Winita Sulandari, M.Si MODUL PRAKTIKUM METODE PERAMALAN. menggunakan

Transkripsi

1 Winita Sulandari, M.Si MODUL PRAKTIKUM METODE PERAMALAN menggunakan Jurusan Matematika FMIPA UNS 2013

2 PENGANTAR Modul praktikum ini bertujuan mengenalkan kepada mahasiswa tentang bagaimana menggunakan paket program RStudio untuk analisis data statistik dan peramalan. Materi yang dibahas meliputi metode peramalan sederhana seperti metode Naive, Simple Average, Moving Average, Exponential Smoothing, Holt-Winters, Dekomposisi dan Time Series Regresi. Data yang digunakan dalam materi praktikum bersumber dari buku Hanke & Wichern(2005). Mahaiswa dapat mengunduh data ini di

3 DAFTAR ISI PENGANTAR... 2 DAFTAR ISI... 3 PRAKTIKUM 1 Peramalan dengan R STudio... 4 PRAKTIKUM 2 Grafik Time Series dan Fungsi Autokorelasi PRAKTIKUM 3 Metode Naive PRAKTIKUM 4 Peramalan berdasarkan rata-rata PRAKTIKUM 5 Metode Simple Eksponential Smoothing PRAKTIKUM 6 Metode Holt s Exsponential Smoothing PRAKTIKUM 7 Metode Holt-Winters Exsponential Smoothing PRAKTIKUM 8 Metode Dekomposisi PRAKTIKUM 9 Metode Time Series Regresi Daftar Pustaka... 41

4 PRAKTIKUM 1 Peramalan dengan R STudio Tujuan: Mengenalkan kepada mahasiswa tentang pengantar penggunaan RStudio, dimulai dari bagaimana instal RStudio, paket yang dibutuhkan dan operasi didalamnya Download dan Instalasi RStudio 1. Buka web untuk download Rstudio 2. Pilih dan akan muncul keterangan bahwa Rstudio memerlukan R atau versi yang lebih tinggi. Link untuk download software R telah tersedia jika anda belum memiliki dan menginstalnya. 3. Download RSTudio sesuai dengan platforms system anda 4. Jika download berhasil anda akan mendapatkan file Rstudio exe. Klik file tersebut dan ikuti petunjuk instalasi yang ada. 5. Setelah instalasi selesai, Rstudio dapat dijalankan dengan klik pada ikon. Tampilan RStudio RStudio memuat beberapa windows (jendela), sebagaimana terlihat pada Gambar 1. script window Workspace/history window command window File/plots/packages/help window 4

5 Pada bagian kiri atas terdapat jendela editor (script window). Kumpulan perintah (script) dapat di edit dan disimpan pada jendela ini. Jika anda tidak menemukan jendela ini, anda dapat membukanya dengan cara klik File-New-R script. Perintah pada jendela editor tidak dapat langsung dijalankan, harus dikirim terlebih dahulu ke jendela perintah dengan cara CTRL+ENTER Pada bagian kiri bawah terdapat jendela perintah (command window). Jendela ini merupakan jendela utama, anda dapat mengetikkan perintah setelah tanda > dan R akan eksekusi perintah anda. Pada bagian kanan atas terdapat jendela workspace dan history. Pada jendela ini anda dapat mengedit data dan melihat perintah-perintah apa saja yang sudah dijalankan. Pada bagian kanan bawah terdapat jendela files, plots, packages dan help. Pada jendela ini anda dapat instal dan memanggil packages yang dibutuhkan.fasilitas help dapat diakses melalui jendela ini. Manajemen Direktori Kerja Sebelum memulai bekerja, atur direktori kerja anda, yaitu lokasi/folder dimana semua data dan script anda akan disimpan dengan cara klik Session-Set Working Directory-Choose Directory... atau CTRL+SHITF+K dan tentukan folder kerja anda. Packages atau Libraries Beberapa packages yang dibutuhkan dalam peramalan adalah 1. rstudio 2. lmtest 3. datasets 4. car 5. forecast 6. TTR Untuk instal packages, klik muncul pada jendela Packages (kanan bawah), sehingga Ketikkan packages yang dibutuhkan dan klik Install. 5

6 Untuk mengetahui packages yang sudah terinstal, klik packages pada jendela kanan bawah dan beri tanda untuk memanggil packages yang dibutuhkan. Manajemen Data 1. Memasukkan data dengan R-Console Data dalam R dianggap sebagai objek. Nama obyek dalam R harus diawali dengan huruf, bukan angka. >1a=c(2,3) Error: unexpected symbol in "1a" Jika nama objek diawali dengan angka maka akan muncul pesan error seperti tercantum di atas. Contoh nama objek yang benar adalah >a1=c(2,3) >a1 [1] 2 3 Ada beberapa tipe data dalam R, diantaranya adalah vektor, matriks, data frame,dan list. a. Vektor Contoh perintah memasukkan data vektor >datasales=c(500, 350, 250, 400, 450, 350, 200, 300) >datasales [1] Untuk mengetahui kelas data yang telah dimasukkan ketikkan class(nama data) >class(datasales) [1] "numeric" Untuk membangun objek time series dari data numerik, gunakan fungsi ts (singkatan dari time series) >sales=ts(datasales) >sales Time Series: Start = 1 End = 8 Frequency = 1 [1] >class(sales) [1] "ts" b. Matriks Untuk mendefinikan matriks gunakan fungsi matrix. >data=matrix(data=c(1,2,3,5,4,6,7,9,8),ncol=3) 6

7 >data [,1] [,2] [,3] [1,] [2,] [3,] ncol menunjukkan banyaknya kolom sedangkan nrow menunjukkan banyaknya baris. c. Data frame Data time series sering disimpan dalam data frame. Data frame merupakan suatu matriks dengan nama di atas kolom. Hal ini memudahkan kita untuk memanggil dan menggunakan salah satu kolom data tanpa mengetahui posisinya dimana. >datajagung=data.frame(bulan=c("jan","feb","mar"),luas=c(200,300, 400),produksi=c(5000,7500,9000)) >datajagung Bulan luas produksi 1 jan feb mar Untuk memanggil data produksi, gunakan perintah namaobjek$namakolom contoh >datajagung$produksi [1] d. List Berbeda dengan matriks atau data frame, list merupakan kumpulan vektor dengan panjang vektor yang berbeda (tidak harus sama) >Daftar=list(a=1, b=2,3,4, c=rnorm(10)) >Daftar $a [1] 1 $b [1] 2 [[3]] [1] 3 [[4]] [1] 4 $c [1] [7] Memanggil data yang telah disediakan oleh R Datasets Packages. Data apa saja yang telah disediakan dapat anda lihat di Memanggil data bulanan penumpang pesawat tahun , gunakan perintah 7

8 >AirPassengers Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Import Data a. Import data dari web Misal data yang digunakan adalah data jumlah kelahiran bayi periode Januari 1946 hingga Desember 1959, yang diambil dari Kita dapat membaca dan menyimpan data tersebut dalam R Studio dengan cara Klik Import Dataset, pilih From Web URL..., kemudian masukkan alamat web yang dituju. Cara lain Misal akan diambil data penjualan suvenir periode Januari 1978-December 1993 dari >souvenir<-scan(" Informasi untuk mendapatkan data dari internet dapat anda jumpai di b. Import data dari file text R dapat membaca data dengan ekstensi txt atau csv. Jika ingin melakukan import data excel, simpan data tersebut ke dalam ekstensi csv terlebih dahulu. Setelah itu klik Import Dataset-From Text File... pilih file akan diimpor. 8

9 Pilih Yes untuk mengikutkan nama kolom pada data frame Fungsi-Fungsi Dalam Peramalan Time Series acf() diff() ts() tsdisplay naive() snaive() rwf() colmeans() meanf() SMA() HoltWinters() forecast.holtwinters() decompose() sindexf() seasonalplot() forecast.lm() Menghasilkan plot fungsi autokorelasi Menghasilkan data yang terdifferensiasi Menghasilkan kelas data time series Menghasilkan plot data terhadap waktu, acf dan pacf Menghasilkan peramalan dengan metode naive Menghasilkan peramalan dengan metode naive musiman Menghasilkan peramalan dengan metode random walk Menghasilkan nilai rata-rata data berupa kolom Menghasilkan rata-rata semua data yang ada Menghasilkan peramalan yang dihitung berdasarkan nilai rata-rata k periode terakhir Menghasilkan peramalan dengan metode eksponential smoothing Menghasilkan peramalan periode mendatang (outsample) dengan metode eksponential smooting Menghasilkan komponen dekomposisi Menghasilkan indeks seasonal Menghasilkan plot musiman Menghasilkan peramalan periode mendatang (outsample) dengan model linear 9