- Beberapa aspek dari pola di waktu yang lalu akan berlanjut ke waktu yang
akan datang disebut asumsi kontinuitas.
2.3 Langkah-langkah Peramalan
Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah- langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah
peramalan yang penting, yaitu:
1. Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang
lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut.
2. Menentukan metode yang digunakan. Metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai
kenyataan yang sekecil mungkin.
3. Meramalkan data yang akan datang dengan menggunakan metode yang telah ditentukan.
2.4 Penentuan Koefisien Autokorelasi
Autokorelasi adalah hubungan yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu seperti pada data runtut waktu
Universitas Sumatera Utara
atau time series. Koefisien autokorelasi dapat dipergunakan untuk menentukan apakah suatu himpunan data mengandung pola yang bersifat acakan random,
stasioner, nonstasioner, musiman, ataupun siklis. Secara sistematis untuk menghitung koefisien autokorelasi dapat menggunakan rumus sebagai berikut:
k
r
=
n t
t k
n t
k t
t
X X
X X
X X
1 2
1
dengan:
k
r = koefisien
autokorelasi X
t
= data aktual pada periode ke t X = nilai tengah dari data aktual
k t
X
= data aktual pada periode ke t dengan keterlambatan time lags k
Rumus sederhana yang biasa digunakan untuk menghitung kesalahan standar adalah:
rk
se = N
1
dengan: N = banyak data asli
rk
se = kesalahan standar dari r
k
Batas signifikansi koefisien autokorelasi adalah:
-1,96
rk
se ≤
k
r ≤ +1,96
rk
se
Universitas Sumatera Utara
2.5 Metodologi Penelitian
Pemulusan eksponensial ganda: metode linier satu parameter dari Brown digunakan untuk data runtut waktu yang memiliki komponen trend yang linier. Pada teknik ini,
jika parameternya α tidak mendekati nol, pengaruh proses awalnya secara cepat
menjadi kurang berarti begitu waktu berlalu. Jika parameternya mendekati nol, proses awalnya dapat berperan penting untuk beberapa periode.
Teknik ini dapat digunakan untuk memodel trend runtut waktu dan cara perhitungannya lebih efektif bila dibandingkan dengan rata-rata bergerak ganda serta
membutuhkan lebih sedikit data karena hanya satu parameter yang digunakan. Selain itu, pencarian nilai parameter yang optimal tergolong sederhana.
Tahap-tahap dalam menentukan ramalan adalah sebagai berikut: a.
Menentukan pemulusan pertama S
t
S
t
= α X
t
+ 1- α S
t -1
b. Menentukan pemulusan kedua S
t
S
t
= α S
t
+ 1- α S
t -1
c. Menentukan besarnya konstanta
t
a
t
a = S
t
+ S
t
– S
t
= 2 S
t
- S
t
d. Menentukan besarnya slope nilai trend dari data yang sesuai b
t
t
b =
1 S
t
– S
t
e. Menentukan besarnya peramalan F
t+m
m t
F
= m
b a
t t
.
Universitas Sumatera Utara
dengan: m = jumlah periode di depan yang diramalkan,
α = parameter pemulusan eksponensial
2.6 Ketepatan Metode Peramalan
