Time Series Plot (Seri 2 Peramalan)

Tulisan seri 2 ini akan memperkenalkan metode peramalan sederhana yang didasarkan pada pemikiran bahwa peramalan yang reliabel dapat dilakukan melalui pemodelan pola data pada periode-periode sebelumnya, dan kemudian mengekstrapolasi pola tersebut ke masa depan. Oleh karenanya, langkah pertama yang perlu dilakukan pada metode peramalan sederhana adalah melakukan analisis trend untuk melihat kecenderungan pergerakan data pada periode-periode waktu sebelumnya. Untuk kepentingan tersebut, kita bisa menggunakan time series plot, yaitu membuat diagram scatter antara data terhadap waktu.

Banyak bentuk (pola) trend suatu data. Sebagai contoh dalam metode peramalan, pada kesempatan ini akan kita bahas empat bentuk umum dari trend data tersebut.

1. Trend Linear

Trend linear adalah kecenderungan data dimana perubahannya berdasarkan waktu adalah tetap (konstan). Misalnya, penjualan meningkat atau turun setiap bulannya dalam jumlah yang sama sebesar Rp 10 juta.

Trend linear memiliki model sebagai berikut:

Y_t = β₀+β₁T

Dimana : Yt = nilai data pada tahun t

β₀ = konstanta, yang menunjukkan nilai data pada tahun awal

β₁ = besarnya perubahan data dari satu periode ke periode lainnya.

T = tahun

Secara grafis, contoh time series plot dari trend linear akan berbentuk pola garis lurus.

Titik-titik data tidak akan persis seluruhnya melewati garis lurus, tetapi secara umum, pola yang terlihat akan membentuk seperti garis lurus. Oleh karenanya, jika trend data membentuk seperti pola tersebut di atas, maka kita dapat menggunakan model trend linear untuk peramalan. (Catatan: tafsiran yang sama juga berlaku untuk model trend lainnya)

2. Trend Kuadratik

Trend kuadratik adalah kecenderungan data yang kurvanya berpola lengkungan (curvature). Trend kuadratik memiliki model sebagai berikut:

Y_t = β₀+β₁T+ β₂T²

Secara grafis, contoh time series plot dari trend kuadratik sebagai berikut.

3. Trend Pertumbuhan Eksponensial

Trend pertumbuhan eksponensial adalah kecenderungan data dimana perubahannya semakin lama semakin bertambah secara eksponensial

Trend pertumbuhan eksponensial memiliki model sebagai berikut:

Y = β₀e^β₁^T atau ln(Y) = lnβ₀+β₁T

Dimana e adalah bilangan = 2,71828

Secara grafis, contoh time series plot dari trend pertumbuhan eksponensial sebagai berikut.

4. Trend kurva S

Trend kurva S adalah kecenderungan data dalam kasus dimana data time series mengikuti bentuk kurva S. Karakteristik kurva S adalah pada awalnya pertumbuhan lambat, kemudian meningkat pesat dan sampai pada titik tertentu kemudian melambat lagi dan cenderung tetap.

Trend kurva S memiliki model sebagai berikut:

Yt = e ^{(β0 + (β1/T))}
atau ln(Y) = β₀ + (β₁/T)

Secara grafis, contoh time series plot dari trend kurva S sebagai berikut.

Melalui pengamatan terhadap pola pergerakan data pada periode-periode sebelumnya, kita kemudian memilih pola yang tepat yang akan kita jadikan dasar untuk peramalan. Tetapi, meminjam istilah iklan produk di televisi, lidah….. eh mata bisa berbohong. Sehingga, seringkali kita ragu apakah pola data yang teramati tersebut berbentuk linear, kuadratik, eksponensial atau kurva S.

Kekurangtepatan dalam memilih pola akan berlanjut pada kekurangtepatan dalam membentuk model dan berakhir pada kurang tepatnya peramalan yang akan buat. Oleh karenanya, pertanyaan berikutnya adalah: bagaimana cara memilih pola yang tepat dan meyakinkan sehingga kita dapat membuat peramalan dengan tingkat kesalahan sekecil mungkin ?

Pertanyaan tersebut, mudah-mudahan akan dijawab pada seri berikutnya dari tulisan ini. Sekaligus akan diberikan cara mengestimasi modelnya dan melakukan peramalan dengan model tersebut.