Efektivitas Metode Box-Jenkins dan Exponential Smoothing Untuk Meramalkan Retribusi Pengujian Kendaraan Bermotor Dishub Klaten

Abstract

Peramalan pada data runtun waktu merupakan salah satu penerapan ilmu matematika. Peramalan adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk matematis. Adapun tujuan utama dari penelitian ini adalah untuk meramalkan besar retribusi pengujian kendaraan bermotor DISHUB Klaten dengan menggunakan metode Box-Jenkins dan Exponential Smoothing.Metode Box-Jenkins terdiri beberapa langkah yaitu identifikasi model, estimasi parameter, uji asumsi residual, pemilihan model terbaik, dan terakhir peramalan. Sedangkan Exponential Smoothing merupakan prosedur perbaikan terus menerus pada peramalan terhadap objek pengamatan terbaru dengan analisis pola data trend, penetapan nilai konstanta pemulusan dan peramalan. Efektivitas kedua metode dilihat berdasarkan nilai MSE dan MAPE pada peramalan. Metode Box-Jenkins lebih baik dalam meramalkan data retribusi pengujian kendaraan bermotor DISHUB Klaten karena nilai MSE dan MAPE berturut-turut sebesar 46,8238 dan 7,192893 cenderung lebih kecil dibandingkan nilai MSE dan MAPE pada metode Exponential Smoothingsebesar 57,6824 dan 8,056012. Hasil analisis Box-Jenkins untuk 3 bulan selanjutnya berturut-turut adalah Rp 82.792.525,00; Rp 82.541.723,00; Rp 82.541.723,00.