nilai estimasi akhir. Walaupun ada beberapa formula untuk menghitung nilai estimasi awal, biasanya kita menggunakan nilai 0,1 sebagai koefisien
estimasi untuk masing-masing ,...
, ,...,
,
2 1
2 1
Θ Θ
Φ Φ
dan menggunakan nilai rata-rata atau rata-rata sebagian dari deret stasioner sebagai nilai estimasi
awal konstanta. 3. Pemeriksaan Model
Setelah diperoleh persamaan untuk model sementara, pemeriksaan diagnostik dilakukan untuk menguji kecukupan dan kedekatan model
dengan data. Pemeriksaan ini dilakukan dengan menguji nilai residual dan dengan menguji signifikansi dan hubungan-hubungan antara
parameter. Jika ada hasil uji yang tidak dapat diterima atau tidak memenuhi syarat, maka model dapat diperbaiki dengan mengulangi
langkah-langkah sebelumnya.
∧
−
t t
Y Y
4. Peramalan Model yang telah memadai dapat diintegrasikan trend dimasukkan
kembali ke dalam model dan nilai ramalan untuk beberapa periode ke depan dapat diperoleh. Interval kepercayaan juga dapat dihitung untuk
masing-masing titik ramalan.
3.1.4 Pemilihan Teknik Peramalan
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 banyak
ukuran akurasi peramalan tetapi tidak ada sebuah ukuran yang diakui secara
umum sebagai ukuran yang paling baik, karena setiap ukuran memiliki kelebihan dan kekurangan.
Ukuran akurasi yang sering digunakan adalah nilai mean square error MSE. Teknik ini mengevaluasi akurasi peramalan dengan mengkuadratkan nilai
kesalahan peramalan error, hasilnya dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini membebankan kesalahan peramalan yang besar, karena
errornya dikuadratkan Hanke Reitsch dan Wichern, 2003. Mean absolut persentase galat
MAPE dihitung dengan mencari jumlah nilai absolut galat di setiap periode, kemudian membaginya dengan pengamatan
nilai aktual, dan kemudian absolut galat persentase. Pendekatan ini sangat bermanfaat apabila ukuran variabel peramalan merupakan hal yang sangat penting
dalam pengevaluasian keakuratan peramalan. MAPE memberikan indikasi seberapa besar galat ramalan dibandingkan dengan nilai aktual deret data.
Tekniknya secara khusus berguna jika nilai Y
t
yang besar. MAPE juga dapat digunakan untuk membandingkan keakuratan dari teknik yang sama atau teknik
yang berbeda pada dua deret data yang berbeda Makridakis et al, 1999.
3.1.5 Metode Kausal
Metode ini mencoba mengajukan variabel lain yang berkaitan dengan rangkaian data dan mengembangkan suatu model yang menyatakan adanya saling
ketergantungan fungsional diantara semua variabel tersebut. Salah satu dari metode kausal adalah regresi. Analisis regresi yang digunakan dalam suatu model
terdapat variabel tidak bebas dependent-Y dan variabel bebas independent-X. Regresi sederhana mempunyai satu variabel tidak bebas Y dan satu variabel
bebas X, sedangkan regresi berganda mempunyai satu variabel tidak bebas dan lebih satu variabel bebas.
3.1.6 Hipotesi Penelitian