periode (t1) dihitung sebagai: Dimana a disebut konstanta pelicinan dalam interval 0 lt lt 1. Rumus ini memperlihatkan bahwa dados yang lalu memiliki bobot lebih kecil dibandingkan dengan data yang terbaru. Rumus tersebut dapat disederhanakan sebagai berikut: Dengan nilai Y8217 (1) untuk inisial ramalan didekati dengan nilai rata-ratanya () Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang penting dalam menghasilkan hasil ramalan yang 8220andal8221. Model Exponential Smoothing digunakan untuk peramalan jangka pendek. Permi pak, saya pernah menulis tentang fungsi autocorrelação untuk penentuan pola dados série temporal apakah musiman, tren, atau papel de parede, di artikel berikut: datacomlink. blogspot201512data-mining-identifikasi-pola-data-time. html yang ingin saya tanyakan, apakah ada teknik Lain untuk mencari pola dados série temporal selain fungsi autocorrelação ya pak terima kasih