50
dalam penggunaan metode winter
ini adalah penentuan
nilai-nilai a, ß, dan ? yang
akan
meminimumkan
MSE
dan
MAPE.
Pendekatan
untuk
penentuan
nilai-nilai
parameter
tersebut
biasanya
dilakukan
dengan
trial
error.
Bila
data
yang
ditangani
sangat
banyak,
maka
bisa
digunakan algoritma
optimasi
non-linear,
dimana cara ini jarang digunakan karena memakan biaya dan waktu.
2.6.8
Metode Peramalan Kausal
Metode
peramalan
kausal
mengembangkan
suatu
model
sebab-akibat
antara
permintaan
yang
diramalkan
dengan
variabel-variabel lain
yang
dianggap
berpengaruh. Salah
satu
metode
kausal
yang
paling
dikenal
adalah
regresi
sederhana.
Dalam
metode
regresi,
suatu
model
perlu
dispesifikasikan sebelum
dilakukan
pengumpulan
data
dan
anlisisnya.
Secara
matematis,
model
ini
dinyatakan
sebagai berikut :
y
ˆ
= a + bx
dimana :
y
ˆ
= perkiraan permintaan
x = variabel bebas yang mempengaruhi y
a = nilai tetap y bila x = 0 (merupakan perpotongan dengan sumbu y)
b = derajat kemiringan persamaan garis regresi
 |