OUTPUT EVIEWS WPI. Grafik WPI. Parameters: Alpha Sum of Squared Residuals Root Mean Squared Error

Transkripsi

1 OUTPUT EVIEWS Grafik WPI WPI Grafik data WPI (World Price Index) dari tahun 1960 hingga tahun 1990 menunjukkan adanya pola trend, sehingga model yang dapat digunakan dalam analisis adalah Double Exponensial Smoothing. (NB: akan tetapi pada acara praktikum akan dicoba untuk model Holt Winter baik yang berupa Additive ataupun Multiplicative) Output Model Double Exponensial Smoothing Date: 05/18/18 Time: 07:47 Method: Double Exponential Forecast Series: WPIDOUBLE Parameters: Alpha Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend

2 Output Model Holt-Winter Additive Seasonal Model add Date: 05/18/18 Time: 07:54 Method: Holt-Winters Additive Seasonal Forecast Series: WPIADD Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 1990Q Q Q Q Ouput Model Holt-Winters Multiplicative Seasonal Date: 05/18/18 Time: 07:58 Method: Holt-Winters Multiplicative Seasonal Forecast Series: WPIMULTI Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 1990Q Q Q Q

3 Untuk menentukan model terbaik yang digunakan maka perlu membandingkan Sum of Squared Residual dan Root Mean Square Error. Model terbaik adalah model yang mampu memberikan nilai terkecil untuk Sum of Squared Residual dan Root Mean Square Error-nya. Berikut ini adalah perbandingan ketiga model yang digunakan. Tabel 1. Perbandingan Hasil Metode Ecponential Smoothing Indikator Metode yang digunakan Double Additive Multiplication Sum of Squared Residual Root Mean Square Error Dengan melihat nilai Sum of Squared Residual dengan Root Mean Square Error maka didapatkan bahwa metode yang lebih sesuai untuk forecasting adalah Model Holt Winter Additive Seasonal Output Peramalan dengan Model Holt Winter Additive Seasonal Date: 05/18/18 Time: 09:26 Method: Holt-Winters Additive Seasonal Forecast Series: RAMALADD Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 1990Q Q Q Q Berdasarkan hasil forecasting jangka pendek dengan metode Holt- Winter Additive didapatkan bahwa penaksiran nilai WPI hingga tahun 1992 didapatkan persamaan sebagai berikut: 1) Peramalan 1991Q1 Y = t Y = (1)

4 Pada tahun 1991 triwulan 1 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1991 triwulan 1 sebesar 118, ) Peramalan 1991Q2 Y = t Y = (2) Pada tahun 1991 triwulan 2 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1991 triwulan 2 sebesar ) Peramalan 1991Q3 Y = t Y = (3) Pada tahun 1991 triwulan 3 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1991 triwulan 3 sebesar ) Peramalan 1991Q4 Y = t Y = (4) Pada tahun 1991 triwulan 4 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1991 triwulan 4 sebesar ) Peramalan 1992Q1 Y = t Y = (5) Pada tahun 1992 triwulan 1 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1992 triwulan 1 sebesar ) Peramalan 1992Q2 Y = t Y = (6) Pada tahun 1992 triwulan 2 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1992 triwulan 2 sebesar 130,691045

5 7) Peramalan 1992Q3 Y = t Y = (7) Pada tahun 1992 triwulan 3 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1992 triwulan 3 sebesar ) Peramalan 1992Q4 Y = t Y = (4) Pada tahun 1992 triwulan 4 diperoleh perbedaan WPI sebesar dibandingkan rata-rata yang ditunjukkan oleh persamaan trend dengan nilai WPI pada tahun 1992 triwulan 4 sebesar