Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Analisis Deret Waktu: Materi minggu ketiga 1. Pendahuluan 2. Naïve Models dan Moving Average Methods 3. Exponential Smoothing Methods 4. Regresi dan Trend.

Presentasi serupa


Presentasi berjudul: "Analisis Deret Waktu: Materi minggu ketiga 1. Pendahuluan 2. Naïve Models dan Moving Average Methods 3. Exponential Smoothing Methods 4. Regresi dan Trend."— Transcript presentasi:

1 Analisis Deret Waktu: Materi minggu ketiga 1. Pendahuluan 2. Naïve Models dan Moving Average Methods 3. Exponential Smoothing Methods 4. Regresi dan Trend Analysis 5. Regresi Berganda dan Time Series Regresi 6. Metode Dekomposisi 7. Model ARIMA Box-Jenkins 8. Studi Kasus : Model ARIMAX (Analisis Intervensi, Fungsi Transfer dan Neural Networks)

2 Klasifikasi Metode Peramalan Forecasting Method Objective Forecasting Methods Time Series Methods Naïve Methods Moving Averages Exponential Smoothing Simple Regression ARIMA Neural Networks Causal Methods Simple Regression Multiple Regression Neural Networks Subjective (Judgmental) Forecasting Methods Analogies Delphi PERT Survey techniques Combination of Time Series – Causal Methods  Intervention Model  Transfer Function (ARIMAX)  VARIMA (VARIMAX)  Neural Networks References :  Makridakis et al.  Hanke and Reitsch  Wei, W.W.S.  Box, Jenkins and Reinsel

3 Kaitan Pola Data dan Metode Regresi (Trend Analysis) Regresi untuk Trend Linear Regresi untuk Seasonal Data Regresi untuk Cyclic Effect

4 Problem 1: Regresi Linear Sederhana Harga Produk Biaya Iklan, Jumlah Outlet, Area Pema- saran dan faktor lain yang dapat dikontrol dalam kondisi TETAP Sales Produk Bagaimana pengaruh harga terhadap sales suatu produk ? Dapatkah meramal sales suatu produk berdasarkan harganya ? Harga Pesaing, Selera Konsumen, Kondisi Ekonomi Nasional (inflasi dll) dan faktor lain yang tidak dapat dikontrol dalam kondisi TETAP Process (Model Regresi) Input (X) Output (Y) Z 1, Z 2, …, Z q F 1, F 2, …, F q Uncontrollable Factors Controllable Factors

5 Tahap-tahap dalam Analisis Regresi 1.Plot data  identifikasi bentuk hubungan secara grafik 2.Koefisien Korelasi  identifikasi hubungan linear dengan suatu angka 3.Pendugaan (estimasi) model regresi 4.Evaluasi (diagnostic check) kesesuain model regresi 5.Prediksi (forecast) suatu nilai Y pada suatu X tertentu , -1  r xy  1

6 Problem 1: Data hasil pengamatan … (continued) Minggu Sales (ribu unit) Harga (ribu rupiah) Pengamatan dilakukan dengan mengambil secara random data 10 minggu penjualan Plot antara Harga dan Sales

7 Problem 1: MINITAB output … (continued) MTB > Correlation 'Harga' 'Sales'. Pearson correlation of Harga and Sales = P-Value = MTB > Regress 'Sales' 1 'Harga' The regression equation is Sales = 32.1 – 14.5 Harga Predictor Coef SE Coef T P Constant Harga S = R-Sq = 74.6% R-Sq(adj) = 71.4% Analysis of Variance Source DF SS MS F P Regression Residual Error Total

8 Problem 1: MINITAB output … (continued) Plot data, garis regresi dan ramalan Sales dari Harga

9 Problem 2: Regresi Linear Berganda Harga Produk Jumlah Outlet, Area Pemasaran dan faktor faktor lain yang dapat dikontrol dalam kondisi TETAP Sales Produk Bagaimana pengaruh harga dan biaya iklan terhadap sales suatu produk ? Lebih baikkah ketepatan ramalannya ? Harga Pesaing, Selera Konsumen, Kondisi Ekonomi Nasional (inflasi dll) dan faktor lain yang tidak dapat dikontrol dalam kondisi TETAP Process (Model Regresi) Input (X) Output (Y) Z 1, Z 2, …, Z q F 1, F 2, …, F q Uncontrollable Factors Controllable Factors Biaya Iklan

10 Problem 2: Data hasil pengamatan … (continued) Minggu Sales (ribu unit) Harga (ribu rupiah) Biaya Iklan (juta rupiah) Pengamatan dilakukan dengan mengambil secara random data 10 minggu penjualan Plot antara Harga, Iklan dg Sales

11 Problem 2: MINITAB output … (continued) MTB > Correlation 'Sales'- 'Iklan'. Correlations: Sales, Harga, Iklan Sales Harga Harga Iklan Cell Contents: Pearson correlation P-Value MTB > Regress 'Sales' 2 'Harga' 'Iklan' The regression equation is Sales = Harga Iklan Predictor Coef SE Coef T P Constant Harga Iklan S = R-Sq = 93.2% R-Sq(adj) = 91.2% Analysis of Variance Source DF SS MS F P Regression Residual Total

12 Problem 2: MINITAB output … (continued) R 2 = 74.6% R 2 = 79.5% R 2 = 93.2%

13 Problem 3: Regresi dengan Variabel Dummy Nilai TES BAKAT pekerja Usia, Pendidikan, Ruang kerja, Mesin dan faktor faktor lain yang dapat dikontrol dalam kondisi TETAP Produktifitas pekerja Bagaimana pengaruh TES BAKAT dan GENDER thd produktifitas ? Dapatkah produktifitas pekerja diramal dari tes bakat dan jenis kelaminnya? Emosi (suasana hati) pekerja dan faktor lain yang tidak dapat dikontrol dalam kondisi TETAP Process (Model Regresi) Input (X) Output (Y) Z 1, Z 2, …, Z q F 1, F 2, …, F q Uncontrollable Factors Controllable Factors JENIS KELAMIN pekerja

14 Problem 2: Data hasil pengamatan … (continued) Pengamatan dilakukan dengan mengambil secara random data 15 pekerja Plot antara Tes Bakat dan Produk- tifitas, antara pekerja PRIA dan WANITA

15 Problem 3: MINITAB output … (continued) MTB > Correlation 'Tes Bakat' 'Dummy' 'Produktifitas'. Tes Bakat Dummy Produktifitas MTB > Regress 'Produktifitas' 2 'Tes Bakat' 'Dummy' The regression equation is Produktifitas = Tes Bakat Dummy Predictor Coef SE Coef T P Constant Tes Bakat Dummy S = R-Sq = 92.1% R-Sq(adj) = 90.8%

16 Problem 3: MINITAB output … (continued)

17 Problem 3: Plot hasil regresi … (continued) WANITA PRIA

18 Model-model Time Series Regression 1.Model Regresi untuk LINEAR TREND Y t = a + b.t + error  t = 1, 2, … (dummy waktu) 2.Model Regresi untuk Data SEASONAL (variasi konstan) Y t = a + b 1 D 1 + … + b S-1 D S-1 + error dengan : D 1, D 2, …, D S-1 adalah dummy waktu dalam satu periode seasonal. 3.Model Regresi untuk Data dengan LINEAR TREND dan SEASONAL (variasi konstan) Y t = a + b.t + c 1 D 1 + … + c S-1 D S-1 + error  Gabungan model 1 dan 2.

19 Problem 4: Regresi Trend Linear (Video Store case) Time Series Plot data Sales

20 Problem 4: Hasil Regresi Trend dg MINITAB … (continued)

21

22 Problem 5: Regresi Data Seasonal … (Data Electrical Usage) Time Series Plot (Data seasonal)

23 Problem 5: Hasil regresi dengan MINITAB … MTB > Regress 'Kilowatts' 3 'Kuartal-1'-'Kuartal-3' The regression equation is Kilowatts = Kuartal Kuartal Kuartal.3 Predictor Coef SE Coef T P Constant Kuartal Kuartal Kuartal S = R-Sq = 97.7% R-Sq(adj) = 97.3% Analysis of Variance Source DF SS MS F P Regression Residual Error Total

24 Problem 5: Struktur dummy dan hasil regresinya … Dummy Variable

25 Problem 5: Hasil regresi dengan MINITAB … Time Series Plot (Data dan Ramalannya) Forecast

26 Problem 6: Regresi Data Trend Linear dan Seasonal … Time Series Plot (Data trend dan seasonal)

27 Problem 6: Hasil regresi dengan MINITAB … Dummy Variable

28 Problem 6: Hasil regresi dengan MINITAB … MTB > Regress 'Sales' 4 't' 'Kuartal.1'-'Kuartal.3' The regression equation is Sales = t Kuartal Kuartal Kuartal.3 16 cases used 4 cases contain missing values Predictor Coef SE Coef T P Constant t Kuartal Kuartal Kuartal S = R-Sq = 96.3% R-Sq(adj) = 95.0% Analysis of Variance Source DF SS MS F P Regression Residual Error Total

29 Problem 6: Hasil regresi dengan MINITAB … Time Series Plot (Data dan Ramalannya) Forecast

30 Perbandingan ketepatan ramalan antar metode … Model Kriteria kesalahan ramalan MSEMADMAPE Double M.A Holt’s Method Regresi Trend Holt’s Method : Alpha (level): Gamma (trend): Kasus Sales Video Store Model Kriteria kesalahan ramalan MSEMADMAPE Winter’s Method Regresi Trend & Seasonal Kasus Sales Data Kuartalan Winter’s Method : Alpha (level): 0.4 Gamma (trend): 0.1 Delta (seasonal): 0.3

31 Tugas :Carilah model peramalan terbaik untuk dua data sales (produk A dan B) berikut ini.


Download ppt "Analisis Deret Waktu: Materi minggu ketiga 1. Pendahuluan 2. Naïve Models dan Moving Average Methods 3. Exponential Smoothing Methods 4. Regresi dan Trend."

Presentasi serupa


Iklan oleh Google