Tekhnik Proyeksi Bisnis

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

TEKNIK PRAKIRAAN ATAU PERAMALAN
Analisis Data Berkala A. PENDAHUlUAN
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
ANGGARAN PERUSAHAAN KULIAH 3
ANALISIS RUNTUT WAKTU.
Peramalan (Forecasting)
P ertemuan 9 Data berkala J0682.
Forecasting.
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
BAB X Indeks Musiman & Gerakan Siklis.
OLEH : WIDYA FITRIANI ( ) Reviewer 1 : Ednawati Rainarli, S.Si., M.Si.
PERAMALAN DENGAN TREND
Metode Least Square Data Ganjil
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
ANALISIS REGRESI.
Dian Safitri P.K. ANALISIS TIME SERIES.
METODE-METODE PERAMALAN BISNIS
Bab IX ANALISIS DATA BERKALA.
Manajemen Operasional
ANALISIS TIME SERIES.
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
Bab 3 ANALISIS REGRESI.
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
BAB X Indeks Musiman & Gerakan Siklis.
Analisis Time Series.
FORECASTING/ PERAMALAN
Manajemen Operasional (Peramalan Permintaan)
ANALISIS DERET BERKALA dengan METODE SEMI AVERAGE
Deret berkala dan Peramalan Julius Nursyamsi
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
Peramalan .Manajemen Produksi #3
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
Kelompok CDM ( Cash Deposit Machine )
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
Nama : Mochammad Zaki Mubarok Kelas : 11. 2A. 05 NIM :
Metode Semi Average (Setengah rata-rata)
PERAMALAN (FORECASTING)
Metode Semi Average (Setengah rata-rata)
Bab IX ANALISIS DATA BERKALA.
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
BAB 7 TIME SERIES ANALYSIS Dalam peramalan, biasanya orang akan mendasarkan diri pada pola atau tingkah laku data pada masa-masa lampau. Data yang dikumpulkan.
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
LINDA ZULAENY HARYANTO
Tekhnik Proyeksi Bisnis
BAB 6 analisis runtut waktu
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Metode Least Square Data Genap
METODE ANALISIS TREND: Trend Non Linier
PRENSENTATION KELOMPOK 10
Metode Semi Average (Setengah rata-rata)
Metode Semi Average (Setengah rata-rata)
06 Analisis Trend Analisis deret berkala dan peramalan
Manajemen Operasional
Membuat persamaan regresi ganda Dosen: Febriyanto, SE, MM.
Korelasi dan Regresi Linier Sederhana & Berganda
FORECAST PENJUALAN.
DERET BERKALA DAN PERAMALAN
Manajemen Operasional
Bab 3 ANALISIS REGRESI.
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Time Series.
Analisis Deret Waktu.
STATISTIKA DESKRIPTIF
Transcript presentasi:

Tekhnik Proyeksi Bisnis Metode Dekomposisi (Trend Metode Least Square) Dosen: Febriyanto, SE, MM. www.febriyanto79.wordpress.com 2 5 7 8 10 11 12 13 14 15 16 17 18

Metode Dekomposisi Pendahuluan Metode dekomposisi disebut sebagai metode time series. Dasar metode dekomposisi adalah sesuatu yang telah terjadi akan berulang kembali dengan pola yang sama. Perubahan sesuatu pada umumnya mempunyai pola yang kompleks, misalnya ada unsur kenaikan, berfluktuasi, dan tidak teratur. Peramalan dengan dekomposisi adalah peramalan dengan pemecahan kebeberapa komponen perubahan kemudian dilakukan penggabungan kembali menjadi nilai, taksiran atau ramalan. Penggabungan yang dilakukan salah satunya adalah dengan perkalian, atau dapat ditunjukkan dengan persamaan sebagai berikut: X = T x M. X = Nilai yang terjadi sebenarnya (data) T = Trend M = Musiman

Trend Trend adalah rata-rata perubahan dalam jangka panjang. Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend yang dimiliki disebut sebagai trend positif. Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend yang dimiliki disebut sebagai trend negatif. Salah satu metode trend yang digunakan adalah metode least squares. Persamaan trend dengan metode least square adalah Ŷ = a + bX

Trend Metode Least Square Tahun Penjualan Y 2000 2001 2002 2003 2004 2005 2006 2007 2008 10 05 15 20 25 30 40 45 35 Persamaan trend Y’ = a + bx Σx = na + Σx b Σxy = Σxa + Σx2 b Dimana: a & b = konstanta persamaan n = Jumlah data x = periode waktu

Trend Metode Least Square No Tahun X Penjualan Y xy X2 1 2 3 4 5 6 7 8 9 2002 2003 2004 2005 2006 2007 2008 2009 2010 10 05 15 20 25 30 40 45 35 60 100 150 240 315 280 16 36 49 64 1180 204 Σx = na + Σxb 36 = 9a + 36b Σxy = ∑xa + Σx2 b 1180 = 36a + 204b

Trend Metode Least Square Σx = na + Σx b 36 = 9a + 36b Σxy = ∑xa + Σx2 b 1180 = 36a + 204b 36 = 9a + 36b (4) => 144 = 36a + 144b 1180 = 36a + 204b (1) => 1180 = 36a + 204b -1036 = -60b b = -1036 /-60 b = 17.3 36 = 9a + 36b => 36 = 9a + 36 (17.3) => 36 = 9a + 622.8 => -9a = 622.8 – 36 => -9a = 586.8 => a = -65.2 Persamaan trend adalah Y’ = -65.2 + 17.3 x

Trend Metode Least Square Tahun Penjualan X XY X^2 Ŷ 2002 10 -65.25 2003 5 1 -47.95 2004 15 2 30 4 -30.65 2005 20 3 60 9 -13.35 2006 25 100 16 3.95 2007 150 21.25 2008 40 6 240 36 38.55 2009 45 7 315 49 55.85 2010 35 8 280 64 73.15 Σ 1180 204   Y = -65,25 + 17.30X a = b = 17.30

Diagram trend penjualan 2000-2008 Tahun Penjualan 2000 10 2001 5 2002 15 2003 20 2004 25 2005 30 2006 40 2007 45 2008 35 Y = -65,25 + 17.30X