4.5. Prosedur Penelitian
Prosedur penelitian dapat dilihat melalui blok diagram pada Gambar 4.2.
Pengolahan Data - Pemeriksaan Kestasioneran Data
- Pengidentifikasi Model - Pengestimasian Parameter Model
- Pengujian Model - Penggunaan Model untuk Peramalan
- Perhitungan Tingkat Kesalahan Peramalan
Analisis Pemecahan Masalah Rumusan Permasalahan dan
Penetapan Tujuan Penelitian
Studi pendahuluan - Pengamatan awal observasi
Studi kepustakaan - Teori, Literatur
Pengumpulan Data - Data Sekunder
Kesimpulan dan Saran
Gambar 4.2. Blok Diagram Prosedur Penelitian
4.6. Pengolahan Data
Universitas Sumatera Utara
Pengolahan data dilakukan dengan menggunakan metode Box Jenkins untun meramalkan jumlah penjualan produk untuk beberapa tahun ke depan.
Pengolahan data disesuaikan dengan langkah-langkah peramalan dengan metode Box Jenkins, yaitu:
5. Pemeriksaan Kestasioneran Data 6. Pengidentifikasian Model
7. Pengestimasian Parameter Model 8. Pengujian Model
9. Penggunaan Model untuk Peramalan Peramalan dengan menggunakan ARIMA dilakukan melalui lima tahap,
yaitu tahap pemeriksaan kestasioneran data, pengidentifikasian model, pengestimasian parameter model, pengestimasian parameter model, pengujian
model, dan penggunaan model untuk peramalan. Pada tahap satu data runtut waktu harus diperiksa kestasionerannya apakah rata-rata dan variansinya konstan,
homogen dari waktu ke waktu karena data yang dianalisis pada ARIMA adalah data yang stasioner. Pemeriksaan itu dilakukan berdasarkan analisis autokorelasi
dan autokorelasi parsial atas datanya. Jika datanya telah statsioner, kemudian dilanjutkan ke tahap kedua. Bila datanya belum stasioner, maka datanya dapat
ditransformasi dengan metode tertentu hingga menjadi stasioner. Pada tahap kedua, model untuk data yang telah stasioner diidentifikasi berdasarkan hasil
analisis autokorelasi dan analisis autokorelasi parsial atas data yang stasioner atau yang telah distasionerkan tersebut. Jadi, data yang dianalisis autokorelasi dan
autokorelasi parsialnya mungkin saja berupa data yang asli atau data yang telah
Universitas Sumatera Utara
ditransformasikan sehingga menjadi stasioner. Dari pengidentifikasian itu, mungkin dihasilkan model datanya berupa AR autoregressive, I integrated,
MA moving average atau kombinasi dari dua ARI, IMA, ARMA, atau tiga ARIMA komponen model tersebut. Setelah model datanya diidentifikasi,
pengestimasian terhadap parameter modelnya dilakukan. Parameter model AR diestimasi dengan analisis regresi, yaitu dengan pendekatan kuadrat terkecil yang
linier. Bila modelnya mencakup MA, walaupun modelnya ditulis dalam bentuk linear, tetapi cara menghitung parameternya dilakukan dengan cara tertentu yang
berbeda dari analisis regresi linier dengan kuadrat terkecil tersebut. Caranya bemacam-macam, tetapi yang lazim diguakan adalah metode nonlinier, dan
biasanya dilakukan melalui dua tahap, yaitu estimasi awal dan tahap estimasi lanjutan hingga dihasilkan estimasi akhir atas parameternya Perhitungan dalam
pengestimasian parameter akhir itu terhitung sangat kompleks dan biasanya dilakukan dengan bantuan program komputer. Tahap pengujian model dilakukan
untuk mengetahui apakah model sudah tepat atau belum. Pengujian lazim dilakukan melalui residu modelnya. Blok diagram pengolahan data dapat dilihat
pada Gambar 4.3.
Universitas Sumatera Utara
Data Historis Penjualan Pemeriksaan Kestasioneran
secara Manual Pemeriksaan Kestasioneran
Variansi dengan Box Cox Plot
Stasioner?
Transformasi Data
Tidak
Pemeriksaan Kestasioneran Mean dengan Grafik
Autokorelasi dan Autokorelasi Parsial
Ya
Stasioner?
Differencing
Tidak
Ya
Pengidentifikasi Model Pengestimasian Parameter
Model
Uji t Uji Independensi
Residual Uji Normalitas
Residual
Salah satu tidak lulus?
Identifikasi Lagi
Ya
Tidak
Penggunaan Model untuk Peramalan
Data Hasil Peramalan Tingkat Kesalahan
Peramalan
Gambar 4.3. Blok Diagram Pengolahan Data
Universitas Sumatera Utara
4.7. Analisis Data
Kategori