3. Jenis dari model
Untuk mengklasifikasikan metode peramalan kuanitatif perlu diperhatikan model yang didasarinya. Model sangat penting diperhatikan, karena masing-masing
model mempunyai fungsi yang berbeda. 4.
Biaya yang dibutuhkan Biaya sangat diperlukan dalam meneliti suatu objek, yang termasuk biaya
dalam penggunaan metode peramalan antara lain, biaya penyimpanan data, biaya- biaya perhitungan, biaya untuk menganalisa dan biaya pengembangan.
5. Ketepatan metode peramalan
Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Dalam mengambil keputusan, variasi atau
penyimpangan atas peramalan yang dilakukan antara 10 sampai 15 bagi maksud yang diharapkan, sedangkan untuk haln atau kasus lain mungkin menganggap bahwa
adanya variasi atau penyimpangan atas ramalan sebesar 5 adalah cukup berbahaya. 6.
Kemudahan dalam penerapan Metode peramalan yang digunakan adalah metode yang mudah dimengerti
dan mudah diterapkan dalam pengambilan keputusan dan analisanya.
2.7 Metode Deret Berkala Time Series Box-Jenkins ARIMA
Metode peramalan yang sering digunakan adalah deret waktu time series, dengan
menggunakan sejumlah observasi selama beberapa periode sebagai dasar dalam penyusunan suatu ramalan untuk beberapa periode di masa depan yang diinginkan.
Universitas Sumatera Utara
Dengan kata lain, deret berkala adalah deret waktu dimana pengamatan pada suatu waktu berkorelasi linier dengan waktu sebelumnya secara dinamis.
Peremalan dengan model deret waktu ini tidak memperhatikan setiap faktor yang mempengarahi suatu perubahan, malainkan berdasarkan pada pola tingkah laku
perubahan itu sendiri pada masa lampau. Kemudian dengan menggunakan informasi tentang tingkah laku peubah tersebut dilakukan proses menduga kecenderungan
peubah tersebut pada masa yang akan datang. Pada umumnya perhatian utama dalam analisis deret waktu bukan pada titik waktu pengamatan, melainkan pada urutan
pengamatan.
Tujuan metode peramalan deret berkala adalah menemukan pola dalam deret data historis dan mengekstrapolasikan data tersebut ke masa depan. Metode
peramalan Box-Jenkins merupakan suatu metode yang sangat tepat untuk menganalisis deret waktu dan situasi peramalan lainnya. Pada dasarnya ada 2 dua
model dari metode Box-Jenkins, yaitu model linier untuk deret statis Stationary Series disebut ARMA dan model untuk data yang tidak statis Non Stationary
Series disebut ARIMA.
2.8 Metode Auto Regresive AR
Metode autoregressive merupakan model yang menggambarkan bahwa variable
dependen dipengaruhi oleh variable dependen itu sendiri pada periode-periode yang sebelumnya, atau autokorelasi dapat diartikan juga sebagai korelasi linier deret
berkala dengan deret berkala itu sendiri dengan selisih waktu lag 0,1,2 periode atau
Universitas Sumatera Utara
lebih. Bentuk umum model autoregressive dengan ordo p atau dituliskan dengan AR p mempunyai persamaan sebagai berikut :
�
= � + �
1 �−1
+ �
2 �−2
+ … + �
�−
�
�
Keterangan :
� = Nilai konstan
� = Parameter autokorelasi ke-
i dengan I = 1, 2, …, p �
�
= Nilai kesalahan t Persamaan umum model AR p dapat juga ditulis sebagai berikut :
1 - �
1
� - �
2
�
2
- � �
�
= �
�
+ �
Dalam hal ini B adalah operator mundur Backward shift Operator, bentuk umum
operator bergerak mundur ini dapat ditulis sebagai berikut :
�
�
=
�−
Yang artinya adalah jika operator � bekerja pada
�
, maka akan menggeser data tersebut sebanyak p periode kebelakang.
Model autoregressive yang sering dijumpai dalam praktek ialah model AR1 dan AR 2.
Persamaan AR 1 ditulis dengan : 1 - �
1
�
�
= � + �
�
Persamaan AR 2 ditulis dengan : 1 – �
1
� − �
2
�
2 �
= � + �
�
Universitas Sumatera Utara
2.9 Metode Rataan BergerakMoving Average MA
