Optimasi Analisis Peramalan dengan Metode Regresi Weighted Moving Average

Authors

  • fajrian nur adnan Universitas Dian Nuswantoro

DOI:

https://doi.org/10.33633/joins.v4i2.2265

Abstract

Metode peramalan sangat diperlukan untuk menentukan strategi dan pengambilan keputusan. Keberhasilan metode dalam peramalan ditentukan dari kecilnya selisih antara nilai yang diperoleh dari hasil peramalan dengan nilai actual ketika keadaan tersebut telah terealisasi. Beberapa penelitian terkait peramalan telah banyak dilakukan dengan menggunakan beberapa metode salah satunya adalah moving average. Metode moving Average yang sering digunakan dalam kasus peramalan adalah single moving average dan weighted moving average. Perbedaan antara kedua metode tersebut adalah pada pembobotan dari data yang digunakan dalam peramalan. Metode wighted moving average (WMA) menggunakan bobot meningkat atau menurun dari sejumlah data yang akan digunakan dalam peramalan. Untuk menentukan kaitan antara setiap data history terhadap data peramalan, maka perlu dilakukan analisis hubungan antara kedua data tersebut. Salah satu metode yang biasa digunakan dalam analisis hubungan dan keterkaitan antar variable adalah metode regresi linier. Dengan menggunakan regresi linier, peneliti bermaksud menganalisi keterkaitan data history terhadap data peramalan dan mengguunakan nilai koefisien dari masing-masing data history sebagai bobot dalam peramalan dengan menggunakan metode WMA. Dengan menggunakan bobot yang telah dianalisis, diharapkan metode Regresi WMA dapat memberikan hasil peramalan dengan nilai error yang yang lebih baik.

References

R. Kumar and . D. Mahto, "Application of Proper Forecasting Technique in Juice Production: A Case Study," Global Journal of Researches in Engineering, vol. 13, no. 4, 2013.

A. Nurlifa and S. Kusumadewi, "Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky," JURNAL INOVTEK POLBENG, vol. 2, no. 1, pp. 18-25, 2017.

S. S. Sundari, S. and W. Revianti, "Sistem Peramalan Persediaan Barang Dengan Weight Moving Average Di Toko The Kids 24," in Konferensi Nasional Sistem & Informatika 2015, Bali, 2015.

N. Abu Bakar and S. Rosbi, "Weighted Moving Average of Forecasting Method for Predicting Bitcoin Share Price using High Frequency Data: A Statistical Method in Financial Cryptocurrency Technology," International Journal of Advanced Engineering Research and Science, vol. 5, 2018.

I. M. A. Darmanta, L. M. Yulyantari and N. L. G. P. Suwirmayanti, "IMPLEMENTASI WEIGHTED MOVING AVERAGE PADA PERAMALAN HARGA JUAL BAJU PADA TOKO BAJU FM DENPASAR," I Made Aris Darmanta; Luh Made Yulyantari; Ni Luh Gede Pivin Suwirmayanti, vol. 1, no. 1, 2015.

S. Y. Fraticasari, D. E. Ratnawati and R. C. Wihandika, "Optimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah Kecelakaan Sepeda Motor Dengan Algoritme Genetika," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 5, pp. 1932-1939, 2018.

S. and W. Sulistiyowati, "Peramalan Produksi dengan Metode Regresi Linier Berganda," Prozima, vol. 1, no. 2, pp. 82-89, 2017.

P. P. W. Suyitno and H. , "Metode Regresi Linier Berganda Kualitas Super Member Supermall Terhadap Peningkatan Jumlah Pengunjung Pada Supermall Karawang," Bina Insani ICT Journal, vol. 2, no. 2, pp. 101-116, 2015.

M. T. Siregar, S. Pandiangan and D. Anwar, "Planning Production Capacity Using Time Series Forecasting Method," Engineering Management Research, vol. 7, no. 2, pp. 20-29, 2018.

S. Wardah and Iskandar, "Analisis Peramalan Penjualan Produk Keripik Pisang Kemasan Bungkus (Studi Kasus : Home Industry Arwana Food Tembilahan)," Jurnal Teknik Industri, vol. XI , no. 3, pp. 135-142, 2016.

J. Brownlee, "7 Time Series Datasets for Machine Learning," 11 2016. [Online]. Available: https://machinelearningmastery.com/time-series-datasets-for-machine-learning/. [Accessed 02 02 2019].

Downloads

Published

2019-11-29

How to Cite

[1]
fajrian nur adnan, “Optimasi Analisis Peramalan dengan Metode Regresi Weighted Moving Average”, Journal of Information System, vol. 4, no. 2, pp. 119–128, Nov. 2019.