Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

STATISTIK - I. PENGUKURAN DISPERSI (MEASURES OF DISPERSION)

Presentasi serupa


Presentasi berjudul: "STATISTIK - I. PENGUKURAN DISPERSI (MEASURES OF DISPERSION)"— Transcript presentasi:

1 STATISTIK - I

2 PENGUKURAN DISPERSI (MEASURES OF DISPERSION)

3 MENGAPA PERLU UKURAN DISPERSI.  RATA – RATA DAN MEDIAN HANYA MENGGAMBARKAN SENTRAL DARI SEKELOMPOK DATA, TETAPI TIDAK MENGGAMBARKAN BAGAIMANA PENYEBARANNYA..  DUA KELOMPOK DATA DENGAN RATA-RATA SAMA, BELUM TENTU MEMILIKI PENYEBARAN YANG SAMA. OLEH KARENA ITU, HANYA DENGAN RATA-RATA KITA TIDAK DAPAT MELIHAT GAMBARAN YANG JELAS DARI KELOMPOK DATA TERSEBUT.  UKURAN DISPERSI YANG KECIL MENUNJUKKAN NILAI DATA SALING BERDEKATAN (PERBEDAAN KECIL), SEDANGKAN NILAI DISPERSI YANG BESAR MENUNJUKKAN BAHWA NILAI DATA MENYEBAR (PERBEDAAN NILAI MASING-MASING DATA BESAR)  UKURAN DISPERSI DIGUNAKAN UNTUK MELENGKAPI PERHITUNGAN NILAI SENTRAL

4 CONTOH: Data A terdiri dari nilai-nilai : Data B terdiri dari nilai-nilai : Rata-rata kedua kelompok data tersebut adalah sama (60) akan tetapi vasiasi nilai-nilainya terhadap nilai sentral berbeda

5  Pengukuran Dispersi Absolud, digunakan untuk mengetahui tingkat variabilitas nilai-nilai observasi pada suatu data. Metoda pengukuran dispersi absolud ada 4: Range; Deviasi Quartile; Deviasi Rata-Rata dan Deviasi Standar.  Pengukuran Dispersi Relatif, digunakan untuk membandingkan tingkat variabilitas nilai-nilai observasi suatu data dengan tingkat variabilitas nilai- nilai observasi data lainnya. Metoda pengukuran dispersi relatif ada 2: Koefisien Variasi dan Koefisien Variaso Quartile. ADA 2 MACAM PENGUKURAN DISPERSI

6 RANGE: HIGHEST VALUE – LOWEST VALUE Contoh: 30; 25; 32; 35; 43; 37; 46 Highest Value = 46 Lowest Value = 25 Range: 46 – 25 = 21 INTERQUARTILE RANGE : Q3 – Q1 Contoh: Q1 = 103 Q3 = 115 Interquartile Range = 115 – 103 = 12

7 DEVIASI QUARTILE (Dk) Dk = Q3 – Q1 2 Contoh: Q1 = 103 Q3 = 115 Dk = Q3 – Q1 = 115 – 103 = 12 Dk = 12/2 = 6 Q3 – Q1 2

8 Deviasi Rata-rata (Dx) = The arithmatic mean of the absolute value of the deviation from the arithmatic mean. Σ | x - x | n MD = Dx = Contoh: Rata-rata = ( )/5 Rata-rata= 102 n = 5 Dx = {| | + |97 – 102| + | | + | | + | |}/5 = { }/5 = 12/5 = 2,4. DEVIASI RATA-RATA =MEAN DEVIATION

9 Deviasi Rata-rata untuk data berkelompok Dx = Σ f | x – x | n f = frekwensi kelas ke – i x = titik tengah kelas ke I x = rata-rata n= jumlah frkwensi data i ii i Contoh: Nilai UjianFrkuensi 20 – – – – 59 2 Jumlah 9

10 Nilai Ujianfxf xx – x | x – x | f iiiiiii 20 – ,5 24,5 -17,8 17,8 30 – , ,8 15,6 40 – , ,2 8,8 50 – , ,2 24,4 Jumlah 9 380,5 66,6 Σ f | x – x | Dx = n ii i=1 n x = x = 380,5/9 = 42,20 Σ f x n Dx = (66,6)/9 = 7,4 Jawab:

11 VARIANCE & STANDARD DEVIATION Variance (Varian): The aritmatic mean of squared deviation from the mean Standard Deviation (Deviasi Standar): The squared root of the variance Populatin Variance : (σ ) = 2 ∑ (x - µ) 2 N Population Standard Deviation (σ) = √ ∑ (x - µ) 2 N

12 Sample Variance (S ) = 2 Σ (x – x) 2 n - 1 Sample Standard Deviation (S) = √ { } Σ (x – x) 2 n -1 S = 2 Σx - (Σx) /n 22 n - 1 S = √ {Σx - (Σx) /n} 2 2 S = √ 1/(n-1) [ Σx - {(Σ x ) /n}] 22 ii Catatan: untuk n > 100, (n – 1) dapat diganti dengan n  Rumus I  Rumus II

13 Contoh: Hitung Varian dan Deviasi Standar dari data: 40, 50, 60, 70, 80. Jawab: Rata-rata data = ( )/5 = 60 xx - x (x - x)x Varian (s ) = (1000)/ 5-1 = 250 Deviasi Standar = √250 = 15,81 Atau: Varians : = 1/(5-1){(19000 – 300)/5 = 250 Deviasi Standar: = √ 250 = 15,

14 Untuk Data Berkelompok: Variance = Σ f (x – x ) n - 1 ii i 2 Deviasi Standar = √ Σ f (x – x ) n - 1 ii 2 Contoh : Hitung Varians dan Deviasi Standar menggunakan rumus I & II Waktu (Menit) f 0 - < < < < < < < < 801 Jumlah 50

15 0 - < ,2 795, , < ,2 331, , < ,2 67, , < ,8 3,24 38, < ,8 139,24 974, < ,8 475, , < ,8 1011, , < ,8 1747, ,24 Jumlah , ,00 Waktu (Menit) f x fxx - x (x - x ) f ( x - x) x = (Σf x )/n = 1600/50 = 33,2 S = {Σf (x - x)}/(n-1) = 11388/(50 – 1) = 11338/49 = 231,388 S = √231,388 = 15,21 ii ii 22

16 PENGUKURAN DISPERSI RELATIF Coeficien Variasi (Coeficient of Variation) (V/CV)): The ratio of the standard deviation to thearithmatic mean, expressed as a percent. V(CV) = x 100% S x Coeficien Variasi Quartil (Vk): Adalah Deviasi Kwartil dibagi Median Vk = Q3 – Q1 Q3 + Q1

17 PENGUKURAN KEMENCENGAN SUATU DISTRIBUSI FREKUENSI

18 DISTRIBUSI SIMETRIS Distribusi simetris, yang berarti luas kurva disebelah kiri nilai rata-rata sama dengan luas kurva disebelah kanan nilai rata-rata.

19 KEMENCENGAN  Distribusi menceng ke kanan (Curve A): Nilai-nilai observasi berfrekwensi rendah kebanyakan berada disebelah kanan nilai rata-rata.  Distribusi menceng ke kiri (Curve B): Nilai-nilai observasi berfrekwensi rendah kebih banyak berada disebelah kiri dari rata-rata (ekornya menjulur ke kiri)

20 METODA PENGUKURAN KEMENCENGAN Koefisien Karl Pearson: Sk = ( x – mo)/s Catatan:  Jika Sk positif artinya distribusi frekwensi menceng ke kanan.  Jika Sk negatif artinya distribusi frekwensi menceng ke kiri.  Jika Sk = 0 artinya distribusi frekwensi simetris. Sk = Kemencengan x = Rata-rata Mo = Modus s = deviasi standar

21 Hubungan Rata-rata Hitung, Median dan Modus X - Mo = 3(X - Md) Mo = X – 3 (X – Md) Sk = (X – Mo)/s X – {X – 3 (X – Md)} s Sk = 3 (X – Md)} s Sk =

22 X > Md > Mo X < Md < Mo X = Md = Mo Sk = ( x – mo)/s

23 Contoh: Hitung tingkat emencengan dari distribusi frekwensi berikut: Upah/JamJumlah Karyawan 300 – – – – – – – Jawab: 1. Menghitung Median: Letak Median = 440/2 =220

24 Jawab: 1. Menghitung Median: Letak Median = 440/2 =220 Md = Lmd + x Ci N/2 - Fk Fmd 100 Md = 399, / Md = 404,5 Upah/Jam Jml Kary x fx fk(x – x) f (x – x) 300 – , , – , , – , , – , , – , , ,6 550 – , , ,8 600 – , , ,4 22

25 2. Menghitung Rata-rata: X = ∑(fi.xi) n X = ( )/440 X = 420,18 3. Menghitung Modus: Mo = Lmo + d1 d1 + d2 x Ci Mo = 349, Mo = 381,39 4. Menghitung Deviasi Standar Deviasi Standar = √ Σ f (x – x ) n - 1 ii 2 = √ ( ,4)/(440 -1) = 62,25 S S 5. Koefisien Karl Pearson: Sk = ( x – mo)/s Sk = (420,18 – 381,39)/62,25 Sk = 0,6231 Sk = 62,31%

26 3 (X – Md)} s Sk = Atau: Sk = 3(420,18 – 404,5)/62,31 Sk = 75,56% Hasil perhitungan berbeda, karena adanya perbedaan nilai antara Median dan Modus. Apabila kita berkeyakinan bahwa Modus bukan merupakan ukuran nilai sentral yang baik, sebaiknya kita menggunakan Median. Catatan: Semakin besar nilai koefisien Karl Pearson, semakin tinggi tingkat kemencengan sebuah distribusi frekwensi (kurva).

27 Koefisien Bowley Sk = (Bowley) (Q - Q ) (Q - Q ) – (Q - Q ) Q = Kwartil ke 1 Q = Kwartil ke 2 Q = Kwartil ke yx QQQ 123 Jika nilai Koefisien Bowley positif artinya (Q - Q ) > (Q - Q ), maka distribusi frekwensi menceng ke kanan. Sedangkan apabila koefisien Bowley negatif artinya 322 (Q - Q ) < (Q - Q ) maka distribusi frekwensi menceng ke kiri. Bila koefisien Bowley = 0, artinya 322 (Q - Q ) = (Q - Q ) maka distribusi frakwensi adalah simetris (Q - Q ) > (Q - Q ) 3221 X > Y Menceng ke kanan

28 (Q - Q ) < (Q - Q ) 3221 X < Y Menceng ke kiri xy QQQ 123 QQQ 123 (Q - Q ) = (Q - Q ) 3221 X = Y Simetris xy

29 Contoh: Hitung tingkat emencengan dari distribusi frekwensi berikut menggunakan rumus koefisien Bowley: Upah/JamJumlah Karyawan 300 – – – – – – –

30 300 – – – – – – – Upah/Jam Jml Kary fk Jawab: 1.Menghitung Quartile 1, 2 & 3 : Letak Q1 = 440/4 =110 Letak Q2 = 2 (440)/4 = 220 Letak Q3 = 3 (440)/3 = 330 Qi = LQi + [ ] x (in/4) - fk fQi Ci Q1 = 349, Q1 = 364,3 440/ Q2 = 399, Q2 = 404,5 2(440)/ Q3 = 449, Q3 = 466,1 3(440)/

31 Menghitung Koefisien Bowley: Sk = (Bowley) (Q - Q ) (Q - Q ) – (Q - Q ) Sk = (Bowley) (466, ,3) (466,1 – 404,5 ) – (404, ,3) Sk = 21,02 % (Bowley) Sk (Bowley) Catatan: Menurut Bowley, apabila > +30% atau < -30%, menunjukkan bahwa distribusi frekwensi memiliki tingkat kemencengan yang tinggi.

32 ANGKA INDEKS

33 Angka Indeks: merupakan suatu metoda statistik untuk mengukur perubahan atau mengadakan perbandingan antara variable-variable ekonomi dan sosial dari waktu ke waktu. Dalam menyusun angka indeks, nilai pada suatu periode dibandingkan dengan nilai pada tahun dasar (base year). Angka indeks pada tahun dasar (base year) selalu 100. Tujuan penyusunan Angka Indeks adalah untuk memudahkan kita membandingkan nilai-nilai observasi dari waktu ke waktu. Rumus : x 100 V V n 0 Dimana : V = Nilai tahun ke n V = Nilai tahun Dasar n 0

34 Contoh: TahunHarga Beras/Kg Apabila tahun 1980 ditentukan sebagai tahun dasar, hitung anka indeks tahun 1981,1982,1983, dan Jawab: I (1981) = (300)/(250) x 100 = 120 I (1982) = (300)/(250) x 100 = 120 I (1983) = (400)/(250) x 100 = 160 I (1984) = (500)/(250) x 100 = 200

35 1.Angka Indeks Sederhana. Adalah angka indeks yang menyatakan perbandingan satu macam komoditi Rumus : I = x 100 V V n 0 n Dimana : V = Nilai tahun ke - n V = Nilai tahun Dasar I = Angka Indeks Tahun ke – n n 0 n

36 Contoh: Harga komoditi susu selama 3 tahun adalah sebagai berikut: Hitung Indeks Harga (IH) tahun 1990 dan 1991 dengan tahun 1989 sebagai tahun dasar. Tahun Harga (Rp) Jawab: IH (1990) = (750)/(500) x 100 = 150 IH (1991) = (1000)/(500) x 100 = 200

37 2. Angka Indeks Agregatif Adalah Angka Indeks yang menyatakan perbandingan sekelompok komoditi. Rumus: IA = x 100 Σ V n ∑ V 0 Keterangan: IA = Angka Indeks Agregatif Σ V n = Jumlah nilai komoditi th ke-n ∑ V 0 = Jumlah nilai komoditi th dasar Contoh: Komoditi Harga Th 89 Harga Th 90Harga Th 91 Susu Gula Beras Jumlah

38 Jawab:IHA 90 = (1300)/(1000) x 100 = 130 IHA 91 = (2050)/(1000) x 100 = Angka Indeks Agregatif Tertimbang Rumus: AI w = x 100 ∑V n x W ∑V 0 x W Dimana W adalah faktor timbangan. AI w = x 100 ∑V n x W ∑V 0 x W (Las Peyres) 0 0 Rumus Angka Indeks Agregatif Las Peyres

39 AI w = x 100 ∑V n x W ∑V 0 x W (Paasche) n n Note: Untuk menghitung Indeks Harga, Las Peyres menggunakan kuantitas tahun dasar (W 0 ) sebagai penimbang, sedangkan Paasche menggunakan kuantitas tahun ke n (W n ) sebagai penimbang. Rumus Angka Indeks Agregatif Paasche

40 Contoh: Komoditi Harga(p) Jumlah(q) (p) (q) (p) (q) Susu Gula Beras Jumlah Jika tahun 1989 dijadikan tahun dasar, maka: a. Hitung Indeks Harga Agregatif dengan metoda Laspayer. b. Hitung Indeks Harga Agregatif dengan metoda Paasche.

41 Jawab: a. Rumus Indeks Harga Agregatif Laspeyres & Paasche: IH = x 100 ∑p n x q 0 ∑p 0 x q 0 (Las Peyres) Untuk tahun 1990, Indeks Harga: IH (Laspeyres) = x 100 Σp 1990 x q 1989 Σp 1989 x q 1989 IH = x 100 ∑p n x q n ∑p 0 x q n (Paasche) IH (Paasche) = x 100 Σp 1990 x q 1990 Σp 1989 x q 1990

42 p 89 p 90 q 89 q 90 p 90 xq 89 p 89 xq 89 p 90 xq 90 p 89x q IH 90 = x 100 ∑p 90 x q 89 ∑p 89 x q 89 (Las Peyres) = {(20500)/(15000)} x100 = 136,67 IH 90(Paasche) = x 100 Σp 1990 x q 1990 Σp 1989 x q 1990 = {(37250)/(24500)} x100 = 152,04 IH 90(Paasche) IH 90 (Las Peyres)

43 IH 91(Laspeyres) = x 100 Σp 1991 x q 1989 Σp 1989 x q 1989 = x 100 = {(30500)/15000} x 100 = 203,33 (1000x20) + (600x10) + (450x10) IH 91(Laspeyres) IH 91(Paasche) = x 100 Σp 1991 x q 1991 Σp 1989 x q 1991 {(1000x40) + (600x60) + (450x30)} {(500x40) + (200x60) + (300x30) = x 100 = (89500)/(41000) x 100 = 218,29 IH 91(Paasche)

44 Tahun IH Laspeyers IH Paasche ,67 152, ,33 218,29 Hasil selengkapnya: Note: 1.Angka Indeks Laspeyres lebih banyak digunakan karena lebih praktis. 2.Angka Indeks Laspeyres menggunakan kuantitas tahun dasar sebagai penimbang (tetap) sehingga hanya perubahan harga yang memperngaruhi indeks. 3.Angka Indeks Paasche menggunakan kuantitas tahun ke-n sebagai penimbang. Sehingga disamping dipengaruhi oleh perubahan harga, Angka Indeks Harga Paasche tidak murni karena dipengaruhi juga oleh perubahan kuantitas. 4.Kelemahan Angka Indeks Harga Paasche adalah karena untuk dapat menghitung Angka Indek diperlukan waktu dan biaya untuk mengumpulkan data kuantitas yang terakhir.

45 Selain digunakan untuk menghitung Angka Indeks Harga, rumus Las Peyres dan Paasche dapat digunakan untuk menghitung Angka Indeks Kuantitas. Rumus Angka Indeks Kuantitas Las Peyres: IK = x 100 ∑q n x p 0 ∑q 0 x p 0 (Las Peyres) Rumus Angka Indeks Kuantitas Paasche: IK = x 100 ∑q n x p n ∑q 0 x p n (Paasche)

46 Contoh: Komoditi HargaKuantitas HargaKuantitas Daging Roti Cabai IK 1991 = x 100 ∑q 91 x p 90 ∑q 90 x p 90 (Las Peyres) = x 100 (50 x 100) + (1 x 200) + (90 x 20) (40 x 100) + (1 x 200) + (100 x 20) = 112,9

47 IK 1991 = x 100 ∑q 91 x p 91 ∑q 90 x p 91 (Paasche) = x 100 (50 x 115) + (1 x 220) + (90 x 27) (40 x 115) + (1 x 220) + (100 x 27) = 117,7

48 Angka Indeks Fisher AI w (Fisher) = √ (Angka Indeks Las Peyres x Angka Indeks Paasche) ∑p n x q 0 ∑p 0 x q 0 ∑p n x q n ∑p 0 x q n x √ AI w (Fisher) =

49 Pengujian Matematis Angka Indeks. Untuk mengetahui baik tidaknya rumusan Angka Indeks, dapat digunakan 2 cara pengujian: a.Pengujia Pembalikan Waktu (Time Reversal Test) b.Pengujian Pembalikan Faktor (Factor Reversal Tes) a.Pengujian Pembalikan Waktu. Suatu Angka Indeks adalah baik jika memenuhi kondisi: (Angka Indeks 0,n) x (Angka Indeks n,0) = 1 Dimana: Angka Indeks 0,n = Angka Indeks dengan periode 0 sebagai tahun dasar. Angka Indeks n,0 = Angka Indeks dengan periode n sebagai tahun dasar.

50 Contoh: Angka Indeks Las Peyers: AI 0,n = ∑p n x q 0 ∑p 0 x q 0 ∑p 0 x q n ∑p n x q n AI n,0 = (AI 0,n) x (AI n,0) = =/= 1 ∑p 0 x q n ∑p n x q n ∑p n x q 0 ∑p 0 x q 0 X Angka Indeks Paasche: AI 0,n = ∑p n x q n ∑p 0 x q n ∑p 0 x q 0 ∑p n x q 0 AI n,0 = (AI 0,n) x (AI n,0) = =/= 1 ∑p 0 x q 0 ∑p n x q 0 ∑p n x q n ∑p 0 x q n X

51 Angka Indeks Fisher: ∑p n x q 0 ∑p 0 x q 0 ∑p n x q n ∑p 0 x q n x √ AI 0,n = ∑p 0 x q n ∑p n x q n ∑p 0 x q 0 ∑p n x q 0 x √ AI n,0 = (AI 0,n) x (AI n,0) = ∑p n x q 0 ∑p 0 x q 0 ∑p n x q n ∑p 0 x q n x √ ∑p n x q n ∑p 0 x q 0 ∑p n x q 0 xx= 1 Kesimpulan: Hanya Rumus Fisher yang memenuhi syarat.

52 b. Pengujian Pembalikan Faktor Suati rumusan Angka Indeksbaik jika memenuhi kondisi: Bila faktor p dan q pada suatu rumus Angka Indeks dipertukarkan sehingga diperoleh rumus baru, maka hsil perkalian rumus baru dengan rumus lama Indeks Las peyers AI = ; ∑p n x q 0 ∑p 0 x q 0 ∑q n x p 0 ∑q 0 x p 0 AI setelah pembalikan faktor = ∑p n x q 0 ∑p 0 x q 0 ∑q n x p 0 ∑q 0 x p 0 x =/= Σp n. q n Σp 0. q 0. Σp n. q n Σp 0. q 0. harus sama dengan :

53 Indeks Paasche AI = ; ∑p n x q n ∑p 0 x q n ∑q n x p n ∑q 0 x p n AI setelah pembalikan faktor = ∑p n x q n ∑p 0 x q n ∑q n x p n ∑q 0 x p n x =/= Σp n. q n Σp 0. q 0. Indeks Fisher ∑p n x q 0 ∑p 0 x q 0 ∑p n x q n ∑p 0 x q n x √ AI = ∑q n x p 0 ∑q 0 x p 0 ∑q n x p n ∑q 0 x p n x √ AI setelah pembalikan faktor:

54 ∑p n x q 0 ∑p 0 x q 0 ∑p n x q n ∑p 0 x q n x √ ∑q n x p 0 ∑q 0 x p 0 ∑q n x p n ∑q 0 x p n x √ X = ∑p n x q n ∑p 0 x q 0 Kesimpulan: Hanya Rumus Fisher yang memenuhi syarat. Karena melalui dua cara pengujian ini hanya Indeks Fisher yang memenuhi syarat,maka Angka Indeks Fisher disebut angka indeks yang ideal (Fisher Ideal Index)

55 Perubahan Tahun dasar Angka Indeks. Perubahan tahun dasar Angka Indeks dilakukan dengan 2 tujuan: a.Untuk memudahkan dalam membandingkan dua kelompok angka indeks yang tidak samatahun dasarnya. b.Untuk memperbaharui tahun dasar yang sudah terlalu jauh dari tahun sekarang. Contoh: Angka Indeks harga mobil dengan tahun dasar Tahun Angka Indeks Angka Indeks harga rumah dengan tahun dasar 1990.

56 Agar kita dapat membandingkan perubahan harga mobi dan garga rumah, kita harus menyamakan tahun dasar kedua Angka Indekstersebut di atas. Dalam contoh ini kita harus merubah tahundasar Angka Indeks harga mobil dari tahun 1985 ke tahun 1990 dengan menggunakan rumus sbb.: A.In = x 100 AI tahun ke n AI tahun dasar yang baru Tahun AI Harga Mobil (Th Dasar 1990) 1985 (100/150)x100 = 66, (110/150)x100 = 73, (120/150)x100 = (120/150)x100 = (130/150)x100 = 86, (150/150)x100 = (160/150)x100 = 106, (200/150)x100 = 133,33

57 Tahun AI Harga MobilAI Harga Rumah , , , , , , , ,33 40,00 50,00 60,00 80,00 90,00 100,00 120,00 150,00 Dengan menyamakan tahun dasar, maka kita dapat membandingkan perubahan harga mobil dan harga rumah menggunakan Angka Indeks seperti dibawah ini: Kesimpulan: Harga rumah lebih cepat berubah (naik) jika dibandingkan dengan harga mobil.

58 TIME SERIES (DERET BERKALA)

59 Suatu rerangkaian atau seri dari nilai-nilai suatu variabel yang dicatat dalam jangka waktu yang berurutan. Komponen Time Series.  Trend (T)  Variasi Musim (V)  Variasi Sikli (S)  Irregular atau Random (R) Time Series merupakan hasil perkalian dari T, V, S, dan R Time Series = T x V x S x R Time Series:

60 1. Trend Trend merupakan gerakan jangka panjang yang mempunyai kecenderungan menuju pada satu arah, yaitu naik dan turun. Contoh: TahunTriwulan 1 Triwulan 2 Triwulan 3 Triwulan

61 Data dalam tabel di atas dapat disajikan dalam gambar sebagai berikut: Triwulan

62 Pada gambargrafik dapat ditarik garis Trend seperti berikut: Long Term Trend

63 2. Variasi Musim. Adalah gerakan jangka pendek (kurang dari satu tahun) yang berulang secara teratur dari tahun ke tahun Contoh: Penjualan pakaian naik setiap menjelang lebaran Penjualan buku naik setiap tahun ajaran baru

64 3. Sikli Adalah suatu gerakan jangka panjangyang memiliki unsur siklus, yaitu perluasan (expansion), puncak (peak), kemunduran (contraction) dan depresi (trough). Peak ContractionTrough Expansion Long term Trend

65 4. Random Random atau irregular adalah gerakan yang bersifat acak atau tidak beraturan sehingga tidak dapat diprediksi sebelumnya. Contoh, naiknya harga minyak karena perang teluk, naiknya harga gabah karena gagal panen, dsb.

66 TREND LINEAR DENGAN METODA LEAST SQUARE Trend jangka panjang dari berbagai data bisnis sering diperkirakan menggunakan persamaan garis lurus sebagai berikut: Ŷ = a + bx Dimana: Ŷ(baca Y prime) = nilai proyeksi variable Y untuk nilai x tertentu. a = konstanta, nilai Y apabila x = 0 b = slope, menunjukkan berapa satuan Y apabila x berubah satu unit.

67 Garis Trend

68 Proyeksi nilai penjualan yang digambarkan dengan Garis Trend, memiliki perbedaan (selisih) bila dibandingkan dengan nilai aktualnya.Besar perbedaan atau deviasi adalah (Y –Ŷ). Trend yang baik adalah yang memiliki deviasi yang terkecil. Semakin kecil deviasinya berarti trend tersebut semakin representatif. Metoda selisih kuadrat terkecil Least Square Method merupakan metoda menghitung persamaan trend linear yang menghasilkan selisih atau deviasi kuadrat (Y – Ŷ) terkecil. Dengan menggunakan Least Square Method, nilai a dan b pada persamaan trend linear dapat dihitung dengan rumus sbb.: 2 b =b = Σ XY Σ X 2 a = Σ Y n Dimana: ΣY = Jumlah penjualan aktual n = Jumlah tahun dalam data ΣXY = Jumlah perkalian variabel X dan Y ΣX = Jumlah kuadrat dari variabel X 2

69 Varabel X adalah waktu (misal tahun 1999,2000, 2001, dst.). Untuk menyederhanakan perhitungan, variaable waktu tidak dinyatakan dalam tahun, akan tetapi dalam kode seperti 1, 2, 3, dst. Contoh: Untuk data ganjil Tahun Koding Note: Tahun yang terletak ditengah (1982) diberi koding 0. Jarak antar tahun ± 1 Untuk data genap Tahun Koding Note: Kode 0 diletakkan diantar 2 tahun yang ditengah (1982 dan Jarak antar tahun ± 2 0

70 Contoh: Volume penjualan PT. X selama 5 tahun adalah sebagai berikut: Tahun Penjualan (ribu Unit) a.Buatlah persamaan garis trend linear menggunakan metoda Least Square b.Hitung proyeksi penjualan selama 1985 – 1989 menggunakan persamaan garis trend linear c.Buatlah ramalan penjualan untuk tahun 1990 dan tahun 1991

71 Jawab: Tahun Penjualan (Y)XXYX Menghitung a dan b: b = Σ XY Σ X 2 a = Σ Y n a = (50)/5 = 10b = (13)/10 = 1,3 Ŷ = ,3X

72 a. Persamaan garis trendnya adalah : Ŷ = ,3X b. Proyeksi penjualan Tahun XProyeksi Penjualan Ŷ = ,3 (-2) = 7, Ŷ = ,3 (-1) = 8, Ŷ = ,3 (0) = Ŷ = ,3 (1) = 11, Ŷ = ,3 (2) = 12,6 c. Penjualan tahun 1990 (X =3) dan tahun 1991 (X = 4) Ŷ 1990 = ,3 (3) = 13,9 (ribu unit) Ŷ 1991 = ,3 (4) = 15,2 (ribu unit)

73 Tahun Penjualan (Y) Data penjualan PT Y selama 6 tahun (dlm juta unit) Pertanyaan: a.Buatlah persamaan trend linear dengan menggunakan metoda least square. b.Hitung proyeksi penjualan menurut persamaan trend linear. c.Buat ramalan penjualan tengan tahun 1991 dan awal 1992.

74 Tahun Penjualan (Y)XXYX Jawab: a = Σ Y n b = Σ XY Σ X 2 a. Persamaan garis trend: a = (30)/6 = 5b = (46)/70 = 0,657 Ŷ = 5 + 0,657X

75 a. Persamaan garis trend : Ŷ = 5 + 0,657X b. Proyeksi berdasarkan trend: Tahun XProyeksi Penjualan Ŷ = 5 + 0,657 (-5) = 1, Ŷ = 5 + 0,657 (-3) = 3, Ŷ = 5 + 0,657 (-1) = 4, Ŷ = 5 + 0,657 (1) = 5, Ŷ = 5 + 0,657 (2) = 6, Ŷ = 5 + 0,657 (3) = 8,285 c. Ramala penjualan untuk pertengahan tahun 1991 (x = 7) Ŷ = 5 + 0,657(7) = 9,599 Ramalan penjualan awal tahun 1992 (x = = 8) Ŷ = 5 + 0,657(8) = 10,256

76 Merubah tahun dasar Trend Tahun dasar trend yang sudah terlalu jauhdapat diubah. Perubahan tahun dasar tidak berpengaruh pada nilai slope (b), akan tetepi berpengaruh pada nilai konstanta (a). Contoh: Diketahui persamaan trend Ŷ = ,7X dengan tahun dasar 1983 (tahun 1983 x = 0). Kita ingin mengubah tahun dasar menjadi tahun 1985, maka: a = nilai Ŷ pada tahun dasar baru Nilai (X) untuk tahun dasar yang baru (1985) = 2 a = Ŷ = ,7 (2) a = 18,4 b tetap = 1,7 Jadi, persamaan trend yang baru (dengan tahun dasar 1985) menjadi: Ŷ = 18,4 + 1,7X

77 Nilai X untuk masing-masing tahun berubah menjadi sbb.: Sehingga, kalau kota akan menghitung nilai trend tahun 1986: Dengan rumus lama: Ŷ = ,7X Ŷ = ,7(3) = 20,1 Dengan rumus baru: Ŷ = 18,4 + 1,7X Ŷ = 18,4 + 1,7(1) =20,1 Tahun X lama (1983 = 0) Xbaru(1985=0)

78 Merubah periode. Periode tren dapat dirubah dati tahunan menjadi a) bulanan, b) kwartalan c) rata-rata bulanan dan d) rata-rata kwartalan a. Trend Rata-rata Bulanan Untuk mengubah trend rata-rata tahunan menjadi trand rata-rata bulanan: a dan b dibagi 12, atau: Ŷ = a/12 + b/12 U Contoh: Diketahui trend tahunan Ŷ = X, dengan tahun dasar 1982 Trend rata-rata bulanan menjadi: Ŷ = (120)/12 + (24)/12 U Ŷ = U

79 b. Trend rata-rata kwartalan. Untuk mengubah trend tahuna menjadi trend rata-rata kwartalan: a dan b dibagi 4, atau Ŷ = a/4 + b/4 U c. Trend Bulanan Trend bulana tidak sama dengan trend rata-rata bukanan. Pada trend rata-rata bulanan, nilai Y untuk setiap bulan dianggap sama, sedangkan pada trend bulanan nilainya berbeda. Untuk mengubah trend tahunan menjadi trend bulanan: a dibagi 12 dan b dibagi (12) Koding berubah menjadi U, dimana 1 X = 12 U 2 Ŷ = + U ab 12 2

80 Contoh: Ŷ = X, tahun dasar tengah tahun 1982 Jika dirubah menjadi trend bulanan, menjadi: Ŷ = (120)/12 + (24)/(12) U 2 Ŷ = ,167 U Selanjutnya koding berubah menjadi: Untuk tahun 1982, koding tengah Juli adalah U = ½, tengah Agustus = 1½, sedangjan untuk tengah Juni = - ½, dan tengah Mei = - 1½, dan seterusnya. Trend bulan Desember 1982 (U = 5½) Ŷ = ,167 (5½) = 10,91

81 d. Trend Kwartalan. Untuk merubah trend tahunan menjadi trend kwartalan: a dibagi 4 dan b dibagi (4), atau: 2 Ŷ = + U ab 44 2


Download ppt "STATISTIK - I. PENGUKURAN DISPERSI (MEASURES OF DISPERSION)"

Presentasi serupa


Iklan oleh Google