Proyeksi Trend Metode Peramalan Deret Waktu

38

3.3.1.2. Pengujian Pola Data

Uji pola data pada intinya adalah menguji apakah dapat dikatakan stasioner ataukah tidak. Stasioneritas data penting dilakukan untuk menentukan metode forecasting yang sesuai. Pengujian stasioneritas data dapat dilakukan dengan dua cara yaitu dengan grafik atau dengan menghitung autokorelasi. Pengujian dengan cara melihat grafik uji korelasi lebih praktis untuk dilakukan. Pada gambar grafik korelasi terdapat bar batang berwarna biru yang melambangkan besarnya ACF autocorelation. Jika bar berada dibawah garis berarti bernilai negatif, sedangkan jika bar berada diatas garis berarti bernilai positif. Panjang bar menunjukkan besar korelasi secara proporsional. Di atas dan di bawah bar akan terdapat dua garis merah terputus-putus, garis tersebut adalah garis upper dan lower dari angka korelasi yang tidak menunjukkan adanya autokorelasi. Jika bar-bar yang ada tidak melebihi garis merah yang di atas maupun yang di bawah berarti tidak ada autokorelasi. Sebaliknya, jika terdapat sejumlah bar yang melewakti garis bawah ataupun garis atas maka dapat diduga ada autokorelasi. Jika tidak ada autokorelasi maka data tidak terbukti ada trend dan bersifat random, sebaliknya jika ada autokorelasi maka diduga data tersebut mempunyai pengaruh trend, musiman, atau siklis. Pengujian pola data cara kedua adalah dengan menghitung nilai autokorelasi dengan rumus sebagai berikut: n dimana: Yt = data saat ini yang ke-t ∑ Y t - Ŷ Y t-k – Ŷ Ŷ = rata-rata data r k = t=k+1 Y t-k = data periode k n sebelum data saat ini ∑ t=1 Y t – Ŷ 2 n = jumlah data 39

3.3.1.3. Metode Pengukuran Kesalahan Peramalan Forecast Error

Beberapa tolak ukur yang dapat digunakan sebagai alat ukur untuk menghitung kesalahan peramalan, sebagai berikut.  Mean Absolut Error MAE MAE = ∑ [Dt-Ft] n MAE = ∑ [Aktual-Peramalan] n dimana, Dt-Ft : selisih antara nilai data aktual dan peramalan periode ke-t n : periode data  Mean Square Error MSE MSE = ∑ Dt-Ft 2 n MSE = ∑ kesalahan peramalan 2 n  Mean Absolute Percentage Error MAPE 100 Dt-Ft MAPE = n ∑ Dt n MAPE = 100 ∑ i=1 aktual-ramalanaktual n

3.3.2. Analisis Kapasitas Produksi Optimum dengan Program Linear

Aminudin 2008:11 menjelaskan bahwa masalah linear programming dapat dinyatakan sebagai proses optimasi suatu fungsi tujuan objective function dalam bentuk: