Uji Kecukupan Sampel Uji Musiman Uji Trend

dimana: ��� : Mean Percentage Error 3. Nilai Persentase Error Absolut Rata-rata Mean Absolute Percentage Error ���� = ∑ �� � − � � � � �100� � �=1 � dimana: � � : Data pada periode waktu ke-i � � : Ramalan untuk periode waktu ke-i � : Jumlah data

2.3 Pengujian Data

Adapun beberapa uji yang digunakan dalam peramalan antara lain:

2.3.1 Uji Kecukupan Sampel

Sebelum melakukan analisa terhadap data yang diperoleh, langkah awal yang harus dilakukan adalah pengujian terhadap anggota sampel. Hal ini dimaksudkan untuk mengetahui apakah data yang diperoleh dapat diterima sebagai sampel. Dengan tingkat keyakinan 95 � = 0,05 rumus yang digunakan untuk menentukan jumlah anggota sampel adalah: � ′ = � 20 �� ∑ � � 2 � �=1 −∑ � � � �=1 2 ∑ � � � �=1 � 2 2.12 di mana: � ′ = Ukuran sampel yang dibutuhkan � = Ukuran sampel percobaan � � = Data aktual Apabila � ′ �, maka sampel percobaan dapat diterima sebagai sampel.

2.3.2 Uji Musiman

Untuk mengetahui adanya komponen musiman dilakukan uji musiman dengan hipotesa ujinya sebagai berikut: � = data tidak dipengaruhi musiman � 1 = data dipengaruhi musiman Untuk perhitungan digunakan notasi: � � = ∑ � � 2 � �=1 ∑ � � � � = ∑ � � 2 � � − � � 2.13 ∑ � 2 = � 11 2 + � 12 2 + � 13 2 + ⋯ + � �� 2 � � = ∑ � 2 − � � − � � Sehingga diperoleh: � ℎ����� = � � � − 1 � � �� − 1 Kemudian hasil perhitungan disusun dalam tabel ANAVA sebagai berikut: Tabel 2.1 Perhitungan ANAVA Uji Musiman Sumber Variansi Derajat Bebas Jumlah Kuadrat Jumlah Kuadrat Rata-Rata Statistik Uji Rata-Rata 1 � � � = � � 1 � = � � Antar Musiman � − 1 � � � = � � � − 1 Dalam Musiman � � − � � � � = � � � − � Total � � � 2 Kriteria pengujian adalah: Jika � ℎ����� � ����� �−1, �−� maka � diterima tidak dipengaruhi musiman Jika � ℎ����� � ����� �−1, �−� maka � ditolak data dipengaruhi musiman

2.3.3 Uji Trend

Tujuan dari uji trend adalah untuk melihat apakah ada pengaruh komponen trend terhadap data dengan hipotesis ujinya sebagai berikut: � = frekuensi naik dan turun data adalah sama, artinya tidak ada trend � 1 = frekuensi naik dan turun data tidak sama, artinya dipengaruhi oleh trend Statistik penguji: � = �−� � di mana: � = �−1 2 2.14 � = � �+1 2 dengan: � = frekuensi naik � = jumlah data � = frekuensi naik � = standart error antara naik dan turun Kriteria pengujian adalah: Dengan taraf signifikan �, � diterima jika � ℎ����� � ����� dan � ditolak jika � ℎ����� � �����

2.4 Metodologi Untuk Menganalisis Data Deret Berkala

Dokumen yang terkait

Metode Pemulusan (Smoothing) Eksponensial Ganda (Linier Satu Parameter dari Brown) dan Metode Box-Jenkins dalam Meramalkan Curah Hujan di Kota Medan

6 78 78

Metode Pemulusan Eksponensial Ganda Satu Parameter Terhadap Peramalan Jumlah Guru & Jumlah Murid Sekolah Menengah Atas Tahun 2012-2015 Di Kecamatan Galang

2 29 71

Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011

0 23 65

Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode Box-Jenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

2 15 141

Cover Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 1 12

Abstract Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 2

Chapter I Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 9

Chapter II Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 22

Reference Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 1 1

Appendix Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode BoxJenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

0 0 60