Ukuran Standar Statistik Ukuran Relatif Statistik Uji Kecukupan Sampel Uji Musiman

2.2.1 Ukuran Standar Statistik

Berikut ini adalah ukuran error peramalan yang termasuk ukuran standar statistik. 1. Nilai Error Rata-rata Mean Error �� = ∑ � � − � � � �=1 � dimana: �� : Mean Error � � : Data pada periode waktu ke-i � � : Ramalan untuk periode waktu ke-i � : Jumlah data 2. Nilai Error Absolut Rata-rata Mean Absolute Error ��� = ∑ |� � − � � | � �=1 � dimana: ��� : Mean Absolute Error 3. Nilai Error Kuadrat Rata-rata Mean Squared Error ��� = ∑ � � − � � 2 � �=1 � dimana: ��� : Mean Squared Error 4. Nilai Error Kuadrat Kesalahan Sum of Square Error ��� = �� � − � � 2 � �=1 dimana: SSE : Sum of Square Error 5. Nilai Error Deviasi Standar Standard Deviation of Error ��� = � ∑� � − � � 2 � − 1 dimana: ��� : Standard Deviation of Error

2.2.2 Ukuran Relatif Statistik

Berikut ini adalah ukuran error peramalan yang termasuk ukuran relatif statistik. 1. Nilai Kesalahan Rata-rata Percentage Error �� � = � � − � � � � �100 dimana: �� � : Percentage Error ke i 2. Nilai Persentase Error Rata-rata Mean Percentage Error ��� = ∑ � � − � � � � �100 � �=1 � dimana: ��� : Mean Percentage Error 3. Nilai Persentase Error Absolut Rata-rata Mean Absolute Percentage Error ���� = ∑ �� � − � � � � �100� � �=1 � dimana: � � : Data pada periode waktu ke-i � � : Ramalan untuk periode waktu ke-i � : Jumlah data

2.3 Pengujian Data

Adapun beberapa uji yang digunakan dalam peramalan antara lain:

2.3.1 Uji Kecukupan Sampel

Sebelum melakukan analisa terhadap data yang diperoleh, langkah awal yang harus dilakukan adalah pengujian terhadap anggota sampel. Hal ini dimaksudkan untuk mengetahui apakah data yang diperoleh dapat diterima sebagai sampel. Dengan tingkat keyakinan 95 � = 0,05 rumus yang digunakan untuk menentukan jumlah anggota sampel adalah: � ′ = � 20 �� ∑ � � 2 � �=1 −∑ � � � �=1 2 ∑ � � � �=1 � 2 2.12 di mana: � ′ = Ukuran sampel yang dibutuhkan � = Ukuran sampel percobaan � � = Data aktual Apabila � ′ �, maka sampel percobaan dapat diterima sebagai sampel.

2.3.2 Uji Musiman

Untuk mengetahui adanya komponen musiman dilakukan uji musiman dengan hipotesa ujinya sebagai berikut: � = data tidak dipengaruhi musiman � 1 = data dipengaruhi musiman Untuk perhitungan digunakan notasi: � � = ∑ � � 2 � �=1 ∑ � � � � = ∑ � � 2 � � − � � 2.13 ∑ � 2 = � 11 2 + � 12 2 + � 13 2 + ⋯ + � �� 2 � � = ∑ � 2 − � � − � � Sehingga diperoleh: � ℎ����� = � � � − 1 � � �� − 1 Kemudian hasil perhitungan disusun dalam tabel ANAVA sebagai berikut: Tabel 2.1 Perhitungan ANAVA Uji Musiman Sumber Variansi Derajat Bebas Jumlah Kuadrat Jumlah Kuadrat Rata-Rata Statistik Uji Rata-Rata 1 � � � = � � 1 � = � � Antar Musiman � − 1 � � � = � � � − 1 Dalam Musiman � � − � � � � = � � � − � Total � � � 2 Kriteria pengujian adalah: Jika � ℎ����� � ����� �−1, �−� maka � diterima tidak dipengaruhi musiman Jika � ℎ����� � ����� �−1, �−� maka � ditolak data dipengaruhi musiman

2.3.3 Uji Trend

Dokumen yang terkait

Metode Pemulusan (Smoothing) Eksponensial Ganda (Linier Satu Parameter dari Brown) dan Metode Box-Jenkins dalam Meramalkan Curah Hujan di Kota Medan

6 78 78

Metode Pemulusan Eksponensial Ganda Satu Parameter Terhadap Peramalan Jumlah Guru & Jumlah Murid Sekolah Menengah Atas Tahun 2012-2015 Di Kecamatan Galang

2 29 71

Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011

0 23 65

Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode Box-Jenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

5 79 141

Cover Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 1 12

Abstract Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 2

Chapter I Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 9

Chapter II Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 22

Reference Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 1 1

Appendix Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 60