PENGUKURAN KINERJA METODE PERAMALAN TIPE EXPONENTIAL SMOOTHING DALAM PARAMETER TERBAIKNYA

Maftahatul Hakimah, Weny Mistarika Rahmawati, Andre Yuldian Afandi

Abstract


Metode peramalan tipe exponential smoothing sangat bergantung pada parameter pemulusan yang terkandung pada persamaan matematikanya. Parameter pemulusan terbaik dibutuhkan untuk mengetahui tipe exponential smoothing yang paling cocok digunakan dalam meramalkan data harian nilai tengah tukar rupiah terhadap USD. Parameter terbaik diperoleh dengan meminimalkan kesalahan peramalan berdasarkan MAPE dengan konstrainnya adalah persamaan peramalan untuk setiap tipe exponential smoothing. Tahapan penelitian dibagi menjadi 2 segmen yaitu tahap pelatihan dan tahap pengujian. Tahap pelatihan menunjukkan semua tipe exponential sangat baik pencocokannya terhadap data aktualnya. Kinerja metode peramalan tipe exponential smoothing diukur pada tahap pengujian. Pengukuran kesalahan peramalan menggunakan MAPE, MAD dan RMSE menunjukkan bahwa metode double exponential smoothing dengan damped trend dan simple exponential smoothing paling baik kinerjanya dibandingkan tipe exponential yang lain. Oleh karena itu, penambahan komponen tren dan musiman tidak direkomendasikan pada data nilai tengah tukar rupiah terhadap USD pada tahun 2019.


Full Text:

PDF (Indonesian)

References


Hartono, “Perbandingan Metode single Exponential Smoothing Dan Metode Exponential Smoothing Adjusted For Trend (Holt’s Method) Untuk Meramalkan Penjualan. Studi Kasus: Toko Onderdil Mobil ‘Prodi, Purwodadi,’” J. EKSIS, vol. 5, no. 1, pp. 8–18, 2012.

R. J. Hyndman and G. Athanasopoulos, Forecasting : Principles and Practice, 2nd ed. Melbourne, Australia: OTexts, 2018.

D. C. Montgomery, C. L. Jennings, and M. Kulahci, Introduction to Time Series Analysis and Forecasting. Hoboken, New Jersey: John Wiley & Sons, Inc., 2008.

A. N. Aimran and A. Afthanorhan, “A comparison between single exponential smoothing (SES), double exponential smoothing (DES), holts (brown) and adaptive response rate exponential smoothing (ARRES) techniques in forecasting Malaysia population,” Glob. J. Math. Anal., vol. 2, no. 4, p. 276, 2014.

B. Putro, M. T. Furqon, and S. H. Wijoyo, “Prediksi Jumlah Kebutuhan Pemakaian Air Menggunakan Metode Exponential Smoothing ( Studi Kasus : PDAM Kota Malang ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4679–4686, 2018.

E. Lesmana et al., “Comparison of Double Exponential Smoothing Holt and Fuzzy Time Series Methods in Forecasting Stock Prices ( Case Study : PT Bank Central Asia Tbk ),” pp. 1615–1625, 2019.

J. Heizer and B. Render, Principles Of Operations Management, Seventh. New Jersey: Pearson Prentice Hall, 2008.

B. K. Khotimah, M. Laili, and B. D. Satoto, “Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation,” J. Ilm. NERO, vol. 1, no. 1, pp. 27–32, 2014.

R. Ariyanto, D. Puspitasari, and F. Ericawati, “Penerapan Metode Double Exponential Smoothing Pada Peramalan Produksi Tanaman Pangan,” J. Inform. Polinema, vol. 4, no. 1, p. 57, 2017.

M. V. Shcherbakov, A. Brebels, N. L. Shcherbakova, A. P. Tyukov, T. A. Janovsky, and V. A. evich Kamaev, “A survey of forecast error measures,” World Appl. Sci. J., vol. 24, no. 24, pp. 171–176, 2013.




DOI: http://dx.doi.org/10.21107/nero.v5i1.150

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Network Engineering Research Operation

Creative Commons License
NERO (Networking Engineering Research Operation) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.