Q =
∑ r
k
= ∑
[ ̅
̅ ] ∑
dimana: r
k
= koefisien autokorelasi pada time lag ke-k e
i
= penyimpangan periode ke-i ̅
= rata-rata penyimpangan n
= banyaknnya data
Setelah harga Q diperoleh, kemudian dibandingkan dengan nilai x
2
. Jika Q x
2 tabel
berarti penyimpangan yang terjadi bersifat random.
2.2 Goal Programming
2.2.1 Gambaran Umum Goal Programming
Goal programming adalah
bentuk khusus
atau modifikasi
dari linear
programming.Goal programming ditujukan untuk mengatasi masalah dengan lebih dari satu tujuan.Tujuan-tujuan tersebut bisa saling berkaitan dan bisa juga saling
bertentangan. Ketika tujuan yang satu berkaitan dengan tujuan lain, maka solusi terhadap satu tujuan menguntungkan tujuan yang lain. Tetapi pada kondisi nyata tidak
jarang ditemukan tujuan-tujuan yang saling bertentangan, dimana ketika mencoba mengoptimalkan tujuan yang satu maka akan menyebabkan kerugian pada tujuan yang
lain. Dalam hal ini benar-benar diperlukan suatu metode yang bisa merangkum tujuan- tujuan yang saling bertentangan tersebut dan mencari solusi optimal dari seluruh
tujuan yang ingin dicapai secara simultan.
Analisa goal programming bertujuan untuk meminimumkan penyimpangan- penyimpangan atau deviasi terhadap tujuan, target, atau sasaran yang telah ditetapkan,
dengan usaha yang dapat ditempuh untuk mencapai target atau tujuan tersebut sesuai dengan syarat ikatan yang ada, yang membatasinya berupa sumber daya yang tersedia,
Universitas Sumatera Utara Universitas Sumatera Utara
teknologi yang ada, kendala tujuan, dan sebagainya. Dengan analisa goal programming ini dicoba untuk mencapai target yang paling sesuai dengan skala
prioritasnya masing-masing.
Formulasi goal programming tidak jauh berbeda dengan linear programming. Jika pada linear programming dicari solusi yang paling optimal dengan
memaksimumkan atau meminimumkan fungsi tujuan yang merupakan satu-satunya fungsi tujuan dalam persoalan tersebut, maka goal programming berusaha
mendapatkan jawab yang paling mendekati kepada persoalan yang mempunyai tujuan tunggal atau ganda.
Asumsi-asumsi yang berlaku untuk linear programming berlaku juga pada goal programming. Bila dalam linear programming dikenal variabel slack dan surplus
maka pada goal programming dikenal adanya variabel deviasi positif dan deviasi negatif.
2.2.2 Model Umum Goal Programming