Dekomposisi Time Series

Dekomposisidalam peramalan merupakan metode yang menggunakan empat komponen utama dalam meramalkan nilai masa depan, komponen tersebut antara laintrend(Tt),musiman(St),Siklik/siklus(Ct) danErroratau komponen ketidakteraturan (Et).Dekomposisimengisolasi komponen-komponen tersebut untuk kemudian menyusun kembali komponen-komponen tersebut menjadiefek musiman,efek siklus,efek trend, danerror.Metode dekomposisiklasik biasa kita kenal dengan metodeCensus I.Berikut adalah contoh data yang mengandung empat komponen tersebut:

Secara umum terdapat dua jenis model dekomposisi antara lain:Dekomposisi AditifDekomposisi Aditifmenghitung dekomposisi time seris pada komponen-komponen trend, musiman, siklus dan error. Metode ini mengidentifikasi ramalan masa depan dan menjumlahkan proyeksi yang hasil peramalan. Model diasumsikan bersifat aditif (semua komponen ditambahkan untuk mendapatkan hasil peramalan)Persamaan model ini adalah:Xt= Tt+ St+ Ct+ tdimana T adalah trend, S adalah komponen musiman, C adalah komponen siklik/siklis dan adalah error.

Dekomposisi MultiplikatifDekomposisi multiplikatifmenghitung dekomposisi time series pada komponen-komponentrend, musiman, siklus, dan errordan kemudian memprediksi nilai masa depan. Model diasumsikan bersifat multiplikatif (semua komponen dikalikan satu sama lain untuk mendapatkan model peramalan).Persamaan model ini adalah:Xt= Tt* St* Ct* tIlustrasi kasus:Berikut adalah data penjualanTOKO AHOYselama 4 tahun yang digolongkan menjadi per kuartal, proyeksi trend yang kita gunakan adalah dengan Dekomposisi Multiplikatif:

YearQuarterSales (Kg)

1997140

260

380

435

1998130

250

360

430

1999135

260

380

440

2000150

270

3100

450

1.DenganSPSS 17.0, kita masukkan terlebih dahulu datanya sebagai berikut:

2.Kemudian, kita lihat bahwa datanya belum mengandung apa-apa disana, hanya seorang diri, kita akan memasukkan komponen tahun dan kuartal dengan memilih menuDATA DEFINE DATE,

kemudian akan muncul kotak dialogDEFINE DATESseperti berikut:

3.Karena kita menggunakan data kuartal, maka dari banyak pilihan cases are, anda bisa memilih YEARS, QUARTERS, kemudian klik lalu pada first case is di sebelah kanan masukkan untukyears dimulaidari 1 dan quarters dimulai dari 1, seperti berikut, lalu klikOK,

4.Kemudian padaworksheetanda akan muncul kolomYEAR, QUARTERdanDATE, seperti berikut ini:

5.Setelah itu, pada menu pilihANALYZE FORECASTING SEASONAL DECOMPOSITIONseperti berikut:

6.Setelah muncul kotak dialogSEASONAL DECOMPOSITION, anda pindahkan variabelSALESke kotakVariable (s)di sebelah kanan. Lalu anda bisa pilihmodel typedi bawah apakahMULTIPLICATIVEataupunADITIF, dalam kasus contoh ini kita menchecklistMULTIPLICATIVE, seperti berikut, lalu klikOKdanOKlagi:

7.Setelah itu padaworksheet SPSSanda akan ditampilkan empat komponen seperti berikut:

Komponen ERR_1 merupakanerrorKomponen SAS_1 merupakan musiman (seasonal)Komponen SAF_1 merupakan komponen siklus (cycle)Komponen STC_1 merupakan datatrend8.Untuk mengetahui proyeksi penjualan setiap kuartal menggunakan kurva anda bisa memilih dari menubarANALYZE FORECASTING SEQUENCE CHART, seperti berikut:

9.Kemudian masukkan komponenSeasonal Adjusted Series (SAS_1)tadi ke dalam kotakvariable(s)di sebelah kanan, lalu klik OK.

10.Maka grafik proyeksi penjualan TOKO AHOY untuk kuarter tahun-tahun ke depan menggunakan komponen musiman dengan metode dekomposisi multiplikatif adalah sebagai berikut:

Anda juga bisa menerapkan langkah yang sama jika menggunakanmetode dekomposisi aditif.(yoz)