KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

Berikut ini merupakan data inflasi dan IHK tahun 2009-2011 dengan tahun dasar 2008 yang diperoleh dari BPS.
Tabel 1. Data Inflasi dan IHK tahun 2009-2011 berdasarkan tahun dasar 2008, sumber BPS Tahun Bulan 1 2 3 4 5 2009 6 7 8 9 10 11 12 IHK 113.78 114.02 114.27 113.92 113.97 114.1 114.61 115.25 116.46 116.68 116.65 117.03 Inflasi -0.07 0.21 0.22 -0.31 0.04 0.11 0.45 0.56 1.05 0.19 -0.03 0.33 2010 Tahun Bulan 1 2 3 4 5 6 7 8 9 10 11 12 IHK 118.01 118.36 118.19 118.37 118.71 119.86 121.74 122.67 123.21 123.29 124.03 125.17 Inflasi 0.84 0.3 -0.14 0.15 0.29 0.97 1.57 0.76 0.44 0.06 0.6 0.92 2011 Tahun Bulan 1 2 3 4 5 6 7 8 9 10 11 12 IHK 126.29 126.46 126.05 125.66 125.81 126.5 127.35 128.54 128.89 128.74 129.18 129.91 Inflasi 0.89 0.13 -0.32 -0.31 0.12 0.55 0.67 0.93 0.27 -0.12 0.34 0.57

Indeks Harga Konsumen (IHK) Untuk mengetahui pola yang sesuai dari data IHK tahun 2009-2011, kita dapat

memplot data IHK tahun 2009-2011. Sehingga diperoleh plot time series dari data IHK tahun 2009-2011 seperti pada gambar di bawah ini.

Time Series Plot of IHK

130.0 127.5 125.0
IHK

122.5 120.0 117.5 115.0 Bulan Tahun 4 2009 8 2009 12 2009 4 2010 8 2010 12 2010 4 2011 8 2011 12 2011

Gambar 3 Time Series Plot dari IHK Tahun 2009-2011

Dari plot di atas dapat dilihat bahwa ada indikasi data mempunyai pola trend. Dengan menggunakan metode peramalan klasik maka didapatkan plot time series sebagai berikut.

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

Trend Analysis Plot for IHK
Linear Trend Model Yt = 111.701 + 0.511*t 130.0
Variable Actual Fits Forecasts Accuracy MAPE MAD MSD Measures 0.590694 0.711090 0.724909

Moving Average Plot for IHK

Variable Actual Fits Forecasts 95.0% PI Moving Av erage Length 2 Accuracy MAPE MAD MSD Measures 0.107813 0.132000 0.029854

130

127.5 125.0
IHK

125
IHK

122.5 120.0 117.5 115.0

120

115

110 Bulan Tahun

4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

Bulan Tahun

4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

Gambar 4 Time Analysis Plot dari IHK

Smoothing Plot for IHK
Single Exponential Method 132.5 130.0 127.5 125.0
IHK
Variable Actual Fits Forecasts 95.0% PI Smoothing C onstant Alpha 1.65786 Accuracy MAPE MAD MSD Measures 0.337505 0.410260 0.259776

Gambar 5 Moving Average Plot untuk IHK

Smoothing Plot for IHK
Double Exponential Method 135
Variable Actual Fits Forecasts 95.0% PI Smoothing Constants Alpha (lev el) 1.54119 Gamma (trend) 0.05061 A ccuracy MAPE MAD MSD Measures 0.315566 0.381719 0.218293

130

122.5 120.0 117.5 115.0 Bulan Tahun 4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

IHK

125

120

115
Bulan Tahun 4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

Gambar 6 Smoothing Plot Single Exponential Method untuk IHK

Gambar 7 Smoothing Plot Double Exponential Method untuk IHK

Winters' Method Plot for IHK

Additive Method 135
Variable Actual Fits Forecasts 95.0% PI Smoothing Constants Alpha (lev el) 0.2 Gamma (trend) 0.2 Delta (seasonal) 0.2 Accuracy MAPE MAD MSD Measures 0.489021 0.598263 0.537561

130

IHK

125

120

115 Bulan Tahun 4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

Gambar 8 Winters Method Plot untuk IHK

Dari Gambar 4 sampai Gambar 8 di atas dapat diketahui nilai-nilai kesalahan peramalan dari metode Trend Analysis, Moving Average, Single Exponential Method, Double exponential Method dan Winter Method. Untuk mengetahui metode forecasting

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

yang lebih baik kita dapat melihat nilai dari Mean absolute percentage error (MAPE), Mean absolute deviation (MAD), dan Mean squared deviation (MSD). Berikut ini adalah nilai MAPE, MAD dan MSD dari setiap metode peramalan yang digunakan.
Tabel 2. MAPE, MAD DAN MSD dari IHK

Smoothing Trend Analysis Moving Average Single Exponential Method MAPE MAD MSD 0,590694 0,711090 0,724909 0,425818 0,521103 0,435715 0,337505 0,410260 0,259776 Double Exponential Method 0,315566 0,381719 0,218293 0,489021 0,598263 0,537561 Winters

Untuk mengetahui metode mana yang lebih baik dalam forecasting IHK di bulan Januari dan Februari 2012, kita dapat melihat nilai MAPE, MAD dan MSD yang paling kecil. Karena semakin kecil ketiga nilai tersebut maka error/kesalahan yang dihasilkan oleh model semakin kecil. Hal inilah yang menyebabkan forecastingnya menjadi lebih baik. Dari Tabel 3 di atas dapat kita lihat, metode yang memiliki nilai MAPE, MAD dan MSD terkecil adalah metode double exponential smoothing, dimana nilai MAPE sebesar 0,315566, MAD sebesar 0,381719 dan MSD sebesar 0,218293.

Berikut ini merupakan data forecast untuk IHK bulan Januari dan Februari 2012
Tabel 3. Forecast

untuk IHK bulan Januari dan Februari 2012

Moving Average 129.253 129.253 Smoothing Single Double Exponential Exponential 130,195 130.461 130,195 130.917 Winters 131.281 131.453

Trend Analysis Jan 2012 Feb 2012 130.617 131.129

Dari Tabel 3 di atas kita dapat mengetahui forecast untuk IHK bulan Januari dan Februari 2012, dimana forecast IHK didapatkan dengan menggunakan beberapa metode yaitu trend analysis, moving average, smoothing single exponential, double exponential smoothing, dan winters method. Dengan metode trend analysis diperoleh forecasting IHK dibulan Januari adalah sebesar 130,617 dan dibulan Februari sebesar 131,129. Pada Metode Moving Average

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

diperoleh forecasting IHK dibulan Januari dan Februari memiliki nilai yang sama yaitu sebesar 129,253. Dengan metode single exponential smoothing diperoleh forecasting pada bulan Januari dan Februari memiliki nilai yang sama besar yaitu 130,195. Berdasarkan metode double exponential smoothing pada bulan Januari IHK diramalkan sebesar 130,461 dan pada bulan Februari sebesar 130,917. Sedangkan dengan metode Winters pada bulan Januari diramalkan IHK sebesar 131,281 dan pada Februari sebesar 131,453.

Untuk mengetahui metode mana yang lebih baik digunakan memforecast IHK di bulan Januari dan Februari 2012 kita dapat membandingkan metode trend analysis, moving average, smoothing single exponential, double exponential smoothing, dan winters method dengan Naive forecasts. Karena data inflasi berpola trend maka kita menggunakan formula Naive forecasts untuk data dengan pola trend:
o

Forecast untuk bulan Januari 2012

o Forecast untuk bulan Februari 2012

Jika kita membandingkan 5 metode yang digunakan sebelumnya yaitu trend analysis, moving average, smoothing single exponential, double exponential smoothing, dan winters dengan Naive forecasts. Metode yang memiliki nilai mendekati nilai dari Naive forecasts adalah trend analysis. Berarti metode trend analysis adalah metode yang paling baik untuk memforecast IHK dibulan Januari dan Februari 2012.

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

INFLASI Untuk mengetahui pola yang sesuai dari data inflasi tahun 2009-2011, kita dapat memplot data inflasi tahun 2009-2011. Sehingga diperoleh plot time series dari data inflasi tahun 2009-2011 seperti pada gambar di bawah ini.
Time Series Plot of Inflasi
1.5

1.0
Inflasi

0.5

0.0

-0.5 Bulan Tahun

4 2009

8 2009

12 2009

4 2010

8 2010

12 2010

4 2011

8 2011

12 2011

Gambar 9 Time Series Plot dari Inflasi Tahun 2009-2011

Dari Gambar 9 dapat dilihat bahwa ada indikasi data mempunyai pola seasonal/musiman karena pada bulan-bulan yang sama di tahun yang berbeda terjadi pengulangan keadaan yang sama. Misal pada bulan 4 di tahun 2009, polany cenderung turun. Di bulan yang sama pada tahun 2010 dan 2011 juga terjadi pola yang sama. Dengan menggunakan metode peramalan klasik maka didapatkan plot time series sebagai berikut.

Trend Analysis Plot for Inflasi

Linear Trend Model Yt = 0.254 + 0.00614*t 1.5
Variable Actual Fits Forecasts Accuracy Measures MAPE 167.014 MAD 0.335 MSD 0.179

Moving Average Plot for Inflasi

Variable Actual Fits Forecasts 95.0% PI Moving Av erage Length 2 Accuracy Measures MAPE 62.6453 MAD 0.1247 MSD 0.0240

1.5

1.0
Inflasi

1.0
Inflasi

0.5

0.5

0.0

0.0

-0.5 Bulan Tahun

4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

-0.5 Bulan Tahun

4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

Gambar 10 Time Analysis Plot dari Inflasi

Gambar 11 Moving Average Plot untuk Inflasi

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

Smoothing Plot for Inflasi
Single Exponential Method
Variable Actual Fits Forecasts 95.0% PI Smoothing C onstant Alpha 1.20283 Accuracy Measures MAPE 162.883 MAD 0.349 MSD 0.185

Smoothing Plot for Inflasi

Double Exponential Method 2.5 2.0 1.5
Inflasi
Variable Actual Fits Forecasts 95.0% PI Smoothing Constants Alpha (lev el) 1.21814 Gamma (trend) 0.04365 Accuracy Measures MAPE 201.719 MAD 0.384 MSD 0.219

1.5

1.0
Inflasi

1.0 0.5 0.0

0.5

0.0

-0.5 -1.0 4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011
Bulan Tahun 4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

-0.5 Bulan Tahun

Gambar 12 Smoothing Plot Single Exponential Method untuk Inflasi

Gambar 13 Smoothing Plot Double Exponential Method untuk Inflasi

Winters' Method Plot for Inflasi

Additive Method
Variable Actual Fits Forecasts 95.0% PI Smoothing Constants Alpha (lev el) 0.2 Gamma (trend) 0.2 Delta (seasonal) 0.2 Accuracy Measures MAPE 146.991 MAD 0.267 MSD 0.101

1.5

1.0

Inflasi

0.5

0.0

-0.5 Bulan Tahun 4 8 12 4 8 12 4 8 12 2009 2009 2009 2010 2010 2010 2011 2011 2011

Gambar 14 Winters Method Plot untuk Inflasi

Dari Gambar 10 sampai Gambar 14 di atas dapat diketahui nilai-nilai kesalahan peramalan dari metode Trend Analysis, Moving Average, Single Exponential Method, Double exponential Method dan Winter Method. Untuk mengetahui metode forecasting yang lebih baik kita dapat melihat nilai dari Mean absolute percentage error (MAPE), Mean absolute deviation (MAD), dan Mean squared deviation (MSD). Berikut ini adalah nilai MAPE, MAD dan MSD dari setiap metode peramalan yang digunakan.
Tabel 4. MAPE, MAD DAN MSD dari Inflasi

Smoothing Trend Analysis Moving Average Single Exponential Method MAPE MAD MSD 167,014 0,335 0,179 165,783 0,329 0,132 162,883 0,349 0,185 Double Exponential Method 201,719 0,384 0,219 146,991 0.267 0,101 Winters

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

Untuk mengetahui metode mana yang lebih baik dalam meramalkan inflasi di bulan Januari dan Februari 2012, kita dapat melihat nilai MAPE, MAD dan MSD yang paling kecil. Karena semakin kecil ketiga nilai tersebut maka error/kesalahan yang dihasilkan oleh model semakin kecil. Hal inilah yang menyebabkan forecastingnya menjadi lebih baik. Dari Tabel 4 dapat kita lihat, metode yang memiliki nilai MAPE, MAD dan MSD terkecil adalah metode winters, dimana nilai MAPE sebesar 146,991, MAD sebesar 0,267 dan MSD sebesar 0,101.

Berikut ini merupakan data forecast untuk IHK bulan Januari dan Februari 2012
Tabel 5. Forecast

untuk Inflasi bulan Januari dan Februari 2012

Moving Average 0,2825 0,2825 Smoothing Single Double Exponential Exponential 0,595675 0,594746 0,595675 0,593400 Winters 0,453076 0,061715

Trend Analysis Jan 2012 Feb 2012 0,481000 0,487135

Dari Tabel 5 dapat kita ketahui forecast untuk inflasi bulan Januari dan Februari 2012, dimana forecast inflasi didapatkan dengan menggunakan beberapa metode yaitu trend analysis, moving average, smoothing single exponential, double exponential smoothing, dan winters method. Dengan metode trend analysis diperoleh forecasting inflasi dibulan Januari adalah sebesar 0,48100 dan dibulan Februari sebesar 0,487135. Pada Metode Moving Average diperoleh forecasting inflasi dibulan Januari dan Februari memiliki nilai yang sama yaitu sebesar 0,2825. Dengan menggunakan single exponential smoothing diperoleh forecasting pada bulan Januari dan Februari sebesar 0,595675. Berdasarkan metode Double exponential smoothing pada bulan Januari inflasi diramalkan sebesar 0,594746 dan pada bulan Februari sebesar 0,593400. Sedangkan dengan metode Winters pada bulan Januari diramalkan inflasi sebesar 0,453076 dan pada Februari sebesar 0,061715.

Untuk mengetahui metode mana yang lebih baik digunakan memforecast inflasi di bulan Januari dan Februari 2012 kita dapat membandingkan metode trend analysis, moving average, smoothing single exponential, double exponential smoothing, dan

KADEK ARY WIDYAWATI 1309100039

ANALISIS DERET WAKTU

winters method dengan Naive forecasts. Karena data inflasi berpola seasonal maka kita menggunakan formula Naive forecasts untuk data dengan pola seasonal:
o

Forecast untuk bulan Januari 2012

o Forecast untuk bulan Februari 2012

Jika kita membandingkan 5 metode yang digunakan sebelumnya yaitu trend analysis, moving average, smoothing single exponential, double exponential smoothing, dan winters dengan Naive forecasts. Metode yang memiliki nilai mendekati nilai dari Naive forecasts adalah winters. Berarti metode winters adalah metode yang paling baik untuk memforecast inflasi dibulan Januari dan Februari 2012.