Kesimpulan: Bila t-hitung t
α2 n-1 berarti dapt diambil kesimpulan untuk menolak H
atau jika nilai absolut dari t-hitung 2, berarti tidak ada autokorelasi
• Berlaku prinsip parsimony Model yang dipilih adalah model yang memiliki jumlah parameter
terkecil • Nilai MSE terkecil
5 Peramalan Model terbaik telah diperoleh, maka dapat dilakukan peramalan untuk
beberapa waktu ke depan. Evaluasi ulang terhadap model perlu dilakukan karena kemungkinan pola data berubah.
4.4.1.1. Pemilihan Metode Time Series Terakurat
Tahap terakhir dari model time series ini adalah membandingkan beberapa metode yang telah diterapkan agar dapat menentukan salah satu metode yang
paling baik untuk meramalkan harga bawang merah. Menurut Sugiarto dan Harijono 2000, terdapat beberapa kriteria yang dapat dijadikan sebagai pedoman
dalam memilih teknik peramalan yang sesuai bagi data yang ingin diramal. Beberapa kriteria yang biasa dipakai adalah akurasi, jangkauan peramalan, biaya
dan kemudahan dalam penerapan. Walaupun terdapat banyak ukuran akurasi peramalan tetapi tidak ada sebuah ukuran yang diakui umum sebagai ukuran yang
paling baik karena setiap ukuran memiliki kelebihan dan kekurangan. Ukuran akurasi yang sering digunakan adalah nilai Mean Square Error
MSE. Metode peramalan yang memiliki nilai MSE paling kecil, mengandung
pengertian bahwa semakin kecil nilai MSE suatu peramalan, maka hasil ramalan tersebut akan semakin mendekati nilai aktualnya Makridakis, Wheelwright dan
McGee, 1999. Nilai MSE dirumuskan sebagai berikut:
n y
y MSE
n t
t t
∑
=
− =
1 2
ˆ
Namun, ukuran ini mempunyai dua kelemahan Makridakis Weelwright dan McGee, 1999. Pertama, ukuran ini menunjukkan fitting suatu model terhadap
data historis. Pencocokan seperti ini tidak perlu mengimplikasikan peramalan yang baik. Perbandingan dengan menggunakan nilai MSE yang terjadi selama
proses fitting peramalan mungkin memberikan sedikit indikasi keakuratan model dalam peramalan. Kelemahan yang kedua adalah berhubungan dengan kenyataan
bahwa metode yang berbeda akan menggunakan persentase yang berbeda pula dalam proses fitting. Jadi pembandingan metode atas suatu kriteria tunggal seperti
MSE mempunyai nilai yang terbatas. Lagi pula, interpretasinya tidak bersifat intuitif karena MSE menyangkut penguadratan sederetan nilai. Karena itu,
digunakan pengukuran akurasi yang menggunakan galat persentase, salah satunya adalah Mean Absolute Percentage Error MAPE dengan rumus sebagai
berikut:
n y
y y
MAPE
n t
t t
t
∑
=
− =
1
ˆ
Dimana: y
t
= nilai observasi ke –t
t
yˆ = nilai ramalan ke- t n = jumlah observasi
Dimana: y
t
= nilai observasi ke –t
t
yˆ = nilai ramalan ke- t n = jumlah observasi
4.4.2. Metode Peramalan Kausal Regresi
