Exponentielle Glättung merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia menitik-beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih tua. Dengan kata lain, Beobachtungen Terbaru Akan Diberikan Prioritas Lebih Tinggi Bagi Peramalan Daripada Observasi Yang Lebih Lama. 1. Einfache exponentielle Glättung Juga dikenal einfacher exponentieller Glättung yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Modell mengasumsikan bahwa Daten berfluktuasi di sekitar nilai bedeuten yang tetap, tanpa Trend atau pola pertumbuhan konsisten. Rumus untuk einfaches exponentielles Glätten adalah sebagai berikut: diman: S t peramalan untuk periode t. X t (1) Nilai aktual Zeitreihe F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan antara nol dan 1 2. Double Exponential Glättung Metode ini digunakan Ketika Daten menunjukkan adanya Trend. Exponentielle Glättung dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponieren harus diupdate setiap periode 8211 level dan trend nya. Ebene adalah estimasi yang dimuluskan dari nilai Daten pada akhir masing-masing Periode. Tendenz adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing Periode. Rumus doppelt exponentielle Glättung adalah: 3. Triple exponentielle Glättung Metode ini digunakan ketika Daten menunjukan adanya Trend dan perilaku musiman. Untuk menangani musiman, telah dikembangkan Parameter persamaan ketiga yang disebut metode 8220Holt-Winters8221 sesuai dengan nama penemuya. Terdapat Dua Modell Holt-Winters tergantung pada Tip musimannya yaitu Multiplikative saisonale Modell dan Additive saisonale Modell yang akan dibahas pada bagian lain dari Blog ini. Kembali kita lihat Daten Bali Besuch 2015 Yang diambil Dari Disbudpar Provinsi Bali berikut ini: Daten berbentuk Zeitreihe Yang diambil Sejak Januari 2008 hingga September 2015, Daten ini 92 pengamatan terdiri Dari, untuk datanya dapat diambil disini gtgtgt Untuk bahasan metode pemulusan eksponensial berikut kita Akan Gunakan perangkat lunak evies versi 8.1. 1.Tahap impor Daten: Buka Software eviews Kamu, Pilih offenen bestehenden Dateien, 2. Setelah Keluar Jendela Eviews Pilih-Datei GT Import GT Import aus Datei, 3. Kemudian Ambil Daten Kamu gt offen, 4. Setelah terbuka tampilannya sebagai berikut: langsung klik Weiter, lalu Ende, 5. Nah sekarang workfile kita telah terbaca oleh eviews, 6. Klik 2x pada variabel besuchen maka akan ditampilkan datanya pada jendela eviews. 7. Untuk Masuk ke pemulusan eksponensial pilih di Registerkarte proc gt exponentielle Glättung gt einzelne exponentielle Glättung, 8. Kemudian setelah Muncul Jendela exponentielle Glättung pilih Tingkat pemulusannya, misalnya Doppel, visitsm adalah hasil estimasi, kemudian Glättungsparameter biarkan ezensionen Yang menentukan, kemudian ok, 9. Kemudian outputnya akan ditampilkan sebagai Berikut. Dari Ausgabe dapat kita lihat nilai Parameter Alpha sebesar 0,0240, dimana metode pemulusan eksponensial dinyatakan dengan Formel: 2 (n1) atau n (2 -) Semakin tinggi nilai Yang diperoleh, maka nilai peramalan Akan Semakin mendekati nilai aktual. Dengan demikian nilai peramalan yang diperoleh dengan doppelte exponentielle Glättung adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan dengan doppelte exponentielle Glättung. Untuk Hasil estimasi dengan einzigen exponentiellen Glättung adalah sebagai berikut, ulangi kembali proses dari langkah nomor 8 diatas, pilih einzelne exponentielle Glättung. Dari Ausgangsdiatas, einzelne exponentielle Glättung memberikan nilai yang lebih baik yaitu 0,64, artinya pengamatan lebih menitikberatkan pada pengamatan yang lebih baru daripada nilai doppelte exponentielle Glättung sebesar 0,024. Semakin besar nilai (mendekati 1) maka nilai peramalan Yang diperoleh Akan mendekati peramalan metode naiv (lihat bahasannya disini gtgtgt), dimana Titik Berat pengamatan Akan mendekati nilai rata-rata Daten aktual, pada kasus ekstrim dimana 1, Y T1T Y T. maka nilai Peramalan akan sama dengan peramalan metode naiv. Semakin besar nilai, maka Akan Semakin besar pula penyesuaian Yang terjadi terhadap nilai peramalan, sebaliknya Semakin kecil nilai, maka Akan Semakin kecil pula penyesuaian Yang terjadi Pada nilai peramalan yang akan datang. Nilai peramalan yang diperoleh dari einzelne exponentielle Glättung adalah sebagai berikut: Berikut ini adalah perbandingan nilai aktual dengan nilai peramalan menggunakan metode einzelne exponentielle Glättung. Garis yang berwarna merah adalah Daten setelah proses pemulusan tingkat 1, kita dapat melihat tidak banyak penyesuaian yang terjadi terhadap Daten aktualisieren. Berikut ini adalah grafik perbandingan nilai peramalan dengan metode pemulusan eksponensial terhadap Daten aktual, dapat kita lihat bahwa nilai peramalan dengan Doppel eksponential Glättung tidak mengikuti pola Dari grafik Daten aktual dan einzelne exponentielle Glättung Yang Lebih dekat terhadap nilai rata-rata, perbedaan mendasar ini terjadi Ketika Doppelte eksponential Glättung telah memasukkan komponen Trend dalam estimasinya. Untuk data aktual, nilai single und doppelt exponentiell beserta dan grafiknya dapat kamu unduh disini gtgtgt sumber data. Disbudpar provinsi Bali (diolah oleh Statistik 4 Leben) Einfach Vs. Exponential Moving Averages Moving-Mittelwerte sind mehr als das Studium einer Folge von Zahlen in aufeinanderfolgender Reihenfolge. Frühe Praktiker der Zeitreihenanalyse beschäftigten sich tatsächlich eher mit einzelnen Zeitreihenzahlen als mit der Interpolation dieser Daten. Interpolation. In Form von Wahrscheinlichkeitstheorien und - analyse, kam viel später, als Muster entwickelt wurden und Korrelationen entdeckt. Einmal verstanden, wurden verschiedene geformte Kurven und Linien entlang der Zeitreihen gezogen, um zu prognostizieren, wo die Datenpunkte gehen könnten. Diese werden nun als grundlegende Methoden, die derzeit von technischen Analyse-Händler verwendet. Charting-Analyse kann bis ins 18. Jahrhundert Japan zurückverfolgt werden, aber wie und wann bewegte Durchschnitte wurden zuerst auf Marktpreise angewendet bleibt ein Geheimnis. Es wird allgemein verstanden, dass einfache Bewegungsdurchschnitte (SMA) lange vor exponentiellen Bewegungsdurchschnitten (EMA) verwendet wurden, da EMAs auf SMA-Gerüsten aufgebaut sind und das SMA-Kontinuum für Plotter und Verfolgungszwecke leichter verstanden wurde. (Möchten Sie ein wenig Hintergrund lesen Check out Moving Averages: Was sind sie) Simple Moving Average (SMA) Einfache gleitende Durchschnitte wurden die bevorzugte Methode für die Verfolgung Marktpreise, weil sie schnell zu berechnen und leicht zu verstehen sind. Frühe Marktpraktiker arbeiteten ohne den Gebrauch der ausgefeilten Diagrammmetriken, die heute benutzt werden, also verließen sie hauptsächlich auf Marktpreisen als ihre alleinigen Führer. Sie berechneten die Marktpreise von Hand, und graphed diese Preise, um Trends und Marktrichtung zu bezeichnen. Dieser Prozeß war sehr langwierig, erweist sich aber mit der Bestätigung weiterer Untersuchungen als recht rentabel. Um einen 10-tägigen einfachen gleitenden Durchschnitt zu berechnen, addieren Sie einfach die Schlusskurse der letzten 10 Tage und dividieren durch 10. Der gleitende 20-Tage-Durchschnitt wird berechnet, indem die Schlusskurse über einen Zeitraum von 20 Tagen addiert werden und sich um 20 dividieren bald. Diese Formel ist nicht nur auf Schlusskurse basiert, sondern das Produkt ist ein Mittel der Preise - eine Teilmenge. Bewegungsdurchschnitte werden als bewegt bezeichnet, weil sich die in der Berechnung verwendete Gruppe von Preisen gemäß dem Punkt auf dem Diagramm bewegt. Das bedeutet, dass alte Zeiten zugunsten neuer Schlusskurstage fallengelassen werden, so dass immer eine neue Berechnung erforderlich ist, die dem Zeitrahmen des durchschnittlichen Beschäftigten entspricht. So wird ein 10-Tage-Durchschnitt neu berechnet, indem der neue Tag hinzugefügt und der 10. Tag fallen gelassen wird, und der neunte Tag wird am zweiten Tag fallen gelassen. Exponential Moving Average (EMA) Exponential Moving Average (EMA) Der exponentielle gleitende Durchschnitt wurde verfeinert und seit den sechziger Jahren aufgrund früherer Experimente mit dem Computer weiter verbreitet. Die neue EMA würde sich mehr auf die jüngsten Preise konzentrieren als auf eine lange Reihe von Datenpunkten, da der einfache gleitende Durchschnitt erforderlich ist. Aktuelle EMA ((Preis (aktuelle) - vorherige EMA)) X Multiplikator) vorherige EMA. Der wichtigste Faktor ist die Glättungskonstante, die 2 (1N) mit N die Anzahl der Tage. Eine 10-Tage-EMA 2 (101) 18,8 Dies bedeutet, dass ein 10-Perioden-EMA den jüngsten Preis 18,8, ein 20-Tage EMA 9,52 und 50-Tage EMA 3,92 Gewicht auf den letzten Tag gewichtet. Die EMA arbeitet, indem sie die Differenz zwischen dem Preis der gegenwärtigen Perioden und der vorherigen EMA gewichtet und das Ergebnis der vorherigen EMA hinzugefügt hat. Je kürzer die Periode, desto mehr Gewicht auf den jüngsten Preis angewendet. Anpassungslinien Nach diesen Berechnungen sind Punkte aufgetragen und zeigen eine passende Linie. Anpassungen über oder unter dem Marktpreis bedeuten, dass alle gleitenden Durchschnitte nacheilende Indikatoren sind. Und werden hauptsächlich für folgende Trends verwendet. Sie funktionieren nicht gut mit Reichweitenmärkten und Perioden der Überlastung, weil die passenden Linien nicht einen Trend aufgrund eines Mangels an offensichtlich höheren Höhen oder niedrigeren Tiefs bezeichnen. Plus, passende Linien neigen dazu, konstant bleiben, ohne Andeutung der Richtung. Eine aufsteigende Montagelinie unterhalb des Marktes bedeutet eine lange, während eine sinkende Montagelinie oberhalb des Marktes ein kurzes bedeutet. (Für eine vollständige Anleitung, lesen Sie unsere Moving Average Tutorial.) Der Zweck der Verwendung eines einfachen gleitenden Durchschnitt ist es, zu erkennen und zu messen Trends durch Glättung der Daten mit Hilfe von mehreren Gruppen von Preisen. Ein Trend wird entdeckt und in eine Prognose hochgerechnet. Es wird davon ausgegangen, dass sich die bisherigen Trendbewegungen fortsetzen werden. Für den einfachen gleitenden Durchschnitt kann ein langfristiger Trend gefunden und gefolgt werden viel einfacher als eine EMA, mit der vernünftigen Annahme, dass die Anpassungslinie stärker als eine EMA-Linie aufgrund der längeren Fokussierung auf Mittelpreise halten wird. Eine EMA wird verwendet, um kürzere Trendbewegungen zu erfassen, aufgrund der Fokussierung auf die jüngsten Preise. Durch dieses Verfahren soll eine EMA jede Verzögerung in dem einfachen gleitenden Durchschnitt reduzieren, so dass die Anpassungslinie die Preise näher umschließt als ein einfacher gleitender Durchschnitt. Das Problem mit der EMA ist dies: Seine anfällig für Preisunterbrechungen, vor allem auf schnellen Märkten und Zeiten der Volatilität. Die EMA funktioniert gut, bis die Preise die passende Linie brechen. Bei höheren Volatilitätsmärkten könnte man erwägen, die Länge des gleitenden Durchschnittsbegriffs zu vergrößern. Man kann sogar von einer EMA zu einer SMA wechseln, da die SMA die Daten viel besser macht als eine EMA aufgrund ihres Fokus auf längerfristige Mittel. Trendindikatoren Als Nachlaufindikatoren dienen die gleitenden Mittelwerte als Unterstützungs - und Widerstandslinien. Wenn die Preise unter einer 10-tägigen Anpaßlinie in einem Aufwärtstrend brechen, sind die Chancen gut, dass der Aufwärtstrend schwindet oder zumindest der Markt konsolidieren kann. Wenn die Preise über einen 10 Tage gleitenden Durchschnitt in einem Abwärtstrend brechen. Kann der Trend abnehmen oder konsolidieren. Verwenden Sie in diesen Fällen einen 10- und 20-tägigen gleitenden Durchschnitt zusammen, und warten Sie, bis die 10-Tage-Linie über oder unter der 20-Tage-Linie zu überqueren. Dies bestimmt die nächste kurzfristige Richtung für die Preise. Für längere Zeiträume, beobachten Sie die 100- und 200-Tage gleitende Mittelwerte für längerfristige Richtung. Wenn man beispielsweise den 100- und 200-Tage-Gleitdurchschnitt verwendet, wenn der 100-Tage-Gleitende Durchschnitt unter dem 200-Tage-Durchschnitt überschreitet, nennt man ihn das Todeskreuz. Und ist sehr bärisch für die Preise. Ein 100-Tage-Gleitender Durchschnitt, der über einen 200-Tage gleitenden Durchschnitt kreuzt, wird das goldene Kreuz genannt. Und ist sehr bullisch für die Preise. Es spielt keine Rolle, wenn ein SMA oder eine EMA verwendet wird, weil beide Trend-folgende Indikatoren sind. Seine nur in der kurzfristigen, dass die SMA hat geringfügige Abweichungen von seinem Pendant, die EMA. Fazit Die gleitenden Durchschnitte sind die Grundlage der Diagramm - und Zeitreihenanalyse. Einfache gleitende Durchschnitte und die komplexeren exponentiellen gleitenden Durchschnitte helfen, den Trend zu visualisieren, indem sie Preisbewegungen ausgleichen. Technische Analyse wird manchmal als Kunst und nicht als Wissenschaft bezeichnet, die beide Jahre in Anspruch nehmen. (Erfahren Sie mehr in unserem Technical Analysis Tutorial.) Double Moving Average vs Double Exponential Glättung Sebelumnya telah dibahas tentang teknik permalan Prognose sederhana einzigen gleitenden Durchschnitt als einzelne exponentielle Glättung. Akan tetapi pada kenyataannya banyak ditemui Daten Zeitreihe yang memiliki Trend liner, oleh karena itu perlu suatu teknik untuk mengatasinya. Teknik permalan sederhana yang bisa mengatasinya yaitu doppelten gleitenden Durchschnitt dan doppelte exponentielle Glättung. Sebagai Informasi, sebenarnya terdapat banyak Teknik Prognose kompleks Yang dapat mengatasi masalah Trend linier yaitu dengan cara mentransformasikan Daten Agar stasioner kemudian diterapkan Teknik Prognose tertentu, seperti ARIMA, ARCHGARCH, dll. Grafik di bawah ini menunjukan kecenderungan omzet Wiederherstellung yang memiliki Trend meningkat. Doppelte Bewegung Durchschnittlich Pada teknik ini dilakukan penghitungan rata-rata bergerak sebanyak dua kali kemudian dilanjutkan dengan meramal menggunakan suatu persamaan tertentu. Perhatikan tabel di atas, pada teknik ini proses mencari nilai rata-rata bergerak dilakukan sebanyak dua kali. Pada kolom Beweglicher Durchschnitt 3t baris 1 dan 2 kosong, sedangkan baris ketiga ialah nilai rata-rata dari nilai faktual omzet baris 1, 2, dan 3 (jumlah omzet bulan Juni-Agustus 2011 dibagi tiga (131130125) 3 128,667). Baris berikutunya juga dilakukan dengan cara perhitungan yang sama. Selanjutnya pada kolom Durchschnittlich. Dilakukan penghitungan rata-rata bergerak dengan cara yang sama pada kolom sebelumnya. Namun, pada kolom ini yang menjadi acuan penjumlahan nilai yaitu nilai pada kolom gleitende durchschnittliche 3t dibagi dengan periode gleitender durchschnitt. Misalnya, nilai 127,444 pada bulan Oktober 2011 kolom doppelt beweglicher Durchschnitt diperoleh dari rata-rata bergerak bulan Juli-Oktober 2011 (128,667127126,667 dibagi 3). Lakukan Penghitungan Serupa Pada Baris-Baris Berikutnya Hingga Pada Baris Daten Terakhir (Sebelum Periodeyang Akan Diramalkan). Pada kolom bei, lakukan penghitungan dengan rumus di atas. Misalkan, angka 125,88889 pada baris bulan Oktober 2011 kolom bei diperoleh dari penghitungan 2 x 126,6667 8211 127,4444. Lakukan juga pada baris-baris berikutnya. Untuk kolom bt, lakukan penghitungan juga berdasarkan rumus di atas. Ingat bahwa nilai n ialah jumlah periode yang digunakan dalam gleitender Durchschnitt. pada kasus ini nilai n yaitu 3. Selanjutnya hitung nilai ramalanforecast menggunakan Formel di atas dengan nilai p1, artinya kita hanya Akan meramal sebanyak satu periode kedepan saja (meramal omzet Pada bulan Januari 2013). Ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram ram.......................... Sehingga, nilai ramalan omzet bulan Januar 2013 sebesar 157,11 juta rupiah diperoleh dari penjumlahan nilai bei dan bt bulan Desweiteren 2012 (153,88893,2222 (p1)). Selenjutnya kolom und dan et quadratischen digunakan untuk menghitung RMSE. Nilai RMSE yang didapat yaitu 3,8086. Double Exponential Glättung Teknik ini hampir sama dengan teknik double gleitenden Durchschnitt yaitu dua kali dalam melakukan penghitungan. Formel Formel yang digunakan antara lain: Perhatikan pada baris pertama kolom exponentielle Glättung (At) hingga bei memiliki nilai yang sama dengan nilai omzet faktual bulan Juni 2011, nilai ini merupakan Standard. Selanjutnya nilai baris Kedua kolom Bei dihitunga menggunakan rumus di atas, Am omzet bulan Juli 2011 130.600 juta diperoleh Dari (w0,4) dikali nilai omzet faktual bulan Juli 2011 (130) ditambah (1-w0,6) dikali nilai Bei omzet bulan Juni 2011 (131), atau secara matematis ditulis 0,4 x 130 (1-0,4) x 131 130,600 (juta rupiah). Kemudian lakukan penghitungan serupa pada baris-baris Berikut. Setelah itu, lakukan penghitungan nilai doppelt exponentielle Glättung (At) menggunakan rumus di atas. Cara penghitungannya sama dengan exponentielle Glättung (At), tapi melibatkan Daten hasil penghitungan At. Nilai Bei omzet bulan Juli 2011 (130,840) diperoleh dari hasil 0,4 x 130,600 (1-0,4) x 131). Beginupun dengan penghitungan pada baris berikutnya sama. Mencari nilai bei dan bt sama seperti teknik doppelten gleitenden Durchschnitt. Hanya saja pada bt, dikalikan dengan perbandingan penimbang w1-w. Ikuti rumus di atas untuk mencari nilai bei dan bt. Kemudian, lakuka n peramalan Vorhersage sesuai rumus yang ada. Hasil ramalan Periode t1 yaitu penjumlahan nilai bei dan bt (p1) Periode t. Nilai p1 karena pada kasus ini hanya ingin dicari nilai ramalan satu periode kedepan. Ramalan omzet bulan Januar 2013 yaitu (atdes.2012152.260) (btdes.2011 (p1) 2,024 (1)) 154,2833 (juta rupiah). Kemudian carilah nilai RMSE berdasarkan nilai und dan et Quadrat. Nilai RMSE dengan metode doppelt exponentielle Glättung yaitu 3,133. Jika dibandingkan antara metode doppelt gleitenden Durchschnitt als doppelte exponentielle Glättung. Maka metode doppelte exponentielle Glättung lebih baik untuk meramalkan karena memiliki nilai RMSE (3,133) Yang lebih kecil dari nilai RMSE Metode doppelter gleitender Durchschnitt (3.8086). Demikian, mohon koreksinya demi kebenaran isi materi di atas. Sumber lengkapnya dapat dibaca pada Enders, Walter. Angewandte Ökonometrische Zeitreihe Zweite Auflage. New Jersey: Willey. Dan Yulianto, M. A. 2011. Dasar-dasar Betrieb Forschung untuk Pengambilan Keputusan: Edisi Kedua. Jakarta: Sekolah Tinggi Ilmu Statistik.
No comments:
Post a Comment