3.5.1 Pengujian Error Residu
Pengujian untuk mengetahui dapat atau tidaknya metode Holt dengan α = 0,2 dan β=0,2 dalam forecasting komponen neraca dan rugi laba, t tabel dihitung
dari tingkat signifikansi 5 yang dibagi dua, serta df adalah jumlah data dikurang
1 jumlah data-1, atau dalam penelitian ini adalah 4 5-1, t 0,025;4 adalah ± 2,776. Jika t hitung dari t tabel maka pengamatan dari correlogram tidak error
dan bersifat random. Demikian juga dengan angka LJUNG-BOX Q, jika pada lag 10 LBQ per komponen yang di forecast
2
tabel 0,025;4 = 11,143, maka keduanya menunjukkan forecasting
dengan metode Holt dengan kriteria α= 0,2 dan β=0,2 dapat digunakan untuk memprediksi rata-rata komponen yang di
forecasting di masa mendatang.
3.5.2 Mengukur Ketepatan Forecasting
Menurut S. Santoso 2009, menghitung kesalahan akurasi perhitungan forecasting
sering pula disebut dengan menghitung ketepatan pengukuran accurancy measures
. Dalam praktek ada beberapa alat ukur yang sering digunakan untuk menghitung kesalahan prediksi :
1. MAPE Mean Absolute Percentage Error
MAPE =
��
∑ �
�
�
−
�
�
�
�
�=
................................................................................19
2. MAD Mean Absolute Deviation
MAD = ∑ |�
�
−
�
|
�−
.................................................................................20
3. MSDMSE Mean Squared DeviationMean Squared Error
MSE = ∑ �
�
−
� �=
...............................................................................21
Di mana : At = Data aktual pada waktu t
Ft = Data forecasting pada waktu t n = Jumlah data
Pada dasarnya ketiga rumus di atas mengukur seberapa jauh data hasil forecast
berbeda dengan data asli aktual-nya. Karena ada kemungkinan selisih dua data tersebut negatif, karena data aktual lebih besar dari data forecast-nya,
maka selisih tersebut kemudian dimutlakkan. Sedangkan untuk rumus MSD MSE hal itu tidak perlu dilakukan karena dengan mengkuadratkan selisih
keduanya, otomatis tidak akan ada data bernilai negatif.
Pada pengukuran MAD, hanya dilakukan selisih data aktual dengan data forecast
, yang kemudian dirata-rata sesuai jumlah data yang ada. Sedangakan pengukuran MSDMSE, selisih tersebut dikuadratkan, kemudian dijumlahkan.
Untuk MAPE, selisih kedua data tersebut dijadikan dalam dalam bentuk persentase. Minitab dan sejumlah besar software menggunakan ketiga ukuran
kesalahan prediksi yang populer ini. Semakin kecil nilai dari ketiganya maka semakin akurat hasil forecasting yang diperoleh.
3.6 Hasil yang Diharapkan Expected Results
Kategori