dan yang lainnya tidak berbeda secara signifikan dengan 0. Dari gambar 4.1 terlihat bahwa data memiliki unsur siklus karena pola data terulang setelah
rentang waktu yang cukup panjang. Sementara di gambar 4.2 dan 4.3 terlihat bahwa data memiliki pola musiman karena fak dan fakp terulang setiap satu
periode musim. Setelah melihat plot data pengunjung pada gambar 4.1 dan grafik fak dan
fakp pada gambar 4.2 dan 4.3 telah diketahui data memiliki unsur trend, musiman dan siklus maka data tersebut dapat diolah dengan menggunakan metode
dekomposisi. Langkah–langkah yang harus dilakukan untuk meramalkan data pengunjung objek wisata Kebun Raya Cibodas dengan menggunakan metode
dekomposisi adalah menyusun data kuartalan masing–masing tahun, membuat scater diagram garis trend linear, menghitung besarnya nilai trend dan yang
terakhir menghitung indeks musiman. Untuk memudahkan perhitungan, penulis menggunakan software Microsoft Excel dan SPSS 16.
4.2 Menyusun Data Kuartalan Masing–Masing Tahun
Banyaknya jumlah pengunjung umum di objek wisata dari tahun 2005 - 2009 tiap kuartal tiga bulanan yaitu mulai : Januari – Februari – Maret; April –
Mei – Juni; Juli – Agustus – September; Oktober – Nopember - Desember,
disajikan pada Tabel 4.2.
Tabel 4.2 Data Kuartalan Jumlah Pengunjung Umum
TAHUN JUMLAH PENGUNJUNG
JUMLAH KUARTAL
I KUARTAL
II KUARTAL
III KUARTAL
IV 2005
21414 21892
22130 22794
88230 2006
21157 20147
20828 20871
83003 2007
21361 22049
23221 24582
91213 2008
24608 26011
25437 22660
98776 2009
22675 23799
24846 25907
97227
4.3 Membuat Scatter Diagram Garis Trend Linear
Trend seculer trend adalah rata–rata perubahan tiap tahun dalam jangka panjang. Apabila menunjukkan gejala kenaikan maka trend yang dimiliki
rata–rata pertambahan trend positif, tetapi apabila menunjukkan gejala semakin berkurang maka trend yang dimiliki menunjukkan rata–rata
penurunan trend negatif. Ada beberapa metode yang biasa digunakan untuk membuat trend yaitu metode trend linear least square, metode trend
parabolik dan metode trend eksponensial. Penggunaan metode tersebut
disesuaikan dengan kebutuhan dan sifat data yang dimiliki. Grafik 4.1
menunjukkan bahwa perubahan dari data tersebut mempunyai pola normal atau letaknya mendekati garis lurus, maka trend cocok digunakan.
Berdasarkan data tersebut dibuat scatter diagram dan ditambahkan garis trend, sehingga dapat dilihat bagaimana kenormalan dari garis trend, pola
dan kecenderungan naik atau turun, setelah itu baru dilakukan peramalan dengan metode dekomposisi.
Grafik 4.4 Uji normalitas jumlah pengunjung umum
Hipotesis yang digunakan untuk menguji normalitas suatu data adalah sebagai berikut
data berdistribusi normal data tidak berdistribusi normal
Kriteria pengujian: Terima
jika nilai signifikan Tolak
jika nilai signifikan
Tabel 4.3 Uji Normalitas Jumlah Pengunjung Umum
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk Statistic
df Sig.
Statistic df
Sig. BULAN
.089 12
.200 .967
12 .876
THN2005 .164
12 .200
.943 12
.543 THN2006
.221 12
.110 .916
12 .254
THN2007 .168
12 .200
.869 12
.064 THN2008
.208 12
.161 .867
12 .060
THN2009 .163
12 .200
.946 12
.585 a. Lilliefors Significance Correction
. This is a lower bound of the true significance.
Nilai signifikan pada tabel Shapiro–Wilk dari tahun 2005 sampai tahun 2009 semuanya
0,05 jadi diterima yang artinya variabel Y banyaknya
jumlah pengunjung umum adalah normal.
Tabel 4.4 Uji linearitas jumlah pengunjung umum
ANOVA
b
Model Sum of
Squares df
Mean Square F
Sig. 1
Regressio n
137.986 5
27.597 33.027
.000
a
Residual 5.014
6 .836
Total 143.000
11 a. Predictors: Constant, THN2009, THN2006, THN2005, THN2008,
THN2007 b. Dependent Variable: BULAN
Hipotesis yang digunakan untuk menguji kelinearan adalah sebagai berikut.
Persamaan tidak linear Persamaan linear
Kriteria pengujian: Terima
jika nilai F
hitung
F
tabel
atau nilai signifikan Tolak
jika nilai F
hitung
F
tabel
atau nilai signifikan Nilai signifikan pada tabel ANOVA diatas sebesar 0,00
0,05, F hitung = 33.027 lebih besar dari F tabel = 4,39 maka
ditolak dengan kata lain persamaannya linear.
4.4 Menghitung Besarnya Nilai Trend
