BAB 4 HASIL DAN PEMBAHASAN
4.1 Program Peramalan 4.1.1 Tampilan Layar Pada saat pertama kali menjalankan program peramalan ini, user akan dihadapkan pada tampilan program seperti Gambar 4.1. Pada kondisi tersebut user dapat langsung melihat database yang digunakan dengan cara menekan tombol ”open database”. Database yang digunakan akan tampil di layar sebelah kiri seperti pada Gambar 4.2. Pada kondisi ini user dapat langsung melihat langkah-langkah peramalan hingga hasil ramalan. Pertama user dapat melihat hasil transformasi wavelet yang akan ditampilkan seperti pada Gambar 4.3. Jika user tidak ingin melihat transformasi, maka user dapat langsung menekan masing-masing tombol metode peramalan yang tersedia. Semua tombol ini akan bekerja pada satu tabel yang sama yang akan ditampilkan seiring dengan penekanan tombol tersebut. Jika semua tombol metode peramalan sudah ditekan, maka tampilan layar akan menjadi seperti Gambar 4.4. tombol terakhir yang harus ditekan adalah tombol “ramal” yang akan melakukan penggabungan semua nilai peramalan dan menampilkan peramalan secara keseluruhan. Pada kondisi ini tampilan layar akan seperti Gambar 4.5.
39
Gambar 4.1 Tampilan awal program
Gambar 4.2 Tampilan database
40
Gambar 4.3 Tampilan hasil transformasi wavelet
Gambar 4.4 Tampilan hasil peramalan dalam domain wavelet
41
Gambar 4.5 Tampilan hasil akhir peramalan
4.1.2 Keunggulan dan Kelemahan Keunggulan program ini dalam hal peramalan nilai tukar rupiah terhadap dollar Amerika antara lain: 1. Program ini terkoneksi langsung dengan database sehingga user tidak perlu melakukan koneksi secara manual. Jika database dihubungkan dengan koneksi ke internet, maka user dapat melihat peramalan nilai tukar rupiah terhadap dollar Amerika secara langsung. 2. Program ini menggunakan metode-metode seperti metode ARMAX, metode regresi harmonik, dan metode Holt Winters yang dapat melakukan peramalan yang sesuai dengan komponen yang mungkin terdapat pada data historis yang digunakan, seperti komponen trend an komponen musiman.
42
Sedangkan kelemahan yang dimiliki program ini antara lain: 1. Program peramalan ini bekerja cukup lambat. Hal ini dikarenakan antara lain oleh jumlah data yang digunakan dalam perhitungan terlalu banyak. Peningkatan jumlah data berbanding lurus dengan peningkatan kompleksitas program yang akan mengakibatkan pada lambatnya proses perhitungan program itu. 2. Program peramalan ini memiliki tingkat keakuratan yang tidak terlalu tinggi. Hal ini dikarenakan antara lain oleh faktor non matematis dari luar data historis yang tidak dimasukan dalam perhitungan peramalan. Karena fluktuasi nilai tukar rupiah terhadap dollar Amerika tidak hanya bergantung pada data historis, tetapi juga pada berbagai faktor yang terjadi di dunia. Tingkat keakuratan program juga mungkin disebabkan oleh pemilihan parameter yang digunakan dalam perhitungan setiap metodenya. Program ini memilih parameter yang digunakan secara random, sehingga hasil peramalan tidak maksimal.
4.2 Analisis 4.2.1 Transformasi Wavelet Data historis dari nilai tukar rupiah terhadap dollar Amerika ditransformasi ke dalam domain wavelet dengan metode non decimated wavelet transform (NDWT). Transformasi dilakukan menggunakan filter haar wavelet ke dalam tiga level domain transformasi wavelet. Ketiga level dalam domain wavelet tersebut akan memisahkan komponen-komponen dalam data historis sesuai dengan karakteristiknya. Level pertama adalah komponen berfrekuensi tinggi yang ada di dalam data historis yang digunakan. Pada level ini akan digunakan metode ARMAX untuk memodelkan dan meramalkan nilai selanjutnya. Level kedua adalah komponen musiman
43
yang mungkin ada di dalam data. Metode regresi harmonik akan digunakan untuk peramalan. Sedangkan level ketiga merupakan komponen berfrekuensi rendah yang ada di dalam data historis tersebut. Level ini merupakan representasi tren yang ada dalam data historis tersebut. Pada level ini akan digunakan metode Holt Winters eksponensial smoothing untuk melakukan peramalan.
4.2.2 Analisis Data Level Pertama Level pertama, jika digambarkan dalam grafik, maka grafik tersebut akan terlihat seperti Gambar 4.1. Pada level pertama, metode ARMAX dipakai dalam pemodelan dan peramalan data. adapun parameter yang digunakan untuk memodelkan data historis didapatkan dengan cara trial and error, agar peramalan yang diperoleh menjadi lebih akurat.
Gambar 4.6 Data level pertama dalam domain wavelet
44
Gambar 4.2 menunjukkan bahwa metode ARMAX dapat dengan baik memodelkan karakteristik data level pertama dan melakukan peramalan. hasil peramalannya juga ditunjukan oleh Gambar 4.2.
4.2.3 Analisis Data Level Kedua Level kedua merupakan komponen musiman yang mungkin terdapat pada data historis. Grafik dari level kedua tersebut ditunjukan oleh Gambar 4.3. peramalan data level kedua menggunakan metode regresi harmonik. Rumus regresi harmonik yang digunakan adalah:
Gambar 4.7 Hasil peramalan dari data level pertama oleh metode ARMAX
45
Gambar 4.8 Grafik level kedua data historis
Dengan
= 0.000486,
= 0.5244, dan nilai parameter
dan
yang disajikan
pada Tabel 4.1, regresi harmonik mampu memodelkan karakteristik data level kedua dengan baik.
Tabel 4.1 Koefisien regresi harmonik pada data level kedua n 1 1.234 -0.4047 2 1.203 -21.65 3 1.704 -2.18 4 -0.1865 0.6126 5 -0.1689 0.2681 6 -0.2351 0.2559 7 -0.2813 0.1746 8 -0.05374 0.291
46
Gambar 4.9 Hasil peramalan data level kedua
4.2.4 Analisis Data Level Ketiga Data level ketiga merepresentasikan komponen tren yang mungkin ada pada data historis yang digunakan. Metode Holt Winters dapat memodelkan trend sekaligus meramalkan nilai berikutnya. Grafik dari data level ketiga ini disajikan dalam Gambar 4.5. Dengan nilai α, β, dan γ berturut-turut adalah 0.1, 0.2, dan 0.3, metode Holt Winters dapat memodelkan level ketiga dan meramalkan nilai selanjutnya yang disajikan pada Gambar 4.6.
4.2.5 Hasil Ramalan Hasil peramalan didapatkan dengan cara menggabungkan peramalan komponen tren, musiman dan data berfrekuensi tinggi. Langkah ini melibatkan perhitungan invers transformasi wavelet. Hasil peramalan beserta data riil tersebut disajikan pada Gambar 4.7.
47
Gambar 4.10 Data level ketiga dari data historis
Gambar 4.11 Hasil ramalan data level ketiga
48
Gambar 4.12 Grafik peramalan beserta data sebenarnya
