Quiz Analisis Time Series

Apa tujuan utama analisis time series dalam peramalan?

• Menemukan hubungan sebab-akibat antar variabel

• Mengekstrapolasikan pola historis ke masa depan

• Menghilangkan semua komponen error dari data

• Menggunakan data kualitatif untuk prediksi

Komponen data time series yang berfluktuasi dalam jangka panjang (misal kenaikan/penurunan) disebut:

• Musiman (S)

• Siklus (C)

• Trend (T)

• Horizontal (H)

Metode peramalan yang cocok untuk data stasioner tanpa trend atau musiman adalah:

• Double Exponential Smoothing

• Simple Average

• Triple Exponential Smoothing

• Dekomposisi Sensus

Apa kelemahan utama metode Simple Average?

• Tidak bisa menangani perubahan step function

• Terlalu rumit untuk dihitung

• Hanya cocok untuk data musiman

• Membutuhkan parameter adaptif

Pada Single Moving Average (MA), jika MA(3) digunakan, ramalan periode berikutnya didasarkan pada:

• 3 data terbaru

• Semua data historis

• Rata-rata bergerak ganda

• Data acak

Metode Double Exponential Smoothing (Holt) menggunakan berapa parameter pemulusan?

• 1 parameter (α)

• 2 parameter (α dan γ)

• 3 parameter (α, β, γ)

• Tidak menggunakan parameter

Apa fungsi komponen btbt dalam metode Holt?

• Memuluskan data historis

• Menyesuaikan faktor musiman

• Memperbarui estimasi trend

• Menghilangkan error acak

Metode Triple Exponential Smoothing (Winter) digunakan ketika data memiliki:

• Trend dan musiman

• Siklus saja

• Error acak dominan

• Pola horizontal

Tahap pertama dalam metode dekomposisi adalah:

• Mengisolasi komponen musiman

• Menghilangkan pengaruh seasonal dan keacakan

• Menghitung regresi trend

• Memisahkan komponen siklus

Indeks musiman dalam dekomposisi dihitung dengan tujuan:

• Menghilangkan trend

• Mengukur pengaruh musim terhadap data

• Menghitung error acak

• Memisahkan siklus