Cari dulu apakah kedua variabel tersebut ada hubungan linear atau tidak
Tentukan terlebih dahulu variabel independent (x) dan variabel dependennya (y). Dalam
peramalan ini diasumsikan bahwa variabel yang diramalkan menunjukan suatu hubungan
penyebab akibat dengan satu variabel bebas lainnya.
Dari diagram pencar tersebut akan diperoleh gambaran pola tebaran x dan y.apakah
membentuk hubungan linear?jika ya,maka model regresinya adalah regresi linear
sederhana,kalau tidak linear bias dicari regresinya. Pola yang ditunjukan dengan analisa
regresi yang sederhana mengasumsikan bahwa hubungan diantara 2 variabel dapat
dinyatakan dengan suatu garis lurus. Notasi regresi sederhana yang merupakan haris lurus
itu menurut Assauri dinyatakan sebagai berikut= Y'abX
Menghitung a dan b. Untuk mendapatkan nilai a dan b maka bisa dipakai rumus :
Dengan cara MT (dinamakan rata rata bergerak di periode N pada saat periode N maka
disebut RSB-N.
T
1
MT= ∑ x
N t=T− N +1 t
Selanjutnya untuk penaksiran E( x t )
x ' T +τ =M T ; T =N , N +1 , N + 2, …
2. Menghitung M T
Begitu kita menentukan untuk menggunakan metode RSB-N maka kita perlu menghitung
harga M T untuk setiap harga T mulai dari N, N +1 , N + 2, … dan seterusnya dengan rumus :
1
M N = ( x 1 + x 2+ …+ x n)
N
1
M N +1=M N + ( x N +1−x 1)
N
1
M N +2=M N +1+ ( x N +1−x 1)
N
1
M T =M T −1+ ( x T − xT −N )
N
• Ramalan harga x pada periode (T+) yang dibuat di akhir periode T adalah:
dengan
Z1[ j ]
Z [ j ]
Z [ j ] 2 dan Z [ j ] adalah transpose dari Z [ j ].
Z k [ j ]
3. Membuat matriks transisi
Selanjutnya untuk menghitung vektor a[T ] dari i:
a[T ] G 1 g[T ]
juga masih memerlukan perhitungan vektor g[T ]
pada setiap periode T.
Untuk menghindari ini, kita perlu matriks transisi L:
Z [t 1] L Z [t ]
dengan L adalah matriks transisi berukuran (k x k)
4. Mencari vektor penghalus
5. Cara mencari vektor pada setiap periode T,
6. Dalil 1
Jika vektor
g[T ] L1 g[T 1] xT Z [0] maka vektor
a[T ] G 1 L1 G a[T 1] xT G 1 Z [0]
Dalil 2
Jika h G 1
Z [0] dan e1[T ] xT xˆT [T 1] galat ramalan periode T yang dibuat di
akhir periode (T – 1), maka
a[T ] L a[T 1] h e1[T ]
Vektor
h G 1 Z [0] dinamakan vektor penghalus
5. Penelusuran Jejak
A. Galat yang diperhalus
Hipotesis:
H 0 =E ( e T [ T −1 ] ) =0 untuk setiap T
H 1=E ( e T [ T −1 ] ) ≠0 untuk suatu T
dengan
Ε ( e T [ T −1 ] )
= Q [T ] , yakni galat yang diperhalus
Bila digunakan metode penghalusan eksponensial dengan konstanta penghalus α , maka
Q [ T ] =α e T [ T-1 ] −( 1+α ) Q [ T-1 ]
dengan Q [ 0 ]=0
ˆ Q T = α ˆ e T-1
Var Var
2-α
2 T
α π 2
= Δ T
2-α
2
2
α π
Hipotesis
H 0 ditolak pada tingkat signifikansi y, jika
|SPJ [ T ]|>u y /2 .
√ 2 ( 2-α )
2
4. Variasi dari
ε t tidak konstan. Dalam hal ini Var ( ε t ) sebanding dengan t, dapat kita
gunakan konstanta penghalus yang lebih besar. Hal ini akan mempengaruhi harga
SPJ[T] dan daerah kritisnya. Dengan demikian diharapkan ramalan menjadi tak bias.
Dari uraian di atas maka yang patut diperhatikan lebih lanjut adalah pengujian kehadiran
data pencilan.
e T [ T-1 ]
S PP [ T ] =| |
Δ^ [ T ]
π
x T adalah data pencilan, Jika S PP [ T ] >k 2 √ dengan k=2 atau lebih.
π
Harga
k
√ 2 dinamakan titik kontrol.
Sumber :
BMP Metode Peramalan
Materi Inisiasi 1-8