STUDI PERBANDINGAN AKURASI DARI MODEL PERAMALAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA), DEKOMPOSISI KLASIK, DAN TIME-SERIES REGRESSION BERDASARKAN POLA DATA

Angga Kusuma, Ir. Subagyo, Ph.D., IPU., ASEAN Eng

2009 | Skripsi | S1 TEKNIK INDUSTRI

Penelitian ini bertujuan untuk mendapatkan model peramalan yang terbaik pada masing-masing pola data melalui suatu studi perbandingan antar tiga metode peramalan, yaitu Autoregressive Integrated Moving Average (ARIMA), Dekomposisi Klasik, serta Time-Series Regression. Penelitian dilakukan dengan ketiga metode tersebut menggunakan dua belas set data yang masing-masingnya memiliki pola data yang berbeda-beda. Data-data yang digunakan tersebut masing-masing dibagi menjadi dua, yaitu bagian training sel (untuk membuat model peramalan) dan bagian testing set (untuk validasi model peramalan), dimana pembagiannya berdasarkan merode simple cross validation n:l/3. Hasil peramalan yang diperoleh dari masing-masing metode peramalan terhadap dua belas set data kemudian dibandingkan tingkat akurasinya berdasarkan parameter error MASE (Mean Absolute Scaled Error) sesuai pola datanya. Metode peramalan yang terbaik adalah yang memiliki parameler error MASE terkecil pada masing-masing pola data. Selanjutnya dilakukan pengendalian peramalan terhadap metode-metode peramalan terbaik tersebut dengan analisis tracking signal dan analisis galat untuk mengetahui seberapa baik kinerja peramalan dan kemampuan dalam mengakomodir pola data. Dari hasil penelitian ini dapat disimpulkan bahwa (i) metode peramalan ARIMA dan Seasonal ARIMA adalah metode yang tepat untuk menganalisis pola data trend dan pola data siklis maupun musiman dibanding kedua metode lainnya (ii) untuk data random, metode Dekomposisi Klasik adalah metode yang tepat untuk digunakan dalam analisis dibanding kedua metode lainnya (iii) model peramalan dengan nilai parameter error (MASE) terkecil belum tentu memiliki pengendalian peramalan yang baik pula (iv) model peramalan dengan nilai parameter error (MASE) < 1,00 memiliki tingkat pengendalian peramalan yang lebih baik dibandingkan jika nilainya > 1,00 (v) kemampuan parameter error MASE dalam mengidentifikasi metode peramalan terbaik sangat bisa diandalkan. Hasil penelitian ini masih berlaku padajenis data yang diteliti saja, sehingga perlu adanya penelitian lanjutan untuk dapat menyempurnakan penelitian ini dengan menggunakan metode-metode peramalan time-series lainnya yang telah berkembang dalam dunia.forec as t ing.

Kata Kunci : pararneler error MASE pengendalian peramalan, pola data