Triple Exponential Smoothing

Berdasarkan hasil peramalan penjualan dengan mengimplementasi metode Triple Exponential Smoothing mendapat rata-rata hasil akurasi yang bagus untuk pupuk subsidi dan hasil yang kurang bagus untuk pupuk non subsidi. Dengan begitu untuk penelitian lebih lanjut disarankan untuk meramalkan penjualan pupuk non subsidi dengan menggunakan metode peramalan yang lain dan menggunakan data time series harian atau tahunan agar bisa dilihat struktur pola datanya yang lebih teratur dibandingkan dengan time series bulanan sehingga diharapkan mendapat hasil peramalan yang lebih bagus.

Kemiskinan adalah masalah yang cukup kompleks untuk Jawa Tengah. Setiap tahun, angka kemiskinan terus menurun namun penurunannya terasa sangat lambat. Pada akhir "Rencana Pembangunan Jangka Menengah Daerah", yang akan berakhir pada 2018, Jawa Tengah memiliki target pengurangan kemiskinan 6,84%, yang berarti 1,36% per tahun, tetapi sampai saat ini pencapaian pengentasan kemiskinan di bawah 1 %. Penelitian ini dilakukan untuk memprediksi angka indeks kemiskinan menggunakan Triple Triple Exponential Smoothing: Brown's One – Parameter Quadratic. Penelitian ini juga akan memetakan tingkat kemiskinan di Jawa Tengah, data menggunakan Index Kedalaman (P1), Index Kedalaman (P2) dan Index Persentase (P0), baik data aktual dan data prediksi dengan menggunakan Sistem Informasi Geografis (GIS) untuk memvisualisasikan data kedalam bentuk peta tematik Jawa Tengah.

Bencana merupakan masalah klasik yang terus akan menjadi titik permasalahan tanpa mengenal waktu salah satunya adalah tanah longsor. Tanah longsor merupakan salah satu bencana alam di Indonesia yang paling mematikan dibandingkan bencana lain bahkan setiap tahunnya dapat meningkat hingga 5 kali lipat. Jawa Tengah adalah salah satu wilayah yang rawan tekena tanah longsor di Indonesia. Oleh karena itu perlu adanya penanggulan bencana alam bagi masyarakat setempat. Namun hingga saat ini penanggulangannya belum maksimal dan yang menjadi problem utamannya adalah penataan ruang /kawasan yang belum matang dan tidak adanya antisipasi awal bencana karena lambatnya informasi yang tersampaikan ke masyarakat setempat. Oleh karena itu untuk dapat memaksimalkan penanggulangan tersebut kami usulkan pembuatan model spasial deteksi dini daerah rawan tanah longsor. Model ini akan dibuat berbasis mobile dan pada deteksi dininya akan menggunakan metode peramalan triple exponential smoothing. Triple Exponential Smoothing merupakan metode forcast yang dikemukakan oleh brown, dengan menggunakan persamaan kuadrat. Model ini diharapkan dapat digunakan bukan hanya pada pemerintah tetapi seluruh masyarakat Jawa Tengah dapat menggunakannya.

Internet Cafe RX Lab FTI SWCU have a firewall system that works to counteract the atta cks that will go to the network but there are no IDS device. Then formulated the problem namely how to firewall can work well and do not disturb traffic bandwidth to the client by means of a management rule. Therefore, this research aims to design and build a system that can predict future network attacks and mitig ate the firewall so it does not interfere with the performance of internet access. This research uses Triple Exponential Smoothing methods to forecast the network attacks in the period ahead. The result of this research are output data forecasting of network attack. with number value.

Bagian ini menjelaskan mengenai analisis data jumlah penumpang Kereta Api di DAOP II Bandung, hasil peramalan jumlah penumpang Kereta Api dengan menggunakan metode Triple Exponential Smoothing (Winter) dan proses rancang bangun sistem peramalan jumlah penumpang kereta api dengan menggunakan model pengembangan perangkat lunak sekuensial linier. Selain itu pada bagian ini juga menjelaskan mengenai hasil nilai kesalahan terbesar dan terkecil yang dihasilkan oleh metode Winter dalam meramalkan jumlah penumpang kereta api, yaitu nilai kesalahan terkecil dimiliki oleh hasil peramalan jumlah penumpang kereta api Pasundan dengan nilai kesalahan 9.14% sedangkan untuk nilai kesalahan terbesar dimiliki oleh hasil peramalan jumlah penumpang kereta api Turangga dengan nilai kesalahan 29.87%.

Forecasting for a company is an important thing to do in order to estimate the demand for marketed products as well as the estimated amount of supplies needed for the coming period. In doing forecasting needs to consider appropriate methods to obtain maximum results. Not all methods are appropriate to be used for forecasting sales of various products. One of the method that can be used is the exponential smoothing method, as was done in forecasting sales of commercial vehicles on the PT. Suka Fajar Ltd Bangkinang. Sales forecasting methods can be selected for commercial car type T120 SS PU is the double exponential smoothing method, whereas for PU type L300 and FE 74 can use a triple exponential smoothing method. These two methods are selected following the shape of the trend of the past sales data for each type of product.

82 Ida Parida, 2016 MENGUKUR EFEKTIFITAS METODE TRIPLE EXPONENTIAL SMOOTHING WINTER DALAM SISTEM PERAMALAN JUMLAH PENUMPANG DENGAN OPTIMALISASI NILAI ALPHA, BETA DAN GAMMA Univers[r]

2. Metode Triple Exponential Smoothing (Winter) cukup efektif dalam melakukan peramalan terhadap data jumlah penumpang kereta api jarak jauh yang terdapat di PT. KAI (Persero) DAOP II Bandung. Hal tersebut bisa dilihat dari hasil MAPE yang dihasilkan dari perbandingan data aktual dengan data hasil ramalan jumlah penumpang untuk tahun 2015 yang kurang dari 50% bahkan masih dibawah 30%, yaitu MAPE untuk hasil ramalan jumlah penumpang Argo Wilis adalah 13.07% (baik), untuk Turangga adalah 29.87% (cukup baik), untuk Mutiara Selatan adalah 15.44% (baik), untuk Pasundan adalah 9.14% (sangat baik) dan Kahuripan adalah 11.53% (baik).

34 Ida Parida, 2016 MENGUKUR EFEKTIFITAS METODE TRIPLE EXPONENTIAL SMOOTHING WINTER DALAM SISTEM PERAMALAN JUMLAH PENUMPANG DENGAN OPTIMALISASI NILAI ALPHA, BETA DAN GAMMA Univers[r]

Permasalahan Tugas Akhir ini adalah (1) dari perhitungan Single Exponential Smoothing , Double Exponential Smoothing, dan Triple Exponential Smoothing mana yang paling tepat setelah mengetahui trend data Nilai Ekspor Jawa Tengah menurut Komoditi, (2) seberapa besar Nilai Ekspor Jawa Tengah menurut Komoditi pada bulan Desember 2009 sampai Juni 2010, dan (3) bagaimana keadaan Nilai Ekspor Jawa Tengah menurut Komoditi dibandingkan dengan bulan-bulan sebelumnya. Adapun tujuan Tugas Akhir adalah (1) untuk mengetahui dari perhitungan Single Exponential Smoothing, Double Exponential Smoothing, dan triple Exponential Smoothing mana yang paling tepat, (2) untuk mengetahui Nilai Ekspor Jawa Tengah menurut Komoditi pada bulan Desember 2009 sampai Juni 2010, dan (3) untuk mengetahui Nilai Ekspor Jawa Tengah menurut Komoditi dibandingkan dengan bulan-bulan sebelumnya.

In the business world, the techniques of forecasting is widely used for a process of planning and decision-making. A good forecasting can support a company to determine the decision or action what to do next. Triple Exponential Smoothing (Winter) is one of the widely used forecasting methods because the calculations are easy and inexpensive cost. Nevertheless not all data can be foreseen well when using that method. One of the constraints in the use of Winter methods is difficult to determine the optimum values of alpha, beta and gamma in order to generate the value of the smallest MAPE. Therefore researchers conducting research on the effectiveness of the methods Winter in predicting the number of railway passengers with optimize the value of alpha, beta and gamma by using a brute force algorithm. Researchers use R & D ADDIE version which consists of five phase there are analysis, design development, implementation and evaluation. Based on the results of research that has been done to the data the number of railway passengers in DAOP II Bandung, each forecasting results for each type number of railway passengers has a value error of less than 30% then the Triple Exponential Smoothing (Winter) method can be said to be quite effective in predicting the number of passengers.

Serangan organisme pengganggu tanaman merupakan salah satu faktor yang dapat menyebabkan kegagalan panen pada tanaman padi. Untuk itu diperlukan sebuah aplikasi yang dapat memprediksi serangan hama hama padi. Pengembangan aplikasi ini bertujuan untuk mengetahui persebaran serangan organisme pengganggu tanaman khususnya hama tanaman padi dan memprediksi serangan periode mendatang. Metode peramalan yang digunakan menggunakan Triple Exponentioal Smoothing. Aplikasi peramalan yang sudah ada biasanya dikembangkan dalam bentuk web atau desktop, maka perlu dikembangkan dalam bentuk mobile application agar dapat dioperasikan dengan mobilitas tinggi. Aplikasi ini dikembangkan dalam Android mobile OS, menggunakan Google Map API dan Heatmap. Namun hasil peramalan masih memiliki Mean Absolut error sebesar 0.210878. Aplikasi ini belum dapat mengantisipasi serangan hama padi di periode mendatang dikarenakan hasil prediksi yang kurang akurat. Kata kunci : Forecasting, Triple Exponential Smoothing, Android, Google Map, Heatmap

Tabel 1 menunjukan penerapan rumus Triple Exponential Smoothing “HoltWinters” dengan nilai alpha = 0.872840430594289, gamma = 0.0297453390116518, beta = 0. Pada table 2, didapat dengan merata- rata data aktual tahun 1 periode 1 sampai 12. didapat dari hasil pengurangan data aktual periode 13 dengan data aktual periode 1, kemudian dibagi dengan L ( jumlah musiman = 12). periode 1 diperoleh dari pembagian data aktual periode 1 dengan . periode 2 diperoleh dari pembagian data aktual periode 2 dengan , demikian sampai periode 12. Setelah didapatkan , , dan , persamaan rumus Triple Exponential Smoothing “HoltWinters” dapat dilakukan. Perhitungan untuk dapat digambarkan untuk periode 13 sebagai berikut :

Triple Exponential Smoothing Triple Exponential Smoothing atau Holt-Winter Method merupakan metode peramalan berdasarkan data historis berpola trend dan musiman dengan menggunakan bobo[r]

Metode exponential smoothing menggunakan data masa lalu untuk memprediksi nilai sebuah variabel dengan memberi bobot atau faktor pengali yang berbeda-beda. Besarnya bobot berubah secara eksponensial, semakin kecil untuk data yang semakin usang (Makridakis, 1999). Dalam analisa exponential smoothing ini ada tiga kategori atau metode yang berbeda yaitu single exponential smoothing, double exponential smoothing, dan triple exponential smoothing (Santoso, 2009). Berikut akan dijelaskan karakteristik masing-masing metode dan persamaan yang digunakan dalam penghitungan tiap metode.

Dengan ini saya menyatakan bahwa skripsi dengan judul “ Mengukur Efektifitas Metode Triple Exponential Smoothing (Winter) dalam Sistem Peramalan Jumlah Penumpang dengan Optimalisasi Nilai Alpha, Beta dan Gamma ” ini beserta seluruh isinya adalah benar-benar karya sendiri. Saya tidak melakukan penjiplakan atau pengutipan dengan cara-cara yang tidak sesuai dengan etika ilmu yang berlaku dalam masyarakat keilmuan. Atas pernyataan ini, saya siap menanggung resiko/sanksi apabila di kemudian hari ditemukan adanya pelanggaran etika keilmuan atau ada klaim dari pihak lain terhadap keaslian karya ini.

Ida Parida, 2016 MENGUKUR EFEKTIFITAS METODE TRIPLE EXPONENTIAL SMOOTHING WINTER DALAM SISTEM PERAMALAN JUMLAH PENUMPANG DENGAN OPTIMALISASI NILAI ALPHA, BETA DAN GAMMA Universitas[r]

dengan nilai bobot yang lebih besar dalam menentukan perkiraan dari pengamatan di masa lalu yang lebih jauh. Dengan membentuk perkiraan berdasarkan rata-rata tertimbang maka dapat menggunakan metode "smoothing", sementara kata sifat "exponential" berasal dari fakta bahwa beberapa model pemulusan eksponensial tidak hanya memiliki bobot yang berkurang dengan waktu tetapi mereka melakukannya dengan cara eksponensial (Fomby, 2008). Metode pemulusan eksponensial adalah pendekatan yang relatif sederhana namun kuat untuk peramalan. Mereka secara luas digunakan dalam bisnis untuk peramalan permintaan untuk persediaan (Gardner, 1985). Mereka juga telah melakukan dengan sangat baik di kompetisi peramalan terhadap pendekatan yang lebih canggih (Makridakis et al, 1982; Makridakis dan Hibon, 2000).

Metode yang dapat meramalkan untuk suatu pola data musiman yang memiliki unsur trend adalah metode exponential smoothing Holt-Winters. Menurut Makridakis et al., (1999), metode ini sangat baik meramalkan pola data yang berpengaruh musiman dengan unsur trend yang timbul secara bersamaan. Metode exponential smoothing Holt-Winters adalah prosedur peramalan secara luas digunakan dalam analisis time series yang memperhitungkan setiap trend yang mendasari dan komponen musiman terlepas dari apakah bersifat aditif atau multiplikatif (Thoplan, 2014). Peramalan dengan metode exponential smoothing Holt-Winters pada umumnya tidak selalu harus memenuhi kaidah-kaidah deret waktu seperti signifikansi autokorelasi dan stasioneritas.

Metode Ada banyak metode yang dapat digunakan untuk membuat estimasi salah satunya Double Exponential Smoothing adalah metode yang mengulang terus menerus dengan menggunakan data terbaru. Metode ini didasarkan pada perhitungan rata-rata pemulusan data-data sebelumnya secara eksponensial. Setiap data diberikan sebuah nilai dengan data yang lebih baru memiliki nilai lebih besar. Nilai yang digunakan adalah α untuk data yang baru,α(1-α) untuk data sebelumnya, α(1-α) 2 untuk data yang lebih lama lagi, dan seterusnya. Metode ini digunakan untuk planning data yang memiliki pola trend dan stasioner. Data penjualan dan pembelian merupakan suatu data yang memiliki pola kecendrungan stasioner. Oleh karena itu dalam estimasi penjualan suku cadang ini menggunakan metode Double Exponential Smoothing.