Dalam artikel artikel sebelumnya telah dibahas tentang 3 metode Exponential Smoothing. Pada kesempatan kali akan dibahas teknik peramalan lainnya yaitu Trend and Seasonal Decomposition. Konsep dari Trend and Seasonal Decompositionadalah memecah komponen tren dan musiman yang dapat digunakan pada data dengan pola tren maupun tren musiman. Sama seperti artikel sebelumnya, metode ini sudah tersedia pada Toolbox MINITAB. Berikut tahapan-tahapannya:
Tampilan awal software MINITAB
Minitab yang digunakan pada artikel adalah MINITAB 16
Menggunakan data contoh dari MINITAB
MINITAB telah menyediakan banyak sekali contoh data untuk proses pembelajaran. Oleh karena itu pada artikel ini kita akan menggunakan data contoh dari MINITAB dengan tahapan sebagai berikut:
- Klik File– Open Worksheet
- Klik Look in Minitab Sample Data Folder
- Pilih dan buka file dengan nama Employ.mtw
- Klik OK
Pemodelan Trend and Seasonal Decomposition
Tahapan-tahapan dalam pemodelan dijelaskan sebagai berikut:
- Klik Stat– Time Series – Decomposition
- Isikan kotak Variable dengan Tradedan kotak Seasonal Length dengan 12. Seasonal Length adalah dugaan periode musiman. Pada pilihan Model Component terdapat pilihan proses yang akan digunakan. Apakah akan melakukan proses tren dan musiman, atau hanya musiman. Pada artikel ini digunakan pilihan Trend Plus Seasonal. Pada pilihan Model Type terdapat pilihan Multiplicative dan Additive, sebagai contoh dipilih Multiplicative. Perbedaan antara Multiplicative dan Additive terletak pada pola musiman yang terbentuk dari data awal.
- Klik Storagejika ingin menampilkan hasil output – OK.
- Jika ingin melakukan peramalan beberapa periode ke depan langsung, dapat langsing menambahkan pilihan Generate Forecasts. Isikan kotak Number of Forecast (banyaknya ramalan priode ke depan) dengan angka misalnya 12. Isikan kotak Starting from Origin (memulai peramalan dengan data asli pada periode ke t) dengan t terakhir yaitu 60 karena banyaknya data sebanyak 60 series.
- Klik OK.
Hasil Akhir
Setelah tahapan point 1 sampai 5 selese, maka didapat hasil sebagai berikut:
Plot Hitam : Data asli
Plot Merah : Hasil pemulusan
Plot Hijau : Nilai permalan ke depan
Plot Biru : Batas selang kepercayaan
Hasil peramalan pendekatan Metode Trend and Seasonal Decomposition pada waktu ke t sangat berhimpit dengan data asli. Dan hasil prediksi ke depan menghasilkan nilai yang mendekati pola data asli. Hal ini dikarenakan pendekatan Trend and Seasonal Decomposition mempertimbangkan unsur tren dan unsur musiman. Metode ini dapat dibandingan dengan metode TripleExponential Smoothing Winter yang telah dijelasakan pada artikel sebelumnya dengan membandingkan nilai kesalahan, karena kedua metode ini mempertimbangkan unsur tren dan musiman.
Demikian artikel tentang Trend and Seasonal Decomposition : Tahapan-tahapan analisis dan peramalan. Semoga dapat bermanfaat dan digunakan sebaik mungkin. Jika ada kritik, saran atau pertanyaan mengenai artikel ini dapat langsung mengisi kotak komentar.
kak mau tanya, kalau saya pakai minitab19 terus pas analisis forecast hasilnya negatif itu kenapa ya? ada solusi?
ReplyDeletedatanya ada yg negatif? pakai metode ini?
Deletekak nama lain dari metode trend moment pada peramalan itu apa ya, saya nyari sumber materi yg valid tentang trend moment lumayan sulit.tapi banyak jurnal lokal yang menggunakan metode tersebut
ReplyDelete