login

Link

Advertise
 
Advertise
 
Advertise

Ensiklopedia

Analisis Data Time Series

  • PDF

Analisis Data Time Series
Analisis data time series mengidentifikasi pola historis (dengan menggunakan waktu sebagai rujukan), kemudian membuat prediksi dengan menggunakan ekstrapolasi berdasarkan waktu untuk pola-pola tersebut. Sebuah model time series mengasumsikan bahwa beberapa pola atau kombinasi pola akan berulang sepanjang waktu. Jadi, dengan mengidentifikasikan dan mengekstrapolasi itu, prediksi untuk periode-periode berikutnya dapat dikembangkan.

Pola data time series ada bermacam-macam. Pola data biasanya tidak ideal mempunyai garis yang halus, tetapi akan selalu mempunyai tingkat random disekitarnya. Kerandoman ini diakibatkan oleh fluktuasi data yang tidak bisa diprediksi.

Gambar 2.1. Pola Data Time Series 1. Pola Data Konstan, yaitu apabila data berfluktuasi di sekitar rata-rata secara stabil. Polanya berupa garis horizontal. Pola seperti ini terdapat dalam jangka pendek atau menengah, jarang sekali suatu variabel memiliki pola konstan dalam jangka panjang.
2. Pola Data Trend, yaitu apabila data dalam jangka panjang mempunyai kecendrungan, baik yang arahnya meningkat dari waktu ke waktu maupun menurun. Pola ini disebabkan antara lain oleh bertambahnya populasi, perubahan pendapat, dan pengaruh budaya.
3. Pola Data Musiman, yaitu apabila polanya merupakan gerakan berulang-ulang secara teratur dalam setiap periode tentu, misalnya tahunan, semesteran, kuartalan, bulanan atau mingguan. Pola ini berhungan dengan faktor iklim / cuacu atau faktor yang dibuat manusia seperti liburan.
4. Pola Data Siklus, yaitu apabila data dipengaruhi oleh fluktuasi ekonomi jangka panjang, seperti daur hidup bisnis. Perbedaan utama antara pola data musiman dan siklus adalah pola musiman mempunyai panjang gelombang yang tetap dan terjadi pada jarak waktu tetap, sedangkan pola siklus memiliki durasi yang lebih panjang dan bervariasi.
5. Pola Data Residu atau Variasi acak, yaitu apabila data tidak teratur sama sekali. Data yang bersifat residu tidak dapat digambarkan

Untuk melakukan prediksi data time series perlu diperhatikan tiga hal yaitu data historis, korelasi data dankesalahan prediksi (e). Data historis digunakan sebagai dasar atau acuan dalam melakukan prediksi untuk N periode berikunya. Korelasi menggambarkan apa yang cenderung terjadi pada suatu nilai di suatu periode jika terjadi perubahan terhadap nilai pada periode lainnya. Sedangkan kesalahan prediksi digunakan untuk mengantasipasi fluktuatif pada data historis guna mendapatkan data prediksi yang mendekati data sebenarnya.Tingkat hubungan ini diukur dengan koefisien korelasi yang bervariasi antara +1 sampai -1.Nilai yang dekat dengan +1 menyiratkan hubungan yang kuat di antara dua nilai.Hal ini berarti ketika salah satu nilai meningkat, nilai lainnya cenderung meningkat pula.Dengan demikian, koefisien korelasi yang dekat dengan -1 menunjukan hal sebaliknya yaitu peningkatan salah satu nilai berasosiasi dengan penurunan pada nilai lainnya.



Sumber:
Prediksi Suplai Produk Berdasarkan Penjualan Menggunakan Grammatical Evolution(Studi Kasus di Penerbit Pustaka Arafah)
HANIF KAHIRUDDIN (113088029)
Library IT TELKOM Bandung
Comments
Add New Search
+/-
Write comment
Name:
Email:
 
Website:
Title:
UBBCode:
[b] [i] [u] [url] [quote] [code] [img] 
 
 
Please input the anti-spam code that you can read in the image.

3.26 Copyright (C) 2008 Compojoom.com / Copyright (C) 2007 Alain Georgette / Copyright (C) 2006 Frantisek Hliva. All rights reserved."