Penanganan Pencilan pada Data Deret Waktu menggunakan Metode Pemulusan Robust Holt

Abstract

Data deret waktu yang digunakan adalah data deret waktu mengikuti model LLTM (local linear trend model) dengan empat kondisi galat yang berbeda. Kondisi tersebut yaitu Clean Data (CD), Symmetric Outliers (SO), Asymmetric Outliers (AO) dan Fat-tailed data (FT). Data deret waktu tersebut mengandung pencilan simetrik dan asimetrik yang dapat memengaruhi peramalan. Metode peramalan yang digunakan untuk pola data tren yaitu metode pemulusan Holt. Peramalan data deret waktu berpencilan menggunakan metode pemulusan Holt belum cukup baik sehingga diperlukan penangan dengan metode pemulusan robust Holt. Metode pemulusan robust Holt yang dilakukan pada data simulasi deret waktu lebih baik digunakan untuk kondisi data berpencilan dibandingkan dengan metode pemulusan Holt. Hal tersebut ditunjukan dari nilai evaluasi kebaikan metode, yaitu nilai MAD (Mean Absolute Deviation) yang dihasilkan. Nilai MAD untuk data training kondisi CD yang lebih kecil adalah metode pemulusan Holt, sedangkan untuk data testing metode pemulusan Holt dan robust Holt hampir sebanding. Kondisi SO untuk data training dan data testing nilai MAD yang lebih kecil adalah metode pemulusan robust Holt. Kondisi AO untuk data training dan data testing nilai MAD yang lebih kecil adalah metode pemulusan robust Holt. Selain itu, nilai MAD pada kondisi FT untuk data training maupun data testing didapatkan hasil yang hampir sebanding diantara kedua metode.