19
Sebagai
kesimpulan,
banyak
yang
dapat dipelajari
tentang
deret berkala
tunggal
melalui
pemeriksaan
autokorelasi
deret
itu dengan
dirinya
sendiri,
terlambat
satu
periode,
dua
periode
dan seterusnya.
Autokelerasi
memainkan
peranan
yang
sangat
penting
dalam
peramalan deret berkala.
2.2.3 Ketepatan Metode Peramalan
Kita
sekarang
beralih
ke perihal
mendasar
lainnya
seperti
halnya,
bagaimana
mengukur
kesesuaian
suatu
metode
peramalan
tertentu
untuk
suatu kumpulan
data yang
diberikan.
Dalam banyak
situasi
peramalan,
ketepatan
dipandang
sebagai
kriteria
penolakan
untuk
memilih
suatu
metode
peramalan,
dalam
banyak
hal, kata
ketepatan
(acuracy)“ menunjuk
ke “kebaikan suai”,
yang pada akhirnya penunjukan
seberapa
jauh
model
peramalan
tersebut
mampu
mereproduksi
data yang
telah
diketahui.
Dalam
pemodelan
eksplanatoris
(kausal),
ukuran
kebaikan
suai cukup
menonjol.
Dalam
pemodelan
deret-berkala,
sebagian
data yang
diketahui
dapat
digunakan
untuk
meramalkan
sisa
data
berikut
sehingga
memungkinkan
orang
untuk
mempelajari
ketepatan ramalan secara lebih langsung. Bagi pemakai ramalan, ketetapan ramalan
yang akan
datang adalah
yang paling
penting. Bagi pembuat
model,
kebaikan suai model
untuk
fakta
(kuantitatif
dan kualitatif)
yang
diketahui
harus
diperhatikan.
Macam
pertanyaan yang sering diajukan adalah sebagai berikut :
1.
Berapa
ketepatan
tambahan
yang
dapat dicapai
dalam situasi
tertentu
melalui
penggunaan
peramalan
formal?
(bagaimana
ketidaktepatan
ramalan
yang
terjadi
jika
ramalan
didasarkan
atas
pendekatan
yang
sangat
sederhana
atau
naif
dibanding dengan teknik yang secara sistematis
lebih canggih?)
 |