Nov 26, 2009 Exponentielle Glättung merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia menitik-beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih tua. Dengan kata lain, Beobachtungen Terbaru Akan Diberikan Prioritas Lebih Tinggi Bagi Peramalan Daripada Observasi Yang Lebih Lama. 1. Einfache exponentielle Glättung Juga dikenal einfacher exponentieller Glättung yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Modell mengasumsikan bahwa Daten berfluktuasi di sekitar nilai bedeuten yang tetap, tanpa Trend atau pola pertumbuhan konsisten. Rumus untuk einfaches exponentielles Glätten adalah sebagai berikut: diman: S t peramalan untuk periode t. X t (1) Nilai aktual Zeitreihe F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan antara nol dan 1 2. Double Exponential Glättung Metode ini digunakan Ketika Daten menunjukkan adanya Trend. Exponentielle Glättung dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponieren harus diupdate setiap periode 8211 level dan trend nya. Ebene adalah estimasi yang dimuluskan dari nilai Daten pada akhir masing-masing Periode. Tendenz adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing Periode. Rumus doppelt exponentielle Glättung adalah: 3. Triple exponentielle Glättung Metode ini digunakan ketika Daten menunjukan adanya Trend dan perilaku musiman. Untuk menangani musiman, telah dikembangkan Parameter persamaan ketiga yang disebut metode 8220Holt-Winters8221 sesuai dengan nama penemuya. Terdapat Dua Modell Holt-Winters tergantung pada Tip musimannya yaitu Multiplikative saisonale Modell dan Additive saisonale Modell yang akan dibahas pada bagian lain dari Blog ini. Kembali kita lihat Daten Bali Besuch 2015 Yang diambil Dari Disbudpar Provinsi Bali berikut ini: Daten berbentuk Zeitreihe Yang diambil Sejak Januari 2008 hingga September 2015, Daten ini 92 pengamatan terdiri Dari, untuk datanya dapat diambil disini gtgtgt Untuk bahasan metode pemulusan eksponensial berikut kita Akan Gunakan perangkat lunak evies versi 8.1. 1.Tahap Bedeu Daten: buka Software ezensionen kamu, pilih öffnen vorhandene Dateien, 2. Setelah keluar Jendela ezensionen pilih Datei gt Import gt Import aus einer Datei, 3. Kemudian ambil Daten kamu gt offen, 4. Setelah terbuka tampilannya sebagai berikut: langsung klik Weiter, lalu Ende, 5. Nah sekarang workfile kita telah terbaca oleh eviews, 6. Klik 2x pada variabel besuchen maka akan ditampilkan datanya pada jendela eviews. 7. Untuk Masuk ke pemulusan eksponensial pilih di Registerkarte proc gt exponentielle Glättung gt einzelne exponentielle Glättung, 8. Kemudian setelah Muncul Jendela exponentielle Glättung pilih Tingkat pemulusannya, misalnya Doppel, visitsm adalah hasil estimasi, kemudian Glättungsparameter biarkan ezensionen Yang menentukan, kemudian ok, 9. Kemudian outputnya akan ditampilkan sebagai Berikut. Dari Ausgabe dapat kita lihat nilai Parameter Alpha sebesar 0,0240, dimana metode pemulusan eksponensial dinyatakan dengan Formel: 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 doppelte exponentielle Glättung adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan dengan doppelte exponentielle Glättung. Untuk Hasil estimasi dengan einzigen exponentiellen Glättung adalah sebagai berikut, ulangi kembali proses dari langkah nomor 8 diatas, pilih einzelne exponentielle Glättung. Dari Ausgang diatas, einzelne exponentielle Glättung memberikan nilai Yang Lebih baik yaitu 0,64, artinya pengamatan Lebih menitikberatkan Pada pengamatan Yang Lebih Baru daripada nilai doppelte exponentielle Glättung sebesar 0.024. Semakin besar nilai (mendekati 1) maka nilai peramalan Yang diperoleh Akan mendekati peramalan metode naiv (lihat bahasannya disini gtgtgt), dimana Titik Berat pengamatan Akan mendekati nilai rata-rata Daten aktual, pada kasus ekstrim dimana 1, Y T1T Y T. maka nilai Peramalan akan sama dengan peramalan metode naiv. 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 einzelne exponentielle Glättung adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan menggunakan metode einzelne exponentielle Glättung. Garis yang berwarna merah adalah Daten setelah proses pemulusan tingkat 1, kita dapat melihat tidak banyak penyesuaian yang terjadi terhadap Daten aktualisieren. Berikut ini adalah grafik perbandingan nilai peramalan dengan metode pemulusan eksponensial terhadap Daten aktual, dapat kita lihat bahwa nilai peramalan dengan Doppel eksponential Glättung tidak mengikuti pola Dari grafik Daten aktual dan einzelne exponentielle Glättung Yang Lebih dekat terhadap nilai rata-rata, perbedaan mendasar ini terjadi Ketika Doppelte eksponential Glättung telah memasukkan komponen Trend dalam estimasinya. Untuk data aktual, nilai single und doppelt exponentiell beserta dan grafiknya dapat kamu unduh disini gtgtgt sumber data. disbudpar Provinsi Bali (diolah oleh Statistik 4 Life) von ariyoso Teori amp Konsep Statistik Konsep Variabel Kualitatif dan Kuantitatif Tipe Daten Statistik Deskriptif Konsep Parametrik dan Non Parametrik Statistika Inferensia Penyusunan hipótesis Teknik Pengukuran Statistik Teknik Sampling Sebaran probabilitas Diskret Sebaran Normale Sebaran Binomiale Sebaran Poisson Transformasi Posted Daten Korelasi bivariat Pemaparan Daten Kualitatif dengan Tabulasi Silang neue IBM SPSS Ver.23metode metode peramalan dan aplikasi metode Expnontial Glättung metode exponentielle Glättung merupakan metode peramalan yang cukup baik untuk peramalan jangka panjang dan jangka Menengah, terutama pada Tingkat operasional Suatu Perusahaan, dalam perkembangan dasar matematis Dari metode Glättung (forcasting von Makridakis, hal 79-115) dapat dilihat bahwa konsep exponentiellen Telah berkembang dan Menjadi metode Praktis dengan penggunaan yang cukup luas, terutama dalam peramalan bagi persedian. Kelebihan utama Dari metode exponentielle Glättung adalah dilihat Dari kemudahan dalam Operasi Yang relativ rendah, ada sedikit keraguan apakah ketepatan Yang Lebih baik selalu dapat dicapai dengan menggunakan (QS) Quantitatif sistem ataukah metode dekonposisi Yang Secara intuitif Menarik, namun dalam hal ini jika diperlukan peramalan untuk Ratusan Gegenstand. Menurut Makridakis, Wheelwright Verstärker Mcgee dalam bukunya forcasting (hal 104). Menyatakan bahwa apabila Daten Yang dianalisa bersifat stationer, maka penggunaan metode rata-rata bergerak (gleitender Durchschnitt) Atau einzelne exponentielle Glättung cukup tepat Akan tetapi apabila datanya menunjukan Suatu Trend linier. Maka modell yang baik untuk digunakan adalah exponential glättung linier dari braun atau modell exponential glättung linier dari holt. Permasalahan umum yang dihadapi apabila menggunakan vorbildlicher pemulusan eksponensial adalah memilih konstanta pemulusan yang diperkirakan tepat. Adapun panduan untuk memperkirkan nilai ein yaitu antara gelegen: Apabila pola Dari Daten Aktuál permintaan sangat bergejolak atau tidak stabil Dari Waktu ke Waktu, kita memilih nilai ein mendekati 1.Biasanya di pilih nilai eine 0,9 namun pembaca dapat mencoba nilai ein Yang Yang mendekati Historis gelegen 1 Bewertung 0,8 0,99 tergantung sejauh mana gejolak dari data itu. Apabila pola Historis Dari Daten akual permintaan tidak berfluktuasi atau relati stabil Dari Waktu ke Waktu maka kita memilih nilai ein Yang mendekati nol, katakanlah ein 0,2 0,05 0,01 tergantung sejauh Mana kestabilan Daten itu, Semakin stabil nilai ein Yang dipilih Harus Semakin kecil menuju ke nilai nol B.2. Metode Einzelne Exponentielle Glättung Metode ini juga digunakan untuk meramalkan suatu periode ke depan. Untuk melihat persamaan metode ini dengan metode einzelnen gleitenden Durchschnitt. Maka lihat kembali persamaan matematis yang digunakan pada peramalan einzigen gleitenden Durchschnitt. Peramalan untuk periode t, persamaan adalah: Sedangkan persamaan matematis untuk einzigen beweglichen exponentielle Glättung sebagai berikut: Demikian seterusnya untuk Jadi terlihat bahwa metode einzigen gleitenden Durchschnitt merupakan sejumlah Daten semua Yang ditekankan Pada Baru. Harga ditetapkan oleh 0 X 1 dan harga yang terpilih yang Mitgliedschaft simpangan terkecil dari perhitungan yang ada, seperti pada metode einzeln gleitenden Durchschnitt. Peramalan dengan exponentielle Glättung juga dapat digunakan untuk meramalkan beberapa periode kedepan untuk pola Daten dengan kecenderungan linier, teknik Yang dikenal dengan Nama Brown Parameter exponentielle Glättung Langkah-Langkah perhitungan untuk mendapatkan peramalan dengan metode ini adalah digunakan: nilai peramalan dengan einzigen gleitenden Durchschnitt. Nilai gleitenden Durchschnitt kedua. Hasil peramalan dengan doppelten gleitenden durchschnittlichen pada periode kedepan. Periode kedepan Yang Diramalkan. B.3. Metode doppelt exponentiell Glättung Metode ini dikembangkan oleh Browns untuk mengatasi adanya perbedaan yang muncul antara Daten aktualisieren dn nilai peramalan apabila ada trend pada plot datanya. Untuk itu Browns memanfaatkan nilai peramalan dari hasil einzeln Eksponential Smothing dan Double Exponentielle Glättung. Perbedaan antara kedua ditambahkan pada harga dari SES dengan demikischen harga peramalan telah disesuaikan terhadap trend pada grundstück datanya. B.3.1. Metode Doppel Expnontial Glättung Satu Parameter Brown Dasar pemikiran Dari pemulusan eksponensial linier Dari Brown adalah serupa dengan rata-rata bergerak linier, karena Kedua nilai pemulusan Tunggal dan ganda ketinggalan Dari Daten Yang sebenarnya bilamana terdapat unsur Trend. Perbedaan antara nilai pemulusan tunggal Dan ganda dapat ditambahkan kepada nilai pemulusaner als disesuaikan untuk Trend. Persamaan Yang dipakai dalam implementasi pemulusan linier satu Parameter Brown ditunjukan dibawah ini: a t S8217t (S8217t St) 2 S8217t St F t a t b t. m t 823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230 (2,21) S t nilai pemulusan eksponensial Tunggal S t adalah nilai pemulusan eksponensial ganda. Ke muka yang diramalkan. Ramalan m periode ke muka Agar dapat menggunakan persamaan diatas, nilai S t-1 und S t-1. Harus tersedia. Tetapi pada saat t 1, nilai-nilai tersebut tidak tersedia. Jadi, nilai-nilai ini harus ditentukan Pada awal Periode. Hal ini dapat dilakukan dengan hanya menetapkan S t dan S t sama dengan X t atau dengan menggunakan Suatu nilai rata rata Dari beberapa nilai pertama sebagai Titik awal. Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan (Glättung) eksponensial. Jika Parameter pemulusan ein tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika eine mendekati nol, proses inisialisasi tersebut dapat memainkan peran yang nyata selama periode waktu ke muka yang panjang. B.3.2. Metode Doppel Exponential Smothing Dua Parameter Holt Metode pemulusan eksponensial linier Dari Holt dalam prinsipnya serupa dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda Secara langsung. Seettai gantinya Holt memuluskan nilai Tendenz dengan Parameter yang berbeda dari Parameter yang digunakan pada deret yang asli. Ramalan Dari pemulusan eksponensial linier Holt didapat dengan menggunakan dua konstan pemulusan (dengan nialai antara 0 sampai 1) dan tiga persamaan. F t m S t b t m82308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230 (2,24) Dimana. Daten pemulusan Pada periode t Trend pemulusan Pada periode t peramalan Pada periode t Persamaan diatas (1) menyesuaikan S t Secara langsung untuk Trend periode sebelumnya yaitu b t-1 dengan menambahkan nilai pemulusan Yang terakhir, yaitu S t-1. Hal ini membantu untuk menghilangkan kelambatan dan menempatkan S t ke dasar perkiraan nilai Daten saat ini. Kemudian persamaan meremajakan Tendenz (2), yang ditunjukan sebagai perbedaan antara dua nilai pemulusan yang terakhir. Hal ini tepat karena jika terdapat kecenderungan di dalam Daten, nilai yang baru akan lebih tinggi atau lebih rendah dari pada nilai yang sebelumnya. Karena mungkin masih terdapat sedikit kerandoman. Maka hal ini dihilangkan oleh pemulusan g (gamma) Trend Pada Periode akhir (S t S t-1), dan menambahkannya dengan taksiran Trend sebelumnya dikalikan (1- g). Jadi persamaan diatas dipakai untuk meremajakan Trend. Akhirnya persamaan (3) digunakan untuk peramalan ke muka. Trend. B t, dikalikan dengan jumlah periode kedepan yang diramalkan, m dan ditambahkan pada nilai dasar S t. B.4. Metode Dreifach Exponentielle Glättung Metode ini dapat digunakan untuk Daten yang bersifat atau mengandung musiman. Metode ini adalah metode yang digunakan dalam pemulusan Tendenz dan musiman. Metode Winter tatasarkan atas tiga persamaan pemulusan yaitu satu untuk stationer, tendenz, dan musiman. Hal ini serupa dengan metode holt dengan satu persamaan tambahan untuk mengatasi musiman. Persamaan dasar untuk metode Winter adalah sebagai Berikut: L Panjang musiman. B Komponen Entwicklung I Faktor penyesuaian musiman Ramalan untuk n period eke depan. 2.1.1. Aspek Umum dari Metodie Pemulusan Kelebihan utama dari penggunaan metode pemulusan (Glättung) yang luas adalah kemudahan dan ongkos yang rendah. Ada sedikit keraguan apakah ketetapan yang lebih baik selalu dapat di capai dengan menggunakan metode autoregresi atau pola rata-rata bergerak yang lebih canggih. Namun demikian, jika diperlukan ramalan untuk ribuan Artikel, seperti dalam banyak kasus sistem persedian (Inventori), maka metode pemulusan seringkali merupakan Satu-satunya metode Yang dapat dipakai. Dalam hal keperluan peramalan yang besar, maka suatu yang kecil als Mantap itu lebih berarti. Sebagai contoh, menyimpan empat nilai sebagai ganti dari tiga nilai untuk setiap Einzelteil dapat menjadi sangat berarti bagi keseluruhan Einzelteil sebulan. Disamping itu, Waktu komputer Yang diperlukan untuk melakukan perhitungan Yang Penting Harus werden gestellt Pada Tingkat Yang layak, dan Alasan ini, metode pemulusan eksponensial Lebih disukai Dari Pada metode rata-rata bergerak dan metode dengan Anzahl der Beiträge Parameter Yang sedikit Lebih disukai Dari Pada Yang Lebih banyak. Metode letzten Platz Pengertian. Analisis Tendenz merupakan suatu metode analisis yang ditujukan untuk melakukan suatu schätzung atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam Informasi (Daten) Yang cukup banyak dan diamati dalam periode Waktu Yang relatif cukup panjang, sehingga Dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi Yang terjadi dan faktor-faktor apa saja Yang mempengaruhi terhadap perubahan tersebut . Secara teoristis, dalam analisis Zeitreihe yang paling menentukan adalah kualitas atau keakuratan dari informasi atau Daten-Daten yang diperoleh serta waktu atau periode dari Daten-Daten tersebut dikumpulkan. Jika Daten Yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, Jika Daten Yang Dikumpulkan Semakin Sedikit Maka hasil Schätzung atau peramalannya akan semakin jelek. Metode Least Platz. Metode Yang digunakan untuk analisis Zeitreihe adalah Metode Garis Linier Secara Bebas (Freie Handmethode), Metode Setengah Rata-Rata (Semi-Mittelwertmethode), Metode Rata-Rata Bergerak als Metode Kuadrat Terkecil (Least-Square-Methode). Dalam hal ini akan lebih dikhususkan untuk membahas analisis Zeitreihen dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus Daten genap dan kasus data ganjil. Secara umum persamaan garis linier dari analisis Zeitreihe adalah. Y a b X. Keterangan. Y adalah variabel yang dicari trendnya als X adalah variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta (a) Dan-Parameter (b) adalah. Ein Y N und ein XY X2 Contoh Kasus Daten Ganjil: Tabel. Volumen Penjualan Barang X (dalam 000 Maßeinheit) Tahun 1995 sampai dengan 2003 Untuk mencari nilai und dan b Adalah sebagai Berikut: ein 2.460 9 273,33 dan b 775 60 12,92 Persamaan garis liniernya adalah. Y 273,33 12,92 X. Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah. Y 273,33 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga. Y 273,33 Lieferung Hat Eingeschlossen 142,12 415,45 artinya penjualan barang X pada tahun 2010 diperkirakan sebesar 415.450 Einheit Contoh Kasus Daten Genap: Tabel. Volumen Penjualan Barang X (dalam 000 Maßeinheit) Tahun 1995 sampai dengan 2002 Untuk mencari nilai und dan b Adalah sebagai Berikut: ein 2.150 8 268,75 dan b 1.220 168 7,26 Persamaan garis liniernya adalah. Y 268,75 7,26 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah. Y 268,75 7,26 (untuk tahun 2008 nilai X adalah 19), sehingga. Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406,69 atau 406.690 Maßeinheit. Deutsch - Übersetzung - Linguee als Übersetzung von "tabelbut di atas" vorschlagen Linguee - Wörterbuch Deutsch - Englisch ausschließlich englische Resultate für. Volumen Penjualan Barang X (dalam 000 Maßeinheit) Tahun 1995 sampai dengan 2002 Untuk mencari nilai und dan b Adalah sebagai Berikut: ein 2.150 8 268,75 dan b 610 42 14,52 Persamaan garis liniernya adalah. Y 268,75 14,52 X. Berdasarkan persamaan tersebut untuk meramalkan männlich pada tahun 2008 adalah. Y 268,75 14,52 (untuk tahun 2008 nilai X adalah 9), sehingga. Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406.690 Maßeinheit. Zu Arin, Untuk Y dan X itu adalah Daten Mentah, misalnya mencari Tendenz kunjungan maka Y nya adalah Periode waktu (misal tiap bulan dalam 1 tahun) dan X nya jumlah pengunjung (misalnya pro bulan). Setelah itu baru bisa dimasukkan dalam analisis tendenz Kalau dicermati rumus trend sama dengan rumus regresi sederhana (untuk mencari nilai und dan b). Karena jumlah X di trend sama dengan nol maka jika dimasukkan dalam rumus regresi maka jadi rumus trend. Artinya, untuk mencari nilai a dan b Pada Trend bisa menggunakan rumus regresi, tapi sebaliknya rumus Trend tidak dapat diaplikasikan dalam regresi, karena dalam regresi Anzahl der Beiträge X tidak sama dengan nol Saya lg skripsi mas, cuma Blom ngerti menjelaskan nilai x itu Secara Lengkap, cuma Itung2annya sagt ngerti, nah dosen saya minta menjelaskan nilai x itu dengan sedetail2nya. Dosennya nyuruh sagena tiap x harus dijelaskan dari mana asalnya ,, gimana ya mas slamet menjelaskan x berasal darimana, malah dosen sagen nyuruh tiap bulan x nya harus dijelasin. Um Iqbalbo, karena Anzahl der Beiträge Daten X-nya Genap maka nilai 0 berada antara bulan Juni dan Juli, sehingga bulan Juni dinilai -1 dan bulan Juli dinilai 1. jarak antara bulan Juni DGN Juli atau jarak -1 DGN 1 adalah 2, maka seterusnya Harus Loncat 2. Maka bulan Mei dinilai -3, April -5 dst. Kalau bulan Agustus dinilai 3 September September dinilai 5 dst. Jadi untuk nilai X disamping totalnya 0 juga Harus konsisten Loncat 2. mas slamet8230 itu cara mencari x (variable Waktu) gimana jujur Saya masih bingung kok tau2 dapet nilai -4, -3 mohon penjelasannya mas .. terimaksih Um Iqbaldo, untuk mencari nilai X pada analisis Trend kata kuncinya adalah jika nilai X dijumlahkan maka hasilnya 0. Untuk Daten Anzahl der Beiträge tahun ganjil maka tahun yang ditengah nilainya 0, tahun sebelumnya -1 trus -2 dst, Sedang tahun sesudahnya 1 trus 2 dst. Kalau Daten jumlah tahun genap lihat contoh diatas. Buku Statistika Deskriptif E-Mail: ssantoso0219yahoo. co. id Beitrag Navigation Komisi Gratis
No comments:
Post a Comment