Dalam blog ini akan dibicarakan mengenai arima atau lebih dikenal dalam bahasa kerennya adalah time series. Banyak cabang ilmu yang menerapkan ilmu time series, terutama statistik. Statistik mempelajari time series untuk meramalkan suatu datang untuk peridode mendatang. Nalar saja, jika sebuah perusahaan menggunakan

read m

Peramalan secara statistika tentang permintaan terhadap suatu produk di masa mendatang menjadi hal yang sangat berguna dalam bidang inventory. Peramalan tersebut sangat membantu meningkatkan kemampuan dalam melakukan pengendalian inventory. Metode statistika yang digunakan untuk meramal sangat banyak. Akan tetapi dari kesekian banyak metode nantinya akan dicari metode yang paling sesuai dengan membandingkan tiap metode. Analisis yang digunakan dalam laporan ini adalah analisis ARIMA.

Peramalan

     Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah sesuatu kegiatan situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Peramalan dilakukan dengan memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang kegiatan di masa yang akan datang.

1.      ARIMA

Autoregressive Integrated Moving Average (ARIMA) atau biasa disebut dengan metode Box-Jenkins. ARIMA sangat baik ketepatannya untuk peramalan jangka pendek, yang tidak membentuk suatu model struktural baik itu persamaan tunggal atau simultan yang bebasis kepada teori ekonomi atau logika, namun dengan menganalisis probabilistik atau stokastik dari data deret waktu (time series) dengan menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat dengan mengabaikan variabel independennya. Hal ini terjelaskan dengan prinsip dari metode ini yaitu “let the data speak for themselves”.