To = Nilai observasi. r
= Koefisien korelasi. n
= Jumlah data. - Aturan yang digunakan untuk menerima dan menolak Ho, hal ini
tergantung dari hal perumusan hipotesa yang digunakan yaitu : 1.
Ho : ρ = 0
H
i
: ρ 0 Jika to - t
α
, maka Ho ditolak. to - t
α
, maka Ho diterima.
2. Ho : ρ = 0
H
i
: ρ 0 Jika to t
α
, maka Ho ditolak. to t
α
, maka Ho diterima. 3.
Ho : ρ = 0 H
i
: ρ ≠ 0 Jika to - t
α2
atau to t
α2
, maka Ho ditolak. - t
α2
to t
α2
, maka Ho diterima.
3.4.3. Peramalan.
Universitas Sumatera Utara
Peramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa diwaktu yang akan datang dengan
menggunakan teori, rumusan dan analisa - analisa berdasarkan data masa lampau. Jadi bukan sekedar dugaan belaka walaupun masih ada penyimpangan.
Secara garis besar metode peramalan dibedakan atas 2 dua kelompok yaitu :
1. Metode Peramalan Kualitatif.
2. Metode Kuantitatif.
Pada permalan kualitatif tidak dibutuhkan identifikasi yang jelas terhadap pola dasar. Hal ini karena hasil dari peramalan tersebut ditentukan berdasarkan
pemikiran yang bersifat intuisi, pendapat dan pengetahuan si peramal serta pengalaman si peramal. Sedangkan peramalan kuantitatif dibutuhkan identifikasi
yang jelas tentang tipe dari pola dasar. Hasil prmalan tersebut sangat tergantung pada metode yang dibutuhkan. Peramalan kuantitatif hanya digunakan apabila 3
tiga kondisi sebagai berikut : 1.
Adanya informasi masa lalu yang dapat digunakan. 2.
Informasi tersebut dapat dikuantifikasikan ke dalam bentuk angka. 3.
Dapat diasumsikan bahwa beberapa aspek dan pola yang akan berkelanjutan pada masa yang akan datang.
Dalam hal ini peramalan dilakukan untuk memenuhi kebutuhan data mengenai biaya - biaya pengoperasian mesin peralatan. Adapun model peramalan
yang digunakan adalah model deret berkala, dimana deret berkala tersebut adalah
Universitas Sumatera Utara
merupakan serangkaian data - data yang dikumpulkan dari waktu ke waktu untuk menggambarkan suatu kejadian.
Dari model deret berkala dikenal 4 empat pola data sebagai berikut : 1.
Pola Horizontal. data ini terjadi apabila harga data berfluktasi sekitar harga rata -
rata, dan dapat digambarkan seperti berikut :
BI AYA
WAKTU
Gambar 3.2. Pola Horizontal.
2. Pola Musiman.
Pola data ini terjadi bila sangat dipengaruhi oleh musiman, dan dapat digambarkan sebagai berikut :
Universitas Sumatera Utara
BI AYA
WAKTU
Gambar 3.3. Pola Musiman. 3.
Pola Siklis. Pola data ini terjadi apabila data mempunyai gerak naik dalam
jangka waktu yang lama, dan dapat digambarkan sebagai berikut :
BI AYA
WAKTU
x x
x x
x x
x x
x x
Gambar 3.4. Pola Siklis. 4.
Pola Trend. Pola trend ini terjadi apabila data bergerak menarik atau menurun
dalam jangka waktu yang panjang, dan dapat digambarkan sebagai berikut:
Universitas Sumatera Utara
BI AYA
WAKTU
x x x
x xx x
x x
x x
x x
x x
x x
x x
x x
x x
x x x
x x
x x
x x
x x
x x x
x
x x
x
x x x
x x
x x
x x x
x x
x x
x x
x x
x x
x
Gambar 3.5. Pola Trend. Pemilihan teknik peramalan ini didasarkan atas bentuk pola data.
Peramalan pada data laporan ini digunakan Pola Trend. Dimana Pola Trend ini terdiri dari :
a. Trend Linier.
Bentuk persamaan umum adalah : Y
i
= a + bX
i
. dimana :
Y
i
= Nilai Peramalan. X
i
= Waktu. a dan b = Konstan.
Harga a dan b dapat diperoleh dengan rumus :
n Xi
b Yi
a
∑ ∑
− =
2 1
1 2
1 1
1
.
−
−
=
∑ ∑
∑ ∑
∑
= =
= =
= n
i n
i n
i n
i n
i
Xi Xi
n Yi
Xi Yi
Xi n
b
Universitas Sumatera Utara
b. Trend Kuadratis.
Bentuk persamaannya adalah :
2
Y
i
= a + bX
i
+ cX
i
. dimana :
Y
i
= Nilai dari ramalan. X
i
= Waktu. a, b dan c = Konstan.
Harga a dan b dapat diperoleh dengan persamaan :
n
∑
Y
i =
n.a + b
+
∑ ∑
= =
n i
n i
Xi c
Xi
1 2
1
X = 1
n
∑
X
i
. Y
i =
a
+
+
∑ ∑
∑
= =
= n
i n
i n
i
Xi c
Xi b
Xi
1 3
1 2
1
X = 1
n
∑
Y
i
2
. Y
i =
a
+
+
∑ ∑
∑
= =
= n
i n
i n
i
Xi c
Xi b
Xi
1 3
1 2
1
X = 1
Universitas Sumatera Utara
c. Trend Eksponensial.
Bentuk persamaannya adalah :
bx
Y
i
= a e . dimana :
Y
i
= Nilai dari ramalan. X
i
= Waktu. a, b dan e = Konstan.
Harga - harga konstanta a dan b adalah diperoleh dengan rumusan sebagai berikut :
2 2
ln ln
∑ ∑
∑ ∑ ∑
− −
= X
X n
Y X
Y X
n b
n t
b Y
a
∑ ∑
− =
ln ln
Dari ketiga trend peramalan diatas dapat dipilih trend yang lebih sesuai, berdasarkan jumlah SEE Standard Error Estimation terkecil dan koefisien
korelasi yang terbesar atau paling dekat dengan ± 1. Standard Error Estimation SEE dihitung dengan persamaan sebagai berikut :
SEE = f
n Yi
Yi −
−
∑
2
dimana :
Universitas Sumatera Utara
MSEE = Mean Standard Error Estimation.
Y
i
= Nilai dari persamaan.
Y
i
= Nilai data sebenarnya.
n
= banyak data.
f = derajat kebebasan.
3.4.4. Pengelompokan Biaya.
