Teknik Peramalan Dekomposisi
Dekomposisi Salah satu cara analisis terhadap data time-series adalah melakukan dekomposisi untuk tujuan mengidentifikasi komponen-komponen yang mempengaruhi data. Empat komponen time-series yang lazim dipelajari adalah: Tren Siklis Musiman Stationari/Horisontal Lihat kembali penjelasan tentang masing-masing komponen dalam Bab 2.
Dekomposisi (2)
Dekomposisi (3)
Tren Tren merupakan flutuasi jangka panjang dari data time-series yang dapat dideskripsikan dengan menggunakan garis lurus atau kurva. Pada analisis tren parameter waktu berfungsi sebagai variabel independen. Tugas para analis adalah menentukan model matematis yang dapat merepresentasikan tren dari data time series dengan error sekecil mungkin. Model matematis yang sering digunakan untuk mendeskripsikan tren adalah model linier dengan menggunakan metode fitting least mean square (rata-rata kuadrat terkecil).
Tren (2)
Tren (3)
Contoh : Gambar data time-series registrasi kendaraan di Amerika mulai tahun 1960 sampai tahun 1992.
Year Real 1975 9,3 1976 9,5 1977 9,9 1978 10,7 1979 11,0 1980 11,8 1981 11,3 1982 11,2 1983 10,2 1984 1985 1986 10,5 1987 11,7 1988 14,4 1989 14,8 1990 14,5 1991 14,2 1992 1993 1994 9,2 1995 10,0 1996 10,3 1997 9,0 1998 8,2 1999 8,5 Latihan
Tren Non-Linier Tren tidak selalu menggunakan model linier, terdapat beberapa model lain antara lain: Eksponensial Logaritmik Polinomial Kurva tren yang tidak linier tersebut dapat dibangkitkan dengan menggunakan perangkat lunak bantu seperti Excel atau Minitab. Contoh kurva tren dengan menggunakan pendekatan polinomial ditunjukkan dalam Gambar pada slide berikut.
Tren Non-Linier
Variasi Siklis
Variasi Siklis (2)
Variasi Siklis (3)