scholarly journals Model Peramalan Garis Kemiskinan Menggunakan Metode Double Exponential Smoothing dari Holt

2019 ◽  
Vol 5 (1) ◽  
Author(s):  
Roni Aminudin ◽  
Yeffry Handoko
Keyword(s):  
Time Series ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Penelitian ini bertujuan untuk melakukan peramalan Garis Kemiskinan untuk membantu pemerintah mendapatkan informasi yang akurat dan cepat. Metode yang digunakan dalam penelitian ini adalah Double Exponential Smoothing dari Holt. Metode ini adalah bagian dari data berdasarkan analisis deret waktu (time series). Penelitian ini menerapkan teori peramalan untuk menghasilkan ramalan Garis Kemiskinan untuk tahun yang akan datang. Selanjutnya, penelitian ini melakukan analisa pola data, dan menentukan nilai parameter terbaik. Metode Double Exponential Smoothing dari Holt menggunakan parameter Alpha (α) dan Gamma (γ). Untuk menentukan nilai parameter terbaik adalah menggunakan metode trial dan error. Nilai parameter terbaik menghasilkan nilai MAPE (Mean Absolute Percentage Error) terkecil. Pola data menunjukan trend, berarti metode Double Exponential Smoothing dari Holt tepat untuk digunakan dalam penelitian ini. Nilai parameter yang dihasil dari metode trial dan error adalah Alpha (α) sebesar 0,7 dan Gamma (γ) sebesar 0,1 yang menghasilkan ukuran akurasi terkecil, dalam penelitian ini menggunakan MAPE. Dengan mengamati hasil peramalan yang telah dilakukan, model peramalan ini memiliki kinerja yang sangat baik. Nilai Garis Kemiskinan akan terus meningkat, sesuai dengan pola konsumsi yang meningkat dan kenaikan harga kebutuhan pokok.

scholarly journals PERBANDINGAN METODE FUZZY TIME SERIES DAN HOLT DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN JUMLAH MAHASISWA BARU INSTITUT PERTANIAN BOGOR

2013 ◽  
Vol 12 (2) ◽  
pp. 25
Author(s):  
S. STEVEN ◽  
S. NURDIATI ◽  
F. BUKHARI
Keyword(s):  
Time Series ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Fuzzy Time Series ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Peramalan merupakan kegiatan memprediksi nilai suatu variabel di masa yang akan datang. Tujuan penelitian ini adalah memprediksi jumlah mahasiswa baru Institut Pertanian Bogor dengan menggunakan metode fuzzy time series dan metode pemulusan eksponensial ganda dari Holt serta membandingkan kedua metode tersebut dengan cara melihat tingkat ketepatan peramalan Mean Absolute Percentage Error (MAPE). Metode fuzzy time series menggunakan himpunan fuzzy dalam proses peramalannya sedangkan metode pemulusan eksponensial ganda dari Holt menggunakan pemulusan nilai dari serentetan data dengan cara menguranginya secara eksponensial. Dalam meramalkan jumlah mahasiswa baru Institut Pertanian Bogor, metode fuzzy time series menghasilkan tingkat ketepatan peramalan yang lebih baik dengan nilai MAPE sebesar 6.41 % dibandingkan dengan metode pemulusan eksponensial ganda dari Holt dengan nilai MAPE sebesar 7.75 %. Setelah dilakukan studi kasus, metode pemulusan eksponensial ganda dari Holt akan lebih akurat hasil peramalannya jika data yang digunakan lebih banyak.

scholarly journals Sistem Informasi Peramalan Penjualan Barang Dengan Metode Double Exponential Smoothing (Studi Kasus Istana Sayur)

2020 ◽  
Vol 6 (3) ◽  
pp. 9-14
Author(s):  
Yuri Ariyanto ◽  
Ahmadi Yuli Ananta ◽  
Muhammad Robbi Darwis Darwis
Keyword(s):  
Forecast Error ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Abstrak—Istana Sayur merupakan salah satu toko yang menjual beberapa macam sayuran, buah buahan dan bahan makanan yang selalu berusaha meningkatkan dan menjaga kualitas layanan, mencoba mengurangi kerugian dari pengendalian persediaan stok barang secara manual yang kurang baik akibat kelebihan dan kekurangan stok yang dialami saat ini, maka diperlukan fitur sebagai sistem informasi kasir dan peramalan stok barang. Tujuan dari pembuatan sistem informasi ini adalah analisa Forecasting secara manual ke dalam sebuah sistem informasi agar lebih praktis, dengan pemrograman PHP berframework CodeIgniter dan MySQL sebagai databasenya. Dengan menggunakan metode Double Exponential Smoothing Holt untuk pengambilan keputusan dalam jangka waktu tertentu dan pemanfaatkan pergerakan data pada masa lalu yang bersifat trend dimana datanya bersifat linier. Setelah dilakukan observasi pada Istana Sayur, Malang, didapat data transaksi penjualan dan barang pada tahun 2016-2018. Dari hasil perhitungan metode yang dipakai pada sistem ini kemudian dihitung Forecast Error-nya dengan menggunakan metode Mean Absolute Percentage Error. Dari analisa yang telah dilakukan, didapatkan hasil bahwa dengan menggunakan Mean Absolute Percentage Error didapat nilai untuk Sawi Caisim Manis dengan nilai 15.05%, Telor Ayam dengan nilai 15.78%, Cabe Hijau dengan nilai 12.45%, Buncis dengan nilai 22.22%, Cengkeh dengan nilai 34.69%, Bawang Putih dengan nilai 19.53%, Tempe dengan nilai 20.60% dan Kentang dengan nilai 17.58%. Sehingga Sawi Caisim Manis, Telor Ayam, Cabe Hijau, Bawang Putih dan Kentang tergolong kedalam kategori baik karena memiliki nilai diantara 10%-20%. Sedangkan untuk Buncis, Cengkeh dan Tempe tergolong kedalam kategori cukup karena memiliki nilai diantara 20%-50%. Saran untuk pengembangan aplikasi ini adalah perlunya penambahan metode lain sebagai pembanding tingkat keakuratan.

scholarly journals SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING

2017 ◽  
Vol 2 (1) ◽  
pp. 45 ◽  
Author(s):  
Mansyur Mansyur ◽  
Erfan Rohadi
Keyword(s):  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Dalam dunia bisnis, dibutuhkan sebuah prediksi atau perkiraan dari suatu tindakan yang akan diproses untuk menindak lanjuti hasil yang akan diharapkan pada beberapa periode selanjutnya. Keberlangsungan proses produksi   dalam  suatu   bisnis   ditunjang   oleh   pengendalian   persediaan    stok  barang yang baik. Peramalan   merupakan   satu   komponen   pendukung   dalam   aktivitas   perencanaan   dalam membuat  suatu prediksi  bisnis  untuk  mendapatkan  keuntungan  yang  maksimal.  Metode   peramalan  merupakan bentuk pengendalian persediaan kuantitatif berdasarkan data historis (runtut waktu).Tujuan dari penelitian ini adalah meramalkan  jumlah  Stok  barang  di  CV.Annora  Asia  dengan   menggunakan   metode   double   exponential smoothing. Dengan metode ini, perhitungan dapat dilakukan untuk mencari nilai optimal yang paling baik dengan   tingkat  kesalahan  yang  paling  terkecil. Dan  hasil  pengujian  perhitungan  MAPE  (Mean  Absolute Percentage Error) menunjukan hasil hasil yang sangat bagus karna di temukan nilai sebesar 4,82866%.

Forecasting Bitcoin using Double Exponential Smoothing Method Based on Mean Absolute Percentage Error

2020 ◽  
Vol 4 (2) ◽  
pp. 91
Author(s):  
Febri Liantoni ◽  
Arif Agusti
Keyword(s):  
Exponential Smoothing ◽  
Smoothing Method ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Business World ◽  
Absolute Percentage Error ◽  
A Value ◽  
Double Exponential ◽  
Double Exponential Smoothing ◽  
Exponential Smoothing Method

Abstract— After being introduced in 2008, the rise in the price of bitcoin and the popularity of other cryptocurrencies triggered a growing discussion about how much energy was consumed during the production of this currency. Making cryptocurrency the most expensive and most popular, both the business world and the research community have begun to study the devel-opment of bitcoin. In this study bitcoin price predictions are performed using the double exponential smoothing method based on the mean absolute percentage error (MAPE). The MAPE value is used to find the best alpha (α) parameter as the basis for bitcoin price forecasting. The dataset used is the price of bitcoin from 2017 to 2019. The dataset was obtained from www.cryptocompare.com. As for the value of the alpha parameter (α), using a value of 0.1 to 0.9. Based on the test results using the double exponential smoothing method obtained the smallest MAPE value of 2.89%, with the best alpha (α) at 0.9. The prediction is done to see the price of bitcoin on January 1, 2020. The error rate generated on the predicted price of bitcoin uses an amount of 0.0373%. This shows that the system built can be used as a support for decision making when trading bitcoin.

scholarly journals APLIKASI PERAMALAN JUMLAH PEMOHON PASPOR MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA KANTOR IMIGRASI KELAS II KOTA LHOKSEUMAWE

2019 ◽  
Vol 11 (2) ◽  
pp. 257
Author(s):  
Eva Darnila ◽  
Asrianda Asrianda ◽  
Rauzatul Jannah
Keyword(s):  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Setiap tahunnya jumlah pemohon paspor dikantor imigrasi selalu meningkat (kantor imigrasi kelas II Kota Lhokseumawe). peningkatan jumlah pemohon paspor ini akan berdampak pada kesediaan sarana, prasarana, maupun pelayanan pengurusan paspor yang sering mencapai 500 – 600 buah paspor setiap bulannya ditahun 2016. Penelitian peramalan ini dilakukan dengan menggunakan metode double exponential smoothing. Perhitungan akurasi dilakukan dengan Mean Absolute Percentage Error (MAPE). Data yang digunakan sebanyak 72 data  permohonan paspor baru mulai dari bulan januari 2016 sampai desember 2018 perjenis laki – laki dan perempuan didapatkan dari kantor imigrasi kelas II kota Lhokseumawe. Dari penelitian ini pengujian pada tahun 2018 didapatkan nilai parameter untuk double exponential smoothing adalah ɑ = 0.2. Dari nilai parameter tersebut didapatkan nilai SSE sebesar = 2356.833705, nilai MSE sebesar =  1178.416852 dan MAPE sebesar = 5,585627855.

scholarly journals PERKEMBANGAN DAN PROYEKSI PRODUKSI DAN KONSUMSI BERAS DI NUSA TENGGARA BARAT

2020 ◽  
Vol 21 (3) ◽  
Author(s):  
Sopiatun Zohdi Nur ◽  
Taslim Sjah ◽  
FX Edy Fernandez
Keyword(s):  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Least Square ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Double Exponential ◽  
Double Exponential Smoothing

Penelitian ini bertujuan untuk (a) menganalisis perkembangan produksi dan konsumsi beras di Nusa Tenggara Barat (b) menganalisis metode peramalanyang tepat untuk memproyeksikan produksi dan konsumsi beras di Nusa Tenggara Barat, dan (c) memproyeksikan produksi dan konsumsi beras di Nusa Tenggara Barat tahun 2019-2023. Penelitian ini menggunakan metode deskriptif dengan unit analisis yaitu Provinsi Nusa Tenggara Barat. Jenis data yang digunakan merupakan data kuantitatif dan kualitatif dengan sumber data sekunder. Analisis data yang digunakan diantaranya adalah metode deskriptif,metode Double Exponential Smoothing oleh Holt dan Metode Trend Least Square dan metode Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa: (1) perkembangan produksi beras di Nusa Tenggara Barat dalam kurun waktu 14 tahun terakhir (2005-2018) mengalami fluktuasi, namun secara umum mengalami peningkatan. Produksi beras terendah di NTB terjadi pada tahun 2005 sebesar 772.421 ton, sedangkan produksi beras tertinggi terjadi pada tahun 2018 sebesar 1.409.855 ton. Hal tersebut juga diikuti oleh perkembangan konsumsi beras di NTB. Tingkat konsumsi beras terendah terjadi pada tahun 2013 sebesar 504.240 ton/tahun, sedangkan tingkat konsumsi beras tertinggi terjadi pada tahun 2018 sebesar 586.601 ton/tahun. Perbandingan jumlah produksi beras dan tingkat konsumsi beras di NTB menunjukkan adanya surplus produksi sebesar 556.194 ton. (2) Metode peramalan terbaik yang dapat digunakan untuk memproyeksikan produksi beras di Nusa Tenggara Barat tahun 2019-2023 adalah metode Trend Least Square karena mempunyai nilai MAPE terkecil, sedangkan metode peramalan terbaik untuk memproyeksikan konsumsi beras di NTB tahun 2019-2023 adalah metode Holt’s Double Exponential Smoothing karena mempunyai nilai MAPE terkecil. (3) Produksi beras diproyeksikan sebanyak 1.425.916 ton pada tahun 2019 dan sebanyak 1.602.890 ton pada tahun 2023 dengan peningkatan sebesar 22.122 ton per tahun. Konsumsi beras diproyeksikan sebanyak 599.346 ton/tahun pada tahun 2019 dan sebanyak639.755 ton/tahun pada tahun 2023. Produksi beras dalam 5 tahun kedepan mengalami surplus diatas konsumsi sebesar 686.889 ton per tahun

scholarly journals COMPARISON OF SOME STATISTICAL FORECASTING TECHNIQUES WITH GMDH PREDICTOR: A CASE STUDY

2018 ◽  
Vol 47 (1) ◽  
pp. 16-21 ◽  
Author(s):  
Syed Misbah Uddin ◽  
Aminur Rahman ◽  
Emtiaz Uddin Ansari
Keyword(s):  
Time Series ◽  
Mean Square Error ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Mean Absolute Deviation ◽  
Mean Square ◽  
Absolute Deviation ◽  
Absolute Percentage Error

Demand forecasts are extremely important for manufacturing industry and also needed for all type of business and business suppliers for distribution of finish products to the consumer on time. This study is concerned with the determination of accurate models for forecasting cement demand. In this connection this paper presents results obtained by using a self-organizing model and compares them with those obtained by usual statistical techniques. For this purpose, Monthly sales data of a typical cement ranging from January, 2007 to February, 2016 were collected. A nonlinear modelling technique based on Group Method of Data Handling (GMDH) is considered here to derive forecasts. Forecast were also made by using various time series smoothing techniques such as exponential smoothing, double exponential smoothing, moving average, weightage moving average and regression method. The actual data were compared to the forecast generated by the time series model and GMDH model. The mean absolute deviation (MAD, mean absolute percentage error (MAPE) and mean square error (MSE) were also calculated for comparing the forecasting accuracy. The comparison of modelling results shows that the GMDH model perform better than other statistical models based on terms of mean absolute deviation (MAD), mean absolute percentage error (MAPE) and mean square error (MSE).

Towards optimal ATM cash replenishment using time series analysis

2021 ◽  
pp. 1-13
Author(s):  
Muhammad Rafi ◽  
Mohammad Taha Wahab ◽  
Muhammad Bilal Khan ◽  
Hani Raza
Keyword(s):  
Time Series ◽  
Moving Average ◽  
Arima Model ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Automatic Teller Machine ◽  
Proposed Model ◽  
Auto Regressive ◽  
Specific Amount

Automatic Teller Machine (ATM) are still largely used to dispense cash to the customers. ATM cash replenishment is a process of refilling ATM machine with a specific amount of cash. Due to vacillating users demands and seasonal patterns, it is a very challenging problem for the financial institutions to keep the optimal amount of cash for each ATM. In this paper, we present a time series model based on Auto Regressive Integrated Moving Average (ARIMA) technique called Time Series ARIMA Model for ATM (TASM4ATM). This study used ATM back-end refilling historical data from 6 different financial organizations in Pakistan. There are 2040 distinct ATMs and 18 month of replenishment data from these ATMs are used to train the proposed model. The model is compared with the state-of- the-art models like Recurrent Neural Network (RNN) and Amazon’s DeepAR model. Two approaches are used for forecasting (i) Single ATM and (ii) clusters of ATMs (In which ATMs are clustered with similar cash-demands). The Mean Absolute Percentage Error (MAPE) and Symmetric Mean Absolute Percentage Error (SMAPE) are used to evaluate the models. The suggested model produces far better forecasting as compared to the models in comparison and produced an average of 7.86/7.99 values for MAPE/SMAPE errors on individual ATMs and average of 6.57/6.64 values for MAPE/SMAPE errors on clusters of ATMs.

scholarly journals Peramalan Jumlah Populasi Sapi Potong di Kalimantan Selatan Menggunakan Metode Moving Average, Exponential Smoothing dan Trend Analysis

2019 ◽  
Vol 6 (1) ◽  
pp. 41
Author(s):  
Jaka Darma Jaya
Keyword(s):  
Trend Analysis ◽  
Mean Squared Error ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Mean Absolute Percentage Error ◽  
Percentage Error ◽  
Absolute Percentage Error ◽  
Polynomial Trend ◽  
Squared Error

Perkembangan produksi daging sapi di Indonesia selama 30 tahun terakhir secara umum cenderung meningkat. Kebutuhan daging sapi di Indonesia masih belum bisa dicukupi oleh supply domestik, sehingga diperlukan impor daging sapi dari luar negeri.  Diperlukan kajian tentang proyeksi ketersediaan populasi sapi potong di masa mendatang agar diambil kebijakan yang tepat dalam menjaga stabilitas dan keterpenuhan supply daging nasional.  Penelitian ini bertujuan untuk melakukan peramalan jumlah populasi sapi potong menggunakan 3 (tiga) metode peramalan yaitu metode moving average, exponential smoothing dan trend analysis.  Hasil peramalan ini selanjutnya diukur akurasinya menggunakan MAD (Mean Absolud Deviation), MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error).  Proyeksi populasi sapi potong pada tahun 2019 (periode berikutnya) menggunakan 3 metode peramalan adalah: 195.100 (moving average); 218.225 (exponential smooting) dan 262.899 (trend analysis). Pengukuran akurasi menggunakan MAD, MSE dan MAPE menunjukkan bahwa metode peramalan jumlah populasi sapi potong yang paling akurat adalah peramalan menggunakan metode polynomial trend analysis (MAD 14.716,12;  MSE 327.282.084,17; dan MAPE 0,09) karena memiliki tingkat kesalahan yang lebih kecil dibandingkan hasil peramalan menggunakan metode moving average dan exponential smoothing.

scholarly journals USULAN PERMINTAAN PRODUK SN 5 ML DI PT. XYZ DENGAN METODE TIME SERIES

2021 ◽  
Vol 8 (2) ◽  
pp. 117-122
Author(s):  
Sambas Sundana ◽  
Destri Zahra Al Gufronny
Keyword(s):  
Time Series ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Double Exponential ◽  
Double Exponential Smoothing ◽  
Single Exponential ◽  
Weighted Moving Average

Permasalahan yang dihadapi PT. XYZ yaitu kesulitan dalam menentukan jumlah permintaan produk yang harus tersedia untuk periode berikutnya agar tetap dapat memenuhi kebutuhan pelanggan dan tidak menyebabkan penumpukan barang dalam jangka waktu yang lama terutama produk SN 5 ML yang memiliki permintaan jumlah paling besar dari produk lainnya. Tujuan dari penelitian ini yaitu menentukan metode peramalan yang tepat untuk meramalkan jumlah permintaan produk SN 5 ml periode Januari sampai dengan Desember 2021 Metode yang digunakan dalam penelitian ini yaitu metode peramalan Moving Average (MA), Weighted Moving Average (WMA), Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES). Adapun langkah langkah peramalan yang dilakukan yaitu menentukan tujuan peramalan,memilih unsur apa yang akan diramal, menentukan horizon waktu peramalan (pendek, menengah, atau panjang), memilih tipe model peramalan, mengumpulkan data yang di perlukan untuk melakukan peramalan, memvalidasi dan menerapkan hasil peramalan Berdasarkan perhitungan didapat metode peramalan dengan persentase tingkat kesalahan terkecil dibandingkan dengan metode lainnya yaitu  metode Moving Average (MA) dengan hasil yang diperoleh permintaan produk SN 5 ML pada bulan Januari sampai dengan Desember 2021 yaitu sebanyak 22.844.583 unit

Sign in / Sign up

Export Citation Format

Share Document