Metode Dekomposisi (Trend, Siklus, Musiman) Aditif dan Multiplikatif Untuk Peramalan

Prinsip dasar dari metode dekomposisi deret waktu adalah mendekomposisi (memecah) data deret waktu menjadi beberapa pola dan mengidentifikasi masing-masing komponen dari deret waktu tersebut secara terpisah. Pemisahan ini dilakukan untuk membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret data secara lebih baik (Makridakis, Wheelwright dan McGee, 1992).

Subagyo (1986) menjelaskan bahwa perubahan sesuatu hal itu biasanya mempunyai pola yang agak komplek, misalnya ada unsur kenaikan, penurunan, berfluktuasi dan tidak teratur, sehingga untuk diramal dan dianalisis dengan sekaligus sangatlah sulit, sehingga biasanya diadakan pendekomposisian data kedalam beberapa komponen. Masing-masing komponen akan dipelajari dan dicari satu persatu, setelah ditemukan akan digabung lagi menjadi nilai taksir atau ramalan.

Metode dekomposisi dilandasi oleh asumsi bahwa data yang ada merupakan gabungan dari beberapa komponen,

Data = pola + kesalahan = f(trend, siklus, musiman) + kesalahan

Komponen kesalahan diasumsikan sebagai perbedaan dari kombinasi komponen trend, siklus dan musiman dengan data sebenarnya (Assauri, 1984).

Asumsi di atas mengandung pengertian bahwa terdapat empat komponen yang mempengaruhi suatu deret waktu, yaitu tiga komponen yang dapat diidentifikasi karena memiliki pola tertentu yaitu : tren, siklus dan musiman, sedangkan komponen kesalahan tidak dapat diprediksi karena tidak memiliki pola yang sistematis dan mempunyai gerakan yang tidak beraturan (Awat, 1990).

Trend adalah kecenderungan gerak naik atau turun pada data yang terjadi dalam jangka panjang. Variasi musim adalah gerak naik dan turun yang terjadi secara periodik (berulang dalam selang waktu yang sama). Komponen siklis adalah perubahan gelombang pasang surut yang berulang kembali dalam waktu yang cukup lama, misalnya : 10 tahun, kuartal ke-20 dan lain-lain. Komponen kesalahan (random) adalah gerakan yang tidak teratur dan terjadi secara tiba-tiba serta sulit untuk diramalkan. Gerakan ini dapat timbul sebagai akibat adanya peperangan, bencana alam, krisis moneter dan lain-lain (Nugroho, 1993).

Menurut Hildebrand (1991), komponen tren, siklus, musiman dan kesalahan dari deret waktu dapat diasumsikan dalam dua model yang berbeda yaitu model multiplikatif dan model aditif.

Model multiplikatif dari metode dekomposisi adalah :

Xt = It . Tt . Ct .Et

sedangkan model aditifnya adalah :

Xt = It + Tt + Ct + Et

dimana,
Xt = data aktual pada periode ke-t
Tt = komponen Tren pada periode ke-t
Ct = komponen siklus pada periode ke-t
It = komponen musiman pada periode ke-t
Et = komponen kesalahan pada periode ke-t

Sebagai seorang Statistikawan, tidak menutup diri untuk membantu sesama dalam memecahkan permasalahan statistika. Bagi kamu yang pengin bertanya alias membahas sebuah persoalan statistik dengan saya, monggo, silakan tanyakan saja, dapat lewat blog ini atau facebook atau YM. Terima kasih.

Butuh tenaga statistik untuk mengerjakan penelitian anda? atau konsultasi tentang rumitnya statistika hingga menjadi mudah? dimanapun anda silakan kontak saya! (Mahasiswa S1 Statistika Universitas Diponegoro Semarang)