40
?
?
2
X
t
I
t
=
ß
S
t
+
(1 - ß
)I
t
-
L
•
Peramalan :
F
t
+
m
=
(S
t
+
b
t
m
)I
t
-
L
+
m
Keterangan
:
L
=
panjang musiman
B
=
komponen trend
I
=
faktor penyesuaian
musiman
F
t
+
m
=
peramalan untuk m periode kedepan
2.5.7
Metode Regresi Linier
Salah
satu
bentuk
peramalan
yang paling
sederhana
adalah
regresi
linier.
Dalam
aplikasi
regresi
linier
diasumsikan
bahwa
terdapat
hubungan
antara
variabel
yang
ingin
diramalkan
(variabel
dependen)
dengan
variabel
lain (variabel
independen).
Selanjutnya,
peramalan
ini
didasarkan
pada asumsi
bahwa
pola pertumbuhan
dari
data historis
bersifat
linier
(walaupun
pada kenyataannya
tidak
linier
100%).
Pola pertumbuhan
ini
didekati
dengan
suatu model
yang
menggambarkan
hubungan-hubungan
yang
terkait
dalam suatu keadaan.
Model tersebut dapat dijabarkan sebagai berikut :
Y(t) = a + bt
N
N
N
N
?
tY (t) -
?
Y
(t)
?
t
b
=
t =¹
t
=1
t
=1
1
N
1
N
N
?
N
?
dan
a
=
Y
(t ) -
b
t
N
N
N
?
t
2
-
?
?
t
?
t
=1
t
=1
t
=1
?
t =1 ?
(Makridakis, 1999, pp117-119)
 |