Download File: PERBANDINGAN METODE PERAMALAN UNTUK DERET WAKTU MUSIMAN.pdf
Berikut ini adalah abstrak dari file terkait yang ditulis oleh Suhermin Ari Pujiati:
”Mengamati pertumbuhan kunjungan wisatawan manca negara ke beberapa daerah di Indonesia merupakan suatu hal yang menarik, terlebih lagi jika dapat dilakukan peramalan jumlah kunjungan wisata pada beberapa bulan kedepan. Kebutuhan akan peramalan yang cepat dan efisien menjadi dasar dalam penelitian ini. Sehingga selanjutnya, dari 3 metode peramalan sederhana yakni: Naïve Models, Exponential Smoothing dan Time Series Regression akan dibandingkan dan dipilih mana metode yang lebih tepat digunakan untuk kasus kunjungan wisatawan mancanegara melalui bandara Ngurah Rai dan Hang Nadim. Berdasarkan plot time series, dugaan dari masing-masing metode peramalan, baik pada data insample maupun outsample dipilih metode peramalan yang berbeda untuk masing-masing kasus. Pada kasus jumlah kunjungan wisatawan manca negara melalui bandara Ngurah Rai dipilih metode time series regression, karena nampak adanya pola musiman yang sangat mendominasi, sehingga penggunaan time series regression dapat dimaksimalkan dengan optimal. Sedangkan pada kasus jumlah kunjungan wisatawan manca negara melalui bandara Hang Nadim, tidak tampak adanya perubahan yang ekstrim, walaupun pada periode musiman maupun saat terjadi gangguan/ intervensi, sehingga metode Winter’s Exponential Smoothing menjadi metode yang terbaik untuk data ini.”
Sebenarnya, inti dari belajar time series adalah mencari sebuah metode peramalan yang terbaik untuk berbagai jenis data deret waktu dengan membandingkan nilai Mean Square Error (MSE/MSD) dan Mean Absolute Deviation (MAD) yang paling kkecil dari semua metode yang digunakan/dicoba. Akan tetapi, kita juga perlu mengetahui pola data deret waktu tersebut agar metode yang digunakan lebih tepat sasaran atau cepat mendapatkan metode yang terbaik untuk peramalan. Berikut ini adalah kaitan pola data dengan metode peramalan:
Berikut ini adalah abstrak dari file terkait yang ditulis oleh Suhermin Ari Pujiati:
”Mengamati pertumbuhan kunjungan wisatawan manca negara ke beberapa daerah di Indonesia merupakan suatu hal yang menarik, terlebih lagi jika dapat dilakukan peramalan jumlah kunjungan wisata pada beberapa bulan kedepan. Kebutuhan akan peramalan yang cepat dan efisien menjadi dasar dalam penelitian ini. Sehingga selanjutnya, dari 3 metode peramalan sederhana yakni: Naïve Models, Exponential Smoothing dan Time Series Regression akan dibandingkan dan dipilih mana metode yang lebih tepat digunakan untuk kasus kunjungan wisatawan mancanegara melalui bandara Ngurah Rai dan Hang Nadim. Berdasarkan plot time series, dugaan dari masing-masing metode peramalan, baik pada data insample maupun outsample dipilih metode peramalan yang berbeda untuk masing-masing kasus. Pada kasus jumlah kunjungan wisatawan manca negara melalui bandara Ngurah Rai dipilih metode time series regression, karena nampak adanya pola musiman yang sangat mendominasi, sehingga penggunaan time series regression dapat dimaksimalkan dengan optimal. Sedangkan pada kasus jumlah kunjungan wisatawan manca negara melalui bandara Hang Nadim, tidak tampak adanya perubahan yang ekstrim, walaupun pada periode musiman maupun saat terjadi gangguan/ intervensi, sehingga metode Winter’s Exponential Smoothing menjadi metode yang terbaik untuk data ini.”
Sebenarnya, inti dari belajar time series adalah mencari sebuah metode peramalan yang terbaik untuk berbagai jenis data deret waktu dengan membandingkan nilai Mean Square Error (MSE/MSD) dan Mean Absolute Deviation (MAD) yang paling kkecil dari semua metode yang digunakan/dicoba. Akan tetapi, kita juga perlu mengetahui pola data deret waktu tersebut agar metode yang digunakan lebih tepat sasaran atau cepat mendapatkan metode yang terbaik untuk peramalan. Berikut ini adalah kaitan pola data dengan metode peramalan:
1. Stationer
Metode yang bisa digunakan: Naïve Model, Simple Averages, Moving Averages, Single Exponential Smoothing.
2. Trend
2. Trend
Metode yang bisa digunakan: Naïve Model, Double Moving Averages, Double Exponential Smoothing.
3. Seasonal Effects
Metode yang bisa digunakan: Naïve Model, Winter’s Model.
Metode yang bisa digunakan: Naïve Model, Winter’s Model.
4. Seasonal and Trend
Metode yang bisa digunakan: Naïve Model, Winter’s Model.
.jpg)
Tidak ada komentar:
Posting Komentar