Melola Discovery

← Melola Discovery

Akses terbuka Jurnal Tanpa peringkat SINTA

Effectiveness of Single and Double Exponential Smoothing: SES, ARRSES and Holt’s Linear for Time Series Data Prediction with Trend and Non-seasonal Characteristic (Covid-19 Vaccinate Case): Efektivitas Metode Exponential Smoothing untuk Prediksi Data Runtun Waktu Pola Tren dan Non-musiman (Studi Kasus Cakupan Vaksinasi Covid-19)

Efektivitas Metode Exponential Smoothing untuk Prediksi Data Runtun Waktu Pola Tren dan Non-musiman (Studi Kasus Cakupan Vaksinasi Covid-19): Efektivitas Metode Exponential Smoothing untuk Prediksi Data Runtun Waktu Pola Tren dan Non-musiman (Studi Kasus Cakupan Vaksinasi Covid-19)

Jurnal Matematika, Statistika dan Komputasi · Vol. 20 No. 1 (2023) · hlm. 52–64

DOI
10.20956/j.v20i1.27193
ISSN
2614-8811, 1858-1382
Terbit
2023-09-06
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

Inggris

Purpose of this research is effectiveness the exponential smoothing for predict the time series data which has trend and non-seasonal characteristic. In this research using data case vaccinate of covid-19 1st, 2nd, 3rd and 4th. The advantage of this research is we can choose the best method for this type data. The methodology of this research is quantitative, with analyze data method is exponential smoothing (SES, ARRSES, and HOLT’S linear). The result of data analyze is the predict error for four vaccinate data are very close to zero. SES gets 0% to 0,73%, ARRSES gets 0% to 0,66% and Holt’s linear gets 0% to 0,29%. The result of this research can conclude that exponential smoothing method effective for predict the data with trend and non-seasonal data.

Bahasa Indonesia

Penelitian ini bertujuan untuk melihat efektifitas metode exponential smoothing dalam memprediksi data runtun waktu dengan karakter adanya tren dan non-musiman. Adapun kasus yang digunakan dalam penelitian ini adalah dengan menggunakan data kesehatan yaitu cakupan vaksinasi covid-19 yaitu vaksinasi I, II, III dan IV. Manfaat dari penelitian ini adalah diharapkan dapat digunakan sebagai acuan dalam memilih metode yang efektif untuk tipe data yang mempunyai karakteristik tren serta non-musiman. Adapun metodologi penelitian ini adalah penelitian kuantitatif, dengan metode analisa data adalah Exponential Smoothing tipe SES, ARRSES dan Holt's linear. Dari hasil analisa data diperoleh hasil metode SES dalam memprediksi data kesehatan keempat vaksinasi diperoleh nilai error prediksi (MAPE) yang sangat kecil, yaitu dengan metode SES sebesar 0% hingga 0,75%, ARRSES sebesar 0% hingga 0,66% dan Holt's linear sebesar 0% hingga 0,29%.

Kata kunci

Jaringan kolaborasi para penulis

5 penulis · 7 tautan kepenulisan bersama · 3 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Surya University
  • Universitas Matana
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Johannes Hamonangan SiregarSurya University1
Nur Safitri WakhyuningsihSurya University1
Ali GodjaliSurya University1
Bakti SiregarUniversitas Matana1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Effectiveness of Single and Double Exponential Smoothing: SES, ARRSES and Holt’s Linear for Time Series Data Prediction with Trend and Non-seasonal Characteristic (Covid-19 Vaccinate Case): Efektivitas Metode Exponential Smoothing untuk Prediksi Data Runtun Waktu Pola Tren dan Non-musiman (Studi Kasus Cakupan Vaksinasi Covid-19)</dc:title>
	<dc:title xml:lang="id">Efektivitas Metode Exponential Smoothing untuk Prediksi Data Runtun Waktu Pola Tren dan Non-musiman (Studi Kasus Cakupan Vaksinasi Covid-19): Efektivitas Metode Exponential Smoothing untuk Prediksi Data Runtun Waktu Pola Tren dan Non-musiman (Studi Kasus Cakupan Vaksinasi Covid-19)</dc:title>
	<dc:creator xml:lang="en">Wiyanti, Wiwik</dc:creator>
	<dc:subject xml:lang="en">exponential</dc:subject>
	<dc:subject xml:lang="en">SES</dc:subject>
	<dc:subject xml:lang="en">ARRSES</dc:subject>
	<dc:subject xml:lang="en">forecast</dc:subject>
	<dc:subject xml:lang="en">holt’s</dc:subject>
	<dc:description xml:lang="en">Purpose of this research is effectiveness the exponential smoothing for predict the time series data which has trend and non-seasonal characteristic. In this research using data case vaccinate of covid-19 1st, 2nd, 3rd and 4th. The advantage of this research is we can choose the best method for this type data. The methodology of this research is quantitative, with analyze data method is exponential smoothing (SES, ARRSES, and HOLT’S linear). The result of data analyze is the predict error for four vaccinate data are very close to zero. SES gets 0% to 0,73%, ARRSES gets 0% to 0,66% and Holt’s linear gets 0% to 0,29%. The result of this research can conclude that exponential smoothing method effective for predict the data with trend and non-seasonal data.
 </dc:description>
	<dc:description xml:lang="id">Penelitian ini bertujuan untuk melihat efektifitas metode exponential smoothing dalam memprediksi data runtun waktu dengan karakter adanya tren dan non-musiman. Adapun kasus yang digunakan dalam penelitian ini adalah dengan menggunakan data kesehatan yaitu cakupan vaksinasi covid-19 yaitu vaksinasi I, II, III dan IV. Manfaat dari penelitian ini adalah diharapkan dapat digunakan sebagai acuan dalam memilih metode yang efektif untuk tipe data yang mempunyai karakteristik tren serta non-musiman. Adapun metodologi penelitian ini adalah penelitian kuantitatif, dengan metode analisa data adalah Exponential Smoothing tipe SES, ARRSES dan Holt's linear. Dari hasil analisa data diperoleh hasil metode SES dalam memprediksi data kesehatan keempat vaksinasi diperoleh nilai error prediksi (MAPE) yang sangat kecil, yaitu dengan metode SES sebesar 0% hingga 0,75%, ARRSES sebesar 0% hingga 0,66% dan Holt's linear sebesar 0% hingga 0,29%.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2023-09-06</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/27193</dc:identifier>
	<dc:identifier>10.20956/j.v20i1.27193</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 20 No. 1 (2023): SEPTEMBER, 2023; 52-64</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/27193/10268</dc:relation>
	<dc:relation>10.20956/j.v20i1.27193.g10268</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2023 Author and publisher</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>