3.6 Perbandingan Metode Pemulusan
Smoothing
dengan Metode ARIMA Box-Jenkins dalam Peramalan
Kriteria keakuratan ramalan meggunakan kedua metode tersebut ditentukan dengan menghitung nilai
Mean Absolute Percentage Error
MAPE didapat dari persamaan di bawah ini :
PE =
x 100
dengan, = nilai aktual pada waktu t.
= nilai ramalan pada waktu t.
MAPE = dengan,
n = banyak data |PE| = nilai absolute PE
Berdasarkan Lampiran B dan Lampiran C yang merupakan data hasil pengukuran tingkat keakuratan peramalan data IHSG dengan metode pemulusan
smoothing
eksponensial dan metode ARIMA Box-Jenkins diperoleh nilai MAPE masing-masing, yaitu 0,0070 dan 0,0063. Nilai MAPE hasil peramalan dengan metode
ARIMA Box-Jenkins lebih kecil dibandingkan nilai MAPE dengan metode pemulusan
smoothing
. Sehingga peramalan dengan menggunakan metode ARIMA Box-Jenkins lebih baik dibandingkan metode pemulusan
smoothing
eksponensial
.
Universitas Sumatera Utara
BAB 4
KESIMPULAN DAN SARAN
4.1 KESIMPULAN
Dari hasil penelitian, pembahasan dan pengolahan data dengan
software
Minitab 14, maka penulis dapat memberikan kesimpulan sebagai berikut :
1. Hasil peramalan dengan menggunakan metode ARIMA Box-Jenkins lebih
baik dibandingkan metode pemulusan
smoothing
karena nilai MAPE hasil peramalannya lebih kecil.
2. Nilai MAPE hasil peramalan data Indeks Harga Saham Gabungan IHSG
dengan menggunakan metode Pemulusan
smoothing
dan metode ARIMA Box-Jenkins masing-masing adalah 0,0070 dan 0,0063.
3. Dalam Metode Pemulusan, jika pola data yang digunakan mengandung unsur
trend semakin tinggi nilai α yang digunakan, maka MSE semakin kecil. Persamaan estimasi dengan menggunakan metode pemulusan adalah:
F
t+ 1
= 0,9 Y
t
+ 0,1 F
t
4. Model ARIMA yang terbaik adalah model ARIMA 2,1,2 karena satu-satunya
model yang memiliki nilai probabilitas p pada AR2 = 0,000 dan MA2 = 0,000. Persamaan estimasi dengan menggunakan rumus ARIMA 2,1,2 adalah
X
t
= 1,5584 + 0,3332 X
t-1
+ 0,8582 X
t-2
+ 0,9233 e
t-1
+ 0,9149 e
t-2
+ e
t
Universitas Sumatera Utara
4.2 SARAN