Please enable JavaScript.
Coggle requires JavaScript to display documents.
Perambis UTS, Model Peramalan - Coggle Diagram
Perambis UTS
Model Peramalan
Metode naive
Data Stasioner
Ramalan berdasarkan periode sebelumnya
Metode Simple Average
Data stasioner
ramalan berdasarkan rata2 dari semua periode sebelumnya
Metode Moving average
Data Stasioner
Ramalan berdasarkan rata2 ordo sebelumnya
Metode Single Exponential smoothing/ SES
Data Stasioner
Nilai awal ditentukan dari : rata2 seluruh data historis atau sebagian data historis
Metode Double Exponential smoothing/ HOLT
Data historis dengan pola tren
Mengoreksi intercept dan slope model
Model Winters
Model Winters multiplicative
mengalikan komponen tren dan season
Data fluktuasi musiman tidak konstan
L merupakan banyak periode dalam 1 putaran musim
Model Winters additive
Menambahkan komponen tren dan season
Data fluktuasi musiman konstan sepanjang waktu
Dekomposisi
Multiplikatif
Data fluktuasi musiman tidak konstan
Jumlah Snt/ Indeks musiman pada satu putaran Season = L
Faktor Koreksi = L/ jumlah indeks musiman
Jika tidak, lakukan koreksi dengan mengalikan masing2 Snt dengan Faktor Pengoreksi
Aditif
Data fluktuasi musiman konstan
jumlah Indeks musiman = 0
Faktor Koreksi = jumlah indeks musiman/L
jika tidak, lakukan koreksi dengan mengurangkan masing2 Snt dengan Faktor Pengoreksi
Model Trend
Model Tren Linier
Model tren Kuadratik
Model exponential growth