| dc.description.abstract | Peramalan adalah proses untuk menduga kejadian atau kondisi di masa mendatang yang bertujuan untuk memperkecil resiko kesalahan. Pemilihan metode peramalan dipengaruhi oleh beberapa faktor seperti kecukupan data, keakuratan, pola deret waktu dan kemudahan dalam menggunakkanya. Metode ARIMA dan metode Winters merupakan metode peramalan yang baik digunakan dalam jangka pendek. Agar dapat dilakukan perbandingan maka data yang digunakan harus berasal dari populasi yang diketahui (Tersendali), oleh karena itu data didapat melalui metode simulasi. Tujuan dari penelitian ini adalah untuk merubandingkan ketepatan metode ARIMA dengan metode Winters dalam memodelkan data musiman pada kondisi tertentu.
Data yang dibangkitkan secara simulasi ada dua macam yaitu data yang mengandung musiman musiplikatif dan data yang mengandung musiman aditif. Musiman multiplikatif dengan kondisi ragam nopalasi yang relatif besar (sigma ^ 2 = 50) , komponen permanen dan komponen trend masing-masing sebesar 100 dan 20 serta L = 3 L = 6 L = 12 Sedangkan musiman aditif dengan kondisi ragam populasi yang relatif kecil (sigma ^ 2 = 3) komponen permanen 4, komponen trend 2 dan L = 3 L = 6 dan L = 12
Uküran MAPE merupakan ukuran untuk memperoleh model terbaik dari masing-masing model yaitu model ARIMA dan model Winters. Model ARIMA pada kondisi tersebut mempunyai ukuran MAPE yang relatif kecil dibandingkan dengan model Winters. Pada dasarnya kedua metode ini baik untuk digunakan sebagai model peramalan, mengingat ukuran MAPE yang relatif kecil. Tetapi jika dilihat dari plot korelasi diri dan plot korelasi diri parsial sisaannya model Winters untuk beberapa waktu ketertinggalan signifikan, untuk model Winters multiplikatif L = 12 dan model Winters aditif L = 6 L = 12 masih ada beberapa waktu betertinggalan yang signifikan dibandingkan dengan model ARIMA. Maka dalam kondisi ini metode ARIMA lebih baik dari metode Winters. | id |
