Dari persamaan-persamaan
diatas dapat
dicari nilai-nilai
taksiran . Perhitungan yang diperlukan akan memakan banyak waktu.
Oleh karena
itu, lebih
memuaskan untuk
memperoleh taksiran
berdasarkan pada koefisien autokorelasi. Penaksiran ini dapat dilakukan dengan mengalikan ruas kiri dan kanan persamaan 2.6 dengan
X
t-1
menjadi sebagai berikut: 2.10
2.5 Pengujian Data Sebelum melakukan analisa terhadap data, langkah awal yang harus dilakukan adalah
pengujian terhadap anggota sampel. Pengujian ini dimaksudkan untuk mengetahui apakah data yang diperoleh dapat diterima sebagai sampel. Rumus yang digunakan
untuk menentukan jumlah anggota sampel adalah:
2.11 Keterangan:
N
’
= Ukuran sampel yang dibutuhkan
N
= Ukuran sampel percobaan
Y
t
= Data yang akan diamati Apabila
N
’
N,
maka sampel percobaan dapat diterima sebagai sampel.
2.6 Metode Pemulusan
smoothing
Metode pemulusan Pangestu, S.1996 merupakan metode peramalan dengan
mengadakan penghalusan terhadap masa lalu, yaitu dengan pengambilan rata-rata dari nilai beberapa tahun kedepan.
2.6.1 Klasifikasi dalam Metode Pemulusan Secara umum metode
smoothing
diklasifikasikan menjadi dua bagian, yaitu: 1.
Metode rata-rata Metode rata-rata dibagi atas empat bagian, yaitu:
Universitas Sumatera Utara
e. Nilai tengah kesalahan
f. Rata-rata bergerak tunggal
Single Moving Average
g. Rata-rata bergerak ganda
Double Moving Average
h. Kombinasi rata-rata bergerak lainnya
Tujuan dari metode rata-rata adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan
Smoothing
Eksponensial Metode pemulusan eksponensial merupakan pengembangan dari metode
average
, yaitu peramalan dilakukan dengan mengulangi perhitungan secara terus menerus
dengan menggunakan data yang baru. Sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau
dengan kata lain nilai observasi yang baru diberikan bobot yang relatif besar dibandingkan dengan nilai observasi yang lebih tua.
Metode
Smoothing
Eksponensial terdiri atas: a.
Smoothing
Eksponensial Tunggal b.
Smoothing
Eksponensial Ganda
1.
Metode Linier satu parameter dari Brown
2.
Metode dua parameter dari Holt c.
Smoothing
Eksponensial
Triple
2.6.2 Tahapan Metode Pemulusan Berikut langkah-langkah yang perlu dilakukan dalam peramalan dengan menggunakan
metode pemulusan Makridakis, 1999: 1.
Memilih suatu kelompok data untuk dianalisa 2.
Memilih suatu metode pemulusan, dalam hal ini dipilih metode pemulusan eksponensial
3. Gunakan metode pemulusan untuk meramalkan data yang akan dianalisa
4. Melakukan uji statistik
Universitas Sumatera Utara
5. Keputusan penilaian ramalan
2.6.3 Metode Pemulusan yang Digunakan Untuk mendapatkan suatu hasil yang baik harus diketahui cara peramalan yang tepat.
Data deret berkala yang digunakan setelah diplot dalam grafis tidak menunjukkan pola data trend linier dan dapat juga dilihat dari plot autokorelasi dan nilai-nilai
korelasinya. Maka metode peramalan analisa
time series
yang digunakan untuk meramalkan data deret berkala yang digunakan adalah Metode
Smoothing
Eksponensial Tunggal Satu Parameter. Bentuk umum dari Metode
Smoothing
Eksponensial Tunggal Satu Parameter adalah:
2.12 Keterangan:
F
t+ 1
= ramalan satu periode kedepan
Y
t
= data aktual pada periode
t F
t
= ramalan pada periode
t
α = parameter pemulusan 0 α 1
2.6.4 Ketepatan Ramalan
