STATISTIK INDUSTRI MODUL 9

Slides:



Advertisements
Presentasi serupa
Analisis Data Berkala A. PENDAHUlUAN
Advertisements

BAB 7 Regresi dan Korelasi
REGRESI DAN KORELASI SEDERHANA
Analisis Korelasi dan Regresi Linier Sederhana
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Analisis Korelasi dan Regresi Linier Sederhana
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
BAB IX Trend Trend merupakan gerakan yang berjangka panjang , lamban dan berkecenderungan menuju ke satu arah, menuju ke arah naik atau arah menurun. Penggambaran.
Peramalan (Forecasting)
P ertemuan 9 Data berkala J0682.
ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN
ANALISIS DATA BERKALA.
ANALISIS DATA BERKALA.
ANALISIS TREND STATISTIK DESKRIPTIF
ANALISIS DATA BERKALA.
ANALISIS DATA BERKALA.
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
STATISTIK 1 Pertemuan 14: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Regresi & Korelasi Linier Sederhana
BAB 9 BUDGET BIAYA FLEKSIBEL
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
ANALISA REGRESI & KORELASI SEDERHANA
ANALISIS TREND STATISTIK DESKRIPTIF
STATISTIK INDUSTRI MODUL 10
Bab IX ANALISIS DATA BERKALA.
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
STATISTIK INDUSTRI MODUL 9
Denny Agustiawan JURUSAN TEKNIK INFORMATIKA STMIK ASIA MALANG
MENENTUKAN TREND Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend. Beberapa di antaranya adalah metode tangan bebas, metode.
BAB X INDEKS MUSIMAN DAN GERAKAN SIKLIS
ANALISIS TIME SERIES.
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
D0124 Statistika Industri Pertemuan 19 dan 20
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Pertemuan ke 14.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
Pertemuan ke 14.
Peramalan Data Time Series
Analisis Time Series.
STATISTIK INDUSTRI MODUL 8
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
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
Indeks Musim dan Gerakan Siklis Tugas Mandiri 01 J0682
Kelompok CDM ( Cash Deposit Machine )
ANALISIS DATA BERKALA.
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
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.
BAB 6 analisis runtut waktu
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Metode Least Square Data Genap
PRENSENTATION KELOMPOK 10
STATISTIKA DESKRITIF Analisa Data Berkala dengan Metode Semi Average
LATIHAN SOAL REGRESI DAN KORELASI
06 Analisis Trend Analisis deret berkala dan peramalan
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Analisis Time Series.
Korelasi dan Regresi Aria Gusti.
Transcript presentasi:

STATISTIK INDUSTRI MODUL 9 ANALISIS DATA BERKALA Tujuan Belajar Setelah mempelajari bab ini, Anda diharapkan mampu :  Memahami arti dari data berkala  Menyebutkan jenis-jenis gerakan / variasi data berkala  Menggunakan berbagai metode untuk memperoleh trend ARTI DAN PENTINGNYA ANALISIS DATA BERKALA Seperti telah dibahas dalam modul2, data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembanagan produksi, harga, hasil penjualan, jumlah personil,penduduk, jumlah kecelakaan dsb). Analisis data berkala memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan / pengaruhnya terhadap kejadian lainnya. Misalnya, apakah kenaikan biaya iklan akan diikutui dengan kenaikan penerimaan hasil penjualan, apakah kenaikan jumlah penggunaan pupuk diikuti dengan kenaikan produksi padi, apakah kenaikan gaji diikuti oleh kenaikan prestasi kerja dsb. Dengan perkataan lain, apakah perubahan suatu kejadian akanmempengaruhi kejadian lainnya, dan kalau memang ada pengaruhnya, berapa besar pengaruh tersebut secara kuantitatif? Contohnya, kalau biaya iklan naik Rp. 100 juta, berapa kenaikan hasil penjualan yang dapat diharapkan; kalau gaji naik 1%, berapa % kenaikan prestasi kerja; kalau penggunaan pupuk naik 10 juta ton, berapa ton produksi padi dapat diharapkan, dsb. Hal ini sudah dibahas dalam analisis korelasi dan regresi pada modul 7 dan 8. Dengan data berkala, kita juga dapat membuat ramalan-ramalan berdasarkan garis regresi atau garis trend. http://www.mercubuana.ac.id

atausatuan waktu yang lebih kecil lagi. waktu, misalnya kenaikan harga pohon cemara menjelang hari natal,meningkatnya harga-harga bahan makanan dan pakaian menjelang hari raya idul fitri, menurunnya harga beras pada waktu panen dsb. Walaupun pada umumnya gerakan musiman terjadi pada data bulanan yang dikumpulkan dari tahun ke tahun, namun juga berlaku bagi data harian, mingguan, atausatuan waktu yang lebih kecil lagi. 4. Gerakan / variasi yang tidak teratur (irregular or random movements), adalah gerakan / variasi yang sifatnya sporadic, misalnya naik-turunnya produksi akibat banjir yang datangnya tidak teratur. Analisis data berkala pada umumnya terdiri dari uraian (description) secara matematis tentang komponen-komponen yang menyebabkan gerakan-gerakan atau variasi-variasi yang tercermin dalam fluktuasi. Apabila gerakan trend, siklis, musiman, dan acak masing-masing diberi symbol T,C,S dan I, maka data berkala Y merupakan hasil kali dari 4 komponen tersebut, yaitu : Y=TxCxSxI Ada juga ahli statistic yang menganggap bahwa data berkala merupakan penjumlahan dari 4 komponen tersebut, yaitu : Y=T+C+S+I Dalam modul 9 ini akan dibahas garis trend linier dan metode untuk memperolehnya. MENENTUKAN TREND http://www.mercubuana.ac.id

Apabila data tersebut dibuat diagram pencarnya, maka akan 1 2 3 4 5 6 7 PDB (Y) 10.164, 9 11.169, 12.054, 12.325, 12.842, 13.511, 14.180, 8 14.850, Apabila data tersebut dibuat diagram pencarnya, maka akan terlihat bahwa titik-titik koordinat menurut data tersebut ada yang terletak dibawah atau diatas garis trend, dan ada juga yang terletak tepat pada garis trend. Ramalan dengan garis trend lebih realistis karena sudah memperhitungkan kemampuan masa lampau. Dengan metode tangan bebas, diperoleh nilai ramalan Produk Domestik Bruto pada tahun 2000 kurang lebih sebesar Rp. 15.515,5 milyar (dibaca pada skala). Misalkan selanjutnya bahwa garis trend tersebut melewati titik koordinat untuk tahun 1992 dan 1999. Kalau tahun 1992 dan 1999, nilai X sama dengan 0 dan 7, maka kita bias mengatakan bahwa garis trend yang lurus mempunyai persamaan Y = a + bX. Seperti telah dijelaskan sebelumnya bahwa metode tangan bebas lebih bersifat subyektif, maka untuk memperoleh garis trend yang lebih obyektif adalah dengan duia tititk koordinat yaitu titik asal dan titik akhir. Dalam contoh ini, kita anggap tahun 1992 sebagai tititk asal (X = 0), 1993 titik pertama (X = 1), dan seterusnya. Kalau 1993 sebagai titik asal, maka untuk tahun 1992 (X = -1), 1993 (X = 0), dan seterusnya. Kalau 1992 sebagai titik asal dan 1999 titik akhir, maka kita peroleh dua tititk koordinat [ (0), (10.164,9)] dan [ (7), (14.850,1)]. Kalau nilai- nilai ini kita masukkan ke persamaan garis lurus Y = a + bX, maka kita peroleh persamaan berikut : http://www.mercubuana.ac.id