3.2.1 Proses Peramalan
a. Ramalan untuk periode 12 untuk rata-rata bergerak pertama:
S
11 ′
=
X
11
+X
10
2
=
227.643+210.899 2
= 219.271 Untuk rata-rata bergerak kedua:
S
11
=
S
11 ′
+S
10 ′
2
=
219.271+193.893,5 2
= 206.582 Untuk nilai a:
a
11
= 2 S
11 ′
- S
11
= 2x219.271 - 206.582 = 231.959,8
Untuk nilai b: b
11
=
2 �S
11 ′
−S
11
� 3
−1
=
2219.271 −206.582,25
2
= 25.377,5 Untuk nilai ramalan
F
11+1
= a
11
+ b
11
1 = 231.959,8 + 25.377,5 1
F
11+1
= 29.744
b. Ramalan untuk periode 13 untuk rata-rata bergerak pertama:
S
12 ′
=
X
12
+X
11
2
=
270.387+227.643 2
= 249.015
Universitas Sumatera Utara
Untuk rata-rata bergerak kedua: S
12 ′
=
S
12 ′
+S
11 ′
2
=
249.015+219.271 2
= 234.143 Untuk nilai a:
a
12
= 2S
12 ′
− S
12
= 2×219.271 ˗ 234.143
= 263.887 Untuk nilai b:
b
12
=
2S
12 ′
+S
12
2 −1
=
2249.015+234.143 2
−1
= 29.744
Untuk nilai ramalan f
12+1
= a
12
+ b
12
1 = 263.887 + 29.744 1
= 293.361
Untuk mengetahui peramalan periode 13, 14 dan 15 digunakan persamaan sebagai berikut:
f
t+m
= a
t
+ b
t
m f
12+1
= a
12
+ b
12
1 = 263.887 + 29.744 1
f
12+1
= 293.361
Nilai �
�
dan �
�
didapat dari periode 12 c. Ramalan untuk periode 14
f
12+2
= a
12
+ b
12
2 = 263.887 + 29.744 2
f
14
= 323.375
Universitas Sumatera Utara
d. Ramalan untuk periode 15 f
12+3
= a
12
+ b
12
3 = 263.887 + 29.744 3
f
15
= 353.119
Setelah angka-angka peramalan m periode kedepan diperoleh sebanyak 3 tiga tahun kedepan, maka selanjutnya nilai peramalan yang diperoleh akan
ditabulasikan dalam tabel khusus yaitu:
Tabel 3.3 Hasil Peramalan Jumlah Wisatawan Mancanegara yangberkunjung ke Kota
Medan No.
Tahun Nilai
Peramalan 1.
2014 293.631
2. 2015
323.375 3.
2016 353.119
Dari nilai-nilai peramalan pada tabel 4.3 di atas dapat dijelaskan bahwa pada tahun 2014, 2015 dan 2016 akan terjadi peningkatan jumlah wisatawan mancanegara
yang berkunjung ke Kota Medan. Nilai peramalan tersebut dapat dikatakan meningkat secara linier, disebabkan hasil peramalan tersebut tergantung nilai
�
�
dan �
�
terakhir.
Universitas Sumatera Utara
3.2.2 Nilai Kesalahan dari Peramalan
Untuk mengetahui nilai kesalahan dari peramalan dapat dilihat dalam tabel 4.4 berikut:
Tabel 3.4 Nilai Kesalahan
tahun periode
Nilai Observasi
Xi Peramalan
Fi Kesalahan
Xi-Fi
Kesalahan Persentase
PE Kesalahan
absolut 2002
1
119.546
2003 2
92.040
2004 3
106.383
2005 4
115.264
109.383 5.881
5.102 5.102
2006 5
123.446
119.264 4.182
3.388 3.388
2007 6
123.924
128.446 -4.522
-3.649 3.649
2008 7
132.590
129.924 2.666
2.011 2.011
2009 8
152.298
139.590 12.708
8.344 8.344
2010 9
176.888
160.298 16.590
9.379 9.379
2011 10
210.899
185.888 25.011
11.859 11.859
2012 11
227.643
220.899 6.744
2.963 2.963
2013 12
270.387
238.643 31.744
11.740 11.740
Keterangan dari tabel 4.4 di atas dapat dijelaskan sebagai berikut: a.
Nilai Kesalahan: e
i
= X
i
- F
i
3-7 b.
Kesalahan yang dihitung secara persentase: PE =
�
X
t −
F
t
X
t
� x 100 3-8
c. Nilai Kesalahan persentase absolute:
APE = �
X
t −
F
t
X
t
� x 100 3-9
Sebagai contoh perhitungan diambil dari periode 12 yang telah dihitung pada tabel diatas:
Universitas Sumatera Utara
a. Kesalahan
e
i
= X
12
– F
12
= 270.387 – 238.643 = 31.744
b. Kesalahan persentase PE =
�
X
12 −
F
12
X
12
� x 100 =
�
270.387 −238.643
270.387
� x 100 = 11,74
c. Kesalahan persentase absolut APE =
�
X
12 −
F
12
X
12
� x 100 =
�
270.387 −238.643
270.387
� x 100 = 11,74
Berdasarkan hasil penjumlahan nilai PE Percentage Erorr dan APE Absolute Pencentage Erorr maka diperoleh nilai sebagai berikut:
a. Mean Percentage Erorr
MPE =
∑�
X t−Ft X i
� x 100 n
MPE =
∑ PE
12 i=4
8
MPE =
51,13 8
MPE = 6,39
b. Mean Absolute Percentage Erorr
MPE =
��
X t−Ft X i
� x 100� n
MAPE =
∑ APE
12 i=4
8
MAPE =
58,43 8
MAPE = 7,30
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Kategori