Pemilihan Metode 1 Statistik Uji yang Berguna

mengandung faktor musiman. Jika data yang akan dianalisis merupakan data musiman maka diperlukan sebuah metode pemulusan yang dapat menangani faktor musiman secara langsung. Metode tersebut adalah metode Winters. 4.3. Pemilihan Metode 4.3.1 Statistik Uji yang Berguna Menurut Reitsch dan Hanke 1981, dalam banyak situasi peramalan, ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Guna mengukur ketepatan ramalan, maka dibutuhkan uji-uji ketepatan ramalan. Beberapa uji ketepatan ramalan yang sering diguakan antara lain adalah: • Kesalahan Kuadrat Rata-rata MSE ∑ = = N i i N e MSE 1 2 Dengan e i • Kesalahan persentase absolut rata-rata MAPE adalah nilai sisa atau selisih antara data aktual dengan ramalan. ∑ = = N i i N PE MAPE 1 Kegunaan dari kedua ukuran ketepatan peramalan tersebut adalah: • Untuk membandingkan ketepatan ramalan yang dilakukan dengan dua metode yang berbeda • Untuk mencari teknik yang optimal Universitas Sumatera Utara Tabel 4.3 Aplikasi Nilai MSE Untuk Memilih Nilai α Tahun t X t S t S t a t b m t f + e 2 e 1993 2918152 2918152.00 2918152.00 1994 3079960 2999056.00 2958604.00 3039508.00 40452.00 1995 3134533 3066794.50 3012699.25 3120889.75 54095.25 3079960.00 54573.00 2978212329.00 1996 3136760 3101777.25 3057238.25 3146316.25 44539.00 3174985.00 -38225.00 1461150625.00 1997 3212206 3156991.63 3107114.94 3206868.31 49876.69 3190855.25 21350.75 455854525.56 1998 3321049 3239020.31 3173067.63 3304973.00 65952.69 3256745.00 64304.00 4135004416.00 1999 3451430 3345225.16 3259146.39 3431303.92 86078.77 3370925.69 80504.31 6480944331.10 2000 3514253 3429739.08 3344442.73 3515035.42 85296.34 3517382.69 -3129.69 9794943.85 2001 3291605 3360672.04 3352557.39 3368786.69 8114.65 3600331.77 -308726.77 95312215813.27 2002 3153305 3256988.52 3304772.95 3209204.09 -47784.43 3376901.34 -223596.34 49995324938.37 2003 3403075 3330031.76 3317402.36 3342661.16 12629.40 3161419.65 241655.35 58397307050.86 2004 3418782 3374406.88 3345904.62 3402909.14 28502.26 3355290.57 63491.43 4031162139.79 2005 3447393 3410899.94 3378402.28 3443397.60 32497.66 3431411.40 15981.60 255411432.43 2006 3007636 3209267.97 3293835.12 3124700.82 -84567.15 3475895.26 -468259.26 219266736185.39 2007 3257823 3233545.48 3263690.30 3203400.67 -30144.82 3040133.66 217689.34 47388648362.73 490167767093.35 Sumber: Perhitungan Tabel di atas memakai nilai 5 . = α Maka : ∑ = = N i i N e MSE 1 2 = 32677851139.56 Jadi untuk nilai 1 , = α sampai dengan 9 , = α dapat dicari dengan persamaan diatas. Kemudian salah satu nilai MSE tersebut dibandingkan untuk menemukan nilai α yang memberikan MSE yang tekecil. Perbandingan ukuran ketepatan metode peramalan jumlah produksi padi di Sumatera Utara sebagai berikut: Universitas Sumatera Utara Tabel 4.3 Perbandingan Ukuran Ketepatan Metode Peramalan α MSE 0,1 38040148065.23 0,2 30445695261.48 0,3 28495941855.22 0,4 29507311770.55 0,5 32677851139.56 0,6 37310920551.44 0,7 57127822361.29 0,8 49901280758.93 0,9 413293087769.61 Sumber : Perhitungan Dari tabel 4.3 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang minimum atau terkecil yaitu pada nilai parameter pemulusan 3 , = α , yaitu dengan nilai MSE = 28495941855.22, sehingga dapat ditentukan nilai-nilai dari persamaan pemulusan satu parameter dari Brown yaitu: Tahun 1993: X t 1 t t t S X S α α − + = = 3.079.960 2918152 3 , 1 2918152 3 , 1993 x x S − + = = 2918152 1 t t t S S S α α − + = 2918152 3 , 1 2918152 3 , 1993 x x S − + = = 2918152 1993 a = belum bisa ditentukan 1993 b = belum bisa ditentukan Universitas Sumatera Utara Tahun 1994: X t 2918152 3 , 1 3079960 3 , 1994 x x S − + = = 3079960 = 2966694.40 2918152 3 , 1 2999056 3 , 1994 x x S − + = = 2932714.72 2 t t t S S a − = 72 . 29632714 40 . 2966694 2 1994 − = x a = 3000674.08 1 t t t S S b − − = α α 2958604 2999056 3 , 1 3 , 1994 − − = b = 14562.72 Tahun 1995: X t 2999056 3 , 1 3134538 3 , 1995 x x S − + = = 3134538 = 3017045.98 2958604 3 , 1 50 , 3066794 3 , 1995 x x S − + = = 2958014.10 10 . 2958014 98 . 3017045 2 1995 − = x a = 3076077.86 25 , 3012699 50 , 3066794 3 , 1 3 , 1995 − − = b = 25299.38 Universitas Sumatera Utara m b a f t t m t + = + 1 1994 1994 1 1994 x b a f + = + 1 38 . 25299 8 . 3076077 1995 x f + = = 3015236.80 Aplikasi Nilai MSE 2700000.00 2800000.00 2900000.00 3000000.00 3100000.00 3200000.00 3300000.00 3400000.00 3500000.00 3600000.00 3700000.00 19 93 19 95 19 97 19 99 20 01 20 03 20 05 Tahun P ro d u k s i ramalan Gambar 4.3 Grafik Nilai MSE

4.4. Peramalan dengan Metode Pemulusan Eksponensial Ganda

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

Peramalan Jumlah Produksi Kakao Di Sumatera Utara Dan Konsumsi Kakao Di Indonesia Dengan Pemulusan Eksponensial Ganda Metode Linier Satu Parameter Dari Brown

13 75 70

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

2 29 71

Perbandingan Metode Pemulusan (Smoothing) Eksponensial dan ARIMA (Box-Jenkins) sebagai Metode Peramalan Indeks Harga Saham Gabungan (IHSG)

7 55 68

Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Karet PT. Perkebunan Nusantara III Kebun Gunung Para Tahun 2010 - 2012.

12 69 83

Proyeksi Saldo Tabungan Martabe Periode 2010-2012 Di PT. Bank Sumut Dengan Menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter Dari Brown

0 32 80

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.

5 79 141

METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL GANDA (LINIER SATU PARAMETER DARI BROWN) DAN METODE

0 0 12

Peramalan Jumlah Produksi Kakao Di Sumatera Utara Dan Konsumsi Kakao Di Indonesia Dengan Pemulusan Eksponensial Ganda Metode Linier Satu Parameter Dari Brown

0 1 16