Lompat ke konten utama
Kelas
Peramalan Deret WaktuPelajaran 12 dari 20 · Modul 3, Metode ramalan dan pemulusan eksponensial

Modul 3 · Metode ramalan dan pemulusan eksponensial

Metode Holt-Winters aditif

Setelah pelajaran ini kamu bisa menghitung level, kemiringan, komponen musiman, dan ramalan h langkah metode Holt-Winters aditif dengan rumus rekursifnya.

  • ±14 menit
  • 3 latihan
  • Diperiksa 28 Sep 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

Metode Holt meneruskan tren tetapi tidak mengenal musim. Holt (1957) dan Winters (1960) menambahkan persamaan ketiga untuk komponen musiman s_t dengan parameter γ, sehingga NIST menyebutnya pemulusan eksponensial tiga kali. Dengan periode musiman m (4 untuk kuartalan, 12 untuk bulanan), bentuk aditif di Forecasting: Principles and Practice adalah: level ℓ_t = α(y_t − s_{t−m}) + (1 − α)(ℓ_{t−1} + b_{t−1}); kemiringan b_t = β*(ℓ_t − ℓ_{t−1}) + (1 − β*)b_{t−1}; musiman s_t = γ(y_t − ℓ_{t−1} − b_{t−1}) + (1 − γ)s_{t−m}. Ramalannya ŷ_{T+h} = ℓ_T + h·b_T + s dari musim yang sama pada tahun terakhir data.

Persamaan level memakai pengamatan yang sudah disesuaikan musim, yaitu y_t dikurangi komponen musimnya. Buku rujukan membedakan dua varian: aditif bila besar variasi musiman kira-kira tetap sepanjang deret, multiplikatif bila variasinya sebanding dengan level. Pada varian aditif komponen musiman bersatuan sama dengan data dan dalam setahun jumlahnya kira-kira nol. NIST mencatat bahwa nilai awal butuh paling sedikit satu musim penuh data. Kelas ini memakai skema sederhana: level awal = rata-rata musim pertama, kemiringan awal = (rata-rata musim kedua − rata-rata musim pertama) / m, dan komponen musiman awal = setiap nilai musim pertama dikurangi level awal. Perangkat lunak statistik menaksir parameter dan nilai awal dengan meminimalkan galat, jadi angkanya bisa berbeda.

Contoh dengan data lain: satu langkah pembaruan, α = 0,5, β* = 0,2, γ = 0,3.

l, b, s_lama = 100, 2, -8      # level, kemiringan sebelumnya, musiman setahun lalu
y = 95
l_baru = 0.5 * (y - s_lama) + 0.5 * (l + b)   # 102.5
s_baru = 0.3 * (y - l - b) + 0.7 * s_lama     # -7.7, memakai level dan kemiringan LAMA
b = 0.2 * (l_baru - l) + 0.8 * b              # 2.1
print(l_baru, round(s_baru, 2), round(b, 2))

Latihan

Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Latihan 1 dari 3

Data kuartalan berakhir di kuartal IV. Hasil akhir Holt-Winters aditif: level 200, kemiringan 3, dan komponen musiman tahun terakhir kuartal I–IV berturut-turut −20, 5, 30, −15. Berapa ramalan dua kuartal ke depan?

Latihan 3 dari 3

Pernyataan mana yang sesuai dengan metode Holt-Winters aditif?

Pilih satu jawaban

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Lanjutkan ke

Tampilkan 1 lagi