PERBANDINGAN MODEL STATISTIK PADA ANALISIS METODE PERAMALAN TIME SERIES

(STUDI KASUS: PT. TELEKOMUNIKASI INDONESIA, TBK KANDATEL SUKABUMI)

  • Siti Muawanah Robial
Keywords: model statistik, metode peramalan, produk telekomunikasi, SPSS, POM for windows, kriteria kebaikan model

Abstract

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan
berdasarkan data yang relevan pada masa lalu. Maka metode peramalan ini digunakan dalam peramalan yang
obyektif sebagaimana yang dapat dilakukan pada suatu perusahaan telekomunikasi untuk meramalkan penjualan
produknya. Dalam hal ini metode peramalan akan dikaji menggunakan data penjualan produk telekomunikasi
dari PT. Telkom, tbk Kandatel Sukabumi. Dengan demikian, tujuan dari penelitian ini adalah membandingkan
model dari metode peramalan untuk memilih model yang sesuai dengan kriteria data penjualan produk
telekomunikasi dari PT. Telkom, tbk Kandatel Sukabumi. Data yang digunakan diberi kategori sesuai dengan
tinggi rendahnya harga, pulsa lokal dan paket data, kategori tersebut yaitu V5, V10, V25 dan V50. Model dari
metode peramalan yang digunakan diantaranya Moving Average, Exponential Smoothing, Linear Regression
dan Constant Forecasting. Model-model tersebut diuji ukuran kesalahannya untuk mengetahui model peramalan
yang sesuai dengan kriteria data. Ukuran kesalahan peramalan yang digunakan adalah MAD (Mean Absolute
Deviation), MSE (Mean Squared Error) dan MAPE (Mean Absolute Percentage Error). Terdapat 2 kelompok
pengujian peramalan yang pertama adalah V5 dan V10, kelompok pengujian kedua adalah V25 dan V50.
Pengelompokkan ini dilihat dari hasil analisis keragaman data menggunakan ANOVA. Berdasarkan hasil
analisis dengan bantuan software SPSS dan FOM for windows diperoleh model yang sesuai untuk meramalkan
suatu penjualan produk kelompok pengujian pertama V5 dan V10 adalah exponential smoothing karena
memiliki tingkat error lebih kecil dari moving average. Sedangkan model yang cocok untuk kelompok pengujian
V25 dan V50 adalah contstant forecasting karena nilai MAD dan MSE lebih kecil dari linear regression.

Published
2018-12-26
Section
Articles