Kembali ke Beranda
Classical Models
MODUL PERKULIAHAN MINGGU KE-3
Pemulusan Eksponensial & Holt-Winters
Single, Double (Holt), dan Triple Exponential Smoothing (Holt-Winters Aditif/Multiplikatif)
Berkas & Bahan Ajar
Sub-CPMK 3: Mampu menerapkan metode pemulusan eksponensial untuk peramalan beban jangka pendek.
Penurunan matematis Single ES (SES), model tren linier Holt, model musiman Holt-Winters (HW) tunggal dan ganda (Double Seasonal / DSHW), optimasi parameter smoothing dengan minimasi SSE, dan metrik evaluasi peramalan termasuk WAPE.
$$\hat{y}_{t+h|t} = (\ell_t + h b_t) s_{t+h-m(k+1)}, \quad \ell_t = \alpha \frac{y_t}{s_{t-m}} + (1-\alpha)(\ell_{t-1} + b_{t-1})$$
C1–C2 (Mengingat & Memahami)
Peran bobot alpha dalam menentukan sensitivitas model terhadap fluktuasi data terbaru.
C3–C4 (Menerapkan & Menganalisis)
Kalkulasi step-by-step 3 langkah Holt-Winters dan analisis peredaman tren (damped trend parameter).
C5–C6 (Mengevaluasi & Berkreasi)
Evaluasi kegagalan model Holt-Winters saat hari libur nasional dan perancangan adaptif weighting.
from statsmodels.tsa.holtwinters import ExponentialSmoothing
hw = ExponentialSmoothing(train_load, seasonal_periods=24, trend='add', seasonal='mul', damped_trend=True)
hw_fit = hw.fit()
pred_24 = hw_fit.forecast(24)